一種固定場景下基于高斯背景模型的3d降噪方法及裝置制造方法
【專利摘要】本發(fā)明適用于圖像分析處理【技術(shù)領(lǐng)域】，提供一種固定場景下基于高斯背景模型的3D降噪方法及裝置，所述方法包括：通過建立多態(tài)高斯背景模型提取固定背景，對圖像進行分塊，每個圖像塊具有一個噪聲標準差，根據(jù)每個圖像塊的RGB均值以及對應的噪聲標準差分離出背景塊和運動塊；對背景塊采用時域濾波；對運動塊結(jié)合低通濾波和中值濾波來進行空域濾波。本發(fā)明可以更準確的分離出運動和靜止物體，自動更新背景模型，對于空域濾波，將中值濾波和低通濾波結(jié)合能有效去除椒鹽噪聲，同時能減少圖像細節(jié)模糊。
【專利說明】一種固定場景下基于高斯背景模型的3D降噪方法及裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像分析處理【技術(shù)領(lǐng)域】，尤其涉及一種固定場景下基于高斯背景模型的3D降噪方法及裝置。
【背景技術(shù)】
[0002]近年來，數(shù)字視頻應用隨著網(wǎng)絡(luò)和計算機的普及已經(jīng)呈現(xiàn)迅猛的發(fā)展趨勢，對視頻監(jiān)控的要求也越來越高，不僅要求高清低碼流，而且低照度與智能分析也成為安防視頻處理的主流趨勢。而3D降噪是視頻預處理的一個重要內(nèi)容，降噪后的視頻能降低編碼碼流，使碼流平穩(wěn)，有利于網(wǎng)絡(luò)傳輸；在低照度情況下能放大增益，同時也能方便后續(xù)的視頻智能分析，很好的提取圖像特征。
[0003]圖像噪音分為靜止和運動兩種。靜止噪音是指噪音發(fā)生在圖像順序顯示時具有相同或緩慢變化的空間位置，而運動噪音是指隨著時間推移，圖像順序顯示時噪音發(fā)生位置在不斷變化，對其處理需要使用幀間預測。
[0004]時空域聯(lián)合濾波能很好的抑制噪聲，但是空域濾波雖然能濾除一些噪聲但容易造成圖像細節(jié)損失，或產(chǎn)生塊效應，尤其在是QP比較大的h264編碼中，編碼出來的圖像容易出現(xiàn)變糊的現(xiàn)象。而時域濾波則很好的利用了視頻幀間相關(guān)性，能很好的濾除噪聲，但是對于運動的物體會產(chǎn)生嚴重的“拖尾”現(xiàn)象。所以時域濾波更適合于靜止的視頻處理。
[0005]目前也有一種利用背景差分圖像，將差分圖像劃分成M*M大小的多個方形區(qū)域，計算各個方形區(qū)域的圖像噪聲標準差Sn，利用(4?5) δη做閾值來判斷M*M大小區(qū)域是否為運動塊，同時按相同比例更新背景圖像。這種方法的缺點是:
[0006]a、利用全幅圖像的最小標準差δ n，取(4?5) δ n做閾值分離運動和靜止的物體，不能準確的對每個M*M宏塊的運動強度做出精確的判斷，容易漏掉運動部分；
[0007]b、背景模型只采用單一模型，不能很好的適應光線變化和陰影的產(chǎn)生從而影響運動目標判斷的準確性；
[0008]C、直接將背景用來作為靜止物體時域濾波的結(jié)果，不能根據(jù)每個M*M宏塊的幀間差異而按塊濾波，同時如果出現(xiàn)巨大變化如遮擋等時，單一的背景模型不能得到及時的更新，濾波出來的圖像不準確；
[0009]d、對運動部分采用均值濾波會導致圖像模糊，同時不能有效濾除椒鹽噪聲。

【發(fā)明內(nèi)容】

[0010]鑒于上述問題，本發(fā)明的目的在于提供一種固定場景下基于高斯背景模型的3D降噪方法及裝置，旨在解決現(xiàn)有3D降噪方案運動目標判斷不夠準確、濾波效果不佳，不能消除椒鹽噪聲的技術(shù)問題。
[0011]一方面，所述固定場景下基于高斯背景模型的3D降噪方法包括下述步驟:
[0012]通過建立多態(tài)高斯背景模型提取固定背景，對圖像進行分塊，每個圖像塊具有一個噪聲標準差，根據(jù)每個圖像塊的RGB均值以及對應的噪聲標準差分離出背景塊和運動塊；
[0013]對背景塊采用時域濾波；
[0014]對運動塊結(jié)合低通濾波和中值濾波來進行空域濾波。
[0015]另一方面，所述固定場景下基于高斯背景模型的3D降噪裝置包括:
[0016]背景提取模塊，用于通過建立多態(tài)高斯背景模型提取固定背景，對圖像進行分塊，每個圖像塊具有一個噪聲標準差，根據(jù)每個圖像塊的RGB均值以及對應的噪聲標準差分離出背景塊和運動塊；
[0017]時域濾波模塊，用于對背景塊采用時域濾波；
[0018]空域濾波模塊，用于對運動塊結(jié)合低通濾波和中值濾波來進行空域濾波。
[0019]本發(fā)明的有益效果是:本發(fā)明中，每個宏塊M*M都有自己的噪聲標準差δ _i，可以更準確的分離出運動和靜止物體，而且根據(jù)偏離標準差的強度可以判別運動強度，從而自適應的調(diào)整濾波強度；同時利用高斯模型，能更好的抑制光線陰影樹葉等微小變化，如果出現(xiàn)遮擋等巨大變化，由于引入了多態(tài)高斯模型也能迅速準確的更新背景模型；對于空域濾波，將中值濾波和低通濾波結(jié)合能有效去除椒鹽噪聲，同時能減少圖像細節(jié)模糊。
【專利附圖】

【附圖說明】
[0020]圖1是本發(fā)明第一實施例提供的固定場景下基于高斯背景模型的3D降噪方法的流程圖；
[0021]圖2是圖1中步驟SI的一種具體優(yōu)選流程圖；
[0022]圖3是圖1中步驟S2的一種具體優(yōu)選流程圖；
[0023]圖4是圖1中步驟S3的一種具體優(yōu)選流程圖；
[0024]圖5是本發(fā)明第二實施例提供的固定場景下基于高斯背景模型的3D降噪裝置的結(jié)構(gòu)方框圖；
[0025]圖6是圖2中背景提取模塊的一種具體優(yōu)選結(jié)構(gòu)圖；
[0026]圖7是圖2中時域濾波模塊的一種具體優(yōu)選結(jié)構(gòu)圖；
[0027]圖8是圖2中空域濾波模塊的一種具體優(yōu)選結(jié)構(gòu)圖。
【具體實施方式】
[0028]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0029]為了說明本發(fā)明所述的技術(shù)方案，下面通過具體實施例來進行說明。
[0030]實施例一:
[0031]圖1示出了本發(fā)明實施例提供的固定場景下基于高斯背景模型的3D降噪方法的流程，為了便于說明僅示出了與本發(fā)明實施例相關(guān)的部分。
[0032]如圖1所示，本實施例提供的固定場景下基于高斯背景模型的3D降噪方法包括下述步驟:
[0033]步驟S1、通過建立多態(tài)高斯背景模型提取固定背景，對圖像進行分塊，每個圖像塊具有一個噪聲標準差，根據(jù)每個圖像塊的RGB均值以及對應的噪聲標準差分離出背景塊和運動塊；
[0034]步驟S2、對背景塊采用時域濾波；
[0035]步驟S3、對運動塊結(jié)合低通濾波和中值濾波來進行空域濾波。
[0036]本實施例采用多態(tài)(3?5)高斯背景模型，對固定場景建模，能很好的將背景和運動物體分離。建模的時候?qū)D像切割成N個M*M圖像塊，按塊處理，能避免隨機噪點的引入，魯棒性好。計算每個圖像塊的RGB均值(即每個圖像塊的RGB分量的均值)ui，i為第i個圖像塊，利用獲取的RGB均值ui與預設(shè)倍數(shù)噪聲標準差(2.5?3) δ i進行比較，分離出背景塊和運動塊，對于運動塊，采用低通濾波和中值濾波方法來進行空域濾波。本實施例中，首先每個圖像塊都有自己的噪聲標準差δ i，可以更準確的分離出運動和靜止物體；另外，由于采用了多態(tài)高斯背景模型，如果出現(xiàn)遮擋等巨大變化，由也能迅速準確的更新背景模型；第三，對于空域濾波，將中值濾波和低通濾波結(jié)合能有效去除椒鹽噪聲，同時能減少圖像細節(jié)模糊。
[0037]下面對上述步驟做具體描述。
[0038]如圖2所示,所述步驟SI包括:
[0039]步驟SlOl、創(chuàng)建臨時幀，判斷當前輸入幀是否為首幀。
[0040]創(chuàng)建臨時巾貞templmage,尺寸大小為(imageWidth/M)*( imageHeight/M)。創(chuàng)建前一中貞 pre V Image、當前巾貞 curr Image 和輸出巾貞 out Image,尺寸都為 imagWidth*imageHeigth*3。imageWidth和imageHeight分別為圖像寬高的分辨率。將圖像分塊時，各個塊映射為臨時幀中的某個點。
[0041]步驟S102、若當前輸入的圖像為首幀時，初始化K個高斯背景模型參數(shù)，同時將輸入的圖像劃分成N個M*M的圖像塊，計算每個圖像塊的背景模板RGB均值；
[0042]步驟S103，若為其他幀時，將圖像劃分成N個M*M的圖像塊并計算每個圖像塊的當前RGB均值。
[0043]若為首幀，初始化K個高斯背景模型的參數(shù)為0，并初始化話臨時幀各個點為O。同時將輸入的當前幀圖像分成N個M*M的圖像塊，計算每個圖像塊的背景模板RGB均值backMeanR[i]、backMeanG[i]和backMeanB[i], i為第i個圖像塊。若為第二巾貞或其他中貞，計算每個圖像塊的當前RGB均值currMeanR、currMeanG和currMeanB。
[0044]步驟S104、針對每個圖像塊，計算當前RGB均值與背景模板RGB均值的RGB均值差，并將所述RGB均值差依次與所述k個高斯背景模型的預設(shè)倍數(shù)噪聲標準差進行比較。
[0045]計算出每個圖像塊的當前RGB均值與背景模板RGB均值的RGB均值差sunMeanR、subMeanG 和 subMeanB。其中所述 sunMeanR=abs (currMeanR_backMeanR[i]),同理計算出subMeanG和subMeanB。然后將RGB均值差分別于所述k個高斯背景模型的預設(shè)倍數(shù)噪聲標準差進行比較判斷，所述預設(shè)倍數(shù)一般選取2.5?3.0，優(yōu)選為2.5。
[0046]步驟S105、當存在RGB均值差均小于所述預設(shè)倍數(shù)噪聲標準差的高斯背景模型時，則累加之前的高斯背景模型的權(quán)值，若累加權(quán)值大于權(quán)值閾值時，則將臨時幀上圖像塊對應點標記為背景塊，反之標記為運動塊；當不存在RGB均值差均小于所述預設(shè)倍數(shù)噪聲標準差的高斯背景模型時，則將臨時幀上圖像塊對應點標記為運動塊。
[0047]假設(shè)預設(shè)倍數(shù)選為2.5，當所述K個高斯背景模型中存在一個模型，其標號為backldx,所述 RGB 均值 sunMeanR、subMeanG 和 subMeanB 均小于 2.5backStandard 時，則累加該模型以及之前高斯背景模型權(quán)值backWeight,若累加權(quán)值sumWeight大于權(quán)值閾值weightThreshold時，則將臨時幀上圖像塊對應的點標記為背景塊，否則標記為運動塊。比如，可以將臨時幀的點標記為O表示為背景塊，標記為I表示運動塊。權(quán)值閾值weightThreshoId=70ο
[0048]具體實現(xiàn)時，可采用下述語句:
[0049]
【權(quán)利要求】
1.一種固定場景下基于高斯背景模型的3D降噪方法，其特征在于，所述方法包括: 通過建立多態(tài)高斯背景模型提取固定背景，對圖像進行分塊，每個圖像塊具有一個噪聲標準差，根據(jù)每個圖像塊的RGB均值以及對應的噪聲標準差分離出背景塊和運動塊； 對背景塊采用時域濾波； 對運動塊結(jié)合低通濾波和中值濾波來進行空域濾波。
2.如權(quán)利要求1所述方法，其特征在于，所述通過建立多態(tài)高斯背景模型提取固定背景，對圖像進行分塊，每個圖像塊具有一個噪聲標準差，根據(jù)每個圖像塊的RGB均值以及對應的噪聲標準差分離出背景塊和運動塊步驟，具體包括: 若當前輸入的圖像為首幀時，初始化K個高斯背景模型參數(shù)，同時將輸入的圖像劃分成N個M*M的圖像塊，計算每個圖像塊的背景模板RGB均值，若為其他幀時，將圖像劃分成N個M*M的圖像塊并計算每個圖像塊的當前RGB均值； 針對每個圖像塊，計算當前RGB均值與背景模板RGB均值的RGB均值差，并將所述RGB均值差依次與所述k個高斯背景模型的預設(shè)倍數(shù)噪聲標準差進行比較； 當存在RGB均值差均小于所述預設(shè)倍數(shù)噪聲標準差的高斯背景模型時，則累加之前的高斯背景模型的權(quán)值，若累加權(quán)值大于權(quán)值閾值時，則將臨時幀上圖像塊對應點標記為背景塊，反之標記為運動塊； 當不存在RGB均值差均小于所述預設(shè)倍數(shù)噪聲標準差的高斯背景模型時，則將臨時幀上圖像塊對應點標記為運動塊； 根據(jù)標記的運動塊和背景塊，利用更新因子更新相應高斯背景模型參數(shù)。
3.如權(quán)利要求2所述方法，其特征在于，所述預設(shè)倍數(shù)噪聲標準差為2.5~3.0倍的噪聲標準差。
4.如權(quán)利要求3所述方法，其特征在于，所述對背景塊采用時域濾波，步驟，具體包括: 將所述預設(shè)倍數(shù)噪聲標準差分成若干區(qū)域，并按照級別大小賦予強度值； 對屬于背景塊的像素做不同強度的時域濾波。
5.如權(quán)利要求3所述方法，其特征在于，所述對運動塊結(jié)合低通濾波和中值濾波來進行空域濾波步驟，具體包括: 對臨時幀做形態(tài)學膨脹，搜索圖像找出運動塊對應的坐標點； 將運動塊坐標點對應到當前幀，對運動塊結(jié)合低通濾波和中值濾波來進行空域濾波。
6.一種固定場景下基于高斯背景模型的3D降噪裝置，其特征在于，所述裝置包括: 背景提取模塊，用于通過建立多態(tài)高斯背景模型提取固定背景，對圖像進行分塊，每個圖像塊具有一個噪聲標準差，根據(jù)每個圖像塊的RGB均值以及對應的噪聲標準差分離出背景塊和運動塊； 時域濾波模塊，用于對背景塊采用時域濾波； 空域濾波模塊，用于對運動塊結(jié)合低通濾波和中值濾波來進行空域濾波。
7.如權(quán)利要求6所述裝置，其特征在于，所述背景提取模塊包括: 圖像劃分處理單元，用于若當前輸入的圖像為首幀時，初始化K個高斯背景模型參數(shù)，同時將輸入的圖像劃分成N個M*M的圖像塊，計算每個圖像塊的背景模板RGB均值，若為其他幀時，將圖像劃分成N個M*M的圖像塊并計算每個圖像塊的當前RGB均值；比較判斷單元，用于針對每個圖像塊，計算當前RGB均值與背景模板RGB均值的RGB均值差，并將所述RGB均值差依次與所述k個高斯背景模型的預設(shè)倍數(shù)噪聲標準差進行比較； 圖像標記單元，用于當存在RGB均值差均小于所述預設(shè)倍數(shù)噪聲標準差的高斯背景模型時，則累加之前的高斯背景模型的權(quán)值，若累加權(quán)值大于權(quán)值閾值時，則將臨時幀上圖像塊對應點標記為背景塊，反之標記為運動塊；以及用于當不存在RGB均值差均小于所述預設(shè)倍數(shù)噪聲標準差的高斯背景模型時，則將臨時幀上圖像塊對應點標記為運動塊； 模型更新單元，用于根據(jù)標記的運動塊和背景塊，利用更新因子更新相應高斯背景模型參數(shù)。
8.如權(quán)利要求7所述裝置，其特征在于，所述預設(shè)倍數(shù)噪聲標準差為2.5~3.0倍的噪聲標準差。
9.如權(quán)利要求8所述裝置，其特征在于，所述時域濾波模塊包括: 區(qū)域劃分單元，用于將所述預設(shè)倍數(shù)噪聲標準差分成若干區(qū)域，并按照級別大小賦予強度值； 時域濾波單元，用于對屬于背景塊的像素做不同強度的時域濾波。
10.如權(quán)利要求8所述裝置，其特征在于，所述空域濾波模塊包括: 圖像搜索單元，用于對臨時幀做形態(tài)學膨脹，搜索圖像找出運動塊對應的坐標點；綜合濾波單元，用于將運動塊坐標點對應到當前幀，對運動塊結(jié)合低通濾波和中值濾波來進行空域濾波。
【文檔編號】G06T5/00GK103942759SQ201410138067
【公開日】2014年7月23日 申請日期:2014年4月8日 優(yōu)先權(quán)日:2014年4月8日
【發(fā)明者】趙華艷 申請人:武漢烽火眾智數(shù)字技術(shù)有限責任公司