Статья:

Обзор методов пространственно-временного подавления шума в видео с использованием компенсации движения

Журнал: Научный журнал «Студенческий форум» выпуск №40(133)

Рубрика: Технические науки

Выходные данные
Кузнецов М.К. Обзор методов пространственно-временного подавления шума в видео с использованием компенсации движения // Студенческий форум: электрон. научн. журн. 2020. № 40(133). URL: https://nauchforum.ru/journal/stud/133/82112 (дата обращения: 29.03.2024).
Журнал опубликован
Мне нравится
на печатьскачать .pdfподелиться

Обзор методов пространственно-временного подавления шума в видео с использованием компенсации движения

Кузнецов Максим Кириллович
студент, Рязанский Государственный Радиотехнический Университет имени В. Ф. Уткина, РФ, г. Рязань
Мельник Ольга Владимировна
научный руководитель,

 

Аннотация. В данной статье обозреваются различные методы подавления шума в видео.

 

Задача подавления шума в видео последовательностях одна из самых распространенных проблем в области обработки видео. Общая задача подавления шума, как правило, решается в два этапа. На первом этапе происходит определение наличия шума в видео последовательности, а также его характеристик. На втором этапе происходит подавление шума алгоритмом, адаптирующимся к конкретным вычисленным параметрам шума.

В рамках данной публикации рассматриваются методы подавления шума с равномерным распределением. Данный тип шума можно охарактеризовать единственным параметром – его амплитудой. Существующие методы, как правило, имеют большую вычислительную сложность, и будучи изначально разработанными для определения уровня шума в статических изображениях, редко используют временную область видео, что снижает их эффективность.

В области фильтрации шума в последнее время получили широкое распространение методы, основанные на группировке и усреднении значений пикселей в пределах фиксированного окна небольшого размера. Можно выделить методы, использующие усреднения на основе медианы [1], взвешенного усреднения [2, 3], различные методы на основе выделения классов областей или границ [4]. Проведённые авторами исследование данных методов выявило заметные недостатки в визуальном качестве этих методов, появление артефакта ступенчатости и других побочных эффектов

Авторы предлагают новый метод определения уровня шума и методы пространственной и временной фильтрации видео, которые во многом свободны от указанных недостатков. Предложенные алгоритмы основаны на компенсации движения, а следовательно учитывают пространственно-временную корреляцию между двумя кадрами.

Алгоритм определения уровня шума выбирает равномерные области, не содержащие границ, в два этапа. На первом этапе существенно используется информация, полученная на стадии компенсации движения; данный шаг позволяет существенно снизить вычислительные затраты алгоритма определения уровня шума по сравнению с существующими аналогами. На втором этапе происходит оценка наличия границ в оставшихся блоках; вычисление среднего уровня шума по данным блокам происходит также с использованием информации о движении. Предлагаемый алгоритм определения уровня шума использует дополнительно разработанный метод, позволяющий получить приемлемое значение уровня шума даже в случае, когда кадр видео последовательности не содержит равномерных областей, что выгодно отличает предложенный метод от известных алгоритмов (основанных исключительно на анализе в пространственной области) как по скорости, так и по стабильности получаемого результата. Дополнительно разработан метод обнаружения смены сцены, что помогает предотвратить нежелательные всплески значения величины шума; также реализован метод сглаживания полученного значения во времени, что соответствует более адекватному поведению результирующего значения.

В качестве алгоритма пространственного и временного подавления шума предлагается новый метод на основе вычисления уровня соответствия значения пикселей. Для каждого пикселя изображения вычисляются определенные характеристики, после чего значения пикселей усредняются в зависимости от величины корреляций найденных значений. Данный метод разработан с использованием иерархичного подхода: для более ровных областей кадра видео последовательности используется окно большего размера, для текстур границ – меньшего; подобное решение позволяет добиться более естественного результата.

Предложенные методы позволяют получать высокое качество результирующего изображения. Порядка пятидесяти процентов вычислительных затрат данного алгоритма связаны с компенсацией движения которая, зачастую, используется как часть нескольких одновременно выполняющихся алгоритмов, а следовательно в некоторых случаях ее можно не учитывать при определении сложности предложенных методов.

 

Список литературы:
1. H.B. Mitchell and N. Mashkit, “Noise smoothing by a fast k-nearest neighbour algorithm” // Signal Processing: Image Communication, vol. 4, pp. 227–232, 1992. 
2. Dimitri Van De Ville, Mike Nachtegael, Dietrich Van der Weken, Etienne E. Kerre Wilfried Philips, and Ignace Lemahieu, “Noise Reduction by Fuzzy Image Filtering” // IEEE Transactions On Fuzzy Systems, Vol. 11, No. 4, August 2003 429 
3. Ruifeng Xu and Sumanta N. Pattanaik, “A Novel Monte Carlo Noise Reduction Operator” // IEEE Computer Graphics and Applications, 2005
4. Torsten Seemann and Peter Tischer, “Structure Preserving Noise Filtering of Images using Explicit Local Segmentation” // IEEE Pattern Recognition, 1998, 16-20 Aug, Vol. 2, pp.1610-1612