基于主成分分析的分块视频噪声估计

噪声估计在视频去噪领域具有重要的研究意义.实际生活中的噪声都是未知的,然而现存的视频去噪算法通常都假定视频的噪声水平是已知的,本文提出一种基于主成分分析(Principal component analysis,PCA)的分块视频噪声估计算法.首先,基于帧间进行块匹配寻找相似块,得到差分图像以消除视频运动的影响;其次,将正态分布函数作为阈值函数简化噪声估计算法模型;最后,设置明确迭代指标使得估计的结果更加精确,且降低了计算复杂度.主观视觉效果和客观指标对比表明,本文提出的基于主成分分析的分块视频噪声估计算法比其他优秀的噪声估计算法误差小同时鲁棒性高,能准确地估计视频噪声.

一种高效稳健的差分视频噪声估计算法

提出了一种高效稳健的白噪声方差估计算法,算法首先对连续的两帧视频进行差分运算以获得更多的亮度平坦区域,进而在差分图像和原始图像中以一定的准则寻找亮度平坦块,最终从这些平坦块中估计出噪声的方差。大量的实验结果表明,本文算法不仅在低噪声水平和高噪声水平时保持了良好的估计准确性,而且对于图像含有大量纹理信息以及图像含有极少平坦块的情况,也给出了准确的估计结果,表现出了良好的稳健性。

基于视觉特性的视频噪声估计研究

为了获得与主观视觉感知高度一致的视频噪声估计结果,提出了基于人眼视觉特性的噪声估计算法。分析了人类视觉系统特性,深入考虑了视频连续帧间图像的结构相似性和噪声同分布性,建立了人眼视觉感知的噪声估计模型,将视频连续帧的图像变换到人眼感知域,进行差分计算以估计出视频噪声。进行了实拍视频噪声估计实验,采用上述算法与传统算法分别估计并对比结果,验证了基于视觉特性的视频噪声估计算法具有更高的主观一致性,在噪声强度极低的情况下仍适用性良好,应用前景比较广阔。

视频噪声方差估计算法研究

针对传统差分视频噪声方差估计算法在处理运动前景变化较大时,容易把视频实际信号分量也当作噪声,使得噪声估计结果偏大的问题,提出了一种改进的噪声方差估计算法。该算法不仅利用了静止图像在空间上的相关性和视频序列图像在时间上的相关性,而且还自适应地选取帧差图像中大部分像素的差分值用于估计噪声,使得估计结果更加准确和稳定,达到更好的视频去噪性能。