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】本發明適用于圖像分析處理【技術領域】，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；對運動塊結合低通濾波和中值濾波來進行空域濾波。本發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合能有效去除椒鹽噪聲，同時能減少圖像細節模糊。
【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
【技術領域】
[0001]本發明屬于圖像分析處理【技術領域】，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】
[0002]近年來，數字視頻應用隨著網絡和計算機的普及已經呈現迅猛的發展趨勢，對視頻監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容，降噪后的視頻能降低編碼碼流，使碼流平穩，有利于網絡傳輸；在低照度情況下能放大增益，同時也能方便后續的視頻智能分析，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損失，或產生塊效應，尤其在是QP比較大的h264編碼中，編碼出來的圖像容易出現變糊的現象。而時域濾波則很好的利用了視頻幀間相關性，能很好的濾除噪聲，但是對于運動的物體會產生嚴重的“拖尾”現象。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大小的多個方形區域，計算各個方形區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果，不能根據每個M*M宏塊的幀間差異而按塊濾波，同時如果出現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。
【發明內容】
[0010]鑒于上述問題，本發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，用于對運動塊結合低通濾波和中值濾波來進行空域濾波。
[0019]本發明的有益效果是:本發明中，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，而且根據偏離標準差的強度可以判別運動強度，從而自適應的調整濾波強度；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，如果出現遮擋等巨大變化，由于引入了多態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合能有效去除椒鹽噪聲，同時能減少圖像細節模糊。
【專利附圖】
【附圖說明】
[0020]圖1是本發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的一種具體優選流程圖；
[0022]圖3是圖1中步驟S2的一種具體優選流程圖；
[0023]圖4是圖1中步驟S3的一種具體優選流程圖；
[0024]圖5是本發明第二實施例提供的固定場景下基于高斯背景模型的3D降噪裝置的結構方框圖；
[0025]圖6是圖2中背景提取模塊的一種具體優選結構圖；
[0026]圖7是圖2中時域濾波模塊的一種具體優選結構圖；
[0027]圖8是圖2中空域濾波模塊的一種具體優選結構圖。
【具體實施方式】
[0028]為了使本發明的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本發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明，并不用于限定本發明。
[0029]為了說明本發明所述的技術方案，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明實施例相關的部分。
[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(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。建模的時候將圖像切割成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與預設倍數噪聲標準差(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，由于采用了多態高斯背景模型，如果出現遮擋等巨大變化，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合能有效去除椒鹽噪聲，同時能減少圖像細節模糊。
[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、創建臨時幀，判斷當前輸入幀是否為首幀。
[0040]創建臨時巾貞templmage,尺寸大小為(imageWidth/M)*( imageHeight/M)。創建前一中貞 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，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倍數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倍數噪聲標準差進行比較判斷，所述預設倍數一般選取2.5?3.0，優選為2.5。
[0046]步驟S105、當存在RGB均值差均小于所述預設倍數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值，若累加權值大于權值閾值時，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倍數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]假設預設倍數選為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值backWeight,若累加權值sumWeight大于權值閾值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。權值閾值weightThreshoId=70ο
[0048]具體實現時，可采用下述語句:
[0049]
【權利要求】
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； 對運動塊結合低通濾波和中值濾波來進行空域濾波。
2.如權利要求1所述方法，其特征在于，所述通過建立多態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，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倍數噪聲標準差進行比較； 當存在RGB均值差均小于所述預設倍數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值，若累加權值大于權值閾值時，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倍數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。
3.如權利要求2所述方法，其特征在于，所述預設倍數噪聲標準差為2.5~3.0倍的噪聲標準差。
4.如權利要求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: 將所述預設倍數噪聲標準差分成若干區域，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.如權利要求3所述方法，其特征在于，所述對運動塊結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，用于對運動塊結合低通濾波和中值濾波來進行空域濾波。
7.如權利要求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，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倍數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倍數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值，若累加權值大于權值閾值時，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倍數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。
8.如權利要求7所述裝置，其特征在于，所述預設倍數噪聲標準差為2.5~3.0倍的噪聲標準差。
9.如權利要求8所述裝置，其特征在于，所述時域濾波模塊包括: 區域劃分單元，用于將所述預設倍數噪聲標準差分成若干區域，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 優先權日:2014年4月8日
【發明者】趙華艷 申請人:武漢烽火眾智數字技術有限責任公司