过滤信号和获得过滤系数的方法

专利名称：过滤信号和获得过滤系数的方法
技术领域：
本发明涉及过滤信号的方法，包括
确定作为输入获得的信号的区段(section)的分类，其中分类的确定包括计算至少包括代表输入信号区段的至少一阶导数的分量的信号区段以及将量化操作应用于所计算的信号区段；和
从多个可用过滤器中选择与该分类相关联的数字过滤器。本发明还涉及用于过滤信号的设备，包括 用于接收信号的输入端；
用于确定作为输入获得的信号的区段的分类的设备组件，该设备组件包括用于计算至少包括代表输入信号区段的至少一阶导数的分量的信号区段的信号处理组件以及用于将量化操作应用于所计算的信号区段的信号处理组件；和切换器，用于在多个可用数字过滤器之间进行切换。本发明也涉及用于在显示器上再现至少一个图像的设备，包括用于接收编码至少一个图像的信号的接口以及用于过滤代表至少一个图像的数字信号的过滤设备。本发明也涉及获得多个过滤器的过滤系数的方法，包括
获得多个测试信号区段和相关联的目标信号值，每一个测试信号区段与多个分类中的一个分类相关联；
对于每一个分类，优化相关联过滤器的过滤系数的集合，以使得与那个分类相关联的过滤版本的测试信号区段最佳近似于其相关联的目标信号值；以及将每个优化集合的过滤系数与通过以下可获得的分类代码相关联 对于与关联于优化集合的过滤系数的分类相关联的任何测试信号区段，计算至少包括代表测试信号区段的至少一阶导数的分量的信号区段，并将量化操作应用于所计算的信号区段。本发明也涉及计算机程序。
背景技术：
US 6，192，161 Bl披露用于将恶化信号恢复成非恶化信号的方法、设备和制品。 恶化信号包括多个恶化和非恶化数据点。对于每一个恶化数据点，基于包含恶化数据点的区域的特征创建多个分类类型。数据点相对于多个分类类型之一来分类，并被分配相应的输入信号分类。通过根据输入信号分类结果对输入信号进行自适应过滤来生成非恶化信号。所创建的分类可以包括运动分类、错误分类、空间分类或空间活动分类。空间分类是用于描述目标数据的空间特征的特定值的选集(collection)。例如，自适应动态范围编码 (Adaptive Dynamic Range Coding) (ADRC)可以用于将每一个分类作为空间分类来生成。 可以使用空间分类的其他示例，包括差分PCM。使用1比特ADRC的问题是它对于具有陡峭瞬态和弱瞬态的信号给出相同的结果，从而导致在这两种信号中增加瞬态的陡度的过滤器的应用。这在已包括陡峭瞬态的信号中引起伪像(artefact)。使用差分PCM的问题是它可能导致大范围的分类代码，从而增加需要保持为可用的不同过滤器的数量。

发明内容
本发明的目的是提供上述类型的方法、设备和计算机程序，其允许信号区段的有效过滤，同时避免在不需要被提供更陡峭瞬态的信号区段中引入伪像。这个目的利用根据本发明的方法来实现，该方法包括
确定作为输入获得的信号的区段的分类，其中分类的确定包括计算至少包括代表输入信号区段的至少一阶导数的分量的信号区段以及将量化操作应用于所计算的信号区段，其中在量化操作中，量化步骤适应于所计算的信号区段的动态范围；和从多个可用过滤器中选择与该分类相关联的数字过滤器。因为分类的确定包括计算至少包括代表输入信号区段的至少一阶导数的分量的信号区段以及将量化操作应用于所计算的信号区段，所以在分类处理中考虑在信号区段中陡峭瞬态的存在或不存在。因为与该分类相关联的数字过滤器从多个可用过滤器中进行选择，所以相比于具有不太陡峭瞬态的信号区段而言，对于具有陡峭瞬态的信号区段，有可能使用不同的过滤器。因为量化操作使用适应于所计算的信号区段的动态范围的量化步骤， 所以在分类的确定能够仅具有有限范围结果的意义上能够减少分类的数量。这使得该方法在存储器使用方面是有效的。这也能够通过仅选择大的量化步骤或使用熵编码方法来实现。然而，在使用大的量化步骤的情况中，将需要预先知道信号属性以避免遗漏太多细节。 该量化步骤可能是如此之大的，以致于许多计算的信号区段的所有值将是相同的。熵编码方法实施起来是相对困难且效率相对低的。代码簿必须被存储，并且这个代码簿必须适合于该信号。本发明的方法能够只利用可变的过滤系数以硬件来实现。这些过滤系数适合于待过滤的信号的特征就足够了。在一个实施例中，量化操作包括η比特自适应动态范围编码。特别地，这可以是η=1的情况，因此分类确定的结果是可能值的范围内并不随着构成该信号区段的采样的数量而非常迅速地增加的分类代码。在一个实施例中，从编码数字图像的像素数据的阵列中获得输入信号区段。这是该方法非常适合的一种应用，这是因为图像时常是模糊的。用于锐化 (sharpen up)图像的过滤器将增加瞬态的陡度。因而，限制这样的过滤器的应用以避免在过滤器应用于图像中已经聚焦的那些区域时将出现的局部伪像是必要的。在一种变型中，这多个过滤器包括各向同性过滤器。因为镜头聚焦模糊与方向无关，所以这种变型适合于补偿镜头聚焦模糊。在一个实施例中，这些过滤器包括均是高斯过滤器的逆的各向同性过滤器，这是因为镜头聚焦模糊能够被模型化为将高斯过滤器应用于清晰图像的结果。在进一步变型中，该数字图像被包括在图像序列中，并且获得代表该图像序列的数据，而且通过以下获得输入信号区段对于该数字图像的至少一个像素中的每一个像素， 估计该图像中包括该像素的区域在该图像序列中的多个图像上的运动方向，以及选择沿着该运动方向相对于该像素定位的像素的值。这种变型非常适合于消除镜头模糊，即由于图像中表示的对象的运动而引起的模
5糊。通过获得一般与运动方向对准的信号区段，获得包括由于运动而“展开(spread out)” 的图像信息的信号区段，其中这些信号区段能够被过滤，以恢复聚焦。对于图像中的多个像素或图像区域中的每一个，获得这样的信号区段，因此只有由于特定对象的运动而被模糊的区域才被聚焦。因为一般将对于一起覆盖整个图像的像素或区域集合中的每一个获得信号区段，所以在该处理中也校正由于相机的晃动而引起的模糊。一种变型包括确定该图像中包括该像素的区域的运动幅度以及选择特定数量的在相互间隔上的像素，其中间隔的大小取决于运动的幅度。这种变型具有的效果是对于其信息被更宽展开的快速移动对象，自动加宽过滤孔径。不需要提供单独的过滤器。此外，不需要根据信号区段所包含的采样的数量来增加该信号区段的长度。这保持相对低的分类代码的数量。根据另一方面，用于过滤信号的设备包括 用于接收信号的输入(端)；
用于确定作为输入获得的信号的区段的分类的设备组件，该设备组件包括用于计算至少包括代表输入信号区段的至少一阶导数的分量的信号区段的信号处理组件以及用于将量化操作应用于所计算的信号区段的信号处理组件，其中该设备被配置成实施量化操作， 以使得量化步骤适应于所计算的信号区段的动态范围；以及切换器，用于在多个可用数字过滤器之间进行切换。该设备能够被实现为编程的微处理器或被实现为专用硬件，例如现场可编程门阵列(FPGA)。组件能够是功能性的，在被适当编程为执行该功能的同一个设备中进行实现。在一个实施例中，该设备被配置成执行根据本发明的方法。根据本发明的另一方面，提供用于在显示器上再现至少一个图像的设备，包括用于接收编码至少一个图像的信号的接口以及用于过滤代表至少一个图像的数字信号的过滤设备，其中过滤设备被构成为根据本发明的用于过滤信号的设备。根据另一方面，根据本发明的获得多个过滤器的过滤系数的方法包括
获得多个测试信号区段以及相关联的目标信号值，每一个测试信号区段与多个分类中的一个分类相关联；
对于每一个分类，优化相关联过滤器的过滤系数集合，以使得与那个分类相关联的过滤版本的测试信号区段最佳近似于其相关联的目标信号值；以及
将每个优化集合的过滤系数与通过以下可获得的分类代码相关联 对于与关联于优化集合的过滤系数的分类相关联的任何测试信号区段，计算至少包括代表测试信号区段的至少一阶导数的分量的信号区段，并将量化操作应用于所计算的信号区段，其中在量化操作中，量化步骤适应于所计算的信号区段的动态范围。这种方法允许对于基于分类的过滤器获得优化的过滤系数而不产生许多分类。此夕卜，该方法提供适合于具有陡峭坡度(steep gradient)的信号区段以及没有陡峭坡度的信号区段的过滤器。由于在量化操作中量化步骤适应于所计算的信号区段的动态范围的事实，所以能够实现该方法而无需测试信号区段的信号特征的先验知识。在一个实施例中，量化操作包括η比特自适应动态范围编码。特别地，如果η=1，分类代码的数量随着测试信号区段长度的增加而不太迅速地增加。
在一个实施例中，从编码数字图像的像素数据的阵列中获得每一个测试信号区段。因而，提供用于校正图像中的模糊的优化过滤器。对于不同分类的信号使用不同的过滤器允许只有模糊的图像或图像中模糊的部分被聚焦。已聚焦的部分或图像被不同地过滤。这种方法相对容易实施，这是因为能够使用测试图像而不是仅包括少量像素值的特别准备的信号区段。 在一个实施例中，这多个过滤器包括各向同性过滤器。这个实施例适合于提供最佳过滤器来校正镜头聚焦模糊，尤其在使用的各向同性过滤器是高斯过滤器的逆的情况中。在进一步变型中，该数字图像被包括在图像序列中，并获得代表该图像序列的数据，以及其中通过以下获得测试信号区段对于该数字图像的至少一个像素中的每一个像素，获得代表该图像中包括该像素的区域在该图像序列中的多个图像上的运动方向的数据，以及选择沿着该运动方向相对于该像素定位的像素的值。效果是能够使用有限范围的表示若干不同移动对象的测试图像来对于各种分类的过滤器获得最佳过滤系数。根据本发明的另一方面，提供包括指令集合的计算机程序，其中这些指令当被并入机器可读介质中时能够导致具有信息处理能力的系统执行根据本发明的方法。


本发明将参考附图进一步详细进行解释，其中
图1是示出配备有用于过滤图像的设备的数字电视接收机的选择组件的框图； 图2是示出过滤图像以消除镜头模糊的方法的流程图； 图3是示出从具有相对小运动的图像部分的附近选择像素的图示； 图4是示出从具有相对大程度运动的图像部分的附近选择像素的图示； 图5是示出对于具有相对小坡度的信号区段以及对于具有相对陡峭坡度的信号区段计算分类代码的图示；
图6是示出在没有先前微分(differentiating)步骤的情况下使用1比特ADRC的分类代码计算的图示；
图7是示出减少镜头聚焦模糊的方法的图示；和图8是示出获得用于图1的过滤设备的过滤系数的方法的流程图。
具体实施例方式图1以电视机1的形式通过示例示出用于再现一系列移动图像的设备。它包括用于从例如录像机或DVD播放器接收视频输入信号的视频解码器2以及音频/视频复用器3。 广播电视信号利用调谐器/解调器4来接收，例如根据MPEG-2标准将该广播电视信号转换为数据流，并将其传送到解复用器5。来自音频/视频复用器3或解复用器5的信号被传送到处理设备6，用于解交错、缩放以及其他的数据处理操作，以使得均利用像素数据阵列表示的一系列数字图像可用于图像数据处理设备7。这些图像在一个实施例中采用高清晰度电视(HDTV)格式。
图像数据处理设备7被安排为以下面将更详细解释的方式来过滤图像数据。在一个实施例中，图像数据处理设备7是现场可编程门阵列(FPGA)设备，但是它也能够是适当编程的通用数据处理设备。在所示的实施例中，它配备有用于接收代表该系列图像的数据的接收机8、实施过滤和可选地实施进一步图像处理操作的数据处理单元9、以及用于提供数据给显示设备12的列驱动器11的列驱动器接口 10。它也配备有定时单元13，用于给显示设备12的行驱动器14提供数据。图像数据处理设备7进一步包括至例如采用随机存取存储器(RAM)单元形式的存储设备16的接口 15以及至可编程只读存储单元18的接口 17， 用于检索用于利用数据处理单元9实施的算法的参数值。这样的参数能够包括可供数据处理单元使用的多个过滤器之中任何过滤器的过滤系数。图像数据处理设备7被安排为执行用于减少镜头模糊的方法和用于减少聚焦模糊的方法中的至少一种方法。聚焦模糊与图像中表示的对象的运动(或相机的横向运动)无关。聚焦模糊能够利用各向同性的高斯模糊过滤器(模糊滤镜)来近似。聚焦模糊减少能够增加诸如电视机1的显示器的感知的静态分辨率。镜头模糊在目前上下文中指的是在摄像机的快门开启时由于移动而引起的模糊。 这种模糊减少移动对象的感知分辨率。像素数据值中的陡峭瞬态由于模糊而变得较弱，但是仅在移动方向上变得较弱。镜头模糊能够利用在移动方向上应用的简单的一维平均过滤器来模型化。这个过滤器的孔径等于模糊宽度，其取决于在图像中表示的对象的移动速度并且取决于快门时间。理论上，有可能通过在移动方向上应用一维平均过滤器的逆来摆脱镜头模糊。然而，每一个模糊宽度将需要不同的过滤器，而逆过滤器可能是极其大的，即，具有大量的过滤器抽头。在下面将参考图2概述的方法中，这个问题通过使用不同的过滤器、 对于不同的模糊宽度近似理想的过滤器来解决，并且也通过在取决于运动幅度的不同的相互距离上像素的运动相关采样来解决。为了避免不得不使用具有非常大量抽头的过滤器， 使用训练的过滤器。训练处理在图8中示出并将在下面参考那个附图进一步进行解释。在图2所示的减少聚焦模糊的方法的实现方式中，获得图像序列19，并且每一个图像被过滤。为每一个图像，对于每一个像素位置或对于共同覆盖整个图像的多个图像区域中的每一个，执行确定运动矢量的第一步骤20。结果是运动矢量的阵列21。一种用于运动矢量确定的合适方法描述在De Haan G..等人的“True motion estimation with 3-D recursive search block-matching，，， IEEE Trans, on Circ. And Systems for Video Technology, Vol. 3，1993 年 10 月，第 368-388 页中。然后，对于图像中的每个像素，执行运动相关的像素提取(步骤22)。这个步骤涉及获得用于该像素的运动矢量以及选择沿着运动方向相对于该像素定位的其他像素的值， 以便获得包括一定数量的像素值的第一信号区段23，在这个示例中，该一定数量是9。如图 3和4所示，这些像素值对应于在相互间隔上的像素位置，其中这些间隔的大小取决于运动矢量的幅度。因而，在图4中，其中像素24’即被检查的像素与相对小的运动矢量25’相关联，选择彼此靠近的进一步像素26’ a_h来形成第一信号区段23’。如同在图5中，其中相对大的运动矢量25’，与像素24’，相关联，选择在较大间隔上的进一步像素26’，a-h来形成第一信号区段23’ ’。因而，如果为像素M计算的运动矢量25跨度(span)超出可用于图像数据处理设备7的过滤器的抽头的数量，那么使用子采样来获得第一信号区段23。
在图3和4所示的实施例中，运动矢量25以在检查的像素M为中心。如果那个像素正好位于图像的边缘，那么能够应用镜像来获得第一信号区段23。作为选择，在边缘上的像素值能够被拷贝，或者能够使用值零。在下一步骤27中，计算至少包括代表第一信号区段23的至少一阶导数的分量的第二信号区段观。在这里用于解释该方法的一个实施例中，一阶导数的离散表示使用差商来计算。在另一实施例中，计算二阶导数或更高阶导数的表示。在一种变型中，计算不同阶的导数的表示的可能加权的和。仅计算一阶导数的表示是最容易实现的且是最准确的。在下一步骤四(图2)中，将1比特自适应动态范围编码(ADRC)应用于第二信号区段观，以便获得分类代码30。这种类型的编码每个像素仅使用一个比特。在可替换的实施例中，使用两比特ADRC，但是这将产生更多可能的分类代码。每个像素使用一个比特的ADRC的步骤如下(在附图中未分开示出) 1.确定孔径内(即，在第二信号区段观内)的最大值和最小值。2.从最大值中减去最小值，以确定第二信号区段观的动态范围。3.计算ADRC阈值，其等于最小值与动态范围一半之和。4.为第二信号区段观的每个采样值确定比特值。如果采样值低于阈值，则比特值为零，而如果采样值高于阈值，则比特值为1。5.连结(concatenate)所有的比特值，以获得分类代码30。图5示出用于具有弱坡度的第一信号区段的处理(左上角图示)，其中第一信号区段被变换为第二信号区段(左下角图示)，其中第二信号区段具有相对多的像素值超出相对低的第一阈值31。具有陡峭坡度的第一信号区段(右上角图示)被变换为第二信号区段，其中第二信号区段具有相对少的采样值具有超过相对高阈值32的相对高值(右下角图示)。因而，分类代码在图5的左侧的两个图示中所示的情形中将是“000001111111000”，而分类代码在图5的右侧的两个图示中所示的情形中将是“000000011100000”。在此图中，分类代码是15比特长，这对应于包含15个像素值的第一信号区段23。图6显示在省略了微分步骤27的情况下将发生什么。如能够看到的，对图6的左手侧上所显示的第一信号区段而言，使用1比特ADRC所计算的分类代码和用于图6的右手侧上所显示的第一信号区段的分类代码将是完全相同的。因为使用分类代码30来选择多个可用数字过滤器中的一个过滤器(图2的步骤33)，所以这两个信号区段将以相同的方式被过滤了。因而，对第一信号区段23进行微分来获得第二信号区段观的步骤27 (图2)允许给具有陡峭瞬态的第一信号区段23分配与具有弱瞬态的信号区段不同的分类代码而不必增加在ADRC编码中使用的比特的数量。选择多个可用过滤器之中的一个过滤器的步骤33涉及将分类代码30用作键值 (key)来从可编程存储单元18中存储的表格中检索相关联集合的过滤系数。随后，使用那些过滤系数的过滤操作被应用于第一信号区段23，以获得单个过滤的像素值35，其中该像素值35被输入表示过滤图像的像素值的阵列36 (步骤37)。对于输入图像中的每一个像素，重复这些步骤22、27、四、33、；34。因为过滤是模糊感知的(blur-aware)，所以无论具有模糊表示的对象的移动量如何，都将不减少比所需的更多的模糊。例如，这将防止对利用高快门速度拍摄的快速移动对
9象进行不必要的过滤。由于定向像素提取，所以过滤可以是一维的，这与二维过滤相比节省了资源。在图7的第一变型中示出减少聚焦模糊即增强输入图像38的一般锐度的方法。该方法类似于图2的方法，只不过省略了运动估计步骤20。在所示的实施例中，通过提取在输入图像38中的每个像素附近的像素的像素值， 为输入图像38中的每个像素组装(assemble)第一信号区段39 (步骤40)。在这种情况下， 对于每一个第一信号区段39，采样间隔是相同的，并且它可以是这样的第一信号区段39中的所有像素之间相同的间隔。在一个实施例中，沿着输入图像38的行获取这些采样。在另一实施例中，沿着列获取这些采样。也可以沿着对角线方向获取这些采样。在还一个实施例中，图7的方法被执行两次，其中在一次运行中沿着行提取像素值，并在另一次运行中沿着列提取像素。这具有的效果是仍然能够执行一维过滤。注意对于图7所示的实施例而言，替代的实施例包括提取二维阵列的像素来形成第一信号区段23。在这个实施例中，根据分类代码从多个可用的二维过滤器中选择二维过滤器。分类代码随后通过计算至少包括代表第一信号区段的至少一阶的二维导数的分量的第二信号区段来计算。这个实施例擅于减少聚焦模糊，但是可能是计算昂贵的。返回到所示的实施例，计算代表第一信号区段39的导数的第二信号区段41(步骤 42)，随后对该信号区段应用1比特ADRC (步骤43)。结果是分类代码44，其用于通过从可编程存储单元18中提取相关联的过滤系数(步骤45)来选择多个(在这种情况下，一维)过滤器中的一个过滤器。该过滤器被应用(步骤46)于第一信号区段39，以获得过滤的像素值 47。过滤的像素值47被添加(步骤48)到表示过滤图像的像素值的阵列49。前面已提及从可编程存储单元18中提取过滤系数，其中这些过滤系数在制造或更新电视机1时被存储。在图8中示出用于为不同的过滤器计算过滤系数集合的方法。能够在通用计算机(未显示)上执行该方法。该方法使用至少一个参考图像50的集合。对于获得的每一个参考图像(步骤51)， 添加模糊(步骤52)，以获得测试图像53。如果使用图8的方法来获得用于实施图2的方法的过滤系数，那么添加与移动对象相对应的模糊(镜头模糊)。在所示的实施例中，添加与具有特定速度和方向的移动对象相对应的模糊。在其中使用一个或仅仅少量测试图像53的实施例中，在参考图像50内的多个位置上能够本地添加模糊到不同的程度。在另一实施例中，均勻地遍及整个参考图像 50添加与具有特定速度和方向的移动对象相对应的模糊。在图8中示出这个实施例。然后(步骤M)，在某个位置上的像素的附近的像素被提取，以形成与对应于参考图像50中的某个位置上的像素的值的目标像素值相关联的测试信号区段55。在图8的方法的目的是获得用于实施图2的方法的过滤系数的情况下，这些像素沿着运动矢量来提取。在一个实施例中，这可以包括使用上述的方法，结合图2的方法中的第一步骤20，首先计算运动矢量。在任何情况下，在相互间隔上提取这些像素，其中这些间隔的大小取决于运动矢量的幅度。在图8的方法的目的是获得用于实施图7的方法的过滤系数的情况下，沿着某个固定方向例如水平、垂直或对角线方向来提取这些像素。随后(步骤56)，获得至少包括代表测试信号区段55的至少一阶导数的分量的第二信号区段57。将1比特ADRC应用(步骤58)于第二信号区段57，以获得分类代码59。重复这些步骤51、52、54、56、58，以获得一组测试信号区段55a-n、相关联的目标信号值60a-n以及相关联的分类代码59a-n。只要有必要，就重复这些步骤，直至每一个分类代码的足够多的测试信号区段^a-n是可利用的。在一个实施例中，至少生成预先确定的最小数量的也是完全不同的测试信号区段^a-n。这确保每一个分类的过滤系数并非都是相同的。在一个实施例中，如果某些分类代码值不是足够经常出现，那么不为那个分类确定最佳集合的过滤系数。相反，预先确定的过滤系数集合与那个分类相关联。这可以是定义使得所有的信号都不改变通过的过滤器的系数集合。表示该组测试信号区段55a-n、相关联的目标信号值60a-n以及相关联的分类代码59a-n的数据集合充当步骤61的训练数据，在步骤61中，为利用分类代码表示的每个分类，获得最佳过滤系数。优化步骤61使用例如最小二乘法来为每一个分类最小化在过滤的测试信号区段55与其相关联的和该分类相关联的目标信号值60之间的差的平方和的根。 这样的优化方法本身例如从US 6，192，161 Bl中获悉。对于每一个分类代码，重复最后的步骤61，以便获得多个集合的过滤系数，从而使得多个过滤器可用于在根据图2的方法或根据图7的方法中使用。应注意上述的实施例说明而非限制本发明，并且本领域技术人员将能够在不脱离所附权利要求书的范围的情况下设计众多替换实施例。在权利要求书中，放置在括号之间的任何参考符号不应被解释成限制该权利要求。词“包括”并不排除除了权利要求中所列之外的其他元素或步骤的存在。在元素之前的词“一”或“一个”并不排除多个这样的元素的存在。在互不相同的从属权利要求中叙述某些措施的简单事实并未表明这些措施的组合不能有益加以利用。虽然本发明以电视机1的硬件实施方式进行描述了，但是将意识到本发明也能够在如同用于图像增强和视频编辑的软件应用中进行实现。此外，没有必要获得图像序列来执行在此说明的方法，因此它也能够应用于数码照片。
权利要求
1.一种过滤信号的方法，包括确定作为输入获得的信号的区段(23 ；39)的分类，其中分类的确定包括计算至少包括代表输入信号区段(23 ；39)的至少一阶导数的分量的信号区段(28 ；41)以及将量化操作应用于所计算的信号区段(28 ;41)，其中在量化操作中，量化步骤适应于所计算的信号区段 (28 ；41)的动态范围；和从多个可用过滤器中选择与所述分类相关联的数字过滤器。
2.根据权利要求1的方法，其中所述量化操作包括η比特自适应动态范围编码。
3.根据权利要求1的方法，其中从编码数字图像(38)的像素数据的阵列中获得输入信号区段(28;41)。
4.根据权利要求3的方法，其中所述多个过滤器包括各向同性过滤器。
5.根据权利要求3的方法，其中所述数字图像被包括在图像序列(19)中，并且代表所述图像序列(19)的数据被获得，以及其中通过以下获得输入信号区段(23;39)对于所述数字图像的至少一个像素(24’ ；24’’)中的每一个像素，估计所述图像中包括所述像素 (24’ ；24’’)的区域在所述图像序列(19)中的多个图像上的运动方向，以及选择沿着所述运动方向相对于所述像素(24’ ；24’’)定位的像素(26’ a-h;26’，a-h)的值。
6.根据权利要求5的方法，包括确定所述图像中包括所述像素(24’；24’’)的区域的运动的幅度，以及选择特定数量的在相互间隔上的像素(26’ a_h;26’’ a-h)，其中所述间隔的大小取决于运动的幅度。
7.一种用于过滤信号的设备，包括用于接收信号的输入端(8);用于确定作为输入获得的信号的区段(23;39)的分类的设备组件，所述设备组件包括用于计算至少包括代表输入信号区段(23;39)的至少一阶导数的分量的信号区段(28;41) 的信号处理组件(9)以及用于将量化操作应用于所计算的信号区段(28;41)的信号处理组件(9)，其中所述设备被配置成实施量化操作，以使得量化步骤适应于所计算的信号区段 (28;41)的动态范围；和切换器，用于在多个可用数字过滤器之间进行切换。
8.根据权利要求7的设备，被配置成执行根据权利要求1-6中任一权利要求的方法。
9.一种用于在显示器上再现至少一个图像的设备，包括用于接收编码至少一个图像的信号的接口(2，4)以及用于过滤代表所述至少一个图像的数字信号的过滤设备(7)，其中所述过滤设备(7)根据权利要求8或9来构成。
10.一种获得多个过滤器的过滤系数的方法，包括获得多个测试信号区段以及相关联的目标信号值(60a-n)，每一个测试信号区段与多个分类中的一个分类相关联；对于每一个分类，优化相关联过滤器的过滤系数的集合，以使得与那个分类相关联的过滤版本的测试信号区段最佳近似于其相关联的目标信号值(60a-n)；以及将每个优化集合的过滤系数与通过以下可获得的分类代码(59)相关联对于与关联于优化集合的过滤系数的分类相关联的任何测试信号区段(55)，计算至少包括代表所述测试信号区段(55)的至少一阶导数的分量的信号区段(57)，并将量化操作应用于所计算的信号区段(57)，其中在量化操作中，量化步骤适应于所计算的信号区段(57)的动态范围。
11.根据权利要求10的方法，其中所述量化操作包括η比特自适应动态范围编码。
12.根据权利要求10的方法，其中从编码数字图像(50)的像素数据的阵列中获得每一个测试信号区段(55)。
13.根据权利要求12的方法，其中所述多个过滤器包括各向同性过滤器。
14.根据权利要求12的方法，其中所述数字图像(50)被包括在图像序列中，并且代表所述图像序列的数据被获得，以及其中通过以下获得测试信号区段(55)对于所述数字图像(50)的至少一个像素中的每一个像素，获得代表所述图像(50)中包括所述像素的区域在所述图像序列中的多个图像上的运动方向的数据，以及选择沿着所述运动方向相对于所述像素定位的像素的值。
15.一种包括指令集合的计算机程序，所述指令当被并入机器可读介质中时能够导致具有信息处理能力的系统执行根据权利要求1-6或权利要求10-14之中任一权利要求的方法。
全文摘要
过滤信号的方法包括确定作为输入获得的信号的区段(23;39)的分类，其中分类的确定包括计算至少包括代表输入信号区段(23;39)的至少一阶导数的分量的信号区段(28;41)以及将量化操作应用于所计算的信号区段(28;41)。从多个可用过滤器中选择与该分类相关联的数字过滤器。在量化操作中，量化步骤适应于所计算的信号区段(28;41)的动态范围。
文档编号G06T5/20GK102473292SQ201080033900
公开日2012年5月23日 申请日期2010年7月23日 优先权日2009年7月30日
发明者A. P. 特根博施 J., C. P. 范德芬 J. 申请人:皇家飞利浦电子股份有限公司