一种基于信息熵的雪花噪声检测方法与流程

技术特征：

1.一种基于信息熵的雪花噪声检测方法，其特征在于该方法以获取像素点灰度值整体分布状态为基础，通过将前后图像帧分别转化到灰度空间，然后把所有像素点的灰度值聚类到n个区间，以灰度直方图的形式展现其分布状态，并计算出各自的信息熵，最后通过比较前后帧信息熵的变化大小来判断视频流中是否存在雪花噪声；

具体实现过程包括如下步骤：

步骤1：获取图像数据

首先读取视频流，区分前后帧，同时把每一帧图像转化到灰度空间，从而获取每一帧图像中所有像素点的灰度值；

步骤2：处理原始数据，构造直方图

将图像帧中所有像素点的灰度值进行聚类操作，即将灰度划分为n个相同大小的区间，将所有像素点的灰度值投影到相应的区间内，然后统计出不同区间的像素点所占总像素数量的比例，最后按照这n个比例值构造出该帧图像的像素灰度直方图，从而用于观察效果；

步骤3：根据灰度值的整体分布状况，通过如下公式计算出该图像帧的信息熵：

这里n表示灰度值区间个数，pi表示第i个区间内的像素点数量所占图像中像素总体的比例；

步骤4：设定阈值，做出检测判断

分别计算出前后帧的信息熵，计算出相应的差值，将其与设定的阈值比较，分别计算出前后帧的信息熵，计算出相应的差值，将其与设定的阈值比较，其判定规则如下表所示：

其中，Hlast与Hnext分别表示前一帧和后一帧的信息熵；F是上一帧的标记，噪声帧为1，正常帧为0；F’是下一帧的标记，与上一阵的标记有关联；T为设定好的阈值，其中该阈值的确定建立在大量的视频样本检测包括正常视频和噪声视频的实验基础上，具体判定根据实际情况可分为四种，总结如下：

(1)从正常帧到噪声帧，即F＝0，F’＝1：因为噪声帧包含的噪声会使得图像原始信息混乱，导致信息熵值上升，因此当差值Δ>＝T时，说明上升幅度超过了正常范围，判定下一帧为噪声帧；

(2)从正常帧到正常帧，即F＝0，F’＝0：当Δ<-T或-T<＝Δ<0或0<＝Δ<T时认为前后帧变化范围在正常范围，判定下一帧为正常帧；

(3)从噪声帧到噪声帧，即F＝1，F’＝1：当Δ>＝T时说明下一帧受噪声污染的程度更严重，判定为噪声帧；当-T<＝Δ<0或0<＝Δ<T时，认为下一帧的信息量与噪声帧更接近，同样认为是噪声帧；

(4)从噪声帧到正常帧，即F＝1，F’＝0：当Δ<-T时，说明下降幅度达到了正常帧的范围，判定为正常帧。

2.根据权利要求1所述的一种基于信息熵的雪花噪声检测方法，其特征在于：在步骤3中，信息熵的计算需要满足步骤3所述公式的三个限制条件：

(1)信息熵对于Pi应该是连续的；

(2)如果所有的Pi都相等，也就是Pi＝1/n，那么信息熵应该是关于n的单调递增函数；

(3)信息熵是能够分别计算的；信息熵的大小在灰度直方图上有一定的体现，信息熵越大，说明表达出的信息越多，那么灰度分布就越分散，反之则表现为灰度值集中于每一块区域。