专利名称：：用于减少视频信号中运动模糊的设备和方法
技术领域：
：本发明涉及用于减少视频信号中运动模糊的设备和方法。现代的显示器，例如现代的保持型(holdtype)显示器，诸如液晶显示器和其它显示器，由于图像持续达整个帧时间而经受了被称作"运动模糊"的赝像(artefact)。每逢显示器渲染代表着某种运动的图像序列时，观测者察觉到移动对象，尤其是在边缘周围，为模糊的或未聚焦的。
背景技术：
：参考图1以相同方式示出了用于增加视频信号内所有边缘的锐度的一种现有的非运动自适应(adaptive)方法的原理。被公知为亮度瞬态增强(luminancetransientimprovement)的此种方法用于增强边缘。通常，代表着视频信号内的边缘或其它信号的图表包括示出像素位置的x轴线和示出亮度值的y轴线。据此，因为在像素位置处的亮度值是离散值，正常情况下使用内插(interpolation)方法来获取连续曲线。在图l中示出了三个图表，由此在y轴线上示出了信号的亮度，且在x轴线上示出了沿x方向的示例性像素位置。在上方的图表中示出了初始(original)视频信号的亮度信号并且将在中间图表中示出的合成细节信号加(add)到此初始信号上，从而获取了在底部图表中示出的包括该视频信号及该细节信号的和信号(sumsignal)。用此方法使得边缘更高并且更锐利，从而使得产生的视频图像被认为是更加锐利的。据此，为在视频信号内所包含的每个边缘实现这样一种相加(addition)。缺点在于，此方法以独立于移动速度的相同方式使得图像内的所有边缘锐利化(sharpen)。当视频信号内的边缘移动时，随后由于保持型的技术性质，边缘将随着移动速度的增加而显得较平(flat),即较不锐利。因此存在着以运动自适应方式校正锐度的需求。通常存在两种方法用于减少运动才莫糊。一组是基于显示器的方法(displaybasedmethod)，其改变了显示器特性(characteristic)，例如通过减少保持时间从而实现了较高的时间分辨率(temporalresolution)且从而实现了运动模糊的减少。这种基于显示器的方法的实例是扫描背光、高帧率驱动或黑帧插入(blackframeinsertion)。这些方法的缺点是大面积的闪烁(特别是当使用扫描背光或黑帧插入时)，或者使用极其高速的显示器的必要性(特别是当使用高帧率驱动或黑数据插入时)。用于减少运动模糊的第二组方法可以与基于显示器的方法并行使用或作为基于显示器的方法的补充而使用，该第二组方法是基于图像的方法，其通过滤波等改变了视频信号本身。这些方法提供了对视频信号的预处理以减少运动模糊。这些方法被称为"运动补偿逆向滤波(motioncompensatedinversefiltering)，，(MCIF),且在文献US2005/0190164Al中说明了用于MCIF的实例。MCIF旨在通过应用选频滤波器(frequencyselectivefilter)(例如在运动方向上对准的高通或带通滤波器)来在显示出帧之前提升该帧中的高频成分(content)而减少运动模糊。此方法因而使用了视频图像信号本身并提高了输入视频信号的一定频率部分。采用此方法因而也提高并从而增强了视频信号内所包含的噪声。在非常锐利的边缘处产生了其它问题，因为用此方法显示出了极其不自然的峰化(peaking),这被进行观察的使用者^人为是4尤动(disturbing)。
发明内容因而本发明的目的是克服当前技术发展水平下的缺点。具体地，本发明目的是提出一种用于减少视频信号中的运动模糊的设备和方法，以一种有效且容易的方式促成对视频品质的改进。上述目的是通过根据权利要求1的一种用于减少视频信号中的运动模糊的设备而实现的。上述目的进一步通过根据权利要求26的一种用于减少视频信号中的运动模糊的方法而实现。本发明涉及一种用于减少视频信号中的运动模糊的设备，包括用于确定输入视频信号的边缘特性和用于提供对所述输入视频信号内的边缘的运动估计的分析装置，用于生成取决于所述边缘特性和所述运动估计的合成细节信号的发生装置，以及用于将细节信号加到输入视频信号内的边缘上并将输出视频信号输出的加法装置(addingmeans)。本发明还涉及一种用于减少视频信号中的运动模糊的方法，包括以下步骤确定输入视频信号的边缘特性和用于提供对所述输入视频信号内的边缘的运动估计，生成取决于所述边缘特性和所述运动估计的合成细节信号，以及将细节信号加到输入视频信号内的边缘上并将输出^f见频信号输出。在另一方面，本发明涉及一种提供对视频信号品质的全面改进的系统。在相应的从属权利要求中限定了有利的特性。现在将以与附图相关的优选实施例的下列说明更详细地对本发明加以解释，其中图1示出解释根据当前技术发展水平的方法的图表，图2示出根据本发明的第一方面用于减少运动模糊的设备，图3示出根据本发明的第一方面用于减少运动模糊的设备的第一实施例，图4示出根据本发明的第一方面用于减少运动模糊的设备的第二实施例，图5示出根据本发明的第一方面解释细节信号的生成的多个图表，图6示出根据本发明的第一方面用于生成不依赖于高度(heightindependent)的细节信号的设备的第一实施例，图7示出图6中所示的设备的元件，图8是解释图7中所示的设备的细节的逻辑网络，图9示出了根据本发明解释细节信号的定位及相加的图表，图10示出根据本发明的第一方面用于生成不依赖于高度的细节信号的设备的第二实施例，图11示出根据本发明的第一方面用于生成不依赖于高度的细节信号的设备的第三实施例，图12是用于解释校正运动模糊的又一可能性的图表，图13是用于取决于视频信号的成分而提供全面运动模糊减少的设备，图14是示出了取心(Coring)曲线的图表，图15是示出了根据本发明的第一方面的方法步骤的流程图，图16示出根据本发明的第二方面用于减少运动模糊的设备，图17示出图16的设备的细节，以及图18是示出了根据本发明的第二方面的方法步骤的流程图。具体实施例方式在下面，将解释根据本发明的第一方面的设备。图2示出了根据本发明用于减少视频信号中运动模糊的设备的示意性框图。设备1和由该设备执行的对应方法在此基于合成细节信号的生成，即，对于运动模糊的校正，没有使用初始视频信号本身，而是合成地即人工地生成了细节信号并将该细节信号加到初始视频信号上。这具有优点，即包含在初始视频信号内的噪声或其它扰动没有被包括在细节信号内，由此提供了改进的运动模糊减少。参看图1，现在将解释根据本发明的设备的元件及它们的功能性。引入的视频信号，其在下面被称为输入视频信号2，被馈送到设备1并随后提交到用于减少运动模糊的若干元件。可选地，可以提供用于预处理输入视频信号2的预处理装置3。例如可以实现减噪或内插。在内插的情况下，预处理装置3实现图像的放大。因此动机是稍后以较高分辨率将图像显示在显示器上，必须正确地并且以比像素位置更高的精确度(accuracy)来确定边缘(尤其是边缘的中心)的位置，以便适当地生成并加上细节信号。经过预处理的输入信号，或在未提供预处理装置3的情况下的初始输入视频信号2，随后被提交到分析装置4。分析装置4适合于确定视频信号内的边缘特性并提供在视频信号内的边缘的运动估计。此外，还可以实现进一步的分析步骤，例如对护L动的4企测。由此，在本发明中术语"运动估计"意在表示运动矢量信息。根据本发明的边缘特性包括边缘的位置、高度和取向。每个像素具有由两个参数x和y限定的位置。对于输入视频信号内的每个边缘，确定出了边缘的像素的位置即像素位置X和y。可以从亮度值得出边缘的高度并且通过使用像素亮度值的梯度(gradient)来有利地计算出该边缘的高度。图像内的边缘的取向是重要的，因为生成了x方向以及y方向的单独的细节信号。运动估计包括关于视频信号内的边缘的移动方向和移动速度的信息。移动方向是重要的，因为仅有与移动方向正交的那些边缘的部分产生模糊并且必须加以校正。在下面将详细解释分析装置4如何检测视频信号内的边缘的位置、高度和取向。对于输入视频信号2内的每个像素，分析装置4实现了边缘检测，即分析装置4确定出实际像素是边缘或是边缘的部分。在检测到边缘的情况下，对相应的像素设置标志并将该标志提交到设备1内的进一步处理装置。实现边缘检测的一种可能性是组合梯度拉普拉斯算子(Lap1aceoperator),这将在下面加以解释。如果梯度的绝对值处于特定的阈值T以上且如果拉普拉斯算子提供了零交叉(zerocrossing),则将像素确定为边缘像素，即，只有在这两种条件都满足时才将像素确定为边缘像素。除了边缘检测，还确定取决于拉普拉斯算子的边缘中心的特定子像素位置以及取决于梯度值的边缘高度(height)。必须以优于像素精确度的精确度，即以非常高的精确度来确定出子像素位置且特别是边缘的中心，因为否则人眼将注意到细节信号相对于边缘的错误定位。通过使用拉普拉斯算子计算出二阶导数(derivation)的零交叉，实现对子像素位置的确定。通过根据下列方程使用一阶导数内的梯度算子，确定出边缘高度。g,/(x-l，力-/"力g,/(w-l)一/(x,力,g、、g〃I在此是亮度值即视频信号的灰度值，且x和y是实际像素位置。矢量^被称为梯度。梯度拉普拉斯算子的优点是其关于边缘检测的精确度以及其关于噪声影响的鲁棒性(robustness)。但也可以使用用于检测边缘和确10定边缘特性的其它方法。在优选实施例中，使用了采用像素值的(即亮度值的)梯度的方法，并且其它基于其它数学函数和数学运算(例如Sobel算子、Roberts梯度)的方法也是有可能的，且本发明不限于上述方法。另外，分析装置4基于相邻像素的像素值检测边缘的取向。边缘特性随后被提交给增益因数(gainfactor)控制装置5以及提交给不依赖于高度的细节信号发生装置6。另外，运动估计包括了表示视频信号内的边缘的移动方向和速度的运动矢量，该运动估计从分析装置4被提交到不依赖于高度的细节信号发生装置6。因为不依赖于高度的细节信号发生装置6不需要关于边缘高度的信息，所以可以忽略从分析装置4到不依赖于高度的细节信号发生装置6的高度传送。通常，不依赖于高度的细节信号发生装置6生成仅取决于边缘的位置、取向和运动估计的不依赖于高度的细节信号。不依赖于高度的细节信号发生装置6由此基于边缘的归一化(normalized)高度而生成了不依赖于高度的细节信号。根据本发明的术语"不依赖于高度"由此反映出相应值被归一化或基于归一化值被计算出。不依赖于高度的细节信号发生装置6的功能性将在稍后详细加以解释。正如已经解释的，在确定了边缘特性和提供了运动估计之后，分析装置4将这些信息传送到增益因数控制装置5。随后通过增益因数控制装置5确定出边缘高度，该增益因数控制装置5还计算出增益因数，该增益因数稍后被用来与不依赖于高度的细节信号相乘以便获得待加到输入视频信号上的细节信号，由此由于相乘，所述细节信号也取决于边缘高度。下面将参考图14详细解释通过增益因数控制装置5确定增益因数ag。通过使用在图14中示出的取心曲线确定增益因数ag。在此示出了具有x轴线上的边缘高度和y轴线上的增益因数ag的图表。根据输入值即根据梯度确定了增益因数ag。通过将取心曲线应用到梯度，微小的边缘高度导致增益因数ag=0以便避免噪声所引起的扰动，特别是由微小振幅(amplitude)引起的扰动。正如将在稍后加以解释的，在x方向和y方向上分别实现细节信号生成和相加。取决于梯度(gx，gy),必须确定在x方向和y方向上的两个增益因数agx=f(gx)和agy二f(gy),由此f(g)在数学上说明了取心曲线。在本发明中，术语"不依赖于高度的细节信号"指的是基于归一化边缘高度并因此不依赖于高度的细节信号。这些不依赖于高度的细信号"或"合成细节信^"指的是已经与由增益因数控制装置5计算出的增益因数相乘的信号。即，根据本发明的细节信号也被称为合成细节信号，是增益因数ag和不依赖于高度的细节信号的乘积。正如已提及的，分别生成了细节信号和相应还有不依赖于高度的细节信号，用于增强在x方向和y方向上的边缘，这意味着对于每个边缘生成两个细节信号，由此在x方向上加一个细节信号到视频信号上并且在y方向上加另一细节信号到视频信号上。所生成的细节信号因此包括特定长度。术语"长度"指的是这样的事实产生了被加到若干像素上的细节信号，即该细节信号具有若干像素的长度。在本发明中，对于细节信号有利地使用了五个像素的'如果实际的经过;^的像素被确定;边缘像素，则取决于il缘特性和运动估计，在x方向以及y方向上将细节信号加到输入视频信号2上。因为细节信号一般具有超过一个像素的长度，不仅改变了实际经过分析的像素本身，也改变了直接毗邻的像素。例如，如果细节信号具有五个像素的长度，则也改变了在左侧、右侧、顶侧和底侧上的两个相邻像素。改变多少这些像素，取决于在实际经过分析的像素的位置处的边缘高度和边缘的取向。不依赖于高度的细节信号发生装置6生成不依赖于高度的细节信号。正如将在稍后加以解释的，可以通过在查找表(lookuptable)中查找先前生成的不依赖于高度的细节信号、或者通过基于由分析装置4提交的信息而直接计算不依赖于高度的细节信号来生成不依赖于高度的细节信号。本发明中的术语"生成"因此可以指提供不依赖于高度的细节信号的不同方式，即，其指的是在查找表中查找不依赖于高度的细节信号、或指的是通过被包括在不依赖于高度的细节信号发生装置内的计算逻辑而计算出不依赖于高度的细节信号。这意味着不依赖于高度的细节信号发生装置6可以在线(online)或离线(offline)生成细节信号。在线生成意味着细节信号发生装置根据由分析装置提交的信息计算出不依赖于高度的细节信号。如果是离线生成的情况，则不依赖于高度的细节信号已经在外部生成并被储存在包括于细节信号发生装置内的查找表中。因为增益因数控制装置5考虑了高度，因此对于不同的边缘取向和速度储存了不依赖于高度的细节信号，而不必还为不同的边缘高度储存不依赖于高度的细节信正如前面解释的，如果将标志设置为零，即如果像素被确定为边缘像素，则不依赖于高度的细节信号发生装置6生成两个不依赖于高度的细节信号，即，一个用于x方向，一个用于y方向。基于用子像素精确度确定的边缘的确切中心生成了不依赖于高度的细节信号，并且另外基于归一化边缘生成了不依赖于高度的细节信号。附加参数7可以被馈送到增益因数控制装置5，诸如外部参数，例如显示属性等。同样，附加参数8可以被馈送到合成细节信号发生装置，诸如用于全局(静态(static))锐度增强的参数。由此本发明允许增强图像锐度，从而可以减少运动模糊并且可以实现边缘的锐化。不依赖于高度的细节信号发生装置6将所生成的不依赖于高度的细节信号输出到乘法(multiplication)装置9,并且增益因数控制装置5也将用于每个方向的增益因数即增益因数agx和agy输出到乘法装置9，在该乘法装置9处使不依赖于高度的细节信号与相应的增益因数相乘以便正确地反映边缘高度，由此用这个乘法获得了细节信号并通过乘法装置9输出该细节信号。细节信号还被提交到加法装置10，并且初始输入视频信号2也被提交到加法装置10,该加法装置随后将细节信号加到输入视频信号2上并将输入视频信号2与细节信号的和输出，由此输出了具有减少的运动模糊的视频信号。此视频信号还被提交到后处理装置11。后处理装置11可以例如被提供来对所提交的视频信号进行限幅(clip)，即将视频信号限制到显示器的值区间。后处理装置ll随后将可以随后显示到显示器上的输出视频信号12输出。此外还应注意到，本发明没有使用输入视频信号2本身用于计算细节信号(例如通过增强输入视频信号2或对输入视频信号2进行滤波)而是生成了合成细节信号，该合成细节信号不是从视频信号信息本身生成的，而是仅基于对输入视频信号2的边缘特性和运动估计的分析。这导致了这样的优点细节信号的生成没有增强输入视频信号内所包含的噪声。此外，因为可以使用若干参数用于生成细节信号，所以可以产生没有任何扰动的非常锐利的图像。特别是，可以使用另外的信息用于生成合成细节信号，诸如关于紋理、关于图像噪声或其它干扰的信息。这样的问题也应该被消除，因为图像中的任何干扰(例如编码赝像(codingartifact)、例如"块(blocking)")不应当被增强。可以要么在不依赖于高度的细节信号发生装置6中、或者在增益因数控制装置5中、或者在该两个元件中使用另外的信息。图像锐度的一般增强可以例如是自动地或根据用户选择的特定设置而实现的。特别是在实现了内插以便放大图像以使其适合显示器的分辨率的情况下，必须对锐度进行校正。可以通过增加增益因数ag校正锐度(即增益因数越大则图像变得越锐利)，或者可以通过当生成不依赖于高度的细节信号时正如将在稍后详细加以解释地使用参数来校正锐度。显示器参数，诸如显示器的反应时间或过载值(overdrivevalue),可以被用来影响细节信号生成。在下面将参考图15解释根据第一方面用于减少运动模糊的方法的主要过程步骤。该过程开始于步骤SO，并且在下一步骤S1中通过根据本发明用于减少运动模糊的设备1接收输入视频信号2。输入视频信号2随后在步骤S2中被提交到分析装置2,并且同时输入视频信号2在步骤S3中被提交到加法装置10。如果提供有预处理装置3,则输入视频信号2不是被直接提交到分析装置4，而是首先通过预处理装置3并随后被提交到分析装置4。分析装置4分析输入视频信号2以用于确定输入视频信号2内的边缘特性并用于提供所述输入视频信号2内的边缘的运动估计。具体地，分析装置4通过确定视频信号内的边缘的位置、高度和取向而确定边缘特性。为了提供运动估计，分析装置4提供表示边缘的移动的方向和速度的运动矢量。分析装置4随后在步骤S5中将边缘特性提交到增益因数控制装置5。在步骤S6中，增益因数控制装置计算出反映边缘高度的增益因数。该增益因数控制装置5在下一步骤S7中将此增益因数提交到乘法装置。分析装置4还将边缘特性和运动估计在步骤S8中提交到不依赖于高度的细节信号发生装置6，该细节信号发生装置6在下一步骤S9中基于所接收到的信息生成不依赖于高度的细节信号。该不依赖于高度的细节信号是独立于边缘的高度的，并且指归一化的边缘高度。在下一步骤S10中，不依赖于高度的细节信号发生装置6将不依赖于高度的细节信号也提交到乘法装置9。在下一步骤Sll中，乘法装置9将所接收到的不依赖于高度的细节信号与所接收到的增益因数相乘，由此获得了在本发明中有时也被称作最终细节信号或合成细节信号的细节信号。在下一步骤S12中，乘法装置9将细节信号提交到加法装置10，输入视频信号2已经在步骤S3中被提交到该加法装置10。通常，在本发明中将增益因数控制装置5、不依赖于高度的细节信号发生装置6和乘法装置9的组合称为用于生成细节信号的生成装置。在下一步骤S13中，加法装置随后将所接收到的细节信号加到所接收到的输入视频信号2上，由此获得了输出视频信号。此输出视频信号于是具有当被显示在显示器上时以较少运动模糊出现的性质。之后(在图15中未示出)可以提供后处理步骤。该过程终止于步骤S14。在图3中，描述了根据本发明的用于减少视频信号中的运动模糊的设备l的第一实施例。在此实施例中，分析装置被分成边缘检测装置14并被分成运动估计装置24。此外，在线(即，在该方法的工作时间期间)完成了不依赖于高度的细节信号生成。边缘检测装置14适合于确定实际的经过分析的像素是否为边缘像素。如果是这种情况则必须生成并加上细节信号。如果没有检测到边缘，则输入视频信号2不受影响。另外，边缘检测装置14确定边缘高度和取向。边缘检测因此可以是通过使用如前所述的组合梯度拉普拉斯算子而有利地实现的，并且先前也已经说明了对边缘中心的位置的确定。总而言之，边缘检测装置14适合于确定边缘特性。运动估计装置24有利地使用了预估性区块匹配方法(predictive15blockmatchingmethod),但也可以4吏用4壬何其它方法(即，相平面相关或光流)用于实现运动估计。边缘检测装置14和运动估计装置24可以实施为单独的块或者二者都可以实现在分析装置4中。边缘检测装置14将边缘高度13提交到增益因数控制装置5，并且还将信号15提交到不依赖于高度的细节信号发生装置16，其包括表示边缘的标志，用拉普拉斯算子计算出的边缘的梯度和位置。运动估计装置24将运动矢量17提交到不依赖于高度的细节信号发生装置16。还可以提供另外的静态锐度增强参数8到不依赖于高度的细节信号发生装置16。增益因数控制装置5已经在先前加以解释并具有相同的功能性。不依赖于高度的细节信号发生装置16主要对应于细节信号发生装置6但其在当前被实现为在线发生装置。这意味着不依赖于高度的细节信号是在该方法的运行时间期间生成的。此第一实施例的优点在于查找表不是必需的，这意味着不必为查找表使用存储空间。此外，在运行时间期间可以容易地适配(ad叩t)另外的参数。图4示出了用于减少视频信号中的运动模糊的设备1的第二实施例。在第二实施例中，不依赖于高度的细节信号发生装置26包括查找表26'，在该查找表中储存了不依赖于高度的细节信号。这些不依赖于高度的细节信号已经通过外部计算装置被计算并被储存在查找表内。这些步骤可以例如是已经由显示装置的供应商实现的。通过使用运动矢量、边缘位置、边缘取向这些参数和锐度参数8，实现了对必需的不依赖于高度的细节信号的选择。锐度参数8是可选的，且仅在除了减少模糊之外还提供了静态锐度增强的情况下使用。其余元件等同于先前所述的那些元件。在下文中，现在将对不依赖于高度的细节信号的生成进行详细描述。因此，可以实现下列所说明的元件或方法步骤以便用在线细节信号生成中或者用在离线细节信号生成中。即，可以直接地在不依赖于高度的细节信号发生装置中实现下列可能性，或者可以通过外部的不依赖于高度的细节信号发生装置达成下列可能性，该外部的不依赖于高度的细节信号发生装置适合于对于边缘位置、取向和运动矢量的不同组合计算不依赖于高度的细节信号并且适合于将所生成的不依赖于高度的细节信号存储在实现于细节信号发生装置26中的查找表内。图6示出了用于生成不依赖于高度的细节信号的发生设备30的第一实施例。为了更好地理解，在图5中示出了显示由发生设备30的不同元件所生成的不同信号的若干图表。应注意，如果在不依赖于高度的细节信号发生装置6、16中实现了发生设备30,则发生设备30可以与不依赖于高度的细节信号发生装置6、16相同，或可以是不依赖于高度的细节信号发生装置6、16的一部分。视频信号被若干因素衰减(damp)或影响直到其显示在显示器上。特别是，该视频信号较不锐利，这种情况可例如取决于传输通道特性而发生，比如当使用模拟视频信号时，或者如果输入信号以其大小成比例变化(scale)或增大。通过加上细节信号，初始锐度应当^皮复原。因此，为了适当地计算细节信号，必须检测出视频信号被衰减多少。将参考图5中所示的图表来解释作为细节信号生成基础的原理。因此在每个图表中，示出了取决于在x轴上的像素位置的y轴上的亮度。在图5的图表A中示出的理想跳跃(jump)27被馈送到发生设备30。设备30包括第一建模装置33、35，用于将理想的传输通道的传输特性模型化以提供模型化的理想信号。在此第一通道中，即，在理想的通道模型中，根据理想的传输特性对信号进行模型化，即意味着以反映出信号在理想情况下应当呈现何种状况的方式对信号进行模型化。第一建模装置包括第一低通滤波器33和增强装置35,其功能性将在下面加以解释。在图5的图表B中示出了理想信号的实例。在此对图像中的理想边缘进行了模型化。通过使用第一低通滤波器33实现了模型化，由此该第一低通滤波器33的截止频率fcl是恒定的并位于尼奎斯特(Nyquist)频率的范围内。对于第一低通滤波器33，有利地使用了FIR滤波器，其是通过使用凯撒(kaiser)窗设计出的，因为此凯撒窗具有关于滤波器侧面(flank)和对应的峰化的最佳性质。但是任何其它的低通滤波器或滤波器实现是可能的。在理想通道中使用低通滤波器的原因是，在图表A中示出的理想边缘没有出现在自然图像中并且在任何情况下该边缘具有一定的宽度。通过使用低通滤波器33，理想的跳跃被变为具有理想边缘特性的信号。第一低通滤波器33随后将信号47提交到运动和边缘自适应增强装置35。运动和边缘自适应增强装置35进一步锐化信号，从而产生了更锐利的边缘或更锐利的斜度(slope)并输出信号48。因此边缘的峰化可增强到边缘高度的特定百分比，这取决于对于锐利图像的理想值。可能扰动品质印象的另外的超调量(overshoot)没有受到这个锐化的影响。在图5的图表C中示出了增强的信号。梯度45和运动矢量44被馈送到运动和边缘自适应增强装置35,从而使得根据本发明的该运动和边缘自适应增强装置35是运动自适应的。该运动和边缘自适应增强装置35将在稍后详细描述。发生设备30还包括第二建模装置34用于对真实通道的传输特性进行模型化，即，用该第二建模装置34将信号变化得就像真实地在例如经由模拟通道而传送时那样。图5的图表A中所示的理想跳跃27因此也被馈送到第二建模装置，该第二建模装置在此实施例中包括第二低通滤波器34。此滤波器的截止频率fc2是可变的并且可以依据信号衰减多少而改变，这又取决于传输通道。信号衰减越多，则必须将第二低通滤波器34的截止频率fc2选择得越小。此第二低通滤波器34的实现有利地是通过海明(Hamming)窗而实现的。但是也可以使用其它任何可能的低通滤波器。图5的图表D中示出了在真实的通道模型中由第二建模装置模型化的信号。正如先前所述，截止频率fcl和fc2被提交到第一低通滤波器33和第二低通滤波器34。在此，在这两种情况中，可以为频率fcl和fc2选择变化值或固定值。用于这两种低通滤波器33、34的参数也可以被包含在查找表中，该查找表取决于传输特性和截止频率fcl及fc2。如果不需要额外的锐化，则必须为fcl和fc2选择等同的值。来自理想通道的第一建模装置33、35的信号和来自真实通道的第二建模装置34的信号被馈送到减法(subtracting)装置36。在减法装置36中，从理想通道的信号减去真实通道的信号，即，确定了在目标传输(targettransmission)与实际传输之间的差。这个差信号在图5的图表E中示出。这个差信号可以被解释为由于真实通道的衰减而损失的信号部分。如前所述，真实通道的第二低通滤波器34的截止频率fc2可以是反复不定地改变的。截止频率fc2选择得越小，则理想信号与真实信号之间的差会越大。这意味着差信号的振幅和形状也是增加的，且由此将较高的差信号以及因此将较高的细节信号加到视频信号上，使得图像更锐利。因此，显然通过改变参数fc2可以改变图像的锐度。此差信号随后被提交到归一化(normalisation)装置37。在此通过用边缘高度特别是通过在理想信号的边缘中心处的梯度值划分差信号，来对差信号进行归一化。如前面所解释的，增益因数控制装置考虑到了边缘高度，且因此不依赖于高度的细节信号本身是独立于边缘高度的并因此提供了归一化装置37。还提供了内插装置38用于实现子像素内插。在此确定了介于不同像素位置之间的值。这些值是必需的，因为必须以非常高的精确度，例如以像素的1/16的精确度，来对细节信号定位。有利地通过使用所谓的多相内插来执行子像素内插。在图9中示出了内插的动机。在图像信号中，确定了若干像素位置70并且内插了在像素之间的值。此外，必须确定边缘的中心72。因为边缘的中心不对应于像素位置70,所以内插是必要的。细节信号的零交叉必须对应于边缘的中心72。通过使用子像素内插，如图9所示计算出了在像素位置71处的细节信号的值。现在再参看图6，在子像素内插之后，输出了不依赖于高度的细节信号39。参考图7，在下面将详细解释运动和边缘自适应增强装置35。该块是通过如图7所示的元件而实现的。在下面参考两个方向(即，参考x方向以及参考y方向)解释了该设备，但是应注意因为对于每个方向生成了单独的细节信号，该设备一次应用于仅一个方向。将运动矢量44(即用于两个方向的矢量mvX和mvY)以及梯度45馈送到内积(innerproduct)装置40。因为只有具有与运动方向正交的分量的边缘的部分是重要的，即具有关于运动模糊的问题，所以必须通过计算标量积(scalarproduct)(即在运动矢量分量与梯度之间的内积)而确定边缘的这些部分。如果梯度矢量和运动矢量相互平行，即，如果边缘与正交，则内积是最大的。与之相反的是，如果存在着沿着边缘的运动，则内积为零。在这种情况下，将不会产生锐度问题且因此什么都不必执行。在第一种情况下，必须处理完全增强。内积的结果被馈送到归一化单元41,在该归一化单元处对内积进行归一化，即，用梯度和运动矢量的值划分内积。归一化之后，结果处于1到0的范围内。采用归一化步骤，即，通过只计算不依赖于高度的细节信号，如果使用离线生成则查找表所需空间可以被保持为很在上述方程中，m,对应于内积的结果而m2对应于归一化之后的结果。在上述方程中，值gy具有负值，但也可以为正，这取决于梯度方向的定义和运动矢量的定义，即，哪种运动被限定为正、向右、向后，等等。此后，在乘法器42中信号乘以运动矢量46之一的绝对值。如果为x方向生成细节信号，则该信号与mvX的绝对值相乘，否则该信号与mvY的绝对值相乘。由此，生成了两个参^:，它们在下面^L标注为Ax和Ay或a(v),被用于控制增强网络在下面将参考图8详细解释增强网络43。通常，增强网络43可以是任何类型的高通或带通滤波器，由此依据Ax或Ay选择滤波器系数。由此也有可能从又一查找表中获取滤波器系数。参数Ax和Ay被用于控制图8中所示的滤波器结构。本实施例中的增强网络被实施为提升网络(liftingnetwork),其提升了理想信号内积和归一4b可以如下i兌明的高频部分。这意味着边缘在此被锐化并且峰化也被增加。来自乘法装置42的输入信号a(v)被馈送到增强网络43,并馈送到若干乘法装置53、54、55，在这些乘法装置处信号与运动自适应系数a(v)相乘，a(v)对应于Ax或Ay(这耳又决于细节信号是为何方向生成的)。信号还被延迟装置51、52延迟两个像素。信号随后被求和(summing)装置56合计(sumup)并且随后输出信号48。据此，增强网络的输入信号47对应于图5的图表B中所示的信号，且增强网络的输出信号48对应于图5的图表C中所示的信号。这意味着增强网络43增强了由乘法器提交的信号进行控制的模型化理想信号47的频率分量。图10示出了用于生成不依赖于高度的细节信号的发生设备28的第二实施例。该第二发生设备28也包括用于模型化理想通道的第一建模装置33、58和用于模型化真实通道的第二建模装置34、59。在此实施例中，提升网络即增强装置58不是运动自适应的，而是恒定的。运动模糊，即由于显示器孔径(displayaperture)和人视觉系统引起的衰减，是由提供在真实通道内在第二低通滤波器34之后的又一运动和边缘自适应低通滤波器59才莫型化的。运动估计44和边缘特性45被馈送到运动和边缘自适应低通滤波器59。用运动和边缘自适应低通滤波器59，也可以考虑更多的显示器参数，诸如显示器的过载值或反应时间。这种设备28的优点在于，通过使用运动和边缘自适应低通滤波器59对真实通道进行模型化，建模更加简单且更加4青确。在非常简单的实施例中，人视觉系统和显示器可以用平均值滤波器(meanvaluefilter)进行才莫型化。<formula>formulaseeoriginaldocumentpage21</formula>这里rect是矩形函数而Al是矩形的宽度。平均值滤波器的长度是运动自适应的且可以通过使用下列方程确定A《=附2.a这里oc是用于校正长度的因数。因数a可以用于校正整体图像锐度。a选择得越小，滤波器将会越短(shorter)且细节信号也将会越小。这意味着图像被料想得越锐利，则a的值必须选择得越高。图11示出了用于生成不依赖于高度的细节信号的发生设备29的第三实施例。此实施例是第一和第二实施例的组合，在组合中包括了已经说明的元件。关于第二发生设备28和第三发生设备29，应再次注意，如果是在线生成，则发生设备28、29是在不依赖于高度的细节信号发生装置6、26中实现的，因此等同于不依赖于高度的细节信号发生装置6、26或是它们的一部分。总而言之，根据本发明的第一方面，生成了细节信号，由此在不依赖于高度的细节信号发生装置6、16、26中生成了运动自适应部分。增益因数不受运动估计的影响。这具有优点在于，对于每个运动，所生成的细节信号可以具有不同形状和不同高度。这改进了图像显示在显示器上时的图像的外观。在下面，将解释根据本发明的第二方面。根据第二方面，根据现有技术生成了不依赖于高度的细节信号而不受运动估计的任何影响。运动估计用于生成运动自适应增益因数。对应的设备将在下面参考图16加以详细解释。图16示出了用于减少视频信号中的运动模糊的第二设备70。与标记并且将不会在下面进行进一步讨论。输入视频信号2被馈送到边缘检测装置14和运动估计装置24。边缘检测(即对边缘特性的检测)和运动估计是根据参考第一方面说明的相同进程而实现的。设备70还包括运动自适应增益因数控制装置75和不依赖于高度的细节信号发生装置76,该细节信号发生装置76根据第二方面生成细节信号，该细节信号是不依赖于运动的且不依赖于高度的，即相对于边缘高度进行了归一化的。因此，运动估计装置24将运动矢量17提交到运动自适应增益因数控制装置75。同样，边缘检测装置14将梯度71以及表示边缘的标志和边缘位置72提交到不依赖于高度的细节信号发生装置76。正如在第一方面中一样，可以提供例如用于增强锐度的附加的参数8。运动自适应增益因数控制装置75随后计算并输出运动自适应增22益因数85到乘法装置9,来自不依赖于高度的细节信号发生装置76的不依赖于高度的细节信号也被输出到该乘法装置9。乘法装置9随后将不依赖于高度的细节信号与运动自适应增益因数85相乘并将由此生成的最终合成细节信号提交到加法装置10，该加法装置10将细节信号加到输入视频信号2上并由此生成了输出信号12。术语"合成"在此一皮用作与第一方面相关，并反映为人工生成的信号，人工生成的信号不是例如通过滤波等从输入视频信号本身获得的。正如相对于第一方面所描述的，也可以提供预处理装置以及后处理装置。不依赖于高度的细节信号发生装置76像在第一方面中那样可以要么在线地生成不依赖于高度的细节信号要命离线地生成该细节信号，并将该细节信号储存在包含于不依赖于高度的细节信号发生装置76内的查找表中。在下面将参考图17详细解释运动自适应增益因数控制装置75。在此，在下面将参考x方向解释运动自适应增益因数的生成。但是必须理解，用于y方向的增益因数生成是以相同方式实现的。x方向的梯度71被馈送到取心装置73。该梯度受已经说明的取心特性曲线影响，该取心特性曲线也在图17中示出。由此将小值设定为零，从而减少了像由于错误检测出的边缘(即梯度)引起的噪声一样的扰动。有利地使用了所谓的"软取心(soft-Coring)"。在本发明中，分别对梯度的x分量和y分量完成了取心，但也有可能同时完成对两个梯度的取心，这可以取决于梯度值。之后将信号馈送到两条不同的线路，并且通过对两条不同线路的信号相加而确定出运动自适应增益因数。由此，在图17中显示为上部线路的第一线路确定了增益因数的不依赖于运动的部分。在图17中显示为下部线路的第二线路中，产生了增益因数的依赖于运动的部分。第一线路用于增强锐度并包括加权(weighting)装置77。增益因数的此部分仅取决于梯度值。用加权装置77可以进一步影响增益因数，例如，通过与固定的因数相乘。第一线路的输出随后被提交到加法装置84。现在，将说明第二运动自适应线路。运动矢量17以及在取心之后接收到的信号被馈送到内积装置74,在该内积装置74处计算出在梯度和两运动矢量17之间的内积。通过此才喿作，确定出在每个运动方向上(即在x方向和y方向上)的边^^的部分。之后，在归一化装置78中，对内积进行归一化。内积装置74和归一化装置78在此在它们的功能性方面对应于参考图7描述的内积装置40和归一化装置41。方程及对应的计算因此被也被一起包括在第二方面内。来自归一化装置78的信号于是被提交到乘法装置79,在乘法装置79处信号与运动矢量的分量的绝对值lmvXI以及与梯度的相应算术符号sign(gradX)相乘。那意味着来自归一化装置78的信号与下面的值相乘sign(gradX)'|mvX|,其作为信号80被馈送到乘法装置79。运动矢量的分量取决于为何方向确定增益因数。算术符号是必要的，因为增益因数也可以是负值(negative)，这取决于边缘的方向，例如取决于边缘是从黑到白还是从白到黑的过渡。如果依据边缘方向选择了增益因数的算术符号，也有可能为两个边缘方向使用相同的细节信号。之后将信号馈送到加权装置81,在该加权装置81处可以再一次对增益因数的运动自适应部分进行加权。采用此加权可以影响到运动自适应锐度增强，并由此可以影响方法的性能。最终，两个信号即非运动自适应线路的第一信号和运动自适应线路的信号被提交到加法装置84,在加法装置84处将增益因数的静态部分和运动自适应部分相加并合计，用于4妻收最终的运动自适应增益因数85。第二方面的优点是，实现相当简单且因此也需要小量的处理资源。特别是，不依赖于高度的细节信号的生成是独立于运动的。这具有两个结果。首先，如果信号是在线生成的，则不再对每个像素生成细节信号，而仅必须计算出单个经归一化的，即用于每个级别锐度的不依赖于高度的纟田节"f言号(butonlyasinglenormalized,i.e.heightindependentdetailsignalforeverygradesharpnesshastobecalculated)。据此可以用参数fc2影响锐度。这导致减少了对计算能力的需求。第二个结果是，如果有查找表，在查找表中不必储存运动自适应细节信号，而是仅必须存储用于不同锐度级别的细节信号，即唯一的自由(free)参数是fc2。这导致减少查找表的大小。下面将参考图18解释根据第二方面用于减少运动模糊的方法的主要过程步骤。该过程开始于步骤S20，并且在下一步骤S21中通过根据本发明的用于减少运动模糊的设备1接收输入视频信号2。输入视频信号2随后在步骤S22中被提交到分析装置14、24，并且同时输入视频信号2在步骤S23中被提交到加法装置10。如果提供了预处理装置3,则输入视频信号2不是被直接提交到分析装置14、24，而是首先通过预处理装置3并随后提交到分析装置14、24。分析装置14、24分析输入视频信号2，以用于确定输入视频信号2内的边缘特性并用于提供所述输入视频信号2内的边缘的运动估计。具体地，分析装置14、24通过确定视频信号内的边缘的位置、高度和取向而确定边缘特性。为了提供运动估计，分析装置14、24提供了表示边缘的移动的方向和速度的运动矢量。分析装置14、24随后在步骤S25中将边缘特性提交到不依赖于高度的细节信号发生装置76。在步骤S26中，不依赖于高度的细节信号发生装置76生成不依赖于高度的细节信号，该细节信号也不依赖于运动。这个不依赖于高度的细节信号是独立于边缘的高度的，并且指归一化的边缘高度。在下一步骤S27中，不依赖于高度的细节信号发生装置76将不依赖于运动且不依赖于高度的细节信号提交到乘法装置9。分析装置14、24还在步骤S28中将边缘特性和运动矢量分量提交到运动自适应增益因数控制装置75，该装置75在下一步骤S29中基于所接收到的信息计算出反映边缘高度的运动自适应增益因数。在下一步骤S30中，运动自适应增益因数控制装置75将运动自适应增益因数也提交到乘法装置9。在下一步骤S31中，乘法装置9将所接收到的不依赖于高度的细节信号与所接收到的运动自适应增益因数相乘，由此获得了在本发明中有时也被称作最终细节信号或合成细节信号的细节信号。在下一步骤S32中，乘法装置9将细节信号提交到加法装置10,输入视频信号2已经在步骤S23中被提交到该加法装置10。通常，在本发明中将组合的运动自适应增益因数控制装置75、不依赖于高度的细节信号发生装置76和乘法装置9称为用于生成细节信号的发生装置。在下一步骤S33中，加法装置随后将所接收到的细节信号加到所接收到的输入视频信号2上，由此获得输出视频信号。此输出视频信号于是具有当被显示在显示器上时以较少运动模糊和较高锐度出现的性质。之后(在图18中未示出)可以提供后处理步骤。该过程终止于步骤S34。应注意到，参考第一方面说明的所有特征、元件、步骤和计算等，也可以在第二方面的适当位置处实现。同样，参考第二方面说明的所有特征、元件、步骤和计算等，也可以在第一方面的适当位置处实现。此外，在第一方面以及在第二方面中，边缘特性或运动估计从分析装置4、14、24传送到若干其它元件。在此情况下，边缘特性不一定包括边缘的所有信息，例如，有可能仅传送边缘位置或仅传输边缘高度。不过，这种所传送的信息将被称为"边缘特性"。在下面说明了以非常简单的方式生成细节信号的又一可能性。用于生成的起点(startingpoint)是任意的点对称且有限函数(pointsymmetricandfinitefunction),例如正弦函数。在图12中示出这样一种函数。在此，用最简单形式为正弦曲线f(x)=sin(x)的函数代表该细节信号。但本发明不限于正弦曲线，而是可以适用任何其它函数，函数唯一的条件在于该函数必须在中部相对于零交叉对称且为有限的。正弦曲线的长度是由细节信号的长度(即像素数目)确定，该细节信号的长度在本实例中是五个像素的长度。依据运动速度和边缘特性，细节信号的高度H自适应地改变。与运动方向正交的边缘部分或速度越大，则信号振幅必须选择得越高。在实例中，对于x方向和y方向的细节信号的高度可以由下列方程确定//》=l歸y]w2力P在此为可以通过图像锐度来适配的任意固定因数。另外，例如如下形式的更一般的函数是有可能的。/7=/(f，,，腳X,腳F)这种细节信号生成的形式对于在线生成是特别有利的，因为其非常简单且只需要小量的处理资源。本发明的设备和方法的一种可能的实现是通过使用图像分析或图像分割对基于图像的若干方法的组合。在图13中示出了用于改进整体视频信号品质的这样一种系统实现。输入信号61被馈送入系统60。通过分割装置64，对视频信号加以分析并将其分割为边缘、均一(homogeneous)部分(诸如平区域(flatarea))和紋理或细节。这种信息被提交到进一步的元件，而特别地边缘的信息被提交到边缘校正设备62,该边缘校正设备62可以通过根据本发明的用于减少运动模糊的设备实现。在具有紋理或细节的图像的部分中，可以使用已知的MCIF方法，因为在这些部分中噪声的增加是可以接受的。因此也可以实现改良的MCIF装置63。在具有均一部分的图像的部分中，没有执行校正。涉及到边缘、细节或平部分的不同信号随后被提交到组合装置65,该组合装置65将相应的经校正的信号组合起来并将信号66提交并输出到显示器。也可以将本发明用于减少在显示时视频信号中的运动模糊，即用于校正由于显示器的技术性质引起的模糊。另外，本发明也可以用来减少在录制期间引起的摄像机方面的运动模糊。即，可以在摄像机中实现以不同方面和实施例i兌明的i殳备和方法用以在录制期间减少才莫糊。通常，存在着录制期间发生模糊的若干原因。录制期间在摄像机内有两种类型的模糊，即，离焦模糊(outoffocusblur)和线性运动模糊。由于伪对焦(falsefocussing)产生离焦模糊，随后导致所录制对象细节减少。离焦程度越高，则所录制对象中的模糊将会越高。如果对象在摄像机的快门时间期间移动，则产生线性运动模糊。由此产生了移动方向上的模糊不清(slurring)，这导致所录制对象的模糊。录制期间的模糊因此基于与显示器方面的保持型运动模糊相同的情形。因此两种分量是这种模糊的部分，也就是例如由于摄像机内的传感器或人视觉系统、以及在集成期间对象相对于传感器的运动(例如场景内快速移动的对象)引起的时间集成(temporalintegration)。为了减少录制中的模糊，通常可以使用两种方法，它们可以分为两种类别一方面，可以使用采用了逆向滤波的方法，其基于对模糊的原因和大小的了解(解巻积(deconvolution)方法)；以及另一方面，因为模糊的原因和大小未知，作为逆向滤波的补充的方法(methodswhichadditionallytotheinversefiltering)使用了模糊或录制模型的参数(盲解巻积方法)。第一类别的方法的实例例如是非迭代方法(诸如简单的逆向滤波或维纳(Wiener)滤波器)，或者是使用了VanCittert算法、Landweber算法或Richardson-Lucy算法的迭代方法。第二类别的方法例如是才艮据Ayers和Dainty的方法或#4居Kundur的改良。因为运动模糊的参数是未知的且因为也不能从一开始就确定离焦模糊，所以在视频信号录制情形下，必须使用第二类别的方法。本发明提出这样一种方法，用于减少摄像机内的录制期间的运动模糊。此方法的优点是其对于噪声的鲁棒性，因为加上了合成生成的信号，该合成生成的信号是基于图像参数分析特别是基于边缘特性和运动估计而计算出的。当前技术的方法将视频信号本身用于滤波或增强，因此也增强了噪声，与之成对比，本发明涉及到合成细节信号的生成。本发明，特别是根据第一方面的设备或根据第二方面的设备，可以在摄像机内实现。在简单的实现中也可以使用矩形函数，但是对于摄像机而言该设备和方法也可以适于进一步减小运动模糊。特别是，如果另外产生了离焦模糊，这种离焦模糊可以另外通过改变相应参数以影响全局静态锐度增强而加以校正。在这种情况下，将必须提供另外的单元用于确定离焦模糊。采用本发明，说明了设备和对应的不同方法的不同实现，用于减少显示在显示器上时的图像以及由摄像机录制时的图像中的运动模糊。权利要求1.用于减少视频信号中运动模糊的设备，包括用于确定输入视频信号的边缘特性并且用于提供所述输入视频信号内的边缘的运动估计的分析装置(4，14，24)，用于生成取决于所述边缘特性和所述运动估计的合成细节信号的发生装置(5，6，16，26，75，76)，以及用于将细节信号加到输入视频信号内的边缘上并且将输出视频信号输出的加法装置(10)。2.根据权利要求1所述的设备，其中用于确定边缘特性的分析装置(4,14)确定视频信号内的边缘的位置、高度和取向。3.根据权利要求1或2所述的设备，其中分析装置(4,24)提供表示边缘的移动的方向和速度的运动矢量。4.根据权利要求1到3中任一项所述的设备，其中发生装置包括用于计算代表边缘高度的增益因数(ag)的增益因数控制装置(5)。5.根据权利要求1到4中任一项所述的设备，其中发生装置包括不依赖于高度的细节信号发生装置(6,16，26)，用于基于边缘的位置和取向以及基于运动估计而生成不依赖于高度的细节信号。6.根据权利要求4或5所述的设备，其中发生装置还包括乘法装置(9)，用于将不依赖于高度的细节信号与增益因数(ag)相乘从而获得合成细节信号，并且用于将合成细节信号提交到加法装置(10)。7.根据权利要求5或6所述的设备，其中不依赖于高度的细节信号发生装置(6,26)包括查找表(26')，查找表(26')包含多个容易被计算出的不依赖于高度的细节信号，用于边缘的方向和位置、运动矢量信息的不同组合，且其中生成的步骤包括从所述查找表(26，)选择不依赖于高度的细节信号的步骤。8.根据权利要求5或6所述的设备，其中不依赖于高度的细节信号发生装置(6,16)适合于基于由分析装置(4，14,24)提交的信息来计算不依赖于高度的细节信号。9.根据权利要求8所述的设备，其中不依赖于高度的细节信号发生装置(6，16)包括第一建模装置(33,35，58)，用于将理想的传输通道的传输特性模型化以提供模型化的理想信号。10.根据权利要求9所述的设备，其中第一建模装置包括第一低通滤波器(33)以及运动和边缘自适应增强装置(35)。11.根据权利要求IO所述的设备，其中运动和边缘自适应增强装置(35)包括内积装置(40),用于计算在运动矢量分量和梯度之间的内积，归一化单元(41),用于对内积进行归一化，乘法器(42)，用于将经过归一化的内积与运动矢量分量之一的绝对值相乘，以及增强网络(43)，用于增强由乘法器(42)提交的信号来控制的模型化理想信号(47)的频率分量。12.根据权利要求9所述的设备，其中第一建模装置包括第一低通滤波器(33)以及静态增强装置(58)。13.根据权利要求8到12中任一项所述的设备，其中不依赖于高度的细节信号发生装置(6,16)包括第二建模装置(34，59)，用于将真实的传输通道的传输特性模型化以提供模型化的真实信号。14.根据权利要求13所述的设备，其中第二建模装置包括第二低通滤波器(34)。15.根据权利要求13所述的设备，其中第二建模装置包括第二低通滤波器(34)以及运动和边缘自适应低通滤波器(59)。16.根据权利要求9或13所述的设备，其中不依赖于高度的细节信号发生装置(6,16)包括减法装置(36)，用于从模型化的理想信号减去模型化的真实信号从而获得差信号。17.根据权利要求16所述的设备，其中不依赖于高度的细节信号发生装置(6，16)包括归一化装置(37)，用于相对于边缘高度对差信号进行归一化。18.根据权利要求1所述的设备，其中发生装置(5,6,16，26)通过适配任意的点对称且有限函数的长度和振幅而生成细节信号。19.根据权利要求18所述的设备，其中函数是正弦函数。20.根据权利要求1所述的设备，其中用于确定边缘特性的分析装置(4，14)确定视频信号内的边缘的位置、高度和取向。21.根据权利要求1或20所述的设备，其中分析装置(4,24)提供表示边缘的移动的方向和速度的运动矢量。22.根据权利要求1、20或21中任一项所述的设备，其中发生装置包括运动自适应增益因数控制装置(75),用于基于边缘的高度并且基于运动估计来计算代表边缘的高度的运动自适应增益因数。23.根据权利要求1、21或22所述的设备，其中发生装置包括不依赖于高度的细节信号发生装置(76)，用于基于边缘的位置和取向而生成不依赖于运动且不依赖于高度的细节信号。24.根据权利要求22或23所述的设备，其中发生装置还包括乘法装置(9)，用于将不依赖于运动且不依赖于高度的细节信号与运动自适应增益因数相乘从而获得合成细节信号，并且用于将合成细节信号提交到加法装置(10)。25.用于提供对视频信号品质的全面改进的系统，包括分割装置(64),用于将视频信号分割为边缘、均一的部分和紋用于根据前述权利要求中任一项减少关于边缘的运动模糊的设备(62)，改良的MCIF装置(63)，用于减少关于紋理的运动模糊，和组合装置(65),用于将运动模糊减少后的信号组合成输出视频信号。26.用于减少视频信号中运动模糊的方法，包括以下步骤确定(S4，S24)输入视频信号的边缘特性并用于提供对所述输入视频信号内的边缘的运动估计，生成(S6，S7,S9,SIO，Sll，S26，S27,S29，S30，S31)取决于所述边缘特性和所述运动估计的合成细节信号，和将(S13,S33)细节信号加到输入视频信号内的边缘上并且将输出视频信号输出。全文摘要本发明涉及一种用于减少视频信号中的运动模糊的设备，包括用于确定输入视频信号的边缘特性和用于提供对所述输入视频信号内的边缘的运动估计的分析装置(4，14，24)，用于生成取决于所述边缘特性和所述运动估计的合成细节信号的发生装置(5，6，16，26，75，76)，以及用于将细节信号加到输入视频信号内的边缘上并将输出视频信号输出的加法装置(10)。本发明还涉及用于减少视频信号中运动模糊的方法。文档编号H04N5/21GK101552868SQ20091013251公开日2009年10月7日申请日期2009年3月31日优先权日2008年3月31日发明者C·多拉,M·里克特,O·埃德勒,P·萨托申请人:索尼株式会社