基于相位一致性和场景运动估计的微光视频去噪方法
【技术领域】
[0001] 本发明属于微光视频图像去噪技术领域，特别是一种基于相位一致性和场景运动 估计的微光视频去噪方法。
【背景技术】
[0002] 图像去噪处理是图像处理领域中一项基本技术。对于数字图像去噪，国内外已经 有了大量的研究成果，其研究热点着重于两个方面；基于空间域和基于变换域的去噪算法。 其中空间域去噪是对带噪图像的像素点直接进行处理，常见的方法有均值滤波、中值滤波 W及多种改进的空间域去噪方法（见文献1;张旭明，徐滨±，董世运.用于图像处理的自 适应中值滤波[J].计算机辅助设计与图形学学报，2005,Vol. 17,No. 2. 295-299)。但是由 于是对带噪图像的像素点直接进行处理，考虑图像中的边缘结构特征较少，所W在降噪的 同时使图像产生较为严重的模糊。而变换域滤波的基本思想是先将带噪图像从空域转换到 变换域，在变换域采用恰当的滤波方法滤除噪声，然后将处理过的变换域信息经反变换得 到空域的结果（见文献2;谢杰成，张大力，徐文立.小波图象去噪综述[J].中国图象图形 学报，2002,Vol. 7,No. 3. 210-216)。但基于变换域的方法往往算法复杂度较高，处理时间过 长。
[0003] 由于视频序列是由时间轴上的若干静态图像组成，在连续帖间具有大量的时间相 关性，因此对微光视频序列进行降噪，除了要关注其单帖图像的空间相关性，还要对时域的 处理给W-定的关注。现有的时域滤波一般分为带运动估计和不带运动估计两大类。不带 运动估计的方法对于运动缓慢的微光视频序列有较好的效果，而对于微光视频序列中剧烈 运动部分则会有过平滑的效果，容易造成运动目标模糊，边缘拖尾等现象（见文献3 ;唐权 华.视频时空联合模型与去噪研究巧].四川：西南交通大学，2010)。而基于运动估计的自 适应滤波算法则可W最大程度的解决该个问题，然而，由于噪声对时域相关性的影响，要实 现快速并且准确的运动估计仍有很多问题需要解决。
[0004] 因为微光视频是在极低的光照下拍摄的视频，所W微光视频图像相比常见视频图 像最大的区别在于前者含有大量噪声。大量的噪声不仅会造成图像细节无法分辨，也会导 致后期难W进行精确的图像配准和运动估计。因此，要实现高质量的微光视频去噪的一个 关键问题就是如何对包含大量噪声的运动场景中每一个像素点进行准确的运动估计。因为 错误的运动估计会直接导致滤波后目标模糊或产生拖尾现象。然而，目前传统的运动估计 方法，通常需要对图像里所有像素进行运动估计运算，该样做往往需要花费很长的时间。
【发明内容】
[0005] 本发明的目的在于提供一种基于相位一致性和场景运动估计的微光视频去噪方 法，W提高微光视频去噪的速度与去噪后图像质量。
[0006] 实现本发明目的的技术解决方案为：一种基于相位一致性和场景运动估计的微光 视频去噪方法，步骤如下：
[0007]步骤一，读入视频第一帖图像，然后输出，并作为待配准图像Ih;
[000引步骤二，读入视频第二帖图像，作为参考图像li;
[0009] 步骤S，根据相位一致性方法求取待配准图像Ih和参考图像I i的边缘图像PC H 和P。；
[0010]步骤四，根据基于场景配准方法将边缘图像PCh对PCi进行配准；
[0011] 步骤五，将配准后的图像I' y和I i做差，求出运动目标对应像素；
[0012] 步骤六，对运动目标对应像素进行运动估计，由此找出待配准图像与参考图像之 间所有像素点的对应关系；
[0013] 步骤走，将步骤六运动估计得到的图像I"H与Ii之间所有对应像素进行加权平 均，完成后输出去噪后的第i帖图像Ifusi。。；
[0014]步骤八，读入下一帖图像作为参考图像，将上一帖输出的图像Ifusi。。作为待配准图 像，循环操作第=步到第八步，直至完成视频所有帖图像的去噪。
[0015] 本发明与现有技术相比，其显著优点为；（1)利用相位一致性原理求取图像的边 缘，然后根据边缘图像进行场景配准，能够避免光强变化对图像配准的影响，有效保证场景 配准精度，W达到较好的去噪效果，尤其对含有大量噪声的微光视频图像去噪效果明显。 (2)采用先场景配准，后运动估计的策略对微光视频图像中所有像素进行配准，在防止去噪 后图像拖尾的同时，降低了运动估计的数据量，极大的提高了去噪算法的效率。
[0016] 下面结合附图对本发明作进一步详细描述。
【附图说明】
[0017] 图1为本发明基于相位一致性和场景运动估计的微光视频去噪方法的流程示意 图。
[001引图2(a)表示的是第10帖图像，图2(b)表示的是去噪后的第9帖图像。图2(c)、 2(d)分别表示的是根据相位一致性求出的图2(a)和图2(b)的边缘图像，图2(e)表示的是 根据场景配准原理求出的图2(c)和图2(d)的匹配程度函数图，图2(f)表示的是最终去噪 后的第10帖图像。
[0019]图3 (a)、图3化）、图3 (C)分别表示的是高噪声情况下去噪前微光视频中第10帖、 第50帖、第200帖的原始图像，图3 (d)、图3 (e)、图3 (f)分别表示的是高噪声情况下去噪 后微光视频中第10帖、第50帖、第200帖的图像。
[0020] 图4(a)、图4化）、图4(c)分别表示的是中等噪声情况下去噪前微光视频中第10 帖、第50帖、第200帖的原始图像，图4 (d)、图4 (e)、图4 (f)分别表示的是中等噪声情况下 去噪后微光视频中第10帖、第50帖、第200帖的图像。
[0021]图5 (a)、图5化）、图5 (C)分别表示的是低噪声情况下去噪前微光视频中第10帖、 第50帖、第200帖的原始图像，图5 (d)、图5 (e)、图5 (f)分别表示的是低噪声情况下去噪 后微光视频中第10帖、第50帖、第200帖的图像。
【具体实施方式】
[0022]结合图1，本发明基于相位一致性和场景运动估计的微光视频去噪方法，首先根据 相位一致性方法求取待配准图像和参考图像的边缘图像，然后根据基于场景配准方法将边 缘图像进行配准，再将配准后的两图像做差，求出运动目标对应像素，进而对所有运动目标 对应像素进行运动估计，由此找出待配准图像与参考图像之间所有像素点的对应关系，最 后将两图像之间所有对应像素进行加权平均，完成后输出。流程示意图如图1所示，具体实 现步骤如下：
[0023] 步骤一；读入视频第一帖图像，然后输出，并作为待配准图像Ih。
[0024] 步骤二；读入视频第二帖图像，作为参考图像li。
[0025] 步骤S;根据相位一致性方法求取待配准图像ly和参考图像Ii的边缘图像PCH 和P。。根据相位一致性方法求取边缘图像的公式为：
[0038] 其中，If为第i帖输入的参考图像，FI为输入图像I的频谱，fft2( ?)表示做二 维快速傅立叶变换，巧f为输入的图像I经过尺度n下的G油or滤波器滤波后的结果的实部， G。为尺度n下的G油or滤波器，ifft2( ?)表示做逆二维快速傅立叶变换，re[ ?]表示取 实部，指_//，.和巧^,分别表示输入的图像I经过尺度n下的G油or滤波器和HUbed滤波器滤 波后的结果的实部和虚部，H为化化ed滤波器，im[ ?]表示取虚部，A。为图像I在尺度n 下的幅值，和E分别为图像I在不同滤波器下的局部能量，A为图像I在所有尺 度下的幅值的总和，为图像I所有局部能量的总和，PCi为第i帖根据相位一致性求取 的边缘图像，W为频率传播加权系数，L*」为一个数学运算符，当所求值为正时最终结果取自 身，否则为0 ;T为噪声强度阔值，只有能量值超过噪声阔值T才被计入结果内（经验上T的 取值范围为[1，5]，本发明中T= 2) ;e为一个很小的常量（本发明中e= 0.0001)，W避 免分母为0。
[0039] 步骤四；根据基于场景配准方法对边缘图像PCh对PC进行配准。基于场景配准 方法的公式为：
[0048] 其中，PCh和PCi分别表示第i-1和i帖根据相位一致性求取的边缘图像，FH和 。分别表示边缘图像PCH和PCi的频谱，Fft为频谱Fi的复共辆频谱，I?I表示取绝对值， F。。为频谱Fh和FiW协方差，C为边缘图像PCh和PCi的匹配程度函数，findmax( ?)表 示求出矩阵中最大值对应的行数和列数，Row。和Cole分别为矩阵C中最大值对应的行数和 列数，Ax和Ay分别为求出的X和y方向的偏移量，N和M分别为图像I在X和y方向上 的像素个数，max( ?)表示求矩阵的最大值，mean( ?)表示求矩阵的平均值，TRe[Iy，Ax， Ay]表示根据偏移量Ax和Ay对图像Ih进行配准，I'H为图像IH配准后的结果。
[0049] 步骤五：将配准后的图像I'y和Ii做差，求出运动目标对应像素。
[0050] 步骤六：对所有运动目标对应像素