关于视频图像的增强与去噪技术的分析

刘安君

摘要：随着计算机技术、多媒体技术的发展，在人们的日常工作中，接触到的视频图像也越来越多。从视频当中获取信息，一个重要的因素就是视频图像质量。在视频图像的传输当中，如果受到噪声的影响，将会降低视频图像质量，因此，应当对视频图像进行有效的去噪和增强，提升视频图像质量，进而从视频当中获取更多信息。基于此，本文主要对视频图像的增强，以及相应的去噪技术进行了分析。

关键词：视频图像 增强 去噪技术

中图分类号：TP391 文献标识码：A 文章编号：1007-9416（2016）12-0243-01

在当今社会中，随着多媒体技术的不断发展，视频设备的应用越来越广泛，例如视频会议、交通电视监控系统、军事侦察监视等。而在这些应用当中，清晰的视频图像无疑是最为重要的。在视频图像的拍摄与传播当中，由于受到一些因素的影响，很容易降低视频图像质量，影响人们的信息获取。基于此，应当对视频图像进行有效的加强和去噪，确保视频图像良好的清晰度，从而满足人们的使用需求。

1 视频信号的成像机制

视频信号需要利用摄像机进行采集，在实际应用中，主要包括CCD摄像机和CMOS摄像机等。其中，CCD摄像机能够通过镜头将图像聚焦在CCD芯片上，CMOS摄像机则主要包括主动式像素传感器、被动式像素传感器等类型。两种摄像机相比，CCD摄像机具有分辨率高、画面品质高等优势，而CMOS摄像机具有成本低的优势[1]。采集图像之后，需要进行Bayer图像彩色重建，基于最临近插值和双线性插值，对图像进行彩色重建，从而得到更加清晰、饱满的视频图像。此后，需要通过白平衡调整，去除光照对物體本身颜色的影响，还原白色。作为人类视觉感知中的重要部分，色彩的重要性不言而喻。因此，视频图像需要利用颜色模型进行转换，从而得到高质量的视频图像。

2 视频噪声的分类及特点

在视频图像中，时常会受到视频噪声的影响。根据不同的产生原因，可将视频噪声划分为内部噪声、外部噪声等。其中，内部噪声主要是视频设备自身的噪声、设备电路的噪声、系统机械运动造成、光电自身属性噪声等；外部噪声则主要是系统外部干扰造成的。根据视频噪声统计性变化，可分为非平稳噪声、平稳噪声[2]。根据信号与噪声之间的相关性，则克分为乘性噪声和加性噪声。其中，加性噪声模型可表示为f（x，y）=g（x，y）+v（x，y），其中，g代表输入图像，v代表噪声，二者之间具有相互独立的关系。而乘性噪声通常可以近似为加性噪声进行处理。视频噪声具有很多特点，在水平、垂直等方向，噪声频率通常不同，其与图像之间具有相关性，同时还具有迭加性的特点。

3 视频图像增强与去噪技术

3.1 基于对数变换域

对于视频空域增强当中可能发生的光晕、灰度级合并、细节丢失等问题，可采用基于对数变换域的直方图方法进行增强处理。基于人类视觉掩盖效应，适当锐化图像边缘，提升图像对比度，能够更加有利于人眼观测图像。这种图像增强技术的应用十分广泛，例如针对指纹采集不清晰的情况，可利用图像增强算法，得到更加清晰的图像。同时，可对医学图像进行增强，使其在仿真、手术、诊断中发挥更大的作用[3]。采用空域法对视频图像进行增强，能够动态拉伸图像灰度级分布，使其更加平均。但是此种方法同时存在灰度级合并、晕环、细节缺失等问题。对此，可采用基于对数变幻系数直方图的方法，有效解决这些问题。原图及自适应均衡化之后的图像，同时向对数变换域转换，然后进行直方图映射，能够得到更加清晰的视频图像。

3.2 基于变分偏微分方程

偏微分方程起初是对流体、机械物体自然运动规律，以及一些物理学定律进行解释，其中包含多变量未知数。在基于偏微分方程的图像处理中，通常采用连续二维函数进行图像建模，并对图像进行求导求积分，得到需要的解。在基于偏微分方程的图像处理中，在t时刻，像素点x的灰度值变化，只与无穷小临近域的像素有关，因而能够有效适应图像局部特征。此外，对于偏微分方程的求解，可利用完备的数值分析法进行解决，实现了图像处理的稳定、高效。在实际应用中，可采用基于四阶偏微分方程的方法进行去噪，能够有效解决传统二阶偏微分方程中的块效应。不过在处理椒盐噪声的时候，效果较为有限。此外，利用自适应TV模型，能够对图像边缘进行有效保持，同时发挥出良好去噪的效果。

3.3 基于高斯背景建模及NL滤波

在视频去噪中，可采用基于单高斯背景建模及NL滤波的算法，对于一般监控系统无法直接利用NL滤波处理视频图像的问题，能够进行有效的解决。视频序列在传输过程中，容易受到噪声的污染，从而影响视频画面质量，对于人们通过视频获取信息有着不利的影响[4]。NL滤波法作为一种基于像素非局部平均值的算法，能够对自然图像高度冗余性加以利用，实现有效的去噪。不过，NL滤波算法在实际应用中较为复杂，因此可以利用单高斯背景建模，对帧间冗余信息进行提取，并采用帧间滤波处理大量重复背景信息，使用NL滤波算法处理前景。通过这种方式，能够对噪声方差中等的视频去噪加以实现，对于很多成规视频设备的去噪需求，都能够有效的进行满足。

4 结语

随着科技的发展，数字化程度日益提高，因而在人们的日常生活及工作当中，越来越多的应用到视频图像，对各类有用信息进行获取。不过，在视频图像的拍摄及信号传输过程中，容易受到噪声的影响而降低视频图像质量。对此，可利用视频图像增强与去噪技术，对其进行有效处理，从而提升视频图像的质量。

参考文献

[1]方明，李洪娜，雷立宏，梁铭.低照度视频图像增强算法综述[J].长春理工大学学报（自然科学版），2016，03：56-64+69.

[2]罗晖，褚红亮，王世昌.基于K-SVD的低信噪比WMSN视频图像稀疏去噪[J].计算机工程与科学，2014，03：497-501.

[3]施白雪，陈芬，张陈梅，黄逸飞，陈仁涛，汤颛顼.基于TI DM6437的视频图像增强算法实现[J].微型机与应用，2014，07：44-47+50.

[4]史宏宇，梅玉.基于G/S模式的视频监控系统图像去雾处理算法的设计与实现[J].电脑与电信，2011，09：36-38+41.