基于运动区域检测的会议视频清晰度增强处理

2021-04-25 05:38
电视技术 2021年3期
关键词:差分法滤波背景

彭 程

(中国移动通信集团广西有限公司,广西 南宁 450000)

0 引 言

近年来,多种视频增强技术不断涌现。其中,对比度增强技术[1]、超分技术[2]及视频插帧等技术极大程度上提高了视频质量。Fattal等提出了快速双边滤波多尺度图像分解,使用多尺度细节层重组的手段来构造增强图像。Zheng等人则通过一幅由求解一个梯度域最优化问题得到的细节图,采用二次滤波提取到相应的基础层和细节层分离结果。然而,上述图像视频增强算法更多关注的是增强效果,却忽略了算法的实时性,难以应用于小型嵌入式系统[3]。基于视频会议静止场景的特征,本文提出了一种基于运动区域检测的视频增强算法,能够在降低视频噪声的同时增强视频细节,同时能保持原视频的色彩还原度。

1 背景差分法检测变化区域

背景差分法是一种视频变化区域检测的算法。其原理是根据视频的前几帧信息提取出背景帧信息,将当前图像帧和背景帧做差分运算,得到变化区域信息[4]。根据背景差分法检测变化区域的流程如图1所示。

该算法主要分为如下几个步骤。

(1)更新背景帧信息,统计前几帧图像的灰度均值作为背景帧信息[5]。

(2)计算当前帧和背景帧的灰度值并进行差分运算,根据绝对差进行二值运算,得到初始变化区域。

(3)对初始变化区域进行闭运算,得到联通的变化区域。该步骤可以削弱视频噪声带来的影响。

图1 背景差分法检测变化区域流程

该检测算法运算量少,能够快速计算运动区域,并且对噪声有较高的容忍度。该检测算法的缺点是不适用于场景大幅变化的视频[6]。视频会议场景较为固定并且对视频的实时性要求极高,因此背景差分法满足该场景使用需求。

2 基于颜色空间的视频时域降噪

在视频增强处理过程中,视频本身存在的噪点会被放大,在增强图像对比度和纹理细节的同时会降低信噪比,导致视频质量的下降。在运动区域检测基础上进行时域滤波,能够提高图像的信噪比,有利于后续的视频增强[7]。

RGB颜色空间利用3个颜色分量的线性组合来表示颜色,任何颜色都与这3个分量有关,而且这3个分量高度相关。直接对3个分量进行时域滤波会引入色彩偏差,从而导致视频颜色异常[8]。因此首先对视频帧进行RGB到YUV的颜色空间转换。转换公式为:

3 视频增强

双边滤波基于高斯滤波的思想,在高斯滤波的基础上加上图像像素值对中心像素的影响,两者共同影响中心像素的值。双边滤波的核函数是空间域核与像素范围域核的综合结果[9]。在图像的平坦区域,像素值变化很小,对应的像素范围域权重接近于1,此时空间域权重起主要作用,相当于进行高斯模糊;在图像的边缘区域,像素值变化很大,像素范围域权重变大,从而保持了边缘的信息[10]。和其他图像滤波算法相比,双边滤波在降低图像噪声的同时具有很好的保边效果。因此根据双边滤波得到的图像细节信息,将细节信息叠加到原图像上,可以增强图像的细节,优化人体主观感受。

4 试 验

整体视频处理流程如图2所示。

图2 视频处理流程

图3中红色框内区域是由背景差分法检测出来的变化区域。图4(a)和图4(b)分别是原始视频帧和经过视频增强的视频帧。对比两图可以看出,图4(b)中的纹理细节得到了肉眼可见的增强,整个视频画面的清晰度更高。

图3 变化区域检测结果图

图4 视频增强比较图

5 结 语

针对实时性高且画面场景固定的视频会议场景,提出了一种基于变化区域检测的视频增强算法。充分利用静止区域的时域信息进行快速降噪,有效地增强视频细节信息。试验结果表明,本文算法能够快速实现图像增强,在保持色彩还原度的情况下降低信噪比,同时增强了视频的细节信息,在主观感受上提高了视频的清晰度。该方法为实时视频增强技术提供了一种新思路。

猜你喜欢
差分法滤波背景
二维粘弹性棒和板问题ADI有限差分法
“新四化”背景下汽车NVH的发展趋势
《论持久战》的写作背景
晚清外语翻译人才培养的背景
RTS平滑滤波在事后姿态确定中的应用
基于线性正则变换的 LMS 自适应滤波
基于SQMR方法的三维CSAMT有限差分法数值模拟
有限差分法模拟电梯悬挂系统横向受迫振动
基于随机加权估计的Sage自适应滤波及其在导航中的应用
三参数弹性地基梁的有限差分法