Диссертация (Методы и устройство формирования сигналов в цифровых видеоинформационных системах), страница 13

Для реализации такого процесса существуют различные методышумоподавления, каждый из которых обладает различной эффективностью,степень которой может варьироваться в зависимости от свойств и природы тогоили иного обрабатываемого изображения [50].Разработка методов шумоподавления всегда связана с рядом проблем,которые требуется преодолеть разработчикам. Причиной этих проблем являетсявысокая сложность обнаружения объектов в кадре, сохранение их границ ивнутренней текстуры.

Особенно остро эти проблемы проявляются при наличии вкадре малоконтрастных областей. Фильтр шумоподавления, использующий тотили иной метод обработки зашумленного кадра, в результате своей работыдолжен обработать изображение кадра за минимальное количество времени, приэтом использовать крайне ограниченное количество вычислительных ресурсов иоправдать ожидания разработчика по качеству получаемого результата.

В случаеобработки видео реального времени эти требования становятся крайнекритичными в реализации алгоритма шумоподавления.Стремление максимально удовлетворить вышеописанные требования кшумоподавляющимфильтрам,порождаетсоответственнонедостаткивразработанных методах шумоподавления. Так, к примеру, для ускорения процессаобработки видео, большинство алгоритмов в своей работе учитывают лишь одинвид шума - Гауссовский или белый шум [50]. Однако в реальном сигнале природашумов очень различна [51]. Так, в кадрах видео часто присутствует искажения,80вызванные действием теплового шума, при котором искажения вносятся самимэлементомформированиясигнала,импульсногошумаилиискажения,возникающие вследствие ошибок квантования [52].

Поэтому эффективностьметодов, которые не учитывают различную природу шумов, может оказаться невысокой, а при работе с малоконтрастными составляющими зачастую не могутдать нужного результата. Для того, чтобы разобраться в эффективностидоступных, в настоящее время, методов подавления шума, рассмотрим некоторыесовременные фильтры шумоподавления.В общем случае фильтры шумоподавления для видеосигналов можноразделить на фильтры, работающие в пределах одного кадра (пространственныеили внутрикадровые фильтры), фильтры, подавляющие шум, возникший, междукадрами, с течением времени (временные фильтры), и фильтры, сочетающие всебе комбинации первых двух (пространственно-временные фильтры) [51].Различие между этими видами фильтров чаще всего заключается вразмерности обрабатываемых данных.Поясним следующее, первым шагом алгоритма практически любогофильтра,работающегововременномнаправлении,являетсясозданиеизображения межкадровой разности.

Соответственно, пространственные ивременные фильтры обрабатывают изображение, описываемое двухмерныммассивом данных, поэтому для этих двух типов фильтров характерна работа сдвухмерной информацией. Однако существуют и исключения, при которыхинформация может обрабатываться в виде трехмерного массива данных.В пространственно-временных фильтрах третьей размерностью являетсявремя, т.е., условно, можно сказать, что межкадровые фильтры обрабатываютпараллельно несколько двухмерных массивов данных и учитывают корреляциюэтих данных, как в пространственном, так и во временном направлениях. Всефункции обработки, которые используются в алгоритмах данного типа фильтров,в подавляющем большинстве случаев, заимствованы из пространственныхфильтров, но обобщены или соотнесены с трехмерной размерностью.81Такимобразом,некасаясьчастностей,внутрикадровыеметодышумоподавления, можно отнести к основополагающим, т.к. в основе работыдругих методов шумоподавления лежат принципы работы внутрикадровыхметодов.По этой причине более подробно рассмотрим внутрикадровые фильтрышумоподавления, т.к.

обзор всех фильтров шумоподавления не представляетсявозможным в рамках данной диссертации.На рисунке 2.1 приведены наиболее востребованные современные фильтрышумоподавления, работающие в пределах одного кадра [53].Рисунок 2.1. Семейство современных фильтров шумоподавленияСогласно рисунку 2.1, современные фильтры шумоподавления можноразделить на: фильтры пространственной области [54-65, 72-74]; фильтры области преобразования [66-68]; фильтры на основе обучающегося словаря [69-71].822.1.1 Фильтры пространственной областиФильтры пространственной области, в свою очередь, подразделяются нафильтры, использующие алгоритмы локальной обработки и алгоритмы нелокальной обработки. Работа этих двух видов алгоритмов основана на идеирасчета средневзвешенных значений для каждого обрабатываемого пикселяизображения в силу наличия корреляции между значениями пикселей (блоковпикселей (патчей)), которая присутствует во всех естественных изображениях.В алгоритмах локальной обработки коэффициенты фильтров, которымипроизводится взвешивание соседних пикселей при фильтрации, имеют значения,величины которых зависят от пространственной удаленности взвешиваемого,соответствующим коэффициентом, пикселя от пикселя, находящегося в данныймомент в обработке [64].

Пиксель, находящийся в данный момент в обработке, –это пиксель, который получит новое значение на основе вычислительного учётазначений взвешенных пикселей, находящихся вокруг обрабатываемого пикселя.Чем дальше находится взвешиваемый пиксель, а соответственно и необходимыйкоэффициент взвешивания, тем меньшее значение будет иметь последний.В алгоритмах не локальной обработки взвешивающие коэффициентыфильтра зависят от расстояния, на которое удален целый патч, характеристикипикселейкоторогоудовлетворяютконкретнымзначениям.Интегральнооценивается такими алгоритмами не близость значений отдельных пикселей, астепень похожести структуры (содержимого) их двумерных окрестностей [53, 64].Для фильтров, основанных на первом виде алгоритма, характерна высокаяскорость работы, низкие требования к вычислительным ресурсам и невысокоекачестворезультирующегоизображениявследствиеэффектасмазывания(размывания), возникающего из-за усреднения значений пикселей на основепространственной удаленности.Для методов, основанных на втором виде алгоритма, характерна низкаяскорость работы, высокий уровень потребления вычислительных ресурсов [64] иболее высокое качество результирующего изображения, без потери большинствасоставляющих изображения.83Алгоритмы следующих фильтров построены на принципе локальнойобработки:Гауссовскийфильтр,Винеровскийфильтр,билатеральный(двунаправленный) фильтр, медианный фильтр, фильтр на основе наименьшихсредних квадратов, анизотропный фильтр, фильтр SKR и производные от негофильтры MSKR, KSPR.Среди этих фильтров, уже очень давно и наиболее часто используютГауссовскийфильтр[54].Импульснаяхарактеристикатакогофильтраформируется согласно функции Гаусса или нормальному закону распределения,который описывается формулой 2.1.1f  x e 2 x   22 2(2.1).где  – математической ожидание;  2 - дисперсия;  – среднеквадратичноеотклонение.Напрактике,приобработкеизображенияГауссовскимфильтром,используют свертку значений изображений с матрицей свертки, котораязаполнена коэффициентами по закону Гауссовского распределения.

Пример такойматрицы приведен на рисунке 2.2.0,106997 0,113109 0,1069970,113109 0,119571 0,1131090,106997 0,113109 0,106997Рисунок 2.2. Пример матрицы свертки Гауссовского фильтраСтепень фильтрации Гауссовским фильтром можно регулировать, управляяразмерностью матрицы свертки, поэтому, чем большую размерность имеетматрица, тем выше степень фильтрации. Основным недостатком, отмеченным нарисунке 2.3, является размытие изображения в результате фильтрации и,соответственно, чем выше степень фильтрации, тем больше будет размыторезультирующее изображение данного кадра.84Оригинал изображенияИзображение с шумамиОбработанное изображение с размеромОбработанное изображение с размеромматрицы свертки 3X3матрицы свертки 7X7Рисунок 2.3. Обработка изображения Гауссовским фильтромКроме Гауссовского фильтра, стоит отметить работу анизотропногофильтра [59], который был разработан с целью уменьшения эффекта размытия,возникающего при обработке Гауссовским фильтром.

Уменьшить эффект сталовозможным благодаря тому, что в анизотропном фильтре сглаживаниеизображения происходит только в направлении, ортогональном к направлению85градиента [53]. Однако, в сравнении с Гауссовским фильтром, данный фильтрявляется более требовательным к вычислительным ресурсам.Медианный фильтр [72-74] также часто используется при фильтрацииизображений.Оченьхорошоонзарекомендовалсебяприустраненииимпульсного шума типа “соль-перец”. Суть работы фильтра заключается вприсвоении всей группе пикселей значения среднего, по расположению пикселя,из этой группы, при условии что, предварительно, все пиксели группы былиупорядочены по возрастанию или убыванию.Болееэффективные,попоказателюкачествавосстанавливаемогоизображения фильтры, основанные на принципе локальной обработки, сохраняютчеткость объектов, размещенных в пространственной области изображения, засчет выявления краев границы этих объектов и осуществленияфильтрации,только, в пределах выявленных границ каждого объекта.