基于中值濾波與邊緣插值的視頻去隔行算法

趙娜娜，王向文，劉順蘭

(杭州電子科技大學(xué)通信工程學(xué)院，浙江杭州310018)

0 引言

去隔行是實(shí)現(xiàn)視頻信號(hào)從隔行到逐行掃描格式轉(zhuǎn)換的關(guān)鍵技術(shù)，其實(shí)質(zhì)是對(duì)隔行電視信號(hào)進(jìn)行插補(bǔ)，重建奇偶場(chǎng)中缺少的行信息，將場(chǎng)圖像還原成幀圖像，目的是消除隔行掃描中的行間閃爍、行蠕動(dòng)、并行及鋸齒化等固有缺陷［1，2］。場(chǎng)平均是一種簡(jiǎn)單的線性去隔行算法，利用上下行相鄰象素的均值代替待插象素值，其優(yōu)點(diǎn)是結(jié)構(gòu)簡(jiǎn)單，但當(dāng)圖像中存在運(yùn)動(dòng)時(shí)，會(huì)導(dǎo)致嚴(yán)重的鋸齒現(xiàn)象［3］;基于邊緣的行平均算法(Edge-based Line Average，ELA)根據(jù)邊緣進(jìn)行插值，但僅能檢測(cè)到 45°、90°、135°邊緣，對(duì)小角度邊緣無能為力［3］;運(yùn)動(dòng)自適應(yīng)算法包括運(yùn)動(dòng)檢測(cè)和插值兩步，常用的4場(chǎng)運(yùn)動(dòng)檢測(cè)由于檢測(cè)的不準(zhǔn)確性，根據(jù)運(yùn)動(dòng)檢測(cè)結(jié)果會(huì)引入插值錯(cuò)誤，從而產(chǎn)生運(yùn)動(dòng)虛像［4，5］。本文提出了基于中值濾波與邊緣插值的視頻去隔行算法，即利用改進(jìn)的運(yùn)動(dòng)檢測(cè)算法精確地檢測(cè)出象素的運(yùn)動(dòng)狀態(tài)，根據(jù)檢測(cè)結(jié)果結(jié)合場(chǎng)復(fù)制、三點(diǎn)中值濾波算法、改進(jìn)的基于邊緣的行平均算法(NEW Edge-based Line Average，NEW ELA)可有效地避免運(yùn)動(dòng)虛像的產(chǎn)生，明顯改善插值效果。

1 改進(jìn)的運(yùn)動(dòng)檢測(cè)

視頻信號(hào)按奇偶場(chǎng)的次序依次傳輸，每隔一場(chǎng)極性相同［3］。傳統(tǒng)的4場(chǎng)運(yùn)動(dòng)檢測(cè)將2組同極性場(chǎng)的檢測(cè)結(jié)果進(jìn)行疊加，減少運(yùn)動(dòng)檢測(cè)的錯(cuò)誤概率，去隔行后的圖像質(zhì)量也得到一定的改善。但是，4場(chǎng)運(yùn)動(dòng)檢測(cè)不能解決去隔行之后的運(yùn)動(dòng)虛像。物體運(yùn)動(dòng)過快尤其是有垂直跳躍運(yùn)動(dòng)的物體時(shí)容易產(chǎn)生運(yùn)動(dòng)虛像。為了解決此問題，本文利用了改進(jìn)的4場(chǎng)運(yùn)動(dòng)檢測(cè)方法，將象素的運(yùn)動(dòng)狀況分為3種:靜止、運(yùn)動(dòng)以及無法確定。此運(yùn)動(dòng)檢測(cè)方法的框架如圖1所示，圖1中n表示當(dāng)前場(chǎng)，n+1表示后一場(chǎng)，n－1、n－2分別表示前一場(chǎng)和前兩場(chǎng)，X是要插入的象素值，A、B、C、D、E、F、G、H都是存在的象素值。

圖1 改進(jìn)的運(yùn)動(dòng)檢測(cè)框圖

改進(jìn)的4場(chǎng)運(yùn)動(dòng)檢測(cè)的算法是:

其中，th1，th2，th3 都是預(yù)先設(shè)定的閾值，d=max(d1，d2，d3)，d1=abs(C －D)，d2=abs(E － F)，d3=abs(A－B)，d4=abs(D－G)，d5=abs(F－H)，d6=(d4+d5)/2，此算法增加了d6可以更加精確的判定象素的運(yùn)動(dòng)狀況，從而有效的消除虛像問題。

2 基于中值濾波與邊緣插值的視頻去隔行算法

改進(jìn)的運(yùn)動(dòng)檢測(cè)算法將待插值象素的運(yùn)動(dòng)狀態(tài)分為3類:靜止、運(yùn)動(dòng)、不確定狀態(tài)，在去隔行插值過程中，分別對(duì)這3種情況采用不同的插值算法，以得到好的去隔行逐行圖像。本文提出的基于中值濾波與邊緣插值的視頻去隔行算法，對(duì)靜止象素利用場(chǎng)重復(fù)的插值算法，對(duì)運(yùn)動(dòng)象素采用三點(diǎn)中值濾波算法，對(duì)不確定狀態(tài)的象素采用NEW ELA算法。

2.1 三點(diǎn)中值濾波

中值濾波算法是一種隱含的非線性自適應(yīng)算法［3］。這種算法引入了時(shí)域插值和空域插值，時(shí)域插值和空域插值分別適用于靜止圖像和運(yùn)動(dòng)圖像，可以對(duì)每一個(gè)象素自動(dòng)進(jìn)行場(chǎng)內(nèi)/場(chǎng)間的插值轉(zhuǎn)換，這是中值濾波算法的優(yōu)點(diǎn)。三點(diǎn)中值濾波如圖2所示，用公式表示如下:

2.2 改進(jìn)的基于邊緣的行平均算法

基于邊緣的去隔行算法，可以保留圖像的邊緣細(xì)節(jié)，降低低通濾波造成的垂直和水平方向上的模糊效應(yīng)。改進(jìn)的基于邊緣的行平均算法在ELA的基礎(chǔ)上將邊緣擴(kuò)展為5點(diǎn)，可檢測(cè)到更小的邊緣，然后將邊緣插值結(jié)果與垂直相鄰行象素進(jìn)行中值濾波，得到更準(zhǔn)確的邊緣插值結(jié)果。插值圖如圖3所示，X為要插入的象素值，X由下兩式確定。

式中，A、B、C、D、E、F、G、H、I是已存在的象素值，XG=(G+J)/2，XA=(A+F)/2，XB=(B+E)/2，XC=(C+D)/2，XH=(H+I)/2分別對(duì)應(yīng)各個(gè)方向上的均值。

圖2 三點(diǎn)中值濾波框圖

圖3 邊緣插值框圖

3 仿真結(jié)果

本文用峰值信噪比(Peak Signal to Noise Ratio，PSNR)和結(jié)構(gòu)相似度(Structural Similarity，SSIM)衡量去隔行算法的性能。PSNR定義為:

SSIM是根據(jù)真實(shí)的圖像信號(hào)所具有的高度結(jié)構(gòu)化以及鄰近象素點(diǎn)之間所具有的強(qiáng)烈相關(guān)性，提出的一種與主觀評(píng)價(jià)有較好的相關(guān)性的測(cè)度標(biāo)準(zhǔn)［1］。定義為:

式中，X為原始圖像，Y為去隔行之后的逐行圖像，μx分別為原始圖像的平均亮度和方差，μy、分別為去隔行得到逐行圖像的平均亮度和方差，C和C是為了保證分母不為零而設(shè)置的常量。0≤12SSIM(X，Y)≤1，SSIM(X，Y)越接近于1，去隔行之后的逐行圖像質(zhì)量越好。

本文僅將有大面積運(yùn)動(dòng)的flowergarden圖像的仿真數(shù)據(jù)如表1所示，并與其他算法進(jìn)行比較。帶運(yùn)動(dòng)檢測(cè)的三點(diǎn)中值算法首先用4場(chǎng)運(yùn)動(dòng)檢測(cè)算法進(jìn)行運(yùn)動(dòng)檢測(cè)，然后對(duì)運(yùn)動(dòng)象素采用三點(diǎn)中值插值、對(duì)靜止象素采用場(chǎng)復(fù)制插值，其他算法在前文中已有介紹。從表1可以看出本文算法比其他算法有更高的PSNR值，在SSIM相差很小的情況下，比傳統(tǒng)運(yùn)動(dòng)檢測(cè)的三點(diǎn)中值的PSNR高，得到的重建圖像質(zhì)量更好。

根據(jù)本文算法重建的圖像仿真結(jié)果如圖4所示。從圖4中可以看出，本文算法得到的重建圖像有效地去除了隔行掃描帶來的缺點(diǎn)，對(duì)水平、垂直以及斜線邊緣保護(hù)也較好。

表1 本文算法與其他算法的PSNR和SSIM比較

圖4 本文的原始圖像和去隔行圖像

4 結(jié)束語

本文利用改進(jìn)的運(yùn)動(dòng)檢測(cè)算法，有效地提高了運(yùn)動(dòng)檢測(cè)的性能。本文提出的基于中值濾波與邊緣插值的視頻去隔行算法分別對(duì)靜止象素采用場(chǎng)復(fù)制，運(yùn)動(dòng)象素采用三點(diǎn)中值濾波以及不確定的運(yùn)動(dòng)狀態(tài)采用改進(jìn)的基于邊緣的行平均算法，有效地保護(hù)了垂直、斜線以及水平邊緣。PSNR、SSIM兩個(gè)評(píng)價(jià)準(zhǔn)則和仿真結(jié)果都表明本文的算法有效提高了去隔行的性能。

［1］ 高文，趙德斌，馬思偉.數(shù)字視頻編碼技術(shù)原理［M］.北京:科學(xué)出版社，2010:32－34.

［2］ 丁勇，陸生禮，時(shí)龍興.時(shí)空權(quán)重和邊緣自適應(yīng)去隔行［J］.計(jì)算機(jī)學(xué)報(bào)，2007，30(4):655－657.

［3］ HannG D，Bellers E B.Deinterlacing-an overview［J］.Proceedings of the IEEE，1998，86(9):1 839 －1 857.

［4］ JangSeung-Min，Park Ju-Hyun，Hoog Sung-Hoon.Deinterlacing method based on edge direction refinement using weighted maximum frequent filter［C］.Kuala Lumpur:Signal and Image Processing Applications，2009:227 － 230.

［5］ He Zheng-Gong，Hao-Chia，F(xiàn)an Chih-Peng.Motion adaptive de-interlacing algorithm with edge-based low complexity interpolation method［C］.Singapore:TENCON 2009 －2009IEEE Region 10 Confernce，2010:1 －5.