摘要：在分析傳統(tǒng)運動自適應(yīng)去隔行算法缺點的基礎(chǔ)上，提出三場運動檢測自適應(yīng)去隔算法。該算法對緩存的三幀圖像做幀間差值計算、場間插值計算和BPP值計算，將三類計算值做數(shù)學(xué)處理后和運動閾值比較，判斷出運動區(qū)域，提升檢出大運動區(qū)域能力，最大限度地消除背景噪聲影響，同時簡化了計算量，大大降低了硬件成本。

引言

　　隨著信息高速公路以及互聯(lián)網(wǎng)的發(fā)展，廣播電視在全球范圍內(nèi)普及開來。不同時期、不同領(lǐng)域出現(xiàn)的電視信息有多種格式，如早期彩色電視的PAL、NTSC和SCREAM制式;近期數(shù)字電視的DVB(歐洲)、ATSC(美國)和ISDB(日本);以及數(shù)字電視的SDTV(標清電視)和HDTV(高清電視)等。格式多樣化的存在不可避免地提出了解決電視信號格式間轉(zhuǎn)換的新課題^[1-2]。

　　盡管電視信號格式種類多，但就其源頭來說不同之處不外乎三方面：掃描的隔行與逐行的不同、幀頻與場頻的不同以及圖像顯示的高寬比不同^[3]。老式模擬電視采用隔行掃描系統(tǒng)，新式數(shù)字電視都要求逐行掃描，以提高圖像的質(zhì)量，獲得更好的觀看效果。于是就產(chǎn)生了將老式隔行信號去隔行的算法，并在去隔行的同時，盡可能地彌補圖像動態(tài)區(qū)域的扭曲，以得到好一些的視覺效果。本文所述是一種改進的去隔行新算法。

1 運動自適應(yīng)去隔行算法

　　目前業(yè)界公認的較好的去隔行算法是運動補償或自適應(yīng)算法。去隔行算法的關(guān)鍵環(huán)節(jié)是要找出能夠正確區(qū)分圖像運動部分和靜止部分的檢測方法，不正確的檢測方法會對圖像質(zhì)量造成負面影響。

　　去隔行的檢測方法有很多，各有優(yōu)缺點。場間插值檢測法是基于像素點的檢測法，它能夠檢測出快速運動區(qū)域，不會將其誤判為靜止區(qū)域，但容易把靜止區(qū)的垂直邊緣誤判為運動區(qū)域;幀間差值是另一種基本的運動檢測算法，它可以正確地判斷出圖像當中的靜止區(qū)域，但對快速運動區(qū)域的檢測能力卻有所不足;四場水平運動檢測算法是通過緩存4幀圖像，綜合比較其運動差異的一種運動檢測算法，其圖像運動部分的邊沿部分檢測效果很好，但對大片運動區(qū)域檢測時容易出現(xiàn)錯誤，造成大片的運動丟失，同時其算法較為復(fù)雜，占用資源多;BPP(Brightness Profile Pattern Difference)運動檢測算法是用相鄰幀對應(yīng)像素亮度差值和BPP插值進行運動檢測的算法。它其實也是緩存了四場圖像，同時采用中值濾波算法進行像素級濾波，效果較好，但是對運動區(qū)域邊緣檢測效果不好，容易出現(xiàn)噪點，并且算法復(fù)雜，資源占用多。

　　針對上述運動自適應(yīng)去隔行的缺點，本文提出了一種基于三場運動檢測方法。該方法對場間插值和幀間差值均做了比較，既可以檢測出比較快的運動，避免把運動區(qū)域誤判為靜止區(qū)域，同時也能夠正確地判斷出圖像當中的靜止區(qū)域，很好地避免了單獨使用幀間差值法或者場間插值法帶來的缺陷。在該檢測方法中，還引入了BPP運動檢測法，大大增加了大面積運動檢測能力。同時針對處理后的結(jié)果，選擇性地進行二值形態(tài)學(xué)處理，對消除背景噪聲起到了很大作用。

2 三場檢測去隔行算法

　　本文提出的基于三場運動檢測的去隔行算法，首先是通過三場運動檢測法把運動區(qū)域判斷出來;然后根據(jù)三場運動檢測結(jié)果，選擇場內(nèi)插值或者場間插值的方法，輸出插入場。場交織模塊把當前場和插入場進行交織，最終輸出去隔行視頻數(shù)據(jù)。

　　去隔行算法的具體架構(gòu)見圖1。隔行模擬信號CVBS或S-video輸出到解碼芯片后，經(jīng)過解碼輸出BT.656格式的隔行數(shù)字信號。解碼芯片外接SDRAM是為了能夠?qū)?a class="contentlabel" href="http://cafeforensic.com/news/listbylabel/label/視頻">視頻信號進行3D降噪和5線梳狀濾波，提高輸出的數(shù)字視頻質(zhì)量。外圍電路包括電源模塊和FPGA并行加載模塊等，為去隔行系統(tǒng)的運行提供必要的支持。隔行數(shù)字信號進入FPGA內(nèi)部后，分成四路，分別進入幀緩存模塊、場內(nèi)插值模塊、場間插值模塊和場交織模塊。幀緩存模塊內(nèi)部集成了DDR2控制器，實現(xiàn)對DDR2的讀寫控制，同時緩存前場和后場，輸出給三場運動檢測模塊。三場運動檢測模塊對三場數(shù)據(jù)進行檢測，輸出檢測結(jié)果。場內(nèi)插值模塊對場內(nèi)數(shù)據(jù)進行插值，場間插值模塊運行場間插值算法。運動判決模塊根據(jù)三場運動檢測結(jié)果，選擇場內(nèi)插值或者場間插值，輸出插入場。場交織模塊把當前場和插入場進行交織，最終輸出去隔行視頻數(shù)據(jù)。

　　由圖1知，這種運動自適應(yīng)去隔行算法中關(guān)鍵點是基于三場運動檢測方法。該運動檢測是否正確，關(guān)系到逐行數(shù)據(jù)輸出的質(zhì)量。為了能正確地檢測圖像是否運動，我們首先緩存三場的圖像數(shù)據(jù)，如圖2所示，分別是fn場、fn的前場fn-1和后場fn+1。像素點X為待插值。

　　基于像素點的運動檢測，通常用場間插值或幀間差值作為運動檢測的輸入。場間插值可以檢測比較快速的運動，避免把運動區(qū)域誤判為靜止運動。我們先計算場間插值。

　　△f₁=|k_n-1-(i_n+j_n)/2| (1)

　　△f²=|k_n+1-(i_n+j_n)/2| (2)

　　△f₁為當前場和前場的場間插值，△f2為當前場和后場的場間插值。這兩個插值均可以作為運動檢測的輸入值。場間插值容易把靜止區(qū)域的邊緣判斷為運動區(qū)域，而采用幀間差值可以準確地判斷圖像中的靜止區(qū)域。因此，我們計算這三幀圖像的幀間差值△f₃。

　　△f₃=|k_n+1-k_n-1| (3)

　　考慮到大面積運動的檢測方面，用BPP(Brightness Profile Pattern Difference)運動檢測方法更能精確地檢測。BPP運動檢測方法^[4]是運用相鄰幀對應(yīng)像素亮度和BPP插值進行運動檢測。定義△B為對應(yīng)像素亮度差值，定義△P為對應(yīng)像素點的BPP插值。定義BPP值P為：

　　P_iln=i_n-i_ln (4)

　　P_irn=i_n-i_rn (5)

　　則可以根據(jù)圖1計算出相鄰幀對應(yīng)像素亮度和BPP插值。

　　△B=|k_n+1-k_n-1| (6)

　　△P=|P_kln-1-P_kln+1|+|P_krn-1-P_krn+1| (7)

　　從(3)式和(6)式可以看出，△f₃=△B，取其一即可。同時，因為△P為BPP插值，與△B屬于不同類型，因此需要對兩種不同類型的插值取加權(quán)平均數(shù)，α和β分別為其加權(quán)系數(shù)(α和β可由經(jīng)驗值給出)。用來判斷像素點運動信息的插值定義為M_x，Max()函數(shù)為取最大值函數(shù)。

　　M_x=Max(α△f₁，α△f₂，α△B，β△P) (8)

　　求出M_x后，引入視頻圖像運動信息估值M_ij(P_x)，該函數(shù)是一個二值函數(shù)，對視頻圖像運動部分標記為1，對視頻圖像靜止部分標記為0，M_ij(P_x)由式9決定：

(9)

　　式9中，M_th為運動檢測閾值。把幀間差值和場間插值結(jié)合起來做運動檢測，起到了彌補兩種檢測方法的缺點，對快速物體的運動和靜止圖像邊緣都起到了非常精確的檢測作用;結(jié)合BPP的檢測法，對大面積的運動圖像檢測也增加了檢測的可信度。由于相鄰幀的亮度差容易受噪聲影響，而BPP值對亮度非常敏感，因此需要對背景的椒鹽噪聲點進行進一步的處理。

　　為了消除椒鹽噪聲點的影響，接下來我們對M_ij(P_x)做后處理。通過上述方法處理后，M_ij(P_x)為一個二值運動圖像信息。因此可以通過二值形態(tài)學(xué)^[5]的基本運算(如腐蝕或者膨脹)進行處理，但是單獨進行腐蝕或膨脹運算效果并不理想，我們這里根據(jù)視頻圖像特有的特性調(diào)整處理方法。

　　運動點判斷策略示意圖如圖3所示。在一個3×3的窗口內(nèi)進行判斷，圖中白點表示靜止像素點，黑點表示運動像素點，中心點是我們需要進行判斷的點。具體的策略描述如下：

　　1.如果當前待判點為運動點，如圖中a和b，將其相鄰8個點中運動點的個數(shù)和閾值Qt_h1(這里取值為4)比較，如果大于Q_th1則為運動點，如圖中a;反之為靜止點，如圖中b;

　　2.如果當前待判斷點為靜止點，如圖中c和d，將其相鄰8個點中運動點的個數(shù)與閾值Q_th2比較(這里取值為4)，如果大于閾值，則為運動點，如圖中c;反之則為靜止點，如圖中d。

　　經(jīng)過形態(tài)學(xué)處理后的運動檢測信息在保持了正確運動檢測信息的同時，很好地消除了噪聲的干擾，能得到比較理想的結(jié)果。

　　在我們的生活中，一般運動圖像較多出現(xiàn)在視頻圖像的中央?yún)^(qū)域，而背景圖像出現(xiàn)在邊緣比出現(xiàn)在中央的幾率要大很多。為了減少計算的復(fù)雜程度，節(jié)省硬件資源，我們可以設(shè)定運動點判斷策略應(yīng)用區(qū)域。如圖4所示，在圖像邊緣設(shè)定寬度為X，高度為Y區(qū)域為運動點判斷策略采用區(qū)域，在實際運用過程中可以根據(jù)需要靈活設(shè)置X和Y的值。

3 實驗結(jié)果與分析

　　本文以FPGA為核心器件搭建了電路實驗平臺，并采用邏輯代碼實現(xiàn)了上述算法，從客觀和主觀兩方面對文中的算法進行評估?？陀^上主要評估各個不同的去隔行算法的平均峰值信噪比PSNR和圖像相關(guān)性指標SSIM^[6]。本文在搭建平臺上，對去隔行后的數(shù)據(jù)進行采集，連續(xù)采樣包含運動狀態(tài)的視頻圖像2秒，對數(shù)據(jù)進行分析后得出不同去隔行方法的PSNA和SSIM值，結(jié)果如表1所示。

　　從表1中可以看出，不同去隔行算法中的PSNR值，三場運動的去隔行算法值最大，這表示本文算法的平均峰值信噪比是最好的;SSIM是根據(jù)真實的圖像信息所具有的高度結(jié)構(gòu)化以及相鄰像素點之間所具有的強烈相關(guān)性進行計算，值越大表示相關(guān)性越好，在四種算法中，本文算法的值最大。因此，本文提出的去隔行算法比其他三種算法的PSNR和SSIM指標均略勝一籌。

4 結(jié)語

　　本文提出了一種基于三場運動檢測方法，對場間插值和幀間差值均做了比較，既可以檢測出比較快速的運動，避免把運動的區(qū)域誤判斷為靜止區(qū)域，同時也能夠正確地判斷出圖像當中的靜止區(qū)域，最大限度地避免了單獨使用幀間插值法或者場間插值法帶來的缺陷。在該運動檢測方法中，還引入了BPP運動檢測法，增加了大面積運動檢測的能力。同時針對處理后的結(jié)果，選擇性地進行二值形態(tài)學(xué)處理，對消除背景噪聲起到了很大作用。該種運動檢測方法只需要緩存三場數(shù)據(jù)，通過一塊FPGA和外掛DDR即可實現(xiàn)，不僅具備檢測速度快的優(yōu)點而且性價比高，非常適合商業(yè)運用。

參考文獻：

　　[1]李寶魁，姚素英，張濤,視頻格式轉(zhuǎn)換芯片中的去隔行系統(tǒng)設(shè)計[J]. 電視技術(shù), 2005, 281(11): 35-37

　　[2]鄭永進，吳遁陵, 視頻格式轉(zhuǎn)換資源最小FPGA解決方案[J]. 電子器件, 2007，30(2): 679-682

　　[3]高晨明，李斌橋，姚素英, 視頻格式轉(zhuǎn)換芯片研究[J]. 電視技術(shù), 2006, 281(11): 30-32

　　[4]胡太平，史忠科, 基于視頻的快速運動檢測方法及其應(yīng)用研究[J]. 計算機應(yīng)用研究, 2005,22(12): 145-146

　　[5]谷學(xué)靜, 李宗輝, 基于數(shù)學(xué)二值形態(tài)學(xué)的車牌定位與字符分割[J]. 河北聯(lián)合大學(xué)學(xué)報：自然科學(xué)版, 2013,35(2): 85-89

　　[6]佟雨兵，張其善，祁云平，基于PSNR與SSIM 聯(lián)合的圖像質(zhì)量評價模型[J]. 中國圖像圖形學(xué)報, 2006, 12(11): 1758-1763

本文來源于中國科技期刊《電子產(chǎn)品世界》2016年第4期第37頁，歡迎您寫論文時引用，并注明出處。