隔行掃描電視新的三場信息綜合去隔行算法

摘要：在分析傳統運動自適應去隔行算法缺點的基礎上，提出三場運動檢測自適應去隔算法。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，將三類計算值做數學處理后和運動閾值比較，判斷出運動區域，提升檢出大運動區域能力，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網的發展，廣播電視在全球范圍內普及開來。不同時期、不同領域出現的電視信息有多種格式，如早期彩色電視的PAL、NTSC和SCREAM制式;近期數字電視的DVB(歐洲)、ATSC(美國)和ISDB(日本);以及數字電視的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，新式數字電視都要求逐行掃描，以提高圖像的質量，獲得更好的觀看效果。于是就產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區域的扭曲，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 運動自適應去隔行算法

　　目前業界公認的較好的去隔行算法是運動補償或自適應算法。去隔行算法的關鍵環節是要找出能夠正確區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量造成負面影響。

　　去隔行的檢測方法有很多，各有優缺點。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域，不會將其誤判為靜止區域，但容易把靜止區的垂直邊緣誤判為運動區域;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域，但對快速運動區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，但對大片運動區域檢測時容易出現錯誤，造成大片的運動丟失，同時其算法較為復雜，占用資源多;BPP(Brightness Profile Pattern Difference)運動檢測算法是用相鄰幀對應像素亮度差值和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，但是對運動區域邊緣檢測效果不好，容易出現噪點，并且算法復雜，資源占用多。

　　針對上述運動自適應去隔行的缺點，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，避免把運動區域誤判為靜止區域，同時也能夠正確地判斷出圖像當中的靜止區域，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果，選擇性地進行二值形態學處理，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域判斷出來;然后根據三場運動檢測結果，選擇場內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據。

　　去隔行算法的具體架構見圖1。隔行模擬信號CVBS或S-video輸出到解碼芯片后，經過解碼輸出BT.656格式的隔行數字信號。解碼芯片外接SDRAM是為了能夠對視頻信號進行3D降噪和5線梳狀濾波，提高輸出的數字視頻質量。外圍電路包括電源模塊和FPGA并行加載模塊等，為去隔行系統的運行提供必要的支持。隔行數字信號進入FPGA內部后，分成四路，分別進入幀緩存模塊、場內插值模塊、場間插值模塊和場交織模塊。幀緩存模塊內部集成了DDR2控制器，實現對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據進行檢測，輸出檢測結果。場內插值模塊對場內數據進行插值，場間插值模塊運行場間插值算法。運動判決模塊根據三場運動檢測結果，選擇場內插值或者場間插值，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據。

　　由圖1知，這種運動自適應去隔行算法中關鍵點是基于三場運動檢測方法。該運動檢測是否正確，關系到逐行數據輸出的質量。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據，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域的邊緣判斷為運動區域，而采用幀間差值可以準確地判斷圖像中的靜止區域。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]是運用相鄰幀對應像素亮度和BPP插值進行運動檢測。定義△B為對應像素亮度差值，定義△P為對應像素點的BPP插值。定義BPP值P為：

　　P_iln=i_n-i_ln (4)

　　P_irn=i_n-i_rn (5)

　　則可以根據圖1計算出相鄰幀對應像素亮度和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平均數，α和β分別為其加權系數(α和β可由經驗值給出)。用來判斷像素點運動信息的插值定義為M_x，Max()函數為取最大值函數。

　　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)，該函數是一個二值函數，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學^[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，我們這里根據視頻圖像特有的特性調整處理方法。

　　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。

　　經過形態學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果。

　　在我們的生活中，一般運動圖像較多出現在視頻圖像的中央區域，而背景圖像出現在邊緣比出現在中央的幾率要大很多。為了減少計算的復雜程度，節省硬件資源，我們可以設定運動點判斷策略應用區域。如圖4所示，在圖像邊緣設定寬度為X，高度為Y區域為運動點判斷策略采用區域，在實際運用過程中可以根據需要靈活設置X和Y的值。

3 實驗結果與分析

　　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和圖像相關性指標SSIM^[6]。本文在搭建平臺上，對去隔行后的數據進行采集，連續采樣包含運動狀態的視頻圖像2秒，對數據進行分析后得出不同去隔行方法的PSNA和SSIM值，結果如表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是根據真實的圖像信息所具有的高度結構化以及相鄰像素點之間所具有的強烈相關性進行計算，值越大表示相關性越好，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，避免把運動的區域誤判斷為靜止區域，同時也能夠正確地判斷出圖像當中的靜止區域，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果，選擇性地進行二值形態學處理，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據，通過一塊FPGA和外掛DDR即可實現，不僅具備檢測速度快的優點而且性價比高，非常適合商業運用。

參考文獻：

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

　　[2]鄭永進，吳遁陵, 視頻格式轉換資源最小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, 視頻格式轉換芯片研究[J]. 電視技術, 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用研究[J]. 計算機應用研究, 2005,22(12): 145-146

　　[5]谷學靜, 李宗輝, 基于數學二值形態學的車牌定位與字符分割[J]. 河北聯合大學學報：自然科學版, 2013,35(2): 85-89

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

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