如何将视频去噪？

Question

视频噪声是随机的，不存在时间相关性。我想，最好的方法是在这种情况下使用小波去噪，对吗？如果是，小波去噪是如何实现的？为了将计算应用于整个图像序列，有什么需要考虑的吗？

Answer 1

关于时间解决的阐述：

我没有多少具体的信息给你，但我是从“时间反混叠”的想法。

基本上，如果相机是静止的，你可以在最后的N帧上平均像素值，可能使用调和均值或其他类似的方法来帮助滤除尖峰。结果将是一个更干净，更少噪音，更正确的图像。

但并不是所有的相机(或物体！)都是静止的，那又怎样？好吧，如果你有某种方法来识别一个像素--这个帧在以前的N个帧上匹配一个像素--你可以用同样的方式对它们进行平均值。如果当前像素没有匹配以前的像素(由于以前的遮挡变得可见)，则只显示原始的当前值。

游戏使用这个反走样模拟超采样随着时间的推移，但他们有优势的每像素运动矢量以及当前和以前的相机矩阵，所以这是一个很难在你的情况！

Answer 2

中值滤波是一种相当基本但有效的技术。对于视频，您可以通过将每个帧中每个像素的值替换为当前和N个前帧和后帧中像素(及其邻居)值的中值来应用它(空间)。

中值滤波的一个很好的特点是它保留了线性边缘(当使用时，边缘以稳定的速度移动)。然而，它确实会侵蚀尖锐的角落和狭窄的山脊(而且在时间上也会侵蚀狭窄的快速移动的特征)。当过度使用时，空间中值滤波会产生过度光滑的“塑料”外观，而过度的时间中值滤波甚至会使快速运动的小物体完全消失。(有时，这被认为是功能。)

可以通过运动跟踪和阈值检测等先进技术对中值滤波进行微调和改进，但这些技术也会带来额外的复杂性，因此，如果不小心地应用，就会增加不必要的伪影的机会。为了许多目的，一个中等大小和强度的简单中值过滤器通常是你真正需要的。

Answer 3

2009年，本文提出了一种分级比较的运动检测算法：

运动检测:用于嵌入式系统的快速鲁棒算法

他们成功地减少了噪音，正如你在最后一张纸上看到的那样。似乎是“形态后处理”删除了独立像素( 2.4节新层次化算法)。也许类似的技术可以应用于视频去噪。