隔行扫描电视新的三场信息综合去隔行算法

摘要：在分析传统运动自适应去隔行算法缺点的基础上，提出三场运动检测自适应去隔算法。该算法对缓存的三帧图像做帧间差值计算、场间插值计算和BPP值计算，将三类计算值做数学处理后和运动阈值比较，判断出运动区域，提升检出大运动区域能力，最大限度地消除背景噪声影响，同时简化了计算量，大大降低了硬件成本。

引言

　　随着信息高速公路以及互联网的发展，广播电视在全球范围内普及开来。不同时期、不同领域出现的电视信息有多种格式，如早期彩色电视的PAL、NTSC和SCREAM制式;近期数字电视的DVB(欧洲)、ATSC(美国)和ISDB(日本);以及数字电视的SDTV(标清电视)和HDTV(高清电视)等。格式多样化的存在不可避免地提出了解决电视信号格式间转换的新课题^[1-2]。

　　尽管电视信号格式种类多，但就其源头来说不同之处不外乎三方面：扫描的隔行与逐行的不同、帧频与场频的不同以及图像显示的高宽比不同^[3]。老式模拟电视采用隔行扫描系统，新式数字电视都要求逐行扫描，以提高图像的质量，获得更好的观看效果。于是就产生了将老式隔行信号去隔行的算法，并在去隔行的同时，尽可能地弥补图像动态区域的扭曲，以得到好一些的视觉效果。本文所述是一种改进的去隔行新算法。

1 运动自适应去隔行算法

　　目前业界公认的较好的去隔行算法是运动补偿或自适应算法。去隔行算法的关键环节是要找出能够正确区分图像运动部分和静止部分的检测方法，不正确的检测方法会对图像质量造成负面影响。

　　去隔行的检测方法有很多，各有优缺点。场间插值检测法是基于像素点的检测法，它能够检测出快速运动区域，不会将其误判为静止区域，但容易把静止区的垂直边缘误判为运动区域;帧间差值是另一种基本的运动检测算法，它可以正确地判断出图像当中的静止区域，但对快速运动区域的检测能力却有所不足;四场水平运动检测算法是通过缓存4帧图像，综合比较其运动差异的一种运动检测算法，其图像运动部分的边沿部分检测效果很好，但对大片运动区域检测时容易出现错误，造成大片的运动丢失，同时其算法较为复杂，占用资源多;BPP(Brightness Profile Pattern Difference)运动检测算法是用相邻帧对应像素亮度差值和BPP插值进行运动检测的算法。它其实也是缓存了四场图像，同时采用中值滤波算法进行像素级滤波，效果较好，但是对运动区域边缘检测效果不好，容易出现噪点，并且算法复杂，资源占用多。

　　针对上述运动自适应去隔行的缺点，本文提出了一种基于三场运动检测方法。该方法对场间插值和帧间差值均做了比较，既可以检测出比较快的运动，避免把运动区域误判为静止区域，同时也能够正确地判断出图像当中的静止区域，很好地避免了单独使用帧间差值法或者场间插值法带来的缺陷。在该检测方法中，还引入了BPP运动检测法，大大增加了大面积运动检测能力。同时针对处理后的结果，选择性地进行二值形态学处理，对消除背景噪声起到了很大作用。

2 三场检测去隔行算法

　　本文提出的基于三场运动检测的去隔行算法，首先是通过三场运动检测法把运动区域判断出来;然后根据三场运动检测结果，选择场内插值或者场间插值的方法，输出插入场。场交织模块把当前场和插入场进行交织，最终输出去隔行视频数据。

　　去隔行算法的具体架构见图1。隔行模拟信号CVBS或S-video输出到解码芯片后，经过解码输出BT.656格式的隔行数字信号。解码芯片外接SDRAM是为了能够对视频信号进行3D降噪和5线梳状滤波，提高输出的数字视频质量。外围电路包括电源模块和FPGA并行加载模块等，为去隔行系统的运行提供必要的支持。隔行数字信号进入FPGA内部后，分成四路，分别进入帧缓存模块、场内插值模块、场间插值模块和场交织模块。帧缓存模块内部集成了DDR2控制器，实现对DDR2的读写控制，同时缓存前场和后场，输出给三场运动检测模块。三场运动检测模块对三场数据进行检测，输出检测结果。场内插值模块对场内数据进行插值，场间插值模块运行场间插值算法。运动判决模块根据三场运动检测结果，选择场内插值或者场间插值，输出插入场。场交织模块把当前场和插入场进行交织，最终输出去隔行视频数据。

　　由图1知，这种运动自适应去隔行算法中关键点是基于三场运动检测方法。该运动检测是否正确，关系到逐行数据输出的质量。为了能正确地检测图像是否运动，我们首先缓存三场的图像数据，如图2所示，分别是fn场、fn的前场fn-1和后场fn+1。像素点X为待插值。

　　基于像素点的运动检测，通常用场间插值或帧间差值作为运动检测的输入。场间插值可以检测比较快速的运动，避免把运动区域误判为静止运动。我们先计算场间插值。

　　△f₁=|k_n-1-(i_n+j_n)/2| (1)

　　△f²=|k_n+1-(i_n+j_n)/2| (2)

　　△f₁为当前场和前场的场间插值，△f2为当前场和后场的场间插值。这两个插值均可以作为运动检测的输入值。场间插值容易把静止区域的边缘判断为运动区域，而采用帧间差值可以准确地判断图像中的静止区域。因此，我们计算这三帧图像的帧间差值△f₃。

　　△f₃=|k_n+1-k_n-1| (3)

　　考虑到大面积运动的检测方面，用BPP(Brightness Profile Pattern Difference)运动检测方法更能精确地检测。BPP运动检测方法^[4]是运用相邻帧对应像素亮度和BPP插值进行运动检测。定义△B为对应像素亮度差值，定义△P为对应像素点的BPP插值。定义BPP值P为：

　　P_iln=i_n-i_ln (4)

　　P_irn=i_n-i_rn (5)

　　则可以根据图1计算出相邻帧对应像素亮度和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)

　　从(3)式和(6)式可以看出，△f₃=△B，取其一即可。同时，因为△P为BPP插值，与△B属于不同类型，因此需要对两种不同类型的插值取加权平均数，α和β分别为其加权系数(α和β可由经验值给出)。用来判断像素点运动信息的插值定义为M_x，Max()函数为取最大值函数。

　　M_x=Max(α△f₁，α△f₂，α△B，β△P) (8)

　　求出M_x后，引入视频图像运动信息估值M_ij(P_x)，该函数是一个二值函数，对视频图像运动部分标记为1，对视频图像静止部分标记为0，M_ij(P_x)由式9决定：

(9)

　　式9中，M_th为运动检测阈值。把帧间差值和场间插值结合起来做运动检测，起到了弥补两种检测方法的缺点，对快速物体的运动和静止图像边缘都起到了非常精确的检测作用;结合BPP的检测法，对大面积的运动图像检测也增加了检测的可信度。由于相邻帧的亮度差容易受噪声影响，而BPP值对亮度非常敏感，因此需要对背景的椒盐噪声点进行进一步的处理。

　　为了消除椒盐噪声点的影响，接下来我们对M_ij(P_x)做后处理。通过上述方法处理后，M_ij(P_x)为一个二值运动图像信息。因此可以通过二值形态学^[5]的基本运算(如腐蚀或者膨胀)进行处理，但是单独进行腐蚀或膨胀运算效果并不理想，我们这里根据视频图像特有的特性调整处理方法。

　　运动点判断策略示意图如图3所示。在一个3×3的窗口内进行判断，图中白点表示静止像素点，黑点表示运动像素点，中心点是我们需要进行判断的点。具体的策略描述如下：

　　1.如果当前待判点为运动点，如图中a和b，将其相邻8个点中运动点的个数和阈值Qt_h1(这里取值为4)比较，如果大于Q_th1则为运动点，如图中a;反之为静止点，如图中b;

　　2.如果当前待判断点为静止点，如图中c和d，将其相邻8个点中运动点的个数与阈值Q_th2比较(这里取值为4)，如果大于阈值，则为运动点，如图中c;反之则为静止点，如图中d。

　　经过形态学处理后的运动检测信息在保持了正确运动检测信息的同时，很好地消除了噪声的干扰，能得到比较理想的结果。

　　在我们的生活中，一般运动图像较多出现在视频图像的中央区域，而背景图像出现在边缘比出现在中央的几率要大很多。为了减少计算的复杂程度，节省硬件资源，我们可以设定运动点判断策略应用区域。如图4所示，在图像边缘设定宽度为X，高度为Y区域为运动点判断策略采用区域，在实际运用过程中可以根据需要灵活设置X和Y的值。

3 实验结果与分析

　　本文以FPGA为核心器件搭建了电路实验平台，并采用逻辑代码实现了上述算法，从客观和主观两方面对文中的算法进行评估。客观上主要评估各个不同的去隔行算法的平均峰值信噪比PSNR和图像相关性指标SSIM^[6]。本文在搭建平台上，对去隔行后的数据进行采集，连续采样包含运动状态的视频图像2秒，对数据进行分析后得出不同去隔行方法的PSNA和SSIM值，结果如表1所示。

　　从表1中可以看出，不同去隔行算法中的PSNR值，三场运动的去隔行算法值最大，这表示本文算法的平均峰值信噪比是最好的;SSIM是根据真实的图像信息所具有的高度结构化以及相邻像素点之间所具有的强烈相关性进行计算，值越大表示相关性越好，在四种算法中，本文算法的值最大。因此，本文提出的去隔行算法比其他三种算法的PSNR和SSIM指标均略胜一筹。

4 结语

　　本文提出了一种基于三场运动检测方法，对场间插值和帧间差值均做了比较，既可以检测出比较快速的运动，避免把运动的区域误判断为静止区域，同时也能够正确地判断出图像当中的静止区域，最大限度地避免了单独使用帧间插值法或者场间插值法带来的缺陷。在该运动检测方法中，还引入了BPP运动检测法，增加了大面积运动检测的能力。同时针对处理后的结果，选择性地进行二值形态学处理，对消除背景噪声起到了很大作用。该种运动检测方法只需要缓存三场数据，通过一块FPGA和外挂DDR即可实现，不仅具备检测速度快的优点而且性价比高，非常适合商业运用。

参考文献：

　　[1]李宝魁，姚素英，张涛,视频格式转换芯片中的去隔行系统设计[J]. 电视技术, 2005, 281(11): 35-37

　　[2]郑永进，吴遁陵, 视频格式转换资源最小FPGA解决方案[J]. 电子器件, 2007，30(2): 679-682

　　[3]高晨明，李斌桥，姚素英, 视频格式转换芯片研究[J]. 电视技术, 2006, 281(11): 30-32

　　[4]胡太平，史忠科, 基于视频的快速运动检测方法及其应用研究[J]. 计算机应用研究, 2005,22(12): 145-146

　　[5]谷学静, 李宗辉, 基于数学二值形态学的车牌定位与字符分割[J]. 河北联合大学学报：自然科学版, 2013,35(2): 85-89

　　[6]佟雨兵，张其善，祁云平，基于PSNR与SSIM 联合的图像质量评价模型[J]. 中国图像图形学报, 2006, 12(11): 1758-1763

本文来源于中国科技期刊《电子产品世界》2016年第4期第37页，欢迎您写论文时引用，并注明出处。