CN1293745C - 数字化电视后处理技术的视频图像自适应细节增强方法 - Google Patents

Abstract

本发明涉及一种数字化电视后处理技术的视频图像自适应细节增强的方法，包括基于场景变化检测的细节增强参数确定、符合人眼视觉特性的细节增强和基于图像内容的细节增强参数估计三个步骤。基于人眼视觉特性的细节增强和基于图像内容的细节增强参数估计能准确提取出图像中的细节信息，并具有很好的抑制噪声能力与稳定性，可以根据图像内容准确实时地选择增强范围，调节增强幅度，很好地解决了过渡不自然等问题，提高了图像的层次感、真实感与清晰度。本发明在方法的实现上充分考虑硬件的实现因素，所有运算都只涉及运算速度最快的加、减法及移位操作，所以使得该方法具有实时、高效的特点。

Description

数字化电视后处理技术的视频图像自适应细节增强方法

技术领域

本发明属于数字化电视视频图像处理技术领域，特别涉及一种基于人眼视觉特性的视频图像自适应细节增强方法。

背景技术

视频图像增强在高清晰度数字电视发展中越来越显现出其重要性，其中图像的细节形状或大小对图像的视觉效果(清晰度、层次感、真实感)起很重要的作用。细节增强中关键的问题在于能否准确检测细节与确定适当的增强幅度。已有用模拟电路进行细节增强的方法，但模拟电路实现麻烦且对噪声敏感，难以进行最佳调整；还有根据给定象素空间八邻域局部信息确定控制参数来增强图像清晰度的方法，但是这种方法没有考虑图像的全局信息，容易引起图像“过渡不自然”。如在参考文献【1】(FabrizioRusso，“An image enhancement technique combining sharpening andnoise reduction”IEEE trans.Instrument and Measurement，vol.51，NO.4，August2002，pp.824-828.)中给出了一种可以同时进行噪声滤除与细节增强的滤波器，这种滤波器对图像中的各点进行了方向梯度变换，很好地抑制了噪声，提高了方法的稳定性，但是没有考虑人眼在不同亮度下对亮度变化的敏感度变化，也没有考虑图像的全局特性，也存在过渡不自然的问题。

发明内容

针对上述现有技术存在的缺陷和不足，本发明的目的在于提供一种基于人眼视觉特性的、根据图像内容自动选择增强细节范围和增强幅度的、便于硬件实现的、简单有效和过渡自然的自适应视频图像细节增强方法。

为了实现上述目的，本发明数字化电视后处理技术的视频图像自适应细节增强方法，其特征在于：包括基于场景变化检测的细节增强参数确定、符合人眼视觉特性的细节增强、基于图像内容的细节增强参数估计三个步骤，具体实现如下：

步骤1：所述基于场景变化检测的细节增强参数确定是指利用视频信号连续的特点，通过前一帧图像信息与当前帧图像信息检测场景是否变化，确定当前帧细节增强时采用的参数，包括细节增强范围参数A与细节增强幅度参数N；

步骤2：所述符合人眼视觉特性的细节增强是指利用步骤1确定的参数A、N，同时引入防止过增强的限幅参数，考虑人眼在不同背景亮度下对亮度变化的敏感度变化，对当前帧进行细节增强；

步骤3：所述基于图像内容的细节增强参数估计是指利用视频信号连续的特点，通过当前帧图像信息估计下一帧图像细节增强时采用的参数，包括细节增强范围估计值TAⁿ与细节增强幅度估计值TNⁿ。

步骤1.1：利用前后两帧(当前帧和前一帧，其时空分布形式如图2)图像信息判断出场景变化与否；并定义当前帧邻域方向梯度变化f(x_i，j，x_m，n，sigma)(见图7)：

$f(x_{i,j},x_{m,n},\mathrm{sigma})=\left\{\begin{array}{c}{x}_{i,j}-x_{m,n},\mathrm{if}(x_{i,j}-x_{m,n})>3\&times;\mathrm{sigma\; or}(x_{i,j}-x_{m,n})<-3\&times;\mathrm{sigma}\\ (3\&divide;2)\&times;(x_{i,j}-x_{m,n}-\mathrm{sigma}),\mathrm{if}(x_{i,j}-x_{m,n})\&le;3\&times;\mathrm{sigma\; and}(x_{i,j}-x_{m,n})\&GreaterEqual;\mathrm{sigma}\\ (3\&divide;2)\&times;(x_{i,j}-x_{m,n}+\mathrm{sigma}),\mathrm{if}(x_{i,j}-x_{m,n})\&GreaterEqual;-3\&times;\mathrm{sigma\; and}(x_{i,j}-x_{m,n})\&le;-\mathrm{sigma}\\ 0,\mathrm{others}\end{array}\right.$ 1式

其中sigma为细节指数；(i，j)表示当前点坐标；(m，n)：表示当前点为中心的八邻域D中的任一点坐标(如图4)；x_i，j：表示(i，j)点的输入亮度值；x_m，n：表示(m，n)点的输入亮度值；

步骤1.2：根据步骤1.1判断结果，确定当前帧细节增强时采用的参数A和N(见图3)；若场景没有发生变化，则A＝TA^n-1即前一帧细节增强范围估计值，N＝TN^n-1即前一帧细节增强幅度估计值；否则，A＝A₀即细节增强范围默认值，N＝N₀即细节增强幅度默认值。

步骤2.1：对八邻域D(如图6)中任一点，将1式中的细节指数sigma取为参数A，定义增强方向梯度f(x_i，j，x_m，n，A)：

$f(x_{i,j},x_{m,n},A)=\left\{\begin{array}{c}{x}_{i,j}-x_{m,n},\mathrm{if}(x_{i,j}-x_{m,n})>3\&times;\mathrm{A\; or}(x_{i,j}-x_{m,n})<-3\&times;A\\ (3\&divide;2)\&times;(x_{i,j}-x_{m,n}-A),\mathrm{if}(x_{i,j}-x_{m,n})\&le;3\&times;\mathrm{A\; and}(x_{i,j}-x_{m,n})\&GreaterEqual;A\\ (3\&divide;2)\&times;(x_{i,j}-x_{m,n}+A),\mathrm{if}(x_{i,j}-x_{m,n})\&GreaterEqual;-3\&times;\mathrm{A\; and}(x_{i,j}-x_{m,n})\&le;-A\\ 0,\mathrm{others}.\end{array}\right.$ 2式

定义基于f(x_i，j，x_m，n，A)的增强细节强度g：

$g=\underset{(m,n)\&Element;D}{\mathrm{\&Sigma;}}f(x_{i,j},x_{m,n},A)$ 3式

增强细节强度g能准确反映当前象素点与八邻域D中象素点亮度的差别大小，即当前象素点与八邻域D中象素点亮度的差别大，对应的g值也大，反之，亦然。由于增强方向梯度f(x_i，j，x_m，n，A)很好地隔离了噪声的影响，g受噪声影响很小，从而最终的增强结果受噪声影响也很小，能很好地抑制噪声。

步骤2.2：对增强细节强度g按参数N计算可能的增强幅度Δ：

Δ＝g/N                                             4式

步骤2.3：对Δ值利用图8所示的函数变换关系得到避免过增强的限幅参数k1，0≤k1≤1(将控制参数分成32级)。

步骤2.4：计算以当前象素为中心的M×M窗口的亮度均值 x：

$\stackrel{\&OverBar;}{x}=\left(\underset{m=-(M-1)/2}{\overset{(M-1)/2}{\mathrm{\&Sigma;}}}\underset{n=-(M-1)/2}{\overset{(M-1)/2}{\mathrm{\&Sigma;}}}{x}_{i+\mathrm{mnj}+n}\right)/(M\&times;M)$ 5式

由 x利用图9所示的函数变换关系得到使增强效果符合人眼的视觉特性的亮度调节参数k2，0≤k2≤1(同样将控制参数分成32级)。

步骤2.5：取增幅调节参数k：

k＝min{k1，k2}                                      6式

由4、6式得到当前象素的增强幅度h：

h＝k×Δ                                            7式

步骤2.6：增强输出：当前帧(i，j)点增强后的亮度输出值x_i，j′为：

${x_{i,j}}^{\&prime;}=\left\{\begin{array}{c}16,\mathrm{if}(x_{i,j}+h)<16\\ x_{i,j}+h,\mathrm{if}(x_{i,j}+h)\&GreaterEqual;16\mathrm{and}(x_{i,j}+h)<235\\ 235,\mathrm{if}(x_{i,j}+h)\&GreaterEqual;235\end{array}\right.$ 8式

步骤3.1：给定细节指数评估量σ，对八邻域D中任一点，将1式中的细节指数sigma取为σ，定义估计方向梯度f(x_i，j，x_m，n，σ)：

$f(x_{i,j},x_{m,n},\mathrm{\&sigma;})=\left\{\begin{array}{c}{x}_{i,j}-x_{m,n},\mathrm{if}(x_{i,j}-x_{m,n})>3\&times;\mathrm{\&sigma;or}(x_{i,j}-x_{m,n})<-3\&times;\mathrm{\&sigma;}\\ (3\&divide;2)\&times;(x_{i,j}-x_{m,n}-\mathrm{\&sigma;}),\mathrm{if}(x_{i,j}-x_{m,n})\&le;3\&times;\mathrm{\&sigma;and}(x_{i,j}-x_{m,n})\&GreaterEqual;\mathrm{\&sigma;}\\ (3\&divide;2)\&times;(x_{i,j}-x_{m,n}+\mathrm{\&sigma;}),\mathrm{if}(x_{i,j}-x_{m,n})\&GreaterEqual;-3\&times;\mathrm{\&sigma;and}(x_{i,j}-x_{m,n})\&le;-\mathrm{\&sigma;}\\ 0,\mathrm{others}.\end{array}\right.$ 9式

定义基于f(x_i，j，x_m，n，σ)的细节强度估计Tg值，即：

$\mathrm{Tg}=\underset{(m,n)\&Element;D}{\mathrm{\&Sigma;}}f(x_{i,j},x_{m,n},\mathrm{\&sigma;})$ 10式

细节强度估计值Tg准确地表示了当前象素点与八邻域D中象素点亮度的差别大小，其分布可以准确地反映当前图像的细节分布状况。

步骤3.2：根据细节强度估计值Tg分布的统计量确定当前帧细节增强范围估计值TAⁿ、当前帧细节增强幅度估计值TNⁿ；统计当前帧中Tg值大于阈值1即th1、2即th2、3即th3、4即th4的象素数pointnum1、pointnum2、pointnum3、pointnum4及输入视频图像大小imagesize即整幅图像的象素数；

TAⁿ是变量pointnum1、pointnum2和imagesize的函数。即：

TAⁿ＝C(point num1，point num2，imagesize)              11式

TNⁿ是变量pointnum1、pointnum2、pointnum3、pointnum4和imagesize的函数。即：

TNⁿ＝F(pointnum1，pointnum2，pointnum3，pointnum4，imagesize)  12式C(pointnum1，pointnum2，imagesize)与F(pointnum1，pointnum2，pointnum3，pointnum4，imagesize)都是基于if-then规则的函数。(按照if-then规则函数建立的规则库见本说明书最后的附1、附2)

步骤3.3：最后输出当前帧细节增强范围估计值TAⁿ与细节增强幅度估计值TNⁿ。

附图说明

图1：数字化电视后处理技术的一般视频信号增强处理方法示意框图

图2：输入视频数据流的时空分布形式示意图

图3：本发明方法简略的示意框图

图4：本发明方法步骤2的详细示意框图

图5：本发明方法步骤3的详细示意框图

图6：当前象素八邻域D的示意图

图7：邻域方向梯度变化f(x_i，j，x_m，n，sigma)的变化曲线图

图8：限幅参数k1随可能的增强幅度Δ变化的曲线图

图9：亮度调节参数k2随当前局部亮度变化的曲线图

其中：

图1中：1视频降噪  2伽马矫正  3黑电平延伸、蓝电平扩展  4细节增强；该图描绘了视频信号增强***，罗列了一些数字化电视后处理技术的视频信号增强处理方法，这些方法可以提高图像质量，使之更清晰，富有层次感与真实感。细节增强是其中的一种增强处理方法，可以单独使用也可以与其他视频信号增强方法共同使用。

图2中：5表示前一帧，6表示当前帧。该图给出了输入视频数据流(当前帧和前一帧)的时空分布形式，每一帧包括电视隔行扫描方式的奇偶两场图像，其中黑球所在行属于奇场，白球所在行属于偶场，x，y为空间坐标轴，t为时间坐标轴。

图3中：TA^n-1表示前一帧细节增强范围估计值，TN^n-1表示前一帧细节增强幅度估计值；A＝A₀表示当前帧细节增强范围参数取默认值，N＝N₀表示当前帧细节增强幅度参数取默认值。该图给出了本发明方法简略的示意框图。前一帧图像信息与当前帧图像信息经检测判断出场景是否变化后，确定细节增强范围参数A与细节增强幅度参数N取TA^n-1、TN^n-1或A₀、N₀，然后进入步骤2，对当前帧图像进行细节增强并输出；同时当前帧图像信息进入步骤3，获取当前帧细节增强范围估计值TAⁿ与当前帧细节增强幅度估计值TNⁿ，并输出。

图4中：该图是对本发明方法步骤2的详细示意框图。首先要定义增强方向梯度f(x_i，j，x_m，n，A)和增强细节强度g，由g得出可能的增强幅度Δ；引入限幅参数k1、亮度调节参数k2；然后得到增幅调节参数k和增强幅度h，最后得到当前点增强后的亮度值x_i，j′。

图5，该图是对本发明方法步骤3的详细示意框图。首先要定义估计方向梯度f(x_i，j，x_m，n，σ)、细节强度估计Tg，然后由细节强度估计Tg的统计量确定TAⁿ、TNⁿ，最后输出。

图6，该图给出了当前象素八邻域D的示意图，其中7为当前象素(i，j)，周围其他象素为八邻域D的元素。

图7，该图给出了我们定义的邻域方向梯度变化f(x_i，j，x_m，n，sigma)的变化曲线，x轴为当前点与八邻域任一点的亮度差值(x_i，j-x_m，n)，sigma为细节指数，y轴为对输入八邻域亮度差进行变换后得到的邻域方向梯度f(x_i，j，x_m，n，sigma)。该图说明了经过邻域方向梯度变化的处理可以很好地隔离、抑制噪声。

图8，该图给出了限幅参数k1随可能的增强幅度Δ变化的曲线。其中x轴为可能的增强幅度Δ，passthreshold为限幅参数k1等于1对应的可能的增强幅度Δ的最大值，而endthreshold为k1不为0对应的可能的增强幅度Δ的最大取值，passthreshold与endthreshold为给定值；y轴为限幅参数k1的取值，为1/32的整数倍，其取值范围在[0，1]之间。该图说明了通过引入限幅参数k1的处理，达到了避免细节过增强的目的。

图9，该图给出了亮度调节参数k2随当前局部亮度变化的曲线，该曲线是依据人眼的视觉感知特性(Weber定理，人眼的亮度感觉不仅决定于亮度的变化，而且也决定于背景亮度，与相对亮度变化有关)得到的。其中，x轴为以当前象素为中心的M×M窗口的亮度均值，y轴为亮度调节参数k2的取值，为1/32的整数倍，其取值范围在[0，1]之间。该图说明了细节增强幅度适应人眼的视觉感知特性。

具体实施方式

本发明充分考虑硬件实现的因素，方法中的运算都只涉及运算速度最快的加法和减法运算以及移位操作，所以使得该方法具有实时、高效的特点。以下结合各数学模型所用具体的实施数据和附图对本发明方法作进一步的详细描述。

步骤1：基于场景变化检测的细节增强参数确定

步骤1.1：利用前后两帧(当前帧和前一帧，如图2)图像信息检测出场景变化与否。设检测出来的场景没有变化，输出N₀。

步骤1.2：根据步骤1.1判断结果，确定当前帧细节增强时采用的参数A和N(见图3)。若TA^n-1＝4，TN^n-1＝8，则输出A＝4，N＝8。

步骤2：符合人眼视觉特性的细节增强：利用步骤1确定的参数值(A＝4，N＝8)，同时引入限幅参数防止过增强，考虑人眼在不同背景亮度下对亮度变化的敏感度变化，对当前帧进行细节增强。

步骤2.1：对当前帧八邻域D(如图6)中任一点，将(1)式中的细节指数sigma取为参数A，定义增强方向梯度f(x_i，j，x_m，n，A)(见式2)：若当前象素点亮度x_i，j＝156，其八邻域的亮度值分别为：100，130，140，150，160，155，150，165，因为A＝4，故由(2)得增强方向梯度f(x_i，j，x_m，n，A)的值分别为：56、26、16、3、0、0、3、-7.5。定义基于f(x_i，j，x_m，n，A)的增强细节强度g(见式3)：得当前点增强细节强度g＝(56+26+16+3+0+0+3+(-7.5))＝96.5。

步骤2.2：对增强细节强度g按参数N＝8，计算可能的增强幅度Δ(见式4)：

$\mathrm{\&Delta;}=g/N=96.5/8\&cong;12.1$

步骤2.3：对Δ值利用图8所示的函数变换关系得到限幅参数k1，0≤k1≤1(将控制参数分成32级)。引入k1以避免过增强。

给定passthreshold＝25，endthreshold＝149，由图8得到k1＝1。

步骤2.4：计算以当前象素为中心的M×M窗口的亮度均值 x(见式5)：

由 x利用图9所示的函数变换关系得到亮度调节参数k2，0≤k2≤1(同样将控制参数分成32级)，引入k2以使增强效果符合人眼的视觉特性。由图9得k2＝19/32。

步骤2.5：取增幅调节参数k(见式6)：

k＝min{k1，k2}＝min{1，19/32)＝19/32

得到当前象素的增强幅度h为(见式7)：

$h=k\&times;\mathrm{\&Delta;}=19/32*12.1\&cong;7$

步骤2.6：增强输出：当前帧(i，j)点增强后的亮度值x_i，j′(见式8)：

由于16≤x_i，j+h＝156+7＝163＜235，故输出X_i.j＝163。

步骤3：细节增强范围估计值TAⁿ与细节增强幅度估计值TNⁿ：

取M＝3，以当前象素为中心的3×3窗口其局部亮度均值为：

$\stackrel{\&OverBar;}{x}=(100+130+140+150+160+155+150+165+156)/(3\&times;3)\&cong;145.1,$

步骤3.1：给定细节指数评估量σ＝5，对八邻域D中任一点，将(1)式中的细节指数sigma取为σ，定义估计方向梯度f(x_i，j，x_m，n，σ)(见式9)：

如当前象素点亮度x_i，j＝156，其八邻域的亮度值分别为：100，130，140，150，160，155，150，165(同步骤2)，由(9)得估计方向梯度f(x_i，j，x_m，n，sigma)值分别为：56、26、16、1.5、0、0、1.5、-6.

定义基于f(x_i，j，x_m，n，σ)的细节强度估计Tg(见式10)，得当前点细节强度估计Tg＝(56+26+16+1.5+0+0+1.5+(-6))＝95。

细节强度估计Tg准确地表示了当前象素点与八邻域D中象素点亮度的差别大小，其分布可以准确地反映当前图像的细节分布状况。

步骤3.2：根据细节强度估计Tg分布的统计量确定TAⁿ、TNⁿ：统计当前帧中Tg大于阈值1(th1)、2(th2)、3(th3)、4(th4)的象素数pointnum1、pointnum2、pointnum3、pointnum4及输入视频图像大小imagesize(整幅图像的象素数)，TAⁿ是变量pointnum1、pointnum2和imagesize的函数(见式11)。TNⁿ是变量pointnum1、pointnum2、pointnum3、pointnum4和imagesize的函数(见式12)

按照if-then规则库中规则(1)：

If(pointnum1/imagesize)∈(0，3/32]and(pointnum2/pointnum1)∈(15/16，1]，then TAⁿ＝C(pointnum1，pointnum2，imagesize)＝3；

给定th1＝15，th2＝25，对输入当前帧，假设统计得到的pointnum1＝37780，pointnum2＝36540，imagesize＝720×576＝414720。因为 $(\mathrm{pointnum}1/\mathrm{imagesize})\&cong;0.0911\&Element;(\mathrm{0,3}/32],$ $(\mathrm{pointnum}2/\mathrm{pointnum}1)\&cong;0.9672\&Element;(15/\mathrm{16,1})$ ，满足上述规则，故可得：

TAⁿ＝C(37780，36540，414720)＝3.

按照if-then规则库中规则(2)：

If(pointnum4/imagesize)∈(0，3/32)and(pointnum4/pointnum1)∈(0，23/32)and((pointnum3/imagesize)∈(3/32，1)or(pointnum3/pointnum1)∈(23/32，1))，then TNⁿ＝F(point num1，point num2，point num3，point num4，imagesize)＝8；

给定th3＝80，th4＝160，对输入当前帧，若统计得pointnum3＝27700，pointnum4＝26000，由a)得pointnum1＝37780，pointnum2＝36540，imagesize＝720×576＝414720。因为 $\mathrm{pointnum}4/\mathrm{imagesize}\&cong;0.0627\&Element;(\mathrm{0,3}/32],$ $\mathrm{pointnum}4/\mathrm{pointnum}1\&cong;0.6882\&Element;(\mathrm{0,23}/32],$ $\mathrm{pointnum}3/\mathrm{imagesize}\&cong;0.0668\&NotElement;(3/\mathrm{32,1}],$ 但 $\mathrm{pointnum}3/\mathrm{pointnum}1\&cong;0.7332\&Element;(23/\mathrm{32,1}],$ 上述规则成立，故可得：

TNⁿ＝F(point num1，point num2，point num3，point num4，imagesize)＝8.

步骤3.3：输出当前帧细节增强范围估计值TAⁿ与细节增强幅度估计值TNⁿ。TAⁿ＝3，TNⁿ＝8。

本发明的优点如上所述，引入邻域方向梯度变化，使得建立在其上的符合人眼视觉特性的细节增强和基于图像内容的细节增强参数估计受噪声影响很小，能准确提取出图像中的细节信息，具有很好的抑制噪声能力与稳定性；引入基于图像内容的细节增强参数估计使得细节增强可以根据图像内容准确实时地选择增强范围，调节增强幅度；同时引入限幅参数防止过增强，考虑人眼在不同背景亮度下对亮度变化的敏感度变化，有效地减少了过渡不自然等现象，提高了图像的层次感、真实感与清晰度；另外符合人眼视觉特性的细节增强和基于图像内容的细节增强参数估计所采用的变换函数具有一致性，简化了硬件设计；其他如各种操作中的参数设置(一般是2的幂次)等等都简化了硬件实现的复杂度，提高了运算速度。

附1：C(point num1，point num2，imagesize)的规则库如下：

1、If(pointnum1/imagesize)∈(0，3/32]and(pointnum2/pointnum1)∈(15/16，1)，then TAⁿ＝C(point num1，point num2，imagesize)＝3；

2、If(pointnum1/imagesize)∈(0，3/32]and(pointnum2/pointnum1)∈(0，15/16]，then TAⁿ＝C(point num1，point num2，imagesize)＝4；

3、If(pointnum1/imagesize)∈(3/32，5/32]，then

TAⁿ＝C(point num1，point num2，imagesize)＝5；

4、If(pointnum1/imagesize)∈(5/32，7/32]，thenTAⁿ＝C(point num1，point num2，imagesize)＝6；

5、If(pointnum1/imagesize)∈(7/32，9/32]，thenTAⁿ＝C(point num1，pointn um2，imagesize)＝7；

6、If(pointnum1/imagesize)∈(9/32，11/32]，thenTAⁿ＝C(point num1，point num2，imagesize)＝8；

7、If(pointnum1/imagesize)∈(11/32，13/32]，thenTAⁿ＝C(point num1，point num2，imagesize)＝9；

8、If(pointnum1/imagesize)∈(13/32，1]，thenTAⁿ＝C(point num1，point num2，imagesize)＝10；

附2：F(point num1，point num2，point num3，point num4，imagesize)的规则库如下：

1、If(pointnum4/imagesize)∈(3/32，1)or(pointnum4/pointnum)∈(23/32，1)，then TNⁿ＝F(point num1，point num2，point num3，point num4，imagesize)＝16；

2、If(pointnum4/imagesize)∈(0，3/32)and(pointnum4/pointnum1)∈(0，23/32]and((pointnum3/imagesize)∈(3/32，1]or(pointnum3/pointnum1)∈(23/32，1])，then TNⁿ＝F(point num1，point num2，point num3，point num4，imagesize)＝8；

3、If(pointnum4/imagesize)∈(0，3/32)and(pointnum4/pointnum1)∈(0，23/32]and((pointnum3/imagesize)∈(1/16，3/32]or(pointnum3/pointnum1)∈(1/2，23/32])，then TNⁿ＝F(point num1，point num2，point num3，point num4，imagesize)＝16/3；

4、If(pointnum4/imagesize)∈(0，3/32)and(pointnum4/pointnum1)∈(0，23/32]and((pointnum3/imagesize)∈(1/32，1/16]or(pointnum3/pointnum1)∈(7/16，1/2])，then TNⁿ＝F(point num1，point num2，point num3，point num4，imagesize)＝16/4＝4；

5、If(pointnum4/imagesize)∈(0，3/32)and(pointnum4/pointnum1)∈(0，23/32]and(pointnum3/imagesize)∈(1/64，1/32]，then TNⁿ＝F(point num1，point num2，point num3，point num4，imagesize)＝16/5；

6、If(pointnum4/imagesize)∈(0，3/32)and(pointnum4/pointnum1)∈(0，23/32]and(pointnum3/imagesize)∈(1/128，1/64]，then TNⁿ＝F(point num1，point num2，point num3，point num4，imagesize)＝16/6＝8/3；

7、If(pointnum4/imagesize)∈(0，3/32)and(pointnum4/pointnum1)∈(0，23/32]and(pointnum3/pointnum1)∈(3/8，7/16]，thenTNⁿ＝F(point num1，point num2，point num3，point num4，imagesixe)＝16/7；

8、If(pointnum4/imagesize)∈(0，3/32)and(pointnum4/pointnum1)∈(0，23/32]and(pointnum3/imagesize)∈(0，1/128]and(pointnum3/pointnum1)∈(0，3/8]and(pointnum2/imagesize)∈(3/32，1]，then TNⁿ＝

F(point num1，point num2，point num3，point num4，imagesize)＝16/8＝2；

9、If(pointnum4/imagesize)∈(0，3/32)and(pointnum4/pointnum1)∈(0，23/32]and(pointnum3/imagesize)∈(0，1/128]and(pointnum3/pointnum1)∈(0，3/8]and(pointnum2/imagesize)∈(1/16，3/32]，then TNⁿ＝F(point num1，point num2，point num3，point num4，imagesize)＝16/9；

10、If(pointnum4/imagesize)∈(0，3/32)and(pointnum4/pointnum1)∈(0，23/32]and(pointnum3/imagesize)∈(0，1/128]and(pointnum3/pointnum1)∈(0，3/8]and(pointnum2/imagesize)∈(1/32，1/16]，then TNⁿ＝F(point num1，point num2，point num3，point num4，imagesize)＝16/10＝8/5；

11、If(pointnum4/imagesize)∈(0，3/32)and(pointnum4/pointnum1)∈(0，23/32]and(pointnum3/imagesize)∈(0，1/128]and(pointnum3/pointnum1)∈(0，3/8]and(pointnum2/imagesize)∈(3/128，1/32]，then TNⁿ＝F(point num1，point num2，point num3，point num4，imagesize)＝16/11；

12、If(pointnum4/imagesize)∈(0，3/32)and(pointnum4/pointnum1)∈(0，23/32]and(pointnum3/imagesize)∈(0，1/128]and(pointnum3/pointnum1)∈(0，3/8]and(pointnum2/imagesize)∈(1/64，3/128]，then TNⁿ＝F(point num1，point num2，point num3，point num4，imagesize)＝16/12＝4/3；

13、If(pointnum4/imagesize)∈(0，3/32)and(pointnum4/pointnum1)∈(0，23/32]and(pointnum3/imagesize)∈(0，1/128]and(pointnum3/pointnum1)∈(0，3/8]and(pointnum2/imagesize)∈(1/128，1/64]，then TNⁿ＝F(point num1，point num2，point num3，point num4，imagesize)＝16/13；

14、If(pointnum4/imagesize)∈(0，3/32)and(pointnum4/pointnum1)∈(0，23/32]and(pointnum3/imagesize)∈(0，1/128]and(pointnum3/pointnum1)∈(0，3/8]and(pointnum2/imagesize)∈(0，1/128]，then TNⁿ＝F(point num1，point num2，point num3，point num4，imagesize)＝1；

Claims (5)

1、数字化电视后处理技术的视频图像自适应细节增强方法，其特征在于：包括基于场景变化检测的细节增强参数确定、符合人眼视觉特性的细节增强、基于图像内容的细节增强参数估计三个步骤：

步骤1：所述基于场景变化检测的细节增强参数确定是指利用视频信号连续的特点，通过前一帧图像信息与当前帧图像信息检测场景是否变化，确定当前帧细节增强时采用的参数，包括细节增强范围参数A与细节增强幅度参数N；

步骤2：所述符合人眼视觉特性的细节增强是指利用步骤1确定的参数A、N，同时引入防止过增强的限幅参数，考虑人眼在不同背景亮度下对亮度变化的敏感度变化，对当前帧进行细节增强；

步骤3：所述基于图像内容的细节增强参数估计是指利用视频信号连续的特点，通过当前帧图像信息估计下一帧图像细节增强时采用的参数，包括细节增强范围估计值TAⁿ与细节增强幅度估计值TNⁿ。

2、根据权利要求1所述的数字化电视后处理技术的视频图像自适应细节增强方法，其特征在于：步骤1具体实现如下：

步骤1.1：利用前后两帧图像信息判断出场景变化与否；并定义当前帧邻域方向梯度变化f(x_i，j，x_m，n，sigma)：

$f(x_{i,j},x_{m,n},\mathrm{sigma})=\left\{\begin{array}{c}{x}_{i,j}-x_{m,n,}\mathrm{if}(x_{i,j}-x_{m,n})>3\&times;\mathrm{sigma\; or}(x_{i,j}-x_{m,n})<-3\&times;\mathrm{sigma}\\ (3\&divide;2)\&times;(x_{i,j}-x_{m,n}-\mathrm{sigma}),\mathrm{if}(x_{i,j}-x_{m,n})\&le;3\&times;\mathrm{sigma\; and}(x_{i,j}-x_{m,n})\&GreaterEqual;\mathrm{sigma}\\ (3\&divide;2)\&times;(x_{i,j}-x_{m,n}+\mathrm{sigma}),\mathrm{if}(x_{i,j}-x_{m,n})\&GreaterEqual;-3\&times;\mathrm{sigma\; and}(x_{i,j}-x_{m,n})\&le;-\mathrm{sigma}\\ 0,\mathrm{others}\end{array}\right.$ 1式

其中sigma为细节指数；(i，j)表示当前点坐标；(m，n)：表示当前点为中心的八邻域D中的任一点坐标；x_i，j：表示(i，j)点的输入亮度值；x_m，n：表示(m，n)点的输入亮度值；

步骤1.2：根据步骤1.1判断结果，确定当前帧细节增强时采用的参数A和N；若场景没有发生变化，则A＝TA^n-1即前一帧细节增强范围估计值，N＝TN^n-1即前一帧细节增强幅度估计值；否则，A＝A₀即细节增强范围默认值，N＝N₀即细节增强幅度默认值。

3、根据权利要求2所述的数字化电视后处理技术的视频图像自适应细节增强方法，其特征在于：步骤2具体实现如下：

步骤2.1：对当前帧八邻域D中任一点，将1式中的细节指数sigma取为参数A，定义增强方向梯度f(x_i，j，x_m，n，A)：

$f(x_{i,j},x_{m,n},A)=\left\{\begin{array}{c}{x}_{i,j}-x_{m,n,}\mathrm{if}(x_{i,j}-x_{m,n})>3\&times;\mathrm{A\; or}(x_{i,j}-x_{m,n})<-3\&times;A\\ (3\&divide;2)\&times;(x_{i,j}-x_{m,n}-A),\mathrm{if}(x_{i,j}-x_{m,n})\&le;3\&times;\mathrm{A\; and}(x_{i,j}-x_{m,n})\&GreaterEqual;A\\ (3\&divide;2)\&times;(x_{i,j}-x_{m,n}+A),\mathrm{if}(x_{i,j}-x_{m,n})\&GreaterEqual;-3\&times;\mathrm{A\; and}(x_{i,j}-x_{m,n})\&le;-A\\ 0,\mathrm{others}.\end{array}\right.$ 2式

定义基于f(x_i，j，x_m，n，A)的增强细节强度g：

$g=\underset{(m,n)\&Element;D}{\mathrm{\&Sigma;}}f(x_{i,j},x_{m,n},A)$ 3式

步骤2.2：对增强细节强度g按参数N计算可能的增强幅度Δ：

             Δ＝g/N    4式

步骤2.3：对Δ值利用函数变换关系得到避免过增强的限幅参数k1，0≤k1≤1；

步骤2.4：计算以当前象素为中心的M×M窗口的亮度均值 x：

$\stackrel{\&OverBar;}{x}=\left(\underset{m=-(M-1)/2}{\overset{(M-1)/2}{\mathrm{\&Sigma;}}}\underset{n=-(M-1)/2}{\overset{(M-1)/2}{\mathrm{\&Sigma;}}}{x}_{i+\mathrm{mnj}+n}\right)/(M\&times;M)$ 5式

由x的函数变换关系得到使增强效果符合人眼的视觉特性的亮度调节参数k2，0≤k2≤1；

步骤2.5：取增幅调节参数k：

                    k＝min{k1，k2}  6式

由4、6式得到当前象素的增强幅度h：

                h＝k×Δ  7式

步骤2.6：增强输出：当前帧(i，j)点增强后的亮度输出值x_i，j为：

${x_{i,j}}^{\&prime;}=\left\{\begin{array}{c}16,\mathrm{if}(x_{i,j}+h)<16\\ x_{i,j}+h,\mathrm{if}(x_{i,j}+h)\&GreaterEqual;16\mathrm{and}(x_{i,j}+h)<235\\ 235,\mathrm{if}(x_{i,j}+h)\&GreaterEqual;235\end{array}\right.$ 8式

4、根据权利要求2所述的数字化电视后处理技术的视频图像自适应细节增强方法，其特征在于：步骤3具体实现如下：

步骤3.1：给定细节指数评估量σ，对八邻域D中任一点，将1式中的细节指数sigma取为σ，定义估计方向梯度f(x_i，j，x_m，n，σ)：

$f(x_{i,j},x_{m,n},\mathrm{\&sigma;})=\left\{\begin{array}{c}{x}_{i,j}-x_{m,n,}\mathrm{if}(x_{i,j}-x_{m,n})>3\&times;\mathrm{\&sigma;or}(x_{i,j}-x_{m,n})<-3\&times;\mathrm{\&sigma;}\\ (3\&divide;2)\&times;(x_{i,j}-x_{m,n}-\mathrm{\&sigma;}),\mathrm{if}(x_{i,j}-x_{m,n})\&le;3\&times;\mathrm{\&sigma;and}(x_{i,j}-x_{m,n})\&GreaterEqual;\mathrm{\&sigma;}\\ (3\&divide;2)\&times;(x_{i,j}-x_{m,n}+\mathrm{\&sigma;}),\mathrm{if}(x_{i,j}-x_{m,n})\&GreaterEqual;-3\&times;\mathrm{\&sigma;and}(x_{i,j}-x_{m,n})\&le;-\mathrm{\&sigma;}\\ 0,\mathrm{others}.\end{array}\right.$ 9式

定义基于f(x_i，j，x_m，n，σ)的细节强度估计Tg值，即：

$\mathrm{Tg}=\underset{(m,n)\&Element;D}{\mathrm{\&Sigma;}}f(x_{i,j},x_{m,n},\mathrm{\&sigma;})$ 10式

步骤3.2：根据细节强度估计值Tg分布的统计量确定当前帧细节增强范围估计值TAⁿ、当前帧细节增强幅度估计值TNⁿ；统计当前帧中Tg值大于阈值1即th1、2即th2、3即th3、4即th4的象素数pointnum1、pointnum2、pointnum3、pointnum4及输入视频图像大小imagesize；

TAⁿ是变量pointnum1、pointnum2和imagesize的函数。即：

TAⁿ＝C(pointnum1，pointnum2，imagesize)  11式

TNⁿ是变量pointnum1、pointnum2、pointnum3、pointnum4和imagesize的函数。即：

TNⁿ＝F(pointnum1，pointnum2，pointnum3，pointnum4，imagesize)  12式

步骤3.3：最后输出当前帧细节增强范围估计值TAⁿ与细节增强幅度估计值TNⁿ。

5、根据权利要求4所述的数字化电视后处理技术的视频图像自适应细节增强方法，其特征在于：C(pointnum1，pointnum2，imagesize)与F(pointnum1，pointnum2，pointnum3，pointnum4，imagesize)都是基于if-then规则的函数；所用数据从下列if-then规则库中查找；

C(pointnum1，pointnum2，imagesize)的规则库如下：

1、If(pointnum1/imagesize)∈(0，3/32]and(pointnum2/pointnum1)∈(15/16，1)，then TAⁿ＝C(pointnum1，pointnum2，imagesize)＝3；

2、If(pointnum1/imagesize)∈(0，3/32]and(pointnum2/pointnum1)∈(0，15/16]，then TAⁿ＝C(pointnum1，pointnum2，imagesize)＝4；

3、If(pointnum1/imagesize)∈(3/32，5/32]，thenTAⁿ＝C(pointnum1，pointnum2，imagesize)＝5；

4、If(pointnum1/imagesize)∈(5/32，7/32]，thenTAⁿ＝C(pointnum1，pointnum2，imagesize)＝6；

5、If(pointnum1/imagesize)∈(7/32，9/32]，thenTAⁿ＝C(pointnum1，pointnum2，imagesize)＝7；

6、If(pointnum1/imagesize)∈(9/32，11/32]，thenTAⁿ＝C(pointnum1，pointnum2，imagesize)＝8；

7、If(pointnum1/imagesize)∈(11/32，13/32]，thenTAⁿ＝C(pointnum1，pointnum2，imagesize)＝9；

8、If(pointnum1/imagesize)∈(13/32，1]，thenTAⁿ＝C(pointnum1，pointnum2，imagesize)＝10；F(pointnum1，pointnum2，pointnum3，pointnum4，imagesize)的规则库如下：

1、If(pointnum4/imagesize)∈(3/32，1)or(pointnum4/pointnum)∈(23/32，1)，then TNⁿ＝F(pointnum1，pointnum2，pointnum3，pointnum4，imagesize)＝16；

2、If(pointnum4/imagesize)∈(0，3/32)and(pointnum4/pointnum1)∈(0，23/32]and((pointnum3/imagesize)∈(3/32，1]or(pointnum3/pointnum1)∈(23/32，1])，then TNⁿ＝F(pointnum1，pointnum2，pointnum3，pointnum4，imagesize)＝8；

3、If(pointnum4/imagesize)∈(0，3/32)and(pointnum4/pointnum1)∈(0，23/32]and((pointnum3/imagesize)∈(1/16，3/32]or(pointnum3/pointnum1)∈(1/2，23/32])，then TNⁿ＝F(pointnum1，pointnum2，pointnum3，pointnum4，imagesize)＝16/3；

4、If(pointnum4/imagesize)∈(0，3/32)and(pointnum4/pointnum1)∈(0，23/32]and((pointnum3/imagesize)∈(1/32，1/16]or(pointnum3/pointnum1)∈(7/16，1/2])，then TNⁿ＝F(pointnumn1，pointnum2，pointnum3，po intnum4，imagesize)＝16/4＝4；

5、If(pointnum4/imagesize)∈(0，3/32)and(pointnum4/pointnum1)∈(0，23/32]and(pointnum3/imagesize)∈(1/64，1/32]，thenTNⁿ＝F(pointnum1，pointnum2，pointnum3，pointnum4，imagesize)＝16/5；

6、If(pointnum4/imagesize)∈(0，3/32)and(pointnum4/pointnum1)∈(0，23/32]and(pointnum3/imagesize)∈(1/128，1/64]，thenTNⁿ＝F(pointnum1，pointnum2，pointnum3，pointnum4，imagesize)＝16/6＝8/3；

7、If(pointnum4/imagesize)∈(0，3/32)and(pointnum4/pointnum1)∈(0，23/32]and(pointnum3/pointnum1)∈(3/8，7/16]，thenTNⁿ＝F(pointnum1，pointnum2，pointnum3，pointnum4，imagesize)＝16/7；

8、If(pointnum4/imagesize)∈(0，3/32)and(pointnum4/pointnum1)∈(0，23/32]and(pointnum3/imagesize)∈(0，1/128]and(pointnum3/pointnum1)∈(0，3/8]and(pointnum2/imagesize)∈(3/32，1]，then TNⁿ＝F(pointnum1，pointnum2，pointnum3，pointnum4，imagesize)＝16/8＝2；

9、If(pointnum4/imagesize)∈(0，3/32)and(pointnum4/pointnum1)∈(0，23/32]and(pointnum3/imagesize)∈(0，1/128]and(pointnum3/pointnum1)∈(0，3/8]and(pointnum2/imagesize)∈(1/16，3/32]，then TNⁿ＝F(pointnum1，pointnum2，pointnum3，pointnum4，imagesize)＝16/9；

10、If(pointnum4/imagesize)∈(0，3/32)and(pointnum4/pointnum1)∈(0，23/32]and(pointnum3/imagesize)∈(0，1/128]and(pointnum3/pointnum1)∈(0，3/8]and(pointnum2/imagesize)∈(1/32，1/16]，then TNⁿ＝F(pointnum1，pointnum2，pointnum3，pointnum4，imagesize)＝16/10＝8/5；

11、If(pointnum4/imagesize)∈(0，3/32)and(pointnum4/pointnum1)∈(0，23/32]and(pointnum3/imagesize)∈(0，1/128]and(pointnum3/pointnum1)∈(0，3/8]and(pointnum2/imagesize)∈(3/128，1/32]，then TNⁿ＝F(pointnum1，pointnum2，pointnum3，pointnum4，imagesize)＝16/11；

12、If(pointnum4/imagesize)∈(0，3/32)and(pointnum4/pointnum1)∈(0，23/32]and(pointnum3/imagesize)∈(0，1/128]and(pointnum3/pointnum1)∈(0，3/8]and(pointnum2/imagesize)∈(1/64，3/128]，then TNⁿ＝F(pointnum1，pointnum2，pointnum3，pointnum4，imagesize)＝16/12＝4/3；

13、If(pointnum4/imagesize)∈(0，3/32)and(pointnum4/pointnum1)∈(0，23/32]and(pointnum3/imagesize)∈(0，1/128]and(pointnum3/pointnum1)∈(0，3/8]and(pointnum2/imagesize)∈(1/128，1/64]，then TNⁿ＝F(pointnum1，pointnum2，pointnum3，pointnum4，imagesize)＝16/13；

14、If(pointnum4/imagesize)∈(0，3/32)and(pointnum4/pointnum1)∈(0，23/32)and(pointnum3/imagesize)∈(0，1/128)and(pointnum3/pointnum1)∈(0，3/8)and(pointnum2/imagesize)∈(0，1/128)，then TNⁿ＝F(pointnum1，pointnum2，pointnum3，pointnum4，imagesize)＝1。

Images