Temporal Noise Reduction(3DNR)

3DNR優勢就是在於他是時間軸上的雜訊抑制,可以累積之前所有視頻裡的影像做雜訊抑制的參考來源且不會使讓影像細節模糊,如果是Spatial Domain(2DNR)的話,就只能參考單張影像的內容來做雜訊抑制,那影像的細節就容易被抹除掉。3DNR最能有效的去除 Random noise 和 Image flicker,減少視頻裡像素的不自然跳動,但對於影像裡Bad Pixel或Fixed Pattern Noise這類的雜訊就無法有效消除。

未命名                                                           [Image Sequences]

general equation:

{ Base }_{ i }=({ w }_{ i })*{ Base }_{ i-1 }+(1-{ w }_{ i })*{ Image }_{ i }

i為影像序列,Base為累積的frame buffer,是3DNR影像參考的依據,Image為目前的影像,藉由w的改變,來調整3DNR程度。


未命名

這裡是一個簡單例子,上圖為連續高雜訊影像(60 frames)裡其中一張影像,我將這連續影像做3DNR,上面式子裡的w設為0.9,表示每張新進來的影像都對Base貢獻10%的成分,在下圖可看到3DNR的效果有多強烈,內部細節的小字都能清楚辨別出來。

未命名[Raw Image][3DNR Result]

基本上,這樣的設計可以使影像有效的去除random noise,但由於test images是靜態的,如果今天有動態物體出現在畫面中的話,會有很嚴重的殘影出現。下面的影片可以看到,基本上在前幾個frame,noise就已經完全收斂了,是很強大的雜訊抑制方法,所以若能區分出移動物體的話,3DNR的效果會比2DNR來的好很多。

 


reference :

temporal noise reduction of bayer matrixed video data(2002)

Adaptive motion compensated filtering of noisy image sequences(1993)

Leave a Reply

Your email address will not be published. Required fields are marked *