趙娜娜，王向文，劉順蘭

(杭州電子科技大學(xué)通信工程學(xué)院，浙江杭州310018)

0 引言

去隔行是實(shí)現(xiàn)視頻信號從隔行到逐行掃描格式轉(zhuǎn)換的關(guān)鍵技術(shù)，其實(shí)質(zhì)是對隔行電視信號進(jìn)行插補(bǔ)，重建奇偶場中缺少的行信息，將場圖像還原成幀圖像，目的是消除隔行掃描中的行間閃爍、行蠕動、并行及鋸齒化等固有缺陷［1，2］。場平均是一種簡單的線性去隔行算法，利用上下行相鄰象素的均值代替待插象素值，其優(yōu)點(diǎn)是結(jié)構(gòu)簡單，但當(dāng)圖像中存在運(yùn)動時，會導(dǎo)致嚴(yán)重的鋸齒現(xiàn)象［3］;基于邊緣的行平均算法(Edge-based Line Average，ELA)根據(jù)邊緣進(jìn)行插值，但僅能檢測到 45°、90°、135°邊緣，對小角度邊緣無能為力［3］;運(yùn)動自適應(yīng)算法包括運(yùn)動檢測和插值兩步，常用的4場運(yùn)動檢測由于檢測的不準(zhǔn)確性，根據(jù)運(yùn)動檢測結(jié)果會引入插值錯誤，從而產(chǎn)生運(yùn)動虛像［4，5］。本文提出了基于中值濾波與邊緣插值的視頻去隔行算法，即利用改進(jìn)的運(yùn)動檢測算法精確地檢測出象素的運(yùn)動狀態(tài)，根據(jù)檢測結(jié)果結(jié)合場復(fù)制、三點(diǎn)中值濾波算法、改進(jìn)的基于邊緣的行平均算法(NEW Edge-based Line Average，NEW ELA)可有效地避免運(yùn)動虛像的產(chǎn)生，明顯改善插值效果。

1 改進(jìn)的運(yùn)動檢測

視頻信號按奇偶場的次序依次傳輸，每隔一場極性相同［3］。傳統(tǒng)的4場運(yùn)動檢測將2組同極性場的檢測結(jié)果進(jìn)行疊加，減少運(yùn)動檢測的錯誤概率，去隔行后的圖像質(zhì)量也得到一定的改善。但是，4場運(yùn)動檢測不能解決去隔行之后的運(yùn)動虛像。物體運(yùn)動過快尤其是有垂直跳躍運(yùn)動的物體時容易產(chǎn)生運(yùn)動虛像。為了解決此問題，本文利用了改進(jìn)的4場運(yùn)動檢測方法，將象素的運(yùn)動狀況分為3種:靜止、運(yùn)動以及無法確定。此運(yùn)動檢測方法的框架如圖1所示，圖1中n表示當(dāng)前場，n+1表示后一場，n－1、n－2分別表示前一場和前兩場，X是要插入的象素值，A、B、C、D、E、F、G、H都是存在的象素值。

圖1 改進(jìn)的運(yùn)動檢測框圖

改進(jìn)的4場運(yùn)動檢測的算法是:

其中，th1，th2，th3 都是預(yù)先設(shè)定的閾值，d=max(d1，d2，d3)，d1=abs(C －D)，d2=abs(E － F)，d3=abs(A－B)，d4=abs(D－G)，d5=abs(F－H)，d6=(d4+d5)/2，此算法增加了d6可以更加精確的判定象素的運(yùn)動狀況，從而有效的消除虛像問題。

2 基于中值濾波與邊緣插值的視頻去隔行算法

改進(jìn)的運(yùn)動檢測算法將待插值象素的運(yùn)動狀態(tài)分為3類:靜止、運(yùn)動、不確定狀態(tài)，在去隔行插值過程中，分別對這3種情況采用不同的插值算法，以得到好的去隔行逐行圖像。本文提出的基于中值濾波與邊緣插值的視頻去隔行算法，對靜止象素利用場重復(fù)的插值算法，對運(yùn)動象素采用三點(diǎn)中值濾波算法，對不確定狀態(tài)的象素采用NEW ELA算法。

2.1 三點(diǎn)中值濾波

中值濾波算法是一種隱含的非線性自適應(yīng)算法［3］。這種算法引入了時域插值和空域插值，時域插值和空域插值分別適用于靜止圖像和運(yùn)動圖像，可以對每一個象素自動進(jìn)行場內(nèi)/場間的插值轉(zhuǎn)換，這是中值濾波算法的優(yōu)點(diǎn)。三點(diǎn)中值濾波如圖2所示，用公式表示如下:

2.2 改進(jìn)的基于邊緣的行平均算法

基于邊緣的去隔行算法，可以保留圖像的邊緣細(xì)節(jié)，降低低通濾波造成的垂直和水平方向上的模糊效應(yīng)。改進(jìn)的基于邊緣的行平均算法在ELA的基礎(chǔ)上將邊緣擴(kuò)展為5點(diǎn)，可檢測到更小的邊緣，然后將邊緣插值結(jié)果與垂直相鄰行象素進(jìn)行中值濾波，得到更準(zhǔn)確的邊緣插值結(jié)果。插值圖如圖3所示，X為要插入的象素值，X由下兩式確定。

式中，A、B、C、D、E、F、G、H、I是已存在的象素值，XG=(G+J)/2，XA=(A+F)/2，XB=(B+E)/2，XC=(C+D)/2，XH=(H+I)/2分別對應(yīng)各個方向上的均值。

圖2 三點(diǎn)中值濾波框圖

圖3 邊緣插值框圖

3 仿真結(jié)果

本文用峰值信噪比(Peak Signal to Noise Ratio，PSNR)和結(jié)構(gòu)相似度(Structural Similarity，SSIM)衡量去隔行算法的性能。PSNR定義為:

SSIM是根據(jù)真實(shí)的圖像信號所具有的高度結(jié)構(gòu)化以及鄰近象素點(diǎn)之間所具有的強(qiáng)烈相關(guān)性，提出的一種與主觀評價有較好的相關(guān)性的測度標(biāo)準(zhǔn)［1］。定義為:

式中，X為原始圖像，Y為去隔行之后的逐行圖像，μx分別為原始圖像的平均亮度和方差，μy、分別為去隔行得到逐行圖像的平均亮度和方差，C和C是為了保證分母不為零而設(shè)置的常量。0≤12SSIM(X，Y)≤1，SSIM(X，Y)越接近于1，去隔行之后的逐行圖像質(zhì)量越好。

本文僅將有大面積運(yùn)動的flowergarden圖像的仿真數(shù)據(jù)如表1所示，并與其他算法進(jìn)行比較。帶運(yùn)動檢測的三點(diǎn)中值算法首先用4場運(yùn)動檢測算法進(jìn)行運(yùn)動檢測，然后對運(yùn)動象素采用三點(diǎn)中值插值、對靜止象素采用場復(fù)制插值，其他算法在前文中已有介紹。從表1可以看出本文算法比其他算法有更高的PSNR值，在SSIM相差很小的情況下，比傳統(tǒng)運(yùn)動檢測的三點(diǎn)中值的PSNR高，得到的重建圖像質(zhì)量更好。

根據(jù)本文算法重建的圖像仿真結(jié)果如圖4所示。從圖4中可以看出，本文算法得到的重建圖像有效地去除了隔行掃描帶來的缺點(diǎn)，對水平、垂直以及斜線邊緣保護(hù)也較好。

表1 本文算法與其他算法的PSNR和SSIM比較

圖4 本文的原始圖像和去隔行圖像

4 結(jié)束語

本文利用改進(jìn)的運(yùn)動檢測算法，有效地提高了運(yùn)動檢測的性能。本文提出的基于中值濾波與邊緣插值的視頻去隔行算法分別對靜止象素采用場復(fù)制，運(yùn)動象素采用三點(diǎn)中值濾波以及不確定的運(yùn)動狀態(tài)采用改進(jìn)的基于邊緣的行平均算法，有效地保護(hù)了垂直、斜線以及水平邊緣。PSNR、SSIM兩個評價準(zhǔn)則和仿真結(jié)果都表明本文的算法有效提高了去隔行的性能。

［1］ 高文，趙德斌，馬思偉.數(shù)字視頻編碼技術(shù)原理［M］.北京:科學(xué)出版社，2010:32－34.

［2］ 丁勇，陸生禮，時龍興.時空權(quán)重和邊緣自適應(yīng)去隔行［J］.計算機(jī)學(xué)報，2007，30(4):655－657.

［3］ HannG D，Bellers E B.Deinterlacing-an overview［J］.Proceedings of the IEEE，1998，86(9):1 839 －1 857.

［4］ JangSeung-Min，Park Ju-Hyun，Hoog Sung-Hoon.Deinterlacing method based on edge direction refinement using weighted maximum frequent filter［C］.Kuala Lumpur:Signal and Image Processing Applications，2009:227 － 230.

［5］ He Zheng-Gong，Hao-Chia，F(xiàn)an Chih-Peng.Motion adaptive de-interlacing algorithm with edge-based low complexity interpolation method［C］.Singapore:TENCON 2009 －2009IEEE Region 10 Confernce，2010:1 －5.