视频时空域去噪算法

最近刚刚接触视频去噪，把接触的基本知识和论文稍作总结，如有错误，不吝指教~

    视频序列去噪方法基本上可以分为空间域、频域、小波域、时域、时-空域和色彩域去噪.空间域就是视频的每一帧，相当于把视频看做一系列图像的集合，然后分别对每幅图像进行去噪。针对图像去噪的的算法那是相当的多，是不是移到图像中就可以了呢？答案是否定的，因为视频毕竟是视频，我们每一帧的处理速度要非常快，视频才不会卡顿。此外，我们还要考虑到帧与帧之间的联系，要不然会出现丢失细节和闪烁的现象。

     频域去噪是在视频序列的傅立叶变换域上进行处理,去除噪声,然后将修改后的傅立叶变换值进行傅立叶反变换,便得到去噪后的视频序列.小波域和频域比较类似,只是变换域不一样。由于要进行两次变换——正变换和反变换，频域和小波域的时间复杂度还是够呛，在实时的视频去噪中还是有些吃力啊。时域处理就是针对视频序列中的多帧连续的图像,结合其它域的方法进行去噪。所以时域不是一个单独的概念。色彩域主要针对彩色图像的，由于彩色图像都是可以转化为灰度的，我们暂不讨论。

   综上，个人觉得把空间域和时间域结合起来才是消耗时间少，效果又有一定保证的方法。

  在这篇论文中《A Fast Video Noise Reduction Method by Using Object-Based Temporal Filtering》，给的方法简单粗暴，就是确定一个阈值，判断是否为运动的区域，如果为运动区域的像素点，直接赋值为前一帧的像素，如果为背景区，将这一帧与上一帧的像素值平均赋值。论文中给了两个阈值区间供参考。从这篇论文的结论中真没发现能有多去噪，所以引用率一直不高，不知道是不是管用，自己也没时间尝试了。下面这个图就是作者给的对比：

  

  在这篇论文中《A Novel CONTENT-ADAPTIVE Video Denoising filter》,作者分为三个步骤：1.Noise Detection  2.Adaptive Filtering 3.Pixel Regulating.在噪声检测中，判断该点是不是噪声不仅与四邻域的像素比较，还与前一帧的像素作比较。然后将噪声分为non-impulsive和impulsive噪声。对于前者，采用中值滤波，获取一个均值。对于后者，作者给出了一个公式重新定义其值。最后还有和Pixel Regulating就是对第二步产生的滤波的值进行选择。这篇论文中的效果还是挺好的，引用率也有好几十，应该不错~~

    还有很多论文中提出了运动估计的方法，这种方法一般用于视频压缩，如果用于视频去噪的话，时间复杂度应该不低吧。