具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或端没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

本发明涉及一种应用于视频处理的动静判定方法及装置，该应用于视频处理的动静判定方法及装置能够高精度地实现数字视频处理过程中的动静判定。本发明的一个或多个实施例可以应用在任意需要进行动静判定的场景中，例如图像及视频采集设备(运动摄像机、运动照相机等)、图像及视频处理设备(图像处理芯片、图像处理服务器等)、图像及视频播放设备(硬件显示器、软件播放器等)等，但需要注意的是本发明实施例不做限定。

实施例一

请参阅图1，图1是本发明实施例公开的一种应用于视频处理的动静判定方法的流程示意图。其中，该方法可以应用于动静判定装置中，该动静判定装置可以是一个独立的装置，也可以集成在视频处理设备中，本发明实施例不做限定。如图1所示，该应用于视频处理的动静判定方法可以包括以下操作：

101、获取当前帧图像中每个像素点对应的至少两个参数组。

本发明实施例中，在动静判定的分析过程中，获取当前帧图像中每个像素点对应的参数组，其中各个像素点对应的参数组的个数既可以相同也可以不同，在具体处理过程中，可以按实际需求选择多个参数组进行分析，本发明实施例不做限定，例如针对当前帧图像中的某些像素点，可以获取该些像素点对应的两个参数组，针对当前帧图像中的另一些像素点，可以获取这些像素点对应的四个参数组。

需要说明的是，本发明实施例中所说的像素点包括图像的分割点阵，例如，既可以是图像的原始像素点，也可以是图像处理过程中的亚像素点，也可以是由多个像素点(原始像素点或亚像素点)组成的像素块，本发明实施例不做限定。

102、计算每个像素点在其对应的每个参数组下的第一运动状态量值。

本发明实施例中，计算每个像素点在其对应的每个参数组下的第一运动状态量值的方法，可以直接根据步骤101的像素点的属性参数进行计算，也可以结合图像的采样差值算法、图像超分辨率重建算法等对图像中的像素点进行划分后再进行计算，本发明实施例不做限定。其中，第一运动状态量值只是说明计算出的每个参数组下均有对应的第一运动状态量值，用于区分本发明实施例中其他的运动状态量值，并不代表每个参数组下对应的第一运动状态量值是同一值，也不代表计算第一运动状态量值的方法是同一方法。

103、对于任一像素点，确定该像素点对应的每个参数组的加权权重，并对该像素点在其对应的所有参数组下的第一运动状态量值进行加权计算，得到该像素点的目标运动状态量值，并根据该像素点的目标运动状态量值确定该像素点的动静状态。

本发明实施例中，对于当前帧图像中的任一像素点，确定出该像素点对应的每个参数组的加权权重系数之后，按照各自的权重系数，对该像素点在按照102步骤确定出的其对应的所有参数组下的第一运动状态量值，进行加权计算，得到该像素点的目标运动状态量值，并根据该像素点的目标运动状态量值确定该像素点的动静状态，最终可以确定当前帧图像中所有像素点的动静状态，进而完成视频处理过程中的动静判定。

本发明实施例中，例如采用两个参数组进行分析，则目标运动状态量值的加权计算公式可以为：

k(i)＝(b*k_avg(i)+(256-b)*k_ref(i))/256；

其中，k(i)为目标运动状态量值，b为两个参数组中其中一个参数组的权重值，k_avg(i)为该参数组的第一运动状态量值，(256-b)为两个参数组中另一个参数组的权重值，k_ref(i)为该参数组的第一运动状态量值；需要注意的是，此处的256只是作为一个示例值，实际应用中可以根据实际情况调整，本发明实施例并不做限定。

在一个可选的实施例中，对于任一像素点，在确定出像素点的动静状态之后，该方法还可以包括：

对该像素点在当前帧图像中像素值的降噪结果与该像素点在先前若干帧图像中像素值的目标降噪结果进行加权计算，得到该像素点的降噪结果加权值，并将该像素点的降噪结果加权值确定为该像素点在当前帧图像中像素值的目标降噪结果。

本发明实施例中，将最终的动静判定结果用于指导最终的动静加权输出，对该像素点在当前帧图像中像素值的降噪结果与该像素点在先前若干帧图像中像素值的目标降噪结果进行加权计算，得到该像素点的降噪结果加权值。例如，当选取当前帧图像中像素值的降噪结果和该像素点在上一帧图像中像素值的目标降噪结果时，对于当前帧T而言，其加权输出公式如下：

out_T＝((kmax-k+1)*nlm_T+k*out_T-1)/(kmax+1)；

其中，out_T为当前帧图像中该像素点的目标降噪结果，(kmax-k+1)为经NLM降噪处理之后获得的该像素点的NLM降噪结果的权重，out_T-1为上一帧图像中该像素点的目标降噪结果，k为上一帧图像中该像素点的目标降噪结果对应的权重。

可见，本发明所描述的应用于视频处理的动静判定方法，能够基于多种动静判定方法，分配不同动静判定方法以不同的权重比，进而高精度地实现数字视频处理过程中的动静判定，可以有效避免单一特征带来的稳定性差的问题，从而获取更优的降噪结果。进一步的，采用仅需采用缓存一帧图像的方法，降低硬件成本，提高处理效率，能够将当前帧的降噪结果进行存储并传递至下一帧降噪中作为参考，根据不同的场景的应用需求，调整不同的权重系数，进而能够获取更优的降噪结果。

实施例二

请参阅图2，图2是本发明实施例公开的另一种应用于视频处理的动静判定方法的流程示意图。其中，该方法可以应用于动静判定装置中，该动静判定装置可以是一个独立的装置，也可以集成在视频处理设备中，本发明实施例不做限定。本发明实施例优选的是获取当前帧图像中每个像素点对应的两个参数组，包括第一参数组和第二参数组，两组参数组即可高精度地实现数字视频处理过程中的动静判定，还能够提高动静判定的效率，可以有效避免单一性特征带来的稳定性差的问题，增强动静判定的稳定性，进而快速地获取更优的降噪效果。

如图2所示，该应用于视频处理的动静判定方法可以包括以下操作：

201、对当前帧图像的上一帧图像进行区域统计操作，得到当前帧图像的上一帧图像的区域差异均值。

本发明实施例中，对当前帧图像的上一帧图像进行区域统计操作，得到当前帧图像的上一帧图像的区域差异均值，包括：

确定当前帧图像的上一帧图像中所有像素点的差异值；

根据当前帧图像的上一帧图像中所有像素点的区域信息和动静状态信息，对当前帧图像的上一帧图像中所有像素点进行区域划分，得到四个组合区域，四个组合区域包括运动边缘区域、静止边缘区域、运动平坦区域和静止平坦区域；

对每个组合区域，根据每个组合区域中所有像素点的差异值，确定每个组合区域的差异均值；

将所有组合区域的差异均值确定为当前帧图像的上一帧图像的区域差异均值。

本发明实施例中，对于视频中的每一帧图像，首先分别从不同的维度划分成组合成不同的区域，其中，优选的是，从边缘(edge)/平坦(flat)、运动(mv)/静止(st)两个维度将其化为四类差异值划分为四类区域，需要注意的是本发明实施例不做限定，可以根据实际需要划分成其他不同的区域，相应的在使用到这些区域的计算公式中也要做相应的调整。与此同时，在确定出区域之后，分别统计各个区域中每个像素点的差异值，对各个区域中的所有像素点差异值进行取均值计算，进而得到每个区域对应的差异均值信息，将得到的所有差异均值信息传递至下一帧中用于参考。

202、对当前帧图像中的任一像素点进行区域检测操作，得到该像素点的区域信息。

本发明实施例中，对当前帧图像中的任一像素点进行区域检测操作，得到该像素点的区域信息，包括：

计算该像素点的初始降噪结果，根据该像素点的初始降噪结果，确定该像素点的高频信息；

根据该像素点的高频信息，确定该像素点的归一化高频信息，并根据该像素点的归一化高频信息以及预设的区域分割阈值，确定出该像素点的区域信息。

本发明实施例中，考虑到边缘区域主要包括边缘区域主要包含图像轮廓信息，它与邻域的灰度变化波动较大，导致滤波后该区域的高频分量值较高，而平坦区域与邻域的相似度较高导致其高频分量值相对较低。因此，结合NLM滤波后的高频信息，可获取当前帧图像的初步区域信息。综上，区域信息可以直接借用空域NLM降噪的中间过程获取，高频信息获取公式如下：

hp＝|nlm-f|；

将高频信息归一化后处理，具体公式如下：

region＝(hp-MIN(hp))/(MAX(hp)-MIN(hp))；

其中，MAX(hp)和MIN(hp))分别为对高频信息进行求最大值和最小值操作；

为了便于计算，通常可将区域信息进行一定的量化和阈值分割处理，以获取平坦区域和边缘区域，结果如下：

其中，th_edge为边缘区域分割阈值，th_flat为平坦区域分割阈值，优选的区域分割阈值可设为1/4，其余区域则不处理。需要说明的是，将NLM滤波替换为其余非局部滤波器或基于多尺度金字塔的降噪滤波器也能获得较好的效果，具体选用哪一种滤波方式，本发明实施例不作限定。

需要注意的是，本发明实施例中，步骤201和202无先后执行顺序，可以先执行步骤201再执行步骤202，还可以先执行步骤202再执行步骤201，还可以同时执行步骤201和步骤202，本发明实施例不做限定。

203、对于当前帧图像中的任一像素点，根据图像噪声曲线、该像素点的差异值以及初始运动状态量值确定该像素点对应的第一参数组，其中，图像噪声曲线是预先确定出的、用于表征当前帧图像中图像噪声级别与像素值的关系曲线。

本发明实施例中，对于任一像素点的第一参数组来说，图像噪声曲线是一条表征图像噪声级别与像素值关系的函数，可事先通过灰阶卡标定或通过实时计算获取，本发明实施例不做限定。通过图像噪声曲线确定出的该像素点的图像噪声级别、该像素点的差异值以及初始运动状态量值组合成第一参数组，可以进而确定出与第一参数组对应的第一运动状态量值。例如，对于图像中差异值为diff(i)的点，设置一个动静判定阈值，具体第一参数组对应的第一运动状态量值的结果示例如下：

其中，k_ref(i)为第一参数组对应的第一运动状态量值，diff(i)为当前帧图像中该像素点的差异值，kmax为初始状态量值中的最大值，1为初始状态量值的最小值，th(i)为图像噪声曲线中确定出的该像素点的像素值对应的图像噪声级别，th_gain为用于调整具体动静判定阈值大小的增益系数。

204、根据当前帧图像的上一帧图像的区域差异均值、区域差异均值对应的增益系数、该像素点的差异值、该像素点的区域信息以及初始运动状态量值确定该像素点对应的第二参数组。

本发明实施例中，对于任一像素点的第二参数组来说，通过当前帧图像的上一帧图像的区域差异均值、区域差异均值对应的增益系数、该像素点的差异值、该像素点的区域信息以及初始运动状态量值组合成第二参数组，需要说明的是在确定第二参数组对应的第一运动状态量值时，当前帧图像的上一帧图像的区域差异均值(比如从边缘(edge)/平坦(flat)、运动(mv)/静止(st)两个维度将其化为四类差异值划分为四类：运动边缘区域差异均值、静止边缘区域差异均值、运动平坦区域差异均值、静止平坦区域差异均值)以及区域差异均值对应的增益系数的选取是与当前帧图像中的该像素点的区域信息相关联的。例如，对于图像中差异值为diff(i)的点，以该像素点的区域信息为边缘区域为例，基于当前帧图像的上一帧图像的区域差异均值，具体第二参数组对应的第一运动状态量值的结果示例如下：

其中，k_avg(i)为第一参数组对应的第一运动状态量值，diff(i)为当前帧图像中该像素点的差异值，kmax为初始状态量值中的最大值，1为初始状态量值的最小值，diff_edge_mv为运动边缘区域差异均值，diff_edge_st为静止边缘区域差异均值，th_gain1为运动边缘区域差异均值对应的增益系数，th_gain2为静止边缘区域差异均值对应的增益系数。

本发明实施例中，上述步骤203和步骤204中示例计算方法，是作为一种优选的方法，基于上述计算方法衍生的方法，例如对于图像中差异值为diff(i)的点，以该像素点的区域信息为平坦区域时，可以容易获得具体第二参数组对应的第一运动状态量值的计算公式，这些方法也应该属于本发明的覆盖范围之内。

本发明实施例需要说明的是，优选的是以基于噪声曲线的动静判定为主，并将基于区域统计值的判定结果作为一个额外参考对其进行修正，可有效避免单一特征带来的稳定性较差的问题。

可见，本发明所描述的应用于视频处理的动静判定方法，结合基于噪声曲线的动静判定方法以及基于区域统计值的动静判定方法，可以在图像处理过程中更加有效地实现的高精度地动静判定，并且通过调整增益系数，可以按需设定，提高对复杂含噪场景的适应性，有效避免较为明显的拖影或者闪动以及区域不一致等不自然现象，提高降噪效果。

需要注意的是，本发明实施例中，步骤203和步骤204中无先后执行顺序，可以先执行步骤203再执行步骤204，还可以先执行步骤204再执行步骤203，还可以同时执行步骤203和步骤204，本发明实施例不做限定。

205、计算每个像素点在其对应的每个参数组下的第一运动状态量值。

206、对于任一像素点，确定该像素点对应的每个参数组的加权权重，并对该像素点在其对应的所有参数组下的第一运动状态量值进行加权计算，得到该像素点的目标运动状态量值，并根据该像素点的目标运动状态量值确定该像素点的动静状态。

本发明实施例中，针对步骤205、步骤206的其他详细描述，请参照实施例一中针对步骤102、步骤103的详细描述，本发明实施例不再赘述。

207、对该像素点在当前帧图像中像素值的降噪结果与该像素点在上一帧图像中像素值的目标降噪结果进行加权计算，得到该像素点的降噪结果加权值，并将该像素点的降噪结果加权值确定为该像素点在当前帧图像中像素值的目标降噪结果。

本发明实施例中，将最终的动静判定结果用于指导最终的动静加权输出，对该像素点在当前帧图像中像素值的降噪结果与该像素点在上一帧图像中像素值的目标降噪结果进行加权计算，得到该像素点的降噪结果加权值对于当前帧T而言，其加权输出公式如下：

out_T＝((kmax-k+1)*nlm_T+k*out_T-1)/(kmax+1)；

其中，out_T为当前帧图像中该像素点的目标降噪结果，(kmax-k+1)为经NLM降噪处理之后获得的该像素点的NLM降噪结果的权重，out_T-1为上一帧图像中该像素点的目标降噪结果，k为上一帧图像中该像素点的目标降噪结果对应的权重。

可见，本发明所描述的应用于视频处理的动静判定方法，能够基于两种动静判定方法，分配不同动静判定方法以不同的权重比，进而高精度地实现数字视频处理过程中的动静判定，可以有效避免单一特征带来的稳定性差的问题，进一步降低软件计算量和硬件成本，提高处理效率，有利于减少后续算法的复杂度和调试难度，能够将当前帧的降噪结果进行存储并传递至下一帧降噪中作为参考，根据不同的场景的应用需求，调整不同的权重系数，进而能够获取更优的降噪结果。

在该可选的实施例中，进一步可选的，初始运动状态量值可以包括第一子运动状态量值和第二子运动状态量值；

对于当前帧图像中的任一像素点，当该像素点的目标运动状态量值等于第一子运动状态量值时，该像素点的动静状态为运动状态；当该像素点的目标运动状态量值等于第二子运动状态量值时，该像素点的动静状态为完全静止状态；当该像素点的目标运动状态量值大于第一子运动状态量值且小于第二子运动状态量值时，该像素点的动静状态为过渡状态。需要注意的是，本发明中所描述的第一子运动状态量值和第二子运动状态量值分别代表的动静状态为运动状态和完全静止状态，实际应用过程中，可以根据实际情况调换第一子运动状态量值和第二子运动状态量值分别代表的动静状态，同时本发明实施例并未限定第一子运动状态量值和第二子运动状态量值中间值的数值间隔，也即值大于第一子运动状态量值且小于第二子运动状态量值的值既可以是连续变化的也可以离散变化的，本发明实施例不做限定。

可见，本发明所描述的应用于视频处理的动静判定方法，采用了除运动状态和完全静止状态标定动静状态外，还引入了过渡状态来标定动静状态，避免了非动即静这种二值判定方式带来的误差和降噪不一致的现象，可以有效的提高动静判定的精细程度，最终确保获取更优的降噪效果。

又进一步可选的，对于当前帧图像中的任一像素点，该像素点的差异值包括该像素点的原始差异值或者该像素点的原始差异值对应的修正差异值；

该像素点的原始差异值的计算公式为：

diff0＝abs(d2d-rec)；

其中，diff0为该像素点的原始差异值，d2d为该像素点在当前帧图像中像素值的空域降噪结果，rec为该像素点在上一帧图像中像素值的时空域降噪结果；

该像素点的原始差异值对应的修正差异值的计算公式为：

diff＝diff0*MAX(diff0,diff0_th)/MIN(d2d,rec)；

其中，diff为该像素点的原始差异值对应的修正差异值，diff0为该像素点的原始差异值，diff0_th为预先设定的差异阈值，MAX(diff0,diff0_th)为取diff0和diff0_th中的最大值，MIN(d2d,rec)为取diff0和diff0_th中的最小值。

可见，本发明所描述的应用于视频处理的动静判定方法，能够进一步提升动静判定的精度，最终确保获取更优的降噪效果。本发明实施例中，diff0_th为预先设定的差异阈值，用于调整最终修正差异值结果，加入与MAX(diff0,diff0_th)相乘的作用是用于保护低照度场景下白色高亮区域的差异值不会被过分削弱，避免造成拖影。结合修正后的差异值进行动静判定，可以有效降低边缘的影响，尤其是降低高亮边缘的干扰(帧间闪动等)，实现更优的降噪效果。

又进一步可选的，获取图像中像素点像素值的NLM降噪结果的计算方法，可以包括：

以待降噪图像f的任意一个像素点i为中心，分别提取一个窗口大小为N*N的邻域块Ω(i)和一个窗口大小为M*M且M<N的匹配窗口P(i)，在邻域块中遍历检测与P(i)相似度较高的图像块P(j)并计算其加权权重系数w(i,j)，具体公式如下：

其中，d(i,j)为图像块之间的高斯加权欧式距离，h为用于控制平滑程度的预置参数，G_a为标准差为a的高斯函数；

综上，像素值f(i)的点经NLM降噪后结果如下：

其中，C(i)的计算公式为

可见，本发明公开的应用于视频处理的动静判定方法，通过降噪算法划分区域信息，能够降低计算量，提升动静判定过程的效率，能够高精度地实现数字视频处理过程中的动静判定，能够提高动静判定方法通用性和稳定性，降低动静判定过程中计算的复杂度，提高图像降噪的处理效率，有效降低图像降噪的成本，有利于获取更优的降噪效果，提升图像清晰度，进而可以降低后续图像处理算法的复杂度和整体调试的难度。结合修正后的差异值进行动静判定，可以有效降低边缘的影响，尤其是降低高亮边缘的干扰(帧间闪动等)，能够根据不同的场景的应用需求，调整不同的权重系数，提高通用性和适用性，进而能够获取更优的降噪结果。

实施例三

请参阅图3，图3是本发明实施例公开的另一种应用于视频处理的动静判定方法的流程示意图。其中，该方法可以应用于动静判定装置中，该动静判定装置可以是一个独立的装置，也可以集成在视频处理设备中，本发明实施例不做限定。如图3所示，该应用于视频处理的动静判定方法可以包括以下操作：

301、对于当前帧图像中的任一像素点，确定该像素点的原始差异值；

本发明实施例中，对于当前帧图像中的任一像素点，确定该像素点原始差异值，此处的差异值可以是当前帧中像素点原始像素值与上一帧中像素点原始像素值的差值，也可以是当前帧中像素点的降噪像素值与上一帧中像素点的降噪像素值的差值，也可以是其他像素值之间的差值，本发明实施例不做限定。

302、根据该像素点的原始差异值，确定该像素点的修正差异值；

本发明实施例中，对于当前帧图像中的任意像素点，根据预设的公式和像素点的原始差异值，计算该像素点的修正差异值。

303、根据该像素点的修正差异值，确定该像素点的动静状态。

本发明实施例中，在计算出该像素点的修正差异值之后，根据修正差异值与像素点动静状态之间的对饮关系，确定出该像素点的动静状态。

可见，本发明公开的应用于视频处理的动静判定方法，通过像素点的差异值的进一步修正，可以获得精度更高的差异值，提升修正差异值与动静状态之间的对应关系，能够避免边缘区域对动静判定的影响，改善高亮边缘对降噪效果的影响。

在一个可选的实施例中，对于当前帧图像中的任一像素点，该像素点的修正差异值的计算公式为：

diff＝diff0*MAX(diff0,diff0_th)/MIN(d2d,rec)；

其中，diff为该像素点的修正差异值，diff0为该像素点的原始差异值，diff0_th为预先设定的差异阈值；

其中，该像素点的原始差异值的计算公式为：

diff0＝abs(d2d-rec)；

其中，diff0为该像素点的原始差异值，d2d为该像素点在当前帧图像中像素值的空域降噪结果，rec为该像素点在上一帧图像中像素值的时空域降噪结果。

可见，本发明公开的应用于视频处理的动静判定方法，能够进一步提升动静判定的精度，最终确保获取更优的降噪效果。本发明实施例中，diff0_th为预先设定的差异阈值，用于调整最终修正差异值结果，加入与MAX(diff0,diff0_th)相乘的作用是用于保护低照度场景下白色高亮区域的差异值不会被过分削弱，避免造成拖影。结合修正后的差异值进行动静判定，可以更高精度的实现动静状态的判定，可以有效降低边缘的影响，尤其是降低高亮边缘的干扰(帧间闪动等)，实现更优的降噪效果。

实施例四

请参阅图4，图4是本发明实施例公开的一种应用于视频处理的动静判定装置的结构示意图。需要说明的是，该动静判定装置参照的是实施例一所描述的应用于视频处理的动静判定方法中的步骤，详细的描述在本实施例中就不做赘述，如图4所示，该应用于视频处理的动静判定装置可以包括：

参数组获取模块401，用于获取当前帧图像中每个像素点对应的至少两个参数组；

运动状态量值计算模块402，用于计算每个像素点在其对应的每个参数组下的第一运动状态量值；

动静状态确定模块403，用于对于任一像素点，确定该像素点对应的每个参数组的加权权重，并对该像素点在其对应的所有参数组下的第一运动状态量值进行加权计算，得到该像素点的目标运动状态量值，并根据该像素点的目标运动状态量值确定该像素点的动静状态。

可见，本发明所描述的应用于视频处理的动静判定装置，能够基于多种动静判定方法，分配不同动静判定方法以不同的权重比，进而高精度地实现数字视频处理过程中的动静判定，可以有效避免单一特征带来的稳定性差的问题，从而获取更优的降噪结果。

在一个可选的实施例中，参数组获取模块401获取当前帧图像中每个像素点对应的至少两个参数组的具体方式为：

对于当前帧图像中的任一像素点，获取该像素点对应的第一参数组及第二参数组。

本发明实施例优选的是获取当前帧图像中每个像素点对应的两个参数组，包括第一参数组和第二参数组，两组参数组即可高精度地实现数字视频处理过程中的动静判定，还能够提高动静判定的效率，可以有效避免单一性特征带来的稳定性差的问题，增强动静判定的稳定性，进而快速地获取更优的降噪效果。需要说明的是，本发明实施例参照的是实施例二所描述的应用于视频处理的动静判定方法中的步骤，详细的描述在本实施例中就不做赘述。

在另一可选的实施例中，如图5所示，参数组获取模块401包括：

第一参数组确定子模块4011，用于对当前帧图像中的任一像素点，根据图像噪声曲线、该像素点的差异值以及初始运动状态量值确定该像素点对应的第一参数组，其中，图像噪声曲线是预先确定出的、用于表征当前帧图像中图像噪声级别与像素值的关系曲线；

第二参数组确定子模块4012，用于根据当前帧图像的上一帧图像的区域差异均值、区域差异均值对应的增益系数、该像素点的差异值、该像素点的区域信息以及初始运动状态量值确定该像素点对应的第二参数组。

可见，本发明所描述的应用于视频处理的动静判定装置，结合基于噪声曲线的动静判定方法以及基于区域统计值的动静判定方法，可以在图像处理过程中更加有效地实现的高精度地动静判定，并且通过调整增益系数，可以按需设定，提高对复杂含噪场景的适应性，有效避免较为明显的拖影或者闪动以及区域不一致等不自然现象，提高降噪效果。

又进一步可选的，初始运动状态量值包括第一子运动状态量值和第二子运动状态量值；

对于当前帧图像中的任一像素点，当该像素点的目标运动状态量值等于第一子运动状态量值时，该像素点的动静状态为运动状态；当该像素点的目标运动状态量值等于第二子运动状态量值时，该像素点的动静状态为完全静止状态；当该像素点的目标运动状态量值大于第一子运动状态量值且小于第二子运动状态量值时，该像素点的动静状态为过渡状态。

可见，本发明所描述的应用于视频处理的动静判定装置，采用了除运动状态和完全静止状态标定动静状态外，还引入了过渡状态来标定动静状态，避免了非动即静这种二值判定方式带来的误差和降噪不一致的现象，可以有效的提高动静判定的精细程度，最终确保获取更优的降噪效果。

又进一步可选的，于当前帧图像中的任一像素点，该像素点的差异值包括该像素点的原始差异值或者该像素点的原始差异值对应的修正差异值；

该像素点的原始差异值的计算公式为：

diff0＝abs(d2d-rec)；

其中，diff0为该像素点的原始差异值，d2d为该像素点在当前帧图像中像素值的空域降噪结果，rec为该像素点在上一帧图像中像素值的时空域降噪结果；

该像素点的原始差异值对应的修正差异值的计算公式为：

diff＝diff0*MAX(diff0,diff0_th)/MIN(d2d,rec)；

其中，diff为该像素点的原始差异值对应的修正差异值，diff0为该像素点的原始差异值，diff0_th为预先设定的差异阈值。

可见，本发明所描述的应用于视频处理的动静判定装置，能够进一步提升动静判定的精度，最终确保获取更优的降噪效果。本发明实施例中，diff0_th为预先设定的差异阈值，用于调整最终修正差异值结果，加入与MAX(diff0,diff0_th)相乘的作用是用于保护低照度场景下白色高亮区域的差异值不会被过分削弱，避免造成拖影。结合修正后的差异值进行动静判定，可以有效降低边缘的影响，尤其是降低高亮边缘的干扰(帧间闪动等)，实现更优的降噪效果。

又进一步可选的，该应用于视频处理的动静判定装置还可以包括：

区域差异均值确定模块404，用于在参数组获取模块获取当前帧图像中每个像素点对应的至少两个参数组之前，对当前帧图像的上一帧图像进行区域统计操作，得到当前帧图像的上一帧图像的区域差异均值；

区域差异均值确定模块404对当前帧图像的上一帧图像进行区域统计操作，得到当前帧图像的上一帧图像的区域差异均值的具体方式为：

确定当前帧图像的上一帧图像中所有像素点的差异值；

根据当前帧图像的上一帧图像中所有像素点的区域信息和动静状态信息，对当前帧图像的上一帧图像中所有像素点进行区域划分，得到四个组合区域，四个组合区域包括运动边缘区域、静止边缘区域、运动平坦区域和静止平坦区域；

对每个组合区域，根据每个组合区域中所有像素点的差异值，确定每个组合区域的差异均值；

将所有组合区域的差异均值确定为当前帧图像的上一帧图像的区域差异均值。

可见，本发明所描述的应用于视频处理的动静判定装置，只需要在缓存一帧图像的基础上，通过结合区域统计值进行动静判定分析，节省了硬件资源和成本，利用对区域进行预划分而后进行动静判定分析，降低了计算量，有利于减少后续算法的复杂度和调整调试难度，更有效的提高动静判定的准确性和精度。

又进一步可选的，该应用于视频处理的动静判定装置还可以包括：

区域信息确定模块405，用于在参数组获取模块获取当前帧图像中每个像素点对应的至少两个参数组之前，对当前帧图像中的任一像素点进行区域检测操作，得到该像素点的区域信息；

区域信息确定模块405对当前帧图像中的任一像素点进行区域检测操作，得到该像素点的区域信息的具体方式为：

计算该像素点的初始降噪结果，根据该像素点的初始降噪结果，确定该像素点的高频信息；

根据该像素点的高频信息，确定该像素点的归一化高频信息，并根据该像素点的归一化高频信息以及预设的区域分割阈值，确定出该像素点的区域信息。

本发明实施例中，区域信息确定模块405不仅可以对当前帧图像进行处理，还可以用于对上一帧图像进行区域检测操作，得到上一帧图像的区域信息，并将上一帧图像的区域信息发送给区域差异均值确定模块404，进而由区域差异均值确定模块404确定上一帧图像的区域差异均值。相应的，区域差异均值确定模块404同样也可以将其在确定区域差异均值过程中产生的中间信息(区域信息等)发送给区域信息确定模块405，进而由区域信息确定模块405确定图像的最终的区域信息，本发明实施例不做限定。

可见，本发明描述的应用于视频处理的动静判定装置，结合降噪算法，获取帧图像的初步区域信息，而后统计不同区域的均值信息，可以在降低计算量的同时，提高动静判定的精度，保证动静判定方法的可靠性和稳定性。

又进一步可选的，该应用于视频处理的动静判定装置还可以包括：

目标降噪结果确定模块406，用于对任一像素点，在动静状态确定模块确定出该像素点的动静状态之后，对该像素点在当前帧图像中像素值的降噪结果与该像素点在上一帧图像中像素值的目标降噪结果进行加权计算，得到该像素点的降噪结果加权值，并将该像素点的降噪结果加权值确定为该像素点在当前帧图像中像素值的目标降噪结果。

可见，本发明所描述的应用于视频处理的动静判定装置，将当前帧的降噪结果进行存储并传递至下一帧降噪中作为参考，能够根据不同的场景的应用需求，调整不同的权重系数，进而能够获取更优的降噪结果

又进一步可选的，区域信息确定模块405获取图像中像素点像素值的NLM降噪结果的计算方法，可以包括：

以待降噪图像f的任意一个像素点i为中心，分别提取一个窗口大小为N*N的邻域块Ω(i)和一个窗口大小为M*M且M<N的匹配窗口P(i)，在邻域块中遍历检测与P(i)相似度较高的图像块P(j)并计算其加权权重系数w(i,j)，具体公式如下：

其中，d(i,j)为图像块之间的高斯加权欧式距离，h用于控制平滑程度，G_a为标准差为a的高斯函数；

综上，像素值f(i)的点经NLM降噪后结果如下：

其中，C(i)的计算公式为

可见，本发明公开的应用于视频处理的动静判定装置，通过降噪算法划分区域信息，能够降低计算量，提升动静判定过程的效率，能够高精度地实现数字视频处理过程中的动静判定，能够提高动静判定方法通用性和稳定性，降低动静判定过程中计算的复杂度，提高图像降噪的处理效率，有效降低图像降噪的成本，有利于获取更优的降噪效果，提升图像清晰度，进而可以降低后续图像处理算法的复杂度和整体调试的难度。结合修正后的差异值进行动静判定，可以有效降低边缘的影响，尤其是降低高亮边缘的干扰(帧间闪动等)，能够根据不同的场景的应用需求，调整不同的权重系数，提高通用性和适用性，进而能够获取更优的降噪结果。

实施例五

请参阅图6，图6是本发明实施例公开的另一种应用于视频处理的动静判定装置的结构示意图。其中，该方法可以应用于动静判定装置中，该动静判定装置可以是一个独立的装置，也可以集成在视频处理设备中，本发明实施例不做限定。需要说明的是，该动静判定装置参照的是实施例三所描述的应用于视频处理的动静判定方法中的步骤，详细的描述在本实施例中就不做赘述，如图6所示，该应用于视频处理的动静判定装置可以包括：

原始差异值确定模块501，用于对当前帧图像中的任一像素点，确定该像素点的原始差异值；

修正差异值确定模块502，用于根据该像素点的原始差异值，确定该像素点的修正差异值；

动静状态确定模块503，用于根据该像素点的修正差异值，确定该像素点的动静状态。

可见，本发明公开的应用于视频处理的动静判定装置，通过像素点的差异值的进一步修正，可以获得精度更高的差异值，提升修正差异值与动静状态之间的对应关系，能够避免边缘区域对动静判定的影响，改善高亮边缘对降噪效果的影响。

在一个可选的实施例中，对于当前帧图像中的任一像素点，修正差异值确定模块确定该像素点的修正差异值的计算公式为：

diff＝diff0*MAX(diff0,diff0_th)/MIN(d2d,rec)；

其中，diff为该像素点的修正差异值，diff0为该像素点的原始差异值，diff0_th为预先设定的差异阈值；其中，该像素点的原始差异值的计算公式为：

diff0＝abs(d2d-rec)；

其中，diff0为该像素点的原始差异值，d2d为该像素点在当前帧图像中像素值的空域降噪结果，rec为该像素点在上一帧图像中像素值的时空域降噪结果。

可见，本发明公开的应用于视频处理的动静判定装置，能够进一步提升动静判定的精度，最终确保获取更优的降噪效果。本发明实施例中，diff0_th为预先设定的差异阈值，用于调整最终修正差异值结果，加入与MAX(diff0,diff0_th)相乘的作用是用于保护低照度场景下白色高亮区域的差异值不会被过分削弱，避免造成拖影。结合修正后的差异值进行动静判定，可以更高精度的实现动静状态的判定，有效降低边缘的影响，尤其是降低高亮边缘的干扰(帧间闪动等)，进而实现更优的降噪效果。

实施例六

请参阅图7，图7是本发明实施例公开的另一种应用于视频处理的动静判定装置的结构示意图。如图7所示，该应用于视频处理的动静判定装置可以包括：

存储有可执行程序代码的存储器601；

与存储器601耦合的处理器602；

处理器602调用存储器601中存储的可执行程序代码，用于执行实施例一或实施例二或实施例三所描述的应用于视频处理的动静判定方法中的步骤。

实施例七

本发明实施例公开了一种计算机读存储介质，其存储用于电子数据交换的计算机程序，其中，该计算机程序使得计算机执行实施例一或实施例二或实施例三所描述的应用于视频处理的动静判定方法中的步骤。

实施例八

本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一或实施例二或实施例三所描述的应用于视频处理的动静判定方法中的步骤。

以上所描述的装置实施例仅是示意性的，其中作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

需要说明的是本说明书各部分操作所需的计算机程序代码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在计算机(PC、嵌入式智能设备等)上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。

最后应说明的是：本发明实施例公开的一种应用于视频处理的动静判定方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。