超級視頻去噪模塊(SDNM, Super-Denoise Module)能夠極大地去除視頻圖像中的隨機噪聲，同時很好地保持圖像的細節和清晰度。該模塊基于了自主研發的全新的視頻去噪算法，充分考慮了時空域的信息，從而能從極大程度上降低視頻圖像中的隨機噪聲。該模塊完全由C語言開發，綜合考慮了速度和效果的平衡。
該模塊SDNM主要的優勢：
- 自適應強力去除視頻噪聲。
- 運動物體沒有或者極小的殘影。
- 圖像清晰，保持細節。
- 完全自適應不同的場景，不需要設置去噪級別。
- 強并行性處理。
- 具有很好的實時性，處理速度>30fps@1080p。
- 支持標清、720p、1080p高清。
- 多平臺支持，包括CPU(intel,AMD,ARM)、GPU等
- 接口簡單，使用方便。
背景
視頻圖像噪聲是不期望的圖像的亮度或彩色隨機變動。視頻信號在獲取、傳輸、或存儲時經常會引入噪聲。對于視頻圖像噪聲而言，通常存在三種類型的噪聲：隨機噪聲、固定模式噪聲、和帶狀噪聲。三個定性的例子如下圖1-1顯示，并且每個都呈現在平滑的灰度背景上。為了提高視覺質量，或為后續處理做準備（如視頻編碼、視頻分析等），有必要對含噪聲的視頻信號進行去噪處理。去噪不僅可以提高視頻序列的主觀視覺效果，而且有利于提高視頻的壓縮效率，有利于節約傳輸帶寬。
優勢特性
-
強力去除噪聲
SDNM具有非常高的降噪性能，能夠去除各種場景下絕大部分的噪聲。SDNM充分利用了視頻的空時特性，從而較為智能地分析和濾除噪聲。圖1-2給出了噪聲濾除的一個例子視頻截圖。可以看出這些強烈的噪聲被很好地濾除。圖像為縮略圖，請點擊查看原視頻截圖
-
運動無殘影
SDNM對于運動具有極好的保持作用，存在極少或者沒有運動殘影。這一點要優于目前絕大多數的同類視頻濾波。如圖1-3所示視頻截圖。
-
細節保持
SDNM能夠濾除絕大部分噪聲的同時，能智能分析視頻圖像的細節信息，從而盡量保持圖像紋理細節，保持圖像的清晰度，防止圖像模糊。當前大部分的實時濾波方法對于強噪聲采用較強的模板等手段抑制，但這會造成邊緣模糊，從而影響到圖像的清晰度。圖1-4給出了細節保持的例子。從圖1-4可以看出，圖像的細節保持良好，包括較小的紋理，而圖像存在的噪聲則被濾除。圖1-5給出了細節保持的另外例子。
圖1-4 細節保持的例子
?圖1-5 細節保持的例子
-
自適應各場景
SDNM能夠自適應各種場景，用戶無需進行濾波強度級別等設置。無論對于暗環境的強噪聲，還是亮環境的輕微噪聲，SDNM都能夠自動地較好濾除。這一點也優于大部分的濾波方法。
-
實時性和并行性
SDNM能夠實時處理標清、高清等視頻，具有很好的并行性，很好的可移植性。對1080p視頻的處理速度>30fps。
-
?平臺支持
SDNM已經實現了多平臺支持，包括：
-CPU： intel、AMD、ARM
-GPU:? intel HD、AMD ATI、nVidia
目前已應用到多個產品平臺中，包括intel平臺的視訊系統，全志平臺A10、A31、A80，以及AMD平臺
GPU版本SDNM性能分析
測試條件:
CPU: i5-3210m @2.5GHz
內存：4G
OS: 64bit Window 7 home
GPU: intel HD Graphics 4000 (m)
nVidia GeForce GT 650m
計算時間對比：
CPU計算負擔對比：
可見SDNM的GPU版本的CPU計算負擔非常小。而intel HD總體上要優于nVidia實現。
此外對未降噪和降噪后的視頻進行H264壓縮編碼，采用SDNM進行降噪后大大提高編碼效率，減小了編碼碼流，這可以極大地提高網絡傳輸效率，防止丟包。分別選擇暗環境強噪聲環境下和亮環境顆粒噪聲環境下進行測試，采用SDNM降噪后的碼率能夠減小，
暗環境強噪聲環境：~60%
亮環境弱噪聲環境：~20%
SNDM效果視頻下載和相關說明文檔:
如果您對此感興趣，想了解更多內容，請聯系本公司索取更多資料和DEMO。
相關產品
