超级视频去噪模块(SDNM, Super-Denoise Module)能够极大地去除视频图像中的随机噪声，同时很好地保持图像的细节和清晰度。该模块基于了自主研发的全新的视频去噪算法，充分考虑了时空域的信息，从而能从极大程度上降低视频图像中的随机噪声。该模块完全由C语言开发，综合考虑了速度和效果的平衡。
该模块SDNM主要的优势：
- 自适应强力去除视频噪声。
- 运动物体没有或者极小的残影。
- 图像清晰，保持细节。
- 完全自适应不同的场景，不需要设置去噪级别。
- 强并行性处理。
- 具有很好的实时性，处理速度>30fps@1080p。
- 支持标清、720p、1080p高清。
- 多平台支持，包括CPU(intel,AMD,ARM)、GPU等
- 接口简单，使用方便。
背景
视频图像噪声是不期望的图像的亮度或彩色随机变动。视频信号在获取、传输、或存储时经常会引入噪声。对于视频图像噪声而言，通常存在三种类型的噪声：随机噪声、固定模式噪声、和带状噪声。三个定性的例子如下图1-1显示，并且每个都呈现在平滑的灰度背景上。为了提高视觉质量，或为后续处理做准备（如视频编码、视频分析等），有必要对含噪声的视频信号进行去噪处理。去噪不仅可以提高视频序列的主观视觉效果，而且有利于提高视频的压缩效率，有利于节约传输带宽。
优势特性
-
强力去除噪声
SDNM具有非常高的降噪性能，能够去除各种场景下绝大部分的噪声。SDNM充分利用了视频的空时特性，从而较为智能地分析和滤除噪声。图1-2给出了噪声滤除的一个例子视频截图。可以看出这些强烈的噪声被很好地滤除。图像为缩略图，请点击查看原视频截图
-
运动无残影
SDNM对于运动具有极好的保持作用，存在极少或者没有运动残影。这一点要优于目前绝大多数的同类视频滤波。如图1-3所示视频截图。
-
细节保持
SDNM能够滤除绝大部分噪声的同时，能智能分析视频图像的细节信息，从而尽量保持图像纹理细节，保持图像的清晰度，防止图像模糊。当前大部分的实时滤波方法对于强噪声采用较强的模板等手段抑制，但这会造成边缘模糊，从而影响到图像的清晰度。图1-4给出了细节保持的例子。从图1-4可以看出，图像的细节保持良好，包括较小的纹理，而图像存在的噪声则被滤除。图1-5给出了细节保持的另外例子。
图1-4 细节保持的例子
图1-5 细节保持的例子
-
自适应各场景
SDNM能够自适应各种场景，用户无需进行滤波强度级别等设置。无论对于暗环境的强噪声，还是亮环境的轻微噪声，SDNM都能够自动地较好滤除。这一点也优于大部分的滤波方法。
-
实时性和并行性
SDNM能够实时处理标清、高清等视频，具有很好的并行性，很好的可移植性。对1080p视频的处理速度>30fps。
-
平台支持
SDNM已经实现了多平台支持，包括：
-CPU： intel、AMD、ARM
-GPU: intel HD、AMD ATI、nVidia
目前已应用到多个产品平台中，包括intel平台的视讯系统，全志平台A10、A31、A80，以及AMD平台
GPU版本SDNM性能分析
测试条件:
CPU: i5-3210m @2.5GHz
内存：4G
OS: 64bit Window 7 home
GPU: intel HD Graphics 4000 (m)
nVidia GeForce GT 650m
计算时间对比：
CPU计算负担对比：
可见SDNM的GPU版本的CPU计算负担非常小。而intel HD总体上要优于nVidia实现。
此外对未降噪和降噪后的视频进行H264压缩编码，采用SDNM进行降噪后大大提高编码效率，减小了编码码流，这可以极大地提高网络传输效率，防止丢包。分别选择暗环境强噪声环境下和亮环境颗粒噪声环境下进行测试，采用SDNM降噪后的码率能够减小，
暗环境强噪声环境：~60%
亮环境弱噪声环境：~20%
SNDM效果视频下载和相关说明文档:
如果您对此感兴趣，想了解更多内容，请联系本公司索取更多资料和DEMO。
相关产品
