超高清電視終端顯示圖像畫(huà)質(zhì)提升技術(shù)研究*

摘要：文章提出超高清電視終端的AI色帶平滑技術(shù)、AI超級(jí)增補(bǔ)技術(shù)、AI動(dòng)態(tài)目標(biāo)降噪技術(shù)，能夠降低超高清電視終端顯示標(biāo)清或高清視頻內(nèi)容時(shí)的色帶、物體細(xì)節(jié)模糊、動(dòng)態(tài)目標(biāo)拖尾，解決了標(biāo)清或高清視頻內(nèi)容的色深、清晰度、噪聲無(wú)法滿足超高清電視終端顯示要求的矛盾，有效提升了超高清電視終端顯示圖像畫(huà)質(zhì)。該技術(shù)已應(yīng)用于創(chuàng)維超高清電視產(chǎn)品，效果良好，產(chǎn)生了良好效益。

關(guān)鍵詞：超高清電視；AI色帶平滑；AI超級(jí)增補(bǔ)；AI動(dòng)態(tài)目標(biāo)降噪

*科研項(xiàng)目：廣東省科技計(jì)劃項(xiàng)目——2021年度廣東省5G+8K超高清視頻顯示企業(yè)重點(diǎn)實(shí)驗(yàn)室（項(xiàng)目編號(hào)：2021B1212050008）

1 引言

4K 超高清電視自 2011 年進(jìn)入消費(fèi)市場(chǎng)后得到迅猛 發(fā)展 , 至 2018 年已成為主導(dǎo)產(chǎn)品，同時(shí) 8K 超高清電視也在起步并成為產(chǎn)品升級(jí)的必然方向 ^[1]。超高清電視終端解析顯示能力達(dá)到 3840×2160 或 7680×4320 像素 ^[2]，超高清電視終端顯示超高清視頻內(nèi)容時(shí)的畫(huà)面質(zhì)量（畫(huà)質(zhì)）好、臨場(chǎng)感強(qiáng)，能夠帶來(lái)震撼的視覺(jué)體驗(yàn)。然而目前大部分視頻源還是標(biāo)清或高清內(nèi)容，視頻源質(zhì)量較低，其色深、清晰度、噪聲等無(wú)法滿足超高清顯示要求。超高清電視終端與低質(zhì)視頻源之間的突出矛盾，嚴(yán)重制約用戶視頻體驗(yàn)，不能給廣大用戶帶來(lái)美好的視覺(jué)享受。近年來(lái)人工智能（artificial intelligence, AI）技術(shù)發(fā)展迅速，AI 技術(shù)在圖像處理領(lǐng)域應(yīng)用日益廣泛，采用 AI 來(lái)提升電視清晰度等技術(shù)開(kāi)始了廣泛地研究 ^[3]。

本文開(kāi)展超高清電視終端顯示圖像畫(huà)質(zhì)提升技術(shù)研究，提出超高清電視終端的 AI 色帶平滑技術(shù)、AI 超級(jí)增補(bǔ)技術(shù)、AI 動(dòng)態(tài)目標(biāo)降噪技術(shù)，能夠降低超高清電視終端顯示標(biāo)清或高清視頻時(shí)的色帶和物體細(xì)節(jié)模糊、動(dòng)態(tài)目標(biāo)拖尾，避免顯示圖像的色彩突變和保持色彩過(guò)渡平滑，提高人眼感知清晰度和精細(xì)重現(xiàn)視頻細(xì)節(jié)，以及去除視頻中的噪聲并保證圖像細(xì)節(jié)，能夠有效提升超高清電視終端顯示圖像的畫(huà)質(zhì)。本文提出的技術(shù)已使用于創(chuàng)維超高清電視產(chǎn)品，產(chǎn)生了良好效果。

2 AI色帶平滑處理技術(shù)

當(dāng)高色深顯示終端顯示較低色深數(shù)字視頻信號(hào)時(shí)，由于存在色階差異會(huì)產(chǎn)生色帶現(xiàn)象。傳統(tǒng)的去除色帶技術(shù)，主要針對(duì)原生色深視頻圖像的色彩丟失情況進(jìn)行統(tǒng)計(jì)分析和 2~4 倍的色深度補(bǔ)償，但無(wú)法處理大的色深色彩丟失及視頻壓縮造成的色深損失。超高清電視終端顯示色深一般為 8~12 位，而目前大部分?jǐn)?shù)字視頻源還是 8 位以下色深，即使采用傳統(tǒng)去除色帶技術(shù)，超高清電視顯示低位色深視頻時(shí)也會(huì)產(chǎn)生色帶現(xiàn)象、甚至嚴(yán)重的色彩失真。

AI 色帶平滑處理是通過(guò)對(duì)圖像色帶特征進(jìn)行訓(xùn)練并分析出視頻圖像色階缺失部分（即色帶區(qū)域），動(dòng)態(tài)補(bǔ)償色階缺失部分圖像像素的顏色，使得色帶過(guò)渡平滑，避免圖像顏色突變，從而使得色彩呈現(xiàn)更好。AI 色帶平滑處理原理框圖如圖 1 所示。

AI 色帶平滑處理原理為：首先采用神經(jīng)網(wǎng)絡(luò)激活函數(shù)對(duì)輸入的視頻圖像進(jìn)行色帶特征分析訓(xùn)練，設(shè)定目標(biāo)函數(shù)及目標(biāo)值，檢測(cè)出符合目標(biāo)特征的色帶區(qū)域并進(jìn)行標(biāo)記；然后統(tǒng)計(jì)計(jì)算色帶區(qū)域與相鄰區(qū)域的圖像像素的差值并估算細(xì)節(jié)補(bǔ)償值，對(duì)色帶區(qū)域的像素按照設(shè)定權(quán)重函數(shù)進(jìn)行細(xì)節(jié)補(bǔ)償、實(shí)現(xiàn)像素值調(diào)整；最后用抖動(dòng)算法修正色帶區(qū)域像素值，實(shí)現(xiàn)顏色的平滑處理。

圖1 AI色帶平滑處理框圖

由圖 1 可見(jiàn)，低色深視頻圖像未進(jìn)行 AI 色帶平滑處理時(shí)，存在明顯的色帶，背景圖像部分尤其明顯。在經(jīng)過(guò) AI 色帶平滑處理處理后，色帶明顯減輕，背景圖像部分的顏色較為平滑，有效避免圖像顏色過(guò)渡突變、使得圖像色彩失真小和過(guò)渡平滑，顯示圖像的畫(huà)質(zhì)、尤其是背景圖像的色彩呈現(xiàn)明顯得到改善。

3 AI超級(jí)增補(bǔ)技術(shù)

目前超高清分辨率視頻資源非常缺乏，主要是標(biāo)清 480 像素或高清 720/（1 080）像素分辨率視頻內(nèi)容。超高清電視終端一般采用傳統(tǒng)圖像拉伸和銳度增強(qiáng)算法來(lái)進(jìn)行超分處理，將低分辨率視頻轉(zhuǎn)換成超高清分辨率視頻圖像后進(jìn)行顯示。傳統(tǒng)超分算法只能增強(qiáng)低分辨率視頻中已有的細(xì)節(jié)和物體邊緣，無(wú)法重建低分辨率視頻源采樣頻率以上的頻率范圍，即傳統(tǒng)超分處理前后視頻圖像的頻率范圍一致；由于超高清視頻圖像頻率需要遠(yuǎn)高于標(biāo)清或高清視頻圖像的頻率時(shí)才能顯示更加清晰細(xì)膩，因此傳統(tǒng)超分算法處理后的超高清顯示圖像將會(huì)出現(xiàn)細(xì)節(jié)模糊和物體邊緣鋸齒現(xiàn)象。尤其是壓縮率較高的網(wǎng)絡(luò)標(biāo)清或高清視頻，以及存在大量后期制作動(dòng)畫(huà)效果的視頻，在超高清電視上顯示時(shí)細(xì)節(jié)模糊和邊沿鋸齒更加明顯，嚴(yán)重影響了視頻圖像顯示質(zhì)量，觀看者甚至認(rèn)為超高清電視顯示清晰度還不如高清電視。

AI 超級(jí)增補(bǔ)是基于機(jī)器學(xué)習(xí)的方式，針對(duì)低分辨率視頻圖像中局部范圍內(nèi)的結(jié)構(gòu)特性，進(jìn)行算法訓(xùn)練和識(shí)別 2D 結(jié)構(gòu)（二維結(jié)構(gòu)），然后在不同畫(huà)面放大倍率下依據(jù) 2D 結(jié)構(gòu)重塑細(xì)節(jié)，改善物體結(jié)構(gòu)邊緣的精細(xì)銳利程度。如圖 2 所示，為 AI 超級(jí)增補(bǔ)（右）與傳統(tǒng)方向性插值（左）處理效果對(duì)比。

圖2 AI超級(jí)增補(bǔ)（右）與傳統(tǒng)方向性插值（左）處理效果對(duì)比

AI 超級(jí)增補(bǔ)重塑視頻源中不存在的人眼視覺(jué)細(xì)節(jié)特征，可改善在大倍率放大時(shí)存在的物體邊緣鋸齒化現(xiàn)象，提高人眼感知清晰度、精細(xì)重現(xiàn)視頻細(xì)節(jié)，提升超高清電視顯示低分辨率視頻圖像內(nèi)容時(shí)的畫(huà)質(zhì)。

4 AI動(dòng)態(tài)目標(biāo)降噪技術(shù)

在視頻圖像的獲取、轉(zhuǎn)換與傳輸過(guò)程中，受到硬件系統(tǒng)設(shè)備自身因素與外界環(huán)境的影響，獲取的圖像信息包含一些隨機(jī)、離散或孤立的點(diǎn)，即圖像噪聲。電視顯示圖像對(duì)噪聲非常敏感，降噪在電視圖像處理中非常重要。電視中一般采用 3D-IIR 濾波器，通過(guò)時(shí)域上的迭代來(lái)達(dá)到平順低通濾波；然而 3D-IIR 濾波器的時(shí)空域覆蓋范圍通常較小，當(dāng)視頻中噪聲較大并存在運(yùn)動(dòng)物體目標(biāo)時(shí)，運(yùn)動(dòng)物體周圍區(qū)域的降噪效果明顯下降、如果強(qiáng)制提高降噪強(qiáng)度則會(huì)產(chǎn)生嚴(yán)重細(xì)節(jié)丟失及物體拖尾現(xiàn)象，對(duì)超高清圖像顯示尤其明顯。

AI 動(dòng)態(tài)目標(biāo)降噪采用稀疏濾波算法，針對(duì)大量視頻源中不同的目標(biāo)個(gè)體獨(dú)立的運(yùn)動(dòng)軌跡，進(jìn)行算法訓(xùn)練，分析對(duì)比物體目標(biāo)在運(yùn)動(dòng)過(guò)程中與周圍其它物體和環(huán)境的頻譜，分離實(shí)際物體與背景噪聲，在運(yùn)動(dòng)過(guò)程中進(jìn)行頻域和時(shí)域聯(lián)合降噪，降低動(dòng)態(tài)噪聲、并重構(gòu)物體細(xì)節(jié)，解決較大噪聲視頻降噪問(wèn)題及避免運(yùn)動(dòng)物體產(chǎn)生的細(xì)節(jié)丟失和拖尾現(xiàn)象。

AI 動(dòng)態(tài)目標(biāo)降噪處理原理為：首先采用稀疏濾波算法對(duì)視頻進(jìn)行分析處理，提取出物體邊緣特征，并依此將圖像拆分為背景圖像與運(yùn)動(dòng)目標(biāo)物體，對(duì)背景圖像與運(yùn)動(dòng)目標(biāo)物體進(jìn)行時(shí)域分析和頻域分析；然后分別對(duì)背景圖像和運(yùn)動(dòng)目標(biāo)物體進(jìn)行時(shí)域降噪，并實(shí)時(shí)分析視頻源中不同目標(biāo)物體的運(yùn)動(dòng)軌跡及其運(yùn)動(dòng)過(guò)程中的頻譜、對(duì)運(yùn)動(dòng)目標(biāo)物體邊沿進(jìn)行細(xì)節(jié)重構(gòu)，將處理后的背景圖像和運(yùn)動(dòng)目標(biāo)物體融合為完整圖像；更新圖像的噪聲水平，進(jìn)行空域降噪，輸出得到最終降噪完畢的圖像。

由圖 3 可見(jiàn)，大噪聲圖像經(jīng)過(guò) AI 動(dòng)態(tài)目標(biāo)降噪處理后，噪聲得到明顯降低，無(wú)物體細(xì)節(jié)丟失，顯示圖像的畫(huà)質(zhì)明顯提升。

5 系統(tǒng)應(yīng)用

AI 色帶平滑處理、AI 超級(jí)增補(bǔ)和 AI 動(dòng)態(tài)目標(biāo)降噪技術(shù)已經(jīng)在多個(gè)電視產(chǎn)品中進(jìn)行了應(yīng)用，涵蓋 55 英寸 至 86 英寸（1 英寸 =2.54 cm），包括創(chuàng)維超高清電視 Q6A、Q51、S81、W81 等產(chǎn)品系列，這些產(chǎn)品在播放標(biāo)清或高清視頻內(nèi)容時(shí)，能夠較好的平滑色帶、提升顯示清晰度、降低噪聲時(shí)運(yùn)動(dòng)物體細(xì)節(jié)無(wú)丟失和拖尾，顯示時(shí)能夠呈現(xiàn)良好的圖像畫(huà)質(zhì)。

6 結(jié)語(yǔ)

文章采用 AI 色帶平滑處理技術(shù)，深入對(duì)視頻圖像的色帶特征進(jìn)行訓(xùn)練分析和像素補(bǔ)償，避免圖像顏色過(guò)渡突變，使得圖像色彩失真小和過(guò)渡平滑；采用 AI 超級(jí)增補(bǔ)技術(shù)，基于機(jī)器學(xué)習(xí)的方式識(shí)別視頻圖像 2D 結(jié)構(gòu)和重塑細(xì)節(jié)，增補(bǔ)視頻源中不存在的人眼視覺(jué)細(xì)節(jié)特征、改善物體邊緣鋸齒，提高人眼感知清晰度、精細(xì)重現(xiàn)視頻細(xì)節(jié)；以及采用 AI 動(dòng)態(tài)目標(biāo)降噪技術(shù)，通過(guò)稀疏濾波算法來(lái)分析視頻源中不同目標(biāo)物體的運(yùn)動(dòng)軌跡及其運(yùn)動(dòng)過(guò)程中的頻譜，分離出物體對(duì)象和背景噪聲、并消除噪聲和重構(gòu)物體對(duì)象細(xì)節(jié)。

文章技術(shù)的使用能夠降低超高清電視終端在播放低質(zhì)視頻源時(shí)顯示圖像的色彩突變、物體邊緣鋸齒、運(yùn)動(dòng)物體噪聲，使得顯示圖像的色彩過(guò)渡平滑、人眼感知清晰度高、細(xì)節(jié)豐富，有效提升了顯示圖像的畫(huà)質(zhì)。技術(shù)已經(jīng)在創(chuàng)維 Q6A、W81 等超高清電視產(chǎn)品上得到了大規(guī)模使用，效果良好。

參考文獻(xiàn)：

[1] 徐遙令.一種8K超高清電視系統(tǒng)設(shè)計(jì)方案[J].電子產(chǎn)品世界,2018,25(6):28-30.

[2] 李超,時(shí)大鑫.超高清晰度顯示技術(shù)[J].現(xiàn)代顯示,2010(5):99-103.

[3] FU B,LI Y,WANG X H,REN Y G. Image super-resolution using TV priori guided convolutional network[J].Pattern Recognition Letters,2019,125(7):780-784.

(注：本文轉(zhuǎn)載自《電子產(chǎn)品世界》雜志2022年8月期)