摘要：文章提出超高清電視終端的AI色帶平滑技術、AI超級增補技術、AI動態目標降噪技術，能夠降低超高清電視終端顯示標清或高清視頻內容時的色帶、物體細節模糊、動態目標拖尾，解決了標清或高清視頻內容的色深、清晰度、噪聲無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質。該技術已應用于創維超高清電視產品，效果良好，產生了良好效益。

關鍵詞：超高清電視；AI色帶平滑；AI超級增補；AI動態目標降噪

*科研項目：廣東省科技計劃項目——2021年度廣東省5G+8K超高清視頻顯示企業重點實驗室（項目編號：2021B1212050008）

1 引言

4K 超高清電視自 2011 年進入消費市場后得到迅猛 發展 , 至 2018 年已成為主導產品，同時 8K 超高清電視也在起步并成為產品升級的必然方向 ^[1]。超高清電視終端解析顯示能力達到 3840×2160 或 7680×4320 像素 ^[2]，超高清電視終端顯示超高清視頻內容時的畫面質量（畫質）好、臨場感強，能夠帶來震撼的視覺體驗。然而目前大部分視頻源還是標清或高清內容，視頻源質量較低，其色深、清晰度、噪聲等無法滿足超高清顯示要求。超高清電視終端與低質視頻源之間的突出矛盾，嚴重制約用戶視頻體驗，不能給廣大用戶帶來美好的視覺享受。近年來人工智能（artificial intelligence, AI）技術發展迅速，AI 技術在圖像處理領域應用日益廣泛，采用 AI 來提升電視清晰度等技術開始了廣泛地研究 ^[3]。

本文開展超高清電視終端顯示圖像畫質提升技術研究，提出超高清電視終端的 AI 色帶平滑技術、AI 超級增補技術、AI 動態目標降噪技術，能夠降低超高清電視終端顯示標清或高清視頻時的色帶和物體細節模糊、動態目標拖尾，避免顯示圖像的色彩突變和保持色彩過渡平滑，提高人眼感知清晰度和精細重現視頻細節，以及去除視頻中的噪聲并保證圖像細節，能夠有效提升超高清電視終端顯示圖像的畫質。本文提出的技術已使用于創維超高清電視產品，產生了良好效果。

2 AI色帶平滑處理技術

當高色深顯示終端顯示較低色深數字視頻信號時，由于存在色階差異會產生色帶現象。傳統的去除色帶技術，主要針對原生色深視頻圖像的色彩丟失情況進行統計分析和 2~4 倍的色深度補償，但無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，而目前大部分數字視頻源還是 8 位以下色深，即使采用傳統去除色帶技術，超高清電視顯示低位色深視頻時也會產生色帶現象、甚至嚴重的色彩失真。

AI 色帶平滑處理是通過對圖像色帶特征進行訓練并分析出視頻圖像色階缺失部分（即色帶區域），動態補償色階缺失部分圖像像素的顏色，使得色帶過渡平滑，避免圖像顏色突變，從而使得色彩呈現更好。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：首先采用神經網絡激活函數對輸入的視頻圖像進行色帶特征分析訓練，設定目標函數及目標值，檢測出符合目標特征的色帶區域并進行標記；然后統計計算色帶區域與相鄰區域的圖像像素的差值并估算細節補償值，對色帶區域的像素按照設定權重函數進行細節補償、實現像素值調整；最后用抖動算法修正色帶區域像素值，實現顏色的平滑處理。

圖1 AI色帶平滑處理框圖

由圖 1 可見，低色深視頻圖像未進行 AI 色帶平滑處理時，存在明顯的色帶，背景圖像部分尤其明顯。在經過 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渡突變、使得圖像色彩失真小和過渡平滑，顯示圖像的畫質、尤其是背景圖像的色彩呈現明顯得到改善。

3 AI超級增補技術

目前超高清分辨率視頻資源非常缺乏，主要是標清 480 像素或高清 720/（1 080）像素分辨率視頻內容。超高清電視終端一般采用傳統圖像拉伸和銳度增強算法來進行超分處理，將低分辨率視頻轉換成超高清分辨率視頻圖像后進行顯示。傳統超分算法只能增強低分辨率視頻中已有的細節和物體邊緣，無法重建低分辨率視頻源采樣頻率以上的頻率范圍，即傳統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高于標清或高清視頻圖像的頻率時才能顯示更加清晰細膩，因此傳統超分算法處理后的超高清顯示圖像將會出現細節模糊和物體邊緣鋸齒現象。尤其是壓縮率較高的網絡標清或高清視頻，以及存在大量后期制作動畫效果的視頻，在超高清電視上顯示時細節模糊和邊沿鋸齒更加明顯，嚴重影響了視頻圖像顯示質量，觀看者甚至認為超高清電視顯示清晰度還不如高清電視。

AI 超級增補是基于機器學習的方式，針對低分辨率視頻圖像中局部范圍內的結構特性，進行算法訓練和識別 2D 結構（二維結構），然后在不同畫面放大倍率下依據 2D 結構重塑細節，改善物體結構邊緣的精細銳利程度。如圖 2 所示，為 AI 超級增補（右）與傳統方向性插值（左）處理效果對比。

圖2 AI超級增補（右）與傳統方向性插值（左）處理效果對比

AI 超級增補重塑視頻源中不存在的人眼視覺細節特征，可改善在大倍率放大時存在的物體邊緣鋸齒化現象，提高人眼感知清晰度、精細重現視頻細節，提升超高清電視顯示低分辨率視頻圖像內容時的畫質。

4 AI動態目標降噪技術

在視頻圖像的獲取、轉換與傳輸過程中，受到硬件系統設備自身因素與外界環境的影響，獲取的圖像信息包含一些隨機、離散或孤立的點，即圖像噪聲。電視顯示圖像對噪聲非常敏感，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，通過時域上的迭代來達到平順低通濾波；然而 3D-IIR 濾波器的時空域覆蓋范圍通常較小，當視頻中噪聲較大并存在運動物體目標時，運動物體周圍區域的降噪效果明顯下降、如果強制提高降噪強度則會產生嚴重細節丟失及物體拖尾現象，對超高清圖像顯示尤其明顯。

AI 動態目標降噪采用稀疏濾波算法，針對大量視頻源中不同的目標個體獨立的運動軌跡，進行算法訓練，分析對比物體目標在運動過程中與周圍其它物體和環境的頻譜，分離實際物體與背景噪聲，在運動過程中進行頻域和時域聯合降噪，降低動態噪聲、并重構物體細節，解決較大噪聲視頻降噪問題及避免運動物體產生的細節丟失和拖尾現象。

AI 動態目標降噪處理原理為：首先采用稀疏濾波算法對視頻進行分析處理，提取出物體邊緣特征，并依此將圖像拆分為背景圖像與運動目標物體，對背景圖像與運動目標物體進行時域分析和頻域分析；然后分別對背景圖像和運動目標物體進行時域降噪，并實時分析視頻源中不同目標物體的運動軌跡及其運動過程中的頻譜、對運動目標物體邊沿進行細節重構，將處理后的背景圖像和運動目標物體融合為完整圖像；更新圖像的噪聲水平，進行空域降噪，輸出得到最終降噪完畢的圖像。

由圖 3 可見，大噪聲圖像經過 AI 動態目標降噪處理后，噪聲得到明顯降低，無物體細節丟失，顯示圖像的畫質明顯提升。

5 系統應用

AI 色帶平滑處理、AI 超級增補和 AI 動態目標降噪技術已經在多個電視產品中進行了應用，涵蓋 55 英寸 至 86 英寸（1 英寸 =2.54 cm），包括創維超高清電視 Q6A、Q51、S81、W81 等產品系列，這些產品在播放標清或高清視頻內容時，能夠較好的平滑色帶、提升顯示清晰度、降低噪聲時運動物體細節無丟失和拖尾，顯示時能夠呈現良好的圖像畫質。

6 結語

文章采用 AI 色帶平滑處理技術，深入對視頻圖像的色帶特征進行訓練分析和像素補償，避免圖像顏色過渡突變，使得圖像色彩失真小和過渡平滑；采用 AI 超級增補技術，基于機器學習的方式識別視頻圖像 2D 結構和重塑細節，增補視頻源中不存在的人眼視覺細節特征、改善物體邊緣鋸齒，提高人眼感知清晰度、精細重現視頻細節；以及采用 AI 動態目標降噪技術，通過稀疏濾波算法來分析視頻源中不同目標物體的運動軌跡及其運動過程中的頻譜，分離出物體對象和背景噪聲、并消除噪聲和重構物體對象細節。

文章技術的使用能夠降低超高清電視終端在播放低質視頻源時顯示圖像的色彩突變、物體邊緣鋸齒、運動物體噪聲，使得顯示圖像的色彩過渡平滑、人眼感知清晰度高、細節豐富，有效提升了顯示圖像的畫質。技術已經在創維 Q6A、W81 等超高清電視產品上得到了大規模使用，效果良好。

參考文獻：

[1] 徐遙令.一種8K超高清電視系統設計方案[J].電子產品世界,2018,25(6):28-30.

[2] 李超,時大鑫.超高清晰度顯示技術[J].現代顯示,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：本文轉載自《電子產品世界》雜志2022年8月期)