• / 11
  • 下載費用:30 金幣  

一種視頻圖像中的條紋異常檢測方法.pdf

摘要
申請專利號:

CN201610872036.8

申請日:

2016.09.30

公開號:

CN106303158A

公開日:

2017.01.04

當前法律狀態:

實審

有效性:

審中

法律詳情: 實質審查的生效IPC(主分類):H04N 5/21申請日:20160930|||公開
IPC分類號: H04N5/21; H04N7/18; G06T5/00; G06T5/30; G06T7/00 主分類號: H04N5/21
申請人: 杭州電子科技大學
發明人: 程宗毛; 徐文濤; 徐向華; 張善卿
地址: 310027 浙江省杭州市下沙高教園區2號大街
優先權:
專利代理機構: 杭州君度專利代理事務所(特殊普通合伙) 33240 代理人: 杜軍
PDF完整版下載: PDF下載
法律狀態
申請(專利)號:

CN201610872036.8

授權公告號:

|||

法律狀態公告日:

2017.02.01|||2017.01.04

法律狀態類型:

實質審查的生效|||公開

摘要

本發明公開了一種視頻圖像中的條紋異常檢測方法。本發明具體實現如下:首先獲得目標視頻,提取視頻序列中的圖像,并將圖像的存儲格式由多通道轉化為單通道的灰度圖像存儲格式;其次將灰度格式圖像序列依次做前后幀的差幀處理,得到差值圖像序列;并將差值圖像序列進行形態學中腐蝕去噪處理;然后將去噪圖像序列和差值圖像序列進行Sobel算子銳化處理,得到兩組圖像序列并分別進行行投影,得到兩組投影數據;對兩組投影數據進行方差計算,通過去噪處理得到投影數據和未去噪處理得到投影數據的方差比,判斷是否存在橫紋。本發明能識別圖像是否存在水平橫紋,有效降低對無橫紋圖像的檢測誤判。

權利要求書

1.一種視頻圖像中的條紋異常檢測方法,其特征在于:利用視頻前后幀的差幀去除背
景噪聲,再通過腐蝕去除非條紋噪聲影響并突顯條紋特征;最后進行行投影并計算對比方
差值,具體步驟如下:
步驟1:獲得目標視頻,提取視頻的圖像寬與高;
步驟2:提取視頻序列中的圖像,并將圖像的存儲格式由多通道轉化為單通道的灰度圖
像存儲格式;
步驟3:將步驟2的灰度格式圖像序列依次做前后幀的差幀處理,得到差值圖像序列;
步驟4:將步驟3差值圖像序列進行形態學中腐蝕去噪處理,以突顯圖像橫條紋特征;
步驟5:將步驟4的去噪圖像序列以及步驟3的差值圖像序列進行Sobel算子銳化處理,
得到處理后的兩組圖像序列;
步驟6:將步驟5處理的兩組圖像序列分別進行行投影,得到兩組投影數據;
步驟7:對兩組投影數據進行方差計算,通過去噪處理得到投影數據和未去噪處理得到
投影數據的方差比,判斷是否存在橫紋;其中方差比的閾值通過統計的方法得出。
2.根據權利要求1所述的一種視頻圖像中的條紋異常檢測方法,其特征在于:在步驟4
中,腐蝕處理的原理如下:
腐蝕定義為:
表示B對A的腐蝕是一個用z平移的B包含在A中所有的點Z的集合;其中A、B為兩個集合;
結構元B采用半徑為3像素、高為3像素的橢圓進行腐蝕處理。
3.根據權利要求2所述的一種視頻圖像中的條紋異常檢測方法,其特征在于:在步驟5
中,Sobel算子采用水平算子可檢測橫條紋、采用Sobel垂直算子可檢測縱向條紋;公式分別
為:
<mrow> <msub> <mi>g</mi> <mi>x</mi> </msub> <mo>=</mo> <mfrac> <mrow> <mo>&part;</mo> <mi>f</mi> </mrow> <mrow> <mo>&part;</mo> <mi>x</mi> </mrow> </mfrac> <mo>=</mo> <mrow> <mo>(</mo> <msub> <mi>z</mi> <mn>7</mn> </msub> <mo>+</mo> <mn>2</mn> <msub> <mi>z</mi> <mn>8</mn> </msub> <mo>+</mo> <msub> <mi>z</mi> <mn>9</mn> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mrow> <mo>(</mo> <msub> <mi>z</mi> <mn>1</mn> </msub> <mo>+</mo> <mn>2</mn> <msub> <mi>z</mi> <mn>2</mn> </msub> <mo>+</mo> <msub> <mi>z</mi> <mn>3</mn> </msub> <mo>)</mo> </mrow> </mrow>
<mrow> <msub> <mi>g</mi> <mi>y</mi> </msub> <mo>=</mo> <mfrac> <mrow> <mo>&part;</mo> <mi>f</mi> </mrow> <mrow> <mo>&part;</mo> <mi>y</mi> </mrow> </mfrac> <mo>=</mo> <mrow> <mo>(</mo> <msub> <mi>z</mi> <mn>3</mn> </msub> <mo>+</mo> <mn>2</mn> <msub> <mi>z</mi> <mn>6</mn> </msub> <mo>+</mo> <msub> <mi>z</mi> <mn>9</mn> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mrow> <mo>(</mo> <msub> <mi>z</mi> <mn>1</mn> </msub> <mo>+</mo> <mn>2</mn> <msub> <mi>z</mi> <mn>4</mn> </msub> <mo>+</mo> <msub> <mi>z</mi> <mn>7</mn> </msub> <mo>)</mo> </mrow> </mrow>
其中zi,i=1,…,9為目標點x上一行與下一行最鄰近3像素點的灰度值;gx和gy表示
sobel算子處理后得到x像素灰度值。
4.根據權利要求1所述的一種視頻圖像中的條紋異常檢測方法,其特征在于:在步驟6
中,投影公式為:
<mrow> <mi>d</mi> <mi>a</mi> <mi>t</mi> <mi>a</mi> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <mi>I</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow>

<mrow> <mi>d</mi> <mi>a</mi> <mi>t</mi> <mi>a</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <mi>I</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow>
其中data(j)、data(i)分別為行、列投影對應元素值;I(i,j)為對應圖像的像素灰度
值。
5.根據權利要求1所述的一種視頻圖像中的條紋異常檢測方法,其特征在于:在步驟6
中,方差比的計算公式為:
<mrow> <mi>T</mi> <mo>=</mo> <mfrac> <mrow> <mi>V</mi> <mn>1</mn> </mrow> <mrow> <mi>V</mi> <mn>0</mn> </mrow> </mfrac> </mrow>
其中T為方差比,V1為未經過腐蝕去噪處理的投影數據的方差,V0為經過腐蝕去噪處理
的投影數據方差。
6.根據權利要求1所述的一種視頻圖像中的條紋異常檢測方法,其特征在于:步驟7采
用的判別方式是方差的比值;將比值T與預先統計好得出的閾值T0比較大小;當T<T0時,則
判定該幀存在橫條紋,否則不存在;當存在連續幾幀存在橫條紋時,則判定為視頻存在橫
紋。

說明書

一種視頻圖像中的條紋異常檢測方法

技術領域

本發明主要涉及視頻圖像質量診斷領域,特別涉及一種視頻圖像中的條紋異常檢
測方法,適用于水平干擾條紋的檢測。

背景技術

隨著視頻監控的日益普及,視頻監控中出現的異常情況也呈現井噴式增長。視頻
橫紋干擾正是諸多異常中的一種,當視頻圖像存在大量橫紋干擾時,會嚴重影響視頻的使
用效果。那么及時發現故障就顯得尤為重要。原本靠人力去逐一查看視頻是否存在異常的
方式,對于少量視頻尚且可行;但有大量攝像頭時,顯然已不能滿足這種需求;并且人力的
成本越來越高,不便于系統化管理。

當前采用非人工的方式針對圖像條紋檢測的方法有:熊培杰等在專利《圖像條紋
檢測方法及裝置》(專利號:201310247599.4)中提出的通過在接收到圖像條紋檢測任務時,
解析圖像條紋檢測任務的任務消息以確定圖像的檢測區域;獲取待檢測的視頻數據;循環
執行“讀取獲取的所述視頻數據中的一幀圖像,檢測所述一幀圖像在所述檢測區域中的條
紋,并記錄所述一幀圖像對應的檢測結果”,直至檢測了預設幀數量的幀圖像;統計分析記
錄的各幀圖像對應的檢測結果,以確定所述檢測區域的圖像條紋檢測結果的檢測方法;以
及周康在專利《圖像中條紋干擾的檢測方法和裝置》(專利號:201310432482.3)中提出的獲
取需要進行檢測的多個連續圖像中的每個像素的屬性值;對于每個像素,根據多個連續圖
像中該像素的屬性值確定該像素的變化值,其中,該像素的變化值用于表示在多個連續圖
像中該像素的屬性變化情況;對由各個像素的變化值組成的圖像進行條紋干擾檢測的檢測
方法。

本發明提出了首先做差幀處理消除固定背景影響,并進行腐蝕去噪處理消除細小
噪聲影響,再通過Sobel水平算子銳化處理,最后對處理圖像進行行投影并對投影數據計算
方差做比得到比值,從而判斷是否存在橫條紋的檢測方法。該方法能檢測出由于條紋異常
導致背景圖像扭曲的圖像條紋。對橫條紋沒有周期性要求,有較好的適應性。

發明內容

本發明旨在解決監控視頻中存在的水平干擾條紋的條紋檢測問題。提供一種視頻
圖像中的條紋異常檢測方法。本發明根據橫紋存在時,利用視頻前后幀的差幀去除背景噪
聲,再通過腐蝕去除非條紋噪聲影響并突顯條紋特征;最后進行行投影并計算對比方差值,
計算投影數據方差判斷是否存在橫紋。

本發明的技術方案步驟如下:

步驟1:獲得目標視頻,提取視頻的圖像寬與高;

步驟2:提取視頻序列中的圖像,并將圖像的存儲格式由多通道轉化為單通道的灰
度圖像存儲格式;

步驟3:將步驟2的灰度格式圖像序列依次做前后幀的差幀處理,得到差值圖像序
列;

步驟4:將步驟3差值圖像序列進行形態學中腐蝕去噪處理,以突顯圖像橫條紋特
征;

步驟5:將步驟4的去噪圖像序列以及步驟3的差值圖像序列進行Sobel算子銳化處
理,得到處理后的兩組圖像序列;

步驟6:將步驟5處理的兩組圖像序列分別進行行投影,得到兩組投影數據;

步驟7:對兩組投影數據進行方差計算,通過去噪處理得到投影數據和未去噪處理
得到投影數據的方差比,判斷是否存在橫紋;其中方差比的閾值通過統計的方法得出。

在步驟4中,腐蝕處理的原理如下:

腐蝕定義為:

表示B對A的腐蝕是一個用z平移的B包含在A中所有的點Z的集合;其中A、B為兩個
集合;結構元B采用半徑為3像素、高為3像素的橢圓進行腐蝕處理。

在步驟5中,Sobel算子采用水平算子可檢測橫條紋、采用Sobel垂直算子可檢測縱
向條紋;公式分別為:

<mrow> <msub> <mi>g</mi> <mi>x</mi> </msub> <mo>=</mo> <mfrac> <mrow> <mo>&part;</mo> <mi>f</mi> </mrow> <mrow> <mo>&part;</mo> <mi>x</mi> </mrow> </mfrac> <mo>=</mo> <mrow> <mo>(</mo> <msub> <mi>z</mi> <mn>7</mn> </msub> <mo>+</mo> <mn>2</mn> <msub> <mi>z</mi> <mn>8</mn> </msub> <mo>+</mo> <msub> <mi>z</mi> <mn>9</mn> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mrow> <mo>(</mo> <msub> <mi>z</mi> <mn>1</mn> </msub> <mo>+</mo> <mn>2</mn> <msub> <mi>z</mi> <mn>2</mn> </msub> <mo>+</mo> <msub> <mi>z</mi> <mn>3</mn> </msub> <mo>)</mo> </mrow> </mrow>

<mrow> <msub> <mi>g</mi> <mi>y</mi> </msub> <mo>=</mo> <mfrac> <mrow> <mo>&part;</mo> <mi>f</mi> </mrow> <mrow> <mo>&part;</mo> <mi>y</mi> </mrow> </mfrac> <mo>=</mo> <mrow> <mo>(</mo> <msub> <mi>z</mi> <mn>3</mn> </msub> <mo>+</mo> <mn>2</mn> <msub> <mi>z</mi> <mn>6</mn> </msub> <mo>+</mo> <msub> <mi>z</mi> <mn>9</mn> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mrow> <mo>(</mo> <msub> <mi>z</mi> <mn>1</mn> </msub> <mo>+</mo> <mn>2</mn> <msub> <mi>z</mi> <mn>4</mn> </msub> <mo>+</mo> <msub> <mi>z</mi> <mn>7</mn> </msub> <mo>)</mo> </mrow> </mrow>

其中zi,i=1,…,9為目標點x上一行與下一行最鄰近3像素點的灰度值;gx和gy表
示sobel算子處理后得到x像素灰度值。

在步驟6中,投影公式為:

<mrow> <mi>d</mi> <mi>a</mi> <mi>t</mi> <mi>a</mi> <mrow> <mo>(</mo> <mi>j</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <mi>I</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow>


<mrow> <mi>d</mi> <mi>a</mi> <mi>t</mi> <mi>a</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <mi>I</mi> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>)</mo> </mrow> </mrow>

其中data(j)、data(i)分別為行、列投影對應元素值;I(i,j)為對應圖像的像素灰
度值。

步驟6中,方差比的計算公式為:

<mrow> <mi>T</mi> <mo>=</mo> <mfrac> <mrow> <mi>V</mi> <mn>1</mn> </mrow> <mrow> <mi>V</mi> <mn>0</mn> </mrow> </mfrac> </mrow>

其中T為方差比,V1為未經過腐蝕去噪處理的投影數據的方差,V0為經過腐蝕去噪
處理的投影數據方差。

步驟7采用的判別方式是方差的比值;將比值T與預先統計好得出的閾值T0比較大
小;當T<T0時,則判定該幀存在橫條紋,否則不存在;當存在連續幾幀存在橫條紋時,則判定
為視頻存在橫紋。

本發明得到有益結果:

本發明針對監控視頻橫條紋異常情況問題,提出了首先通過差幀去除固定背景影
響,從而達到突顯橫紋與局部噪聲目的;并通過腐蝕處理去除局部小噪聲的方式,進一步顯
化突出橫紋特征。再次通過樣本統計的方式得出橫紋檢測判斷值。最終達到檢測橫紋的方
法。本發明基于真實場景樣本數據進行統計確定判斷閾值,條紋檢測更加可靠,實時性好。
同時本方法也適用于豎向條紋的檢測。

附圖說明

圖1總體實現框架流程圖;

圖2判斷閾值統計流程圖;

圖3腐蝕去噪處理對比圖;

圖4 Sobel水平算子處理對比圖;

圖5行投影數據圖;

圖6不存在橫條紋圖像行投影對比圖.

具體實施方式

下面結合附圖對本發明的具體實施方案做進一步更詳細的敘述。

對附圖1做如下具體說明:

步驟1:提取檢測視頻或視頻流的屬性,判斷視頻是否為單通道灰度圖像幀序列,
若不是單通道灰度幀序列,將視頻幀轉化為單通道灰度圖像格式,并提取視頻幀的寬度與
高度分別記為M、N。

步驟2:將灰度化的幀序列做前后幀做差處理,得到差幀圖像記為frame_diff

步驟3:對差幀圖像frame_diff進行去噪處理,以突顯橫條紋特征便于進一步處
理。得到去噪圖像記為frame_diff_erode,其中去噪采用圖像形態學中的腐蝕原理。處理結
果見附圖3。

腐蝕原理具體如下

腐蝕定義為:

表示B對A的腐蝕是一個用z平移的B包含在A中所有的點Z的集合。其中A、B為兩個
集合。本案例中結構元B采用半徑為3像素、高為3像素的橢圓進行腐蝕處理。

步驟4:對腐蝕去噪圖像frame_diff以及frame_diff_erode進行sobel銳化處理分
別得到處理后圖像記為frame_diff_sobel與frame_diff_erode_sobel。處理結果見附圖4。

其中sobel水平銳化處理具體原理如下:

<mrow> <msub> <mi>g</mi> <mi>x</mi> </msub> <mo>=</mo> <mfrac> <mrow> <mo>&part;</mo> <mi>f</mi> </mrow> <mrow> <mo>&part;</mo> <mi>x</mi> </mrow> </mfrac> <mo>=</mo> <mrow> <mo>(</mo> <msub> <mi>z</mi> <mn>7</mn> </msub> <mo>+</mo> <mn>2</mn> <msub> <mi>z</mi> <mn>8</mn> </msub> <mo>+</mo> <msub> <mi>z</mi> <mn>9</mn> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mrow> <mo>(</mo> <msub> <mi>z</mi> <mn>1</mn> </msub> <mo>+</mo> <mn>2</mn> <msub> <mi>z</mi> <mn>2</mn> </msub> <mo>+</mo> <msub> <mi>z</mi> <mn>3</mn> </msub> <mo>)</mo> </mrow> </mrow>

其中zi,i=1,…,9為目標點x上一行與下一行最鄰近3像素點的灰度值。gx表示
sobel算子處理后得到x像素灰度值。

步驟5:對圖像frame_diff_sobel與圖frame_diff_erode_sobel像素灰度進行行
投影,即將大小為M*N像素值矩陣的每一行累加起來得到大小為1*N數據矩陣。投影得到數
據矩陣分別記為data0、data1。投影數據結果見附圖5。

公式為:

其中data[j]為數據矩陣的第j個元素,I(i,j)為投影矩陣相應坐標為(i,j)的像
素值

步驟6:對步驟5得出的數據矩data0與data1計算其方差,分別記為Var0、Var1。

步驟7:步驟6得出的未去噪處理的方差數據與進行去噪處理的的方差數據做比,
得到比值,記為T=Var0/Var1。

步驟8:將步驟7得出的比值T與預先統計好得出的閾值T0比較大小。由于存在橫條
紋圖像處理后的方差比會比較小,而不存在橫條紋圖像處理后方差比會比較大;統計發現
二者處在不同的量級上,從而統計出判斷閾值T0。基于這樣的結論,那么當T<T0時,則判定
該幀存在橫條紋,否則不存在。當存在連續幾幀存在橫條紋時,則判定為視頻存在橫紋。其
中不存在橫紋樣本進行前五步驟處理,處理結果見圖6。

對附圖2進行具體說明:

步驟1:將事先收集多組固定場景下存在橫條紋的樣本視頻與不存在橫條紋的視
頻樣本用于統計計算。樣本分組多次重復附圖1的具體說明的前七個步驟,得出兩組統計數
據。一組為存在橫條紋的方差比值數據組data_T0,另一組為不存在橫條紋的方差比值數據
組data_T1.求出兩組數據的均值分別為average_T0、average_T1。在二者中間取一可靠值
T0作為統計閾值,帶入進行檢驗。

關 鍵 詞:
一種 視頻 圖像 中的 條紋 異常 檢測 方法
  專利查詢網所有資源均是用戶自行上傳分享,僅供網友學習交流,未經上傳用戶書面授權,請勿作他用。
關于本文
本文標題:一種視頻圖像中的條紋異常檢測方法.pdf
鏈接地址:http://www.rgyfuv.icu/p-6100502.html
關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服客服 - 聯系我們

[email protected] 2017-2018 zhuanlichaxun.net網站版權所有
經營許可證編號:粵ICP備17046363號-1 
 


收起
展開
山东11选5中奖结果走势图