一種基于視頻分析的點狀條紋噪聲檢測方法
【專利摘要】一種基于視頻分析的點狀條紋噪聲檢測方法，屬于視頻監(jiān)控【技術(shù)領(lǐng)域】。它以點狀條紋噪聲的高頻特性和形態(tài)特性作為依據(jù)，通過視頻圖像中任意方向上的點狀條紋分析檢測點狀條紋噪聲，達(dá)到準(zhǔn)確檢測任意方向上駐留的點狀條紋噪聲問題的目的，從而提高點狀條紋噪聲檢測的準(zhǔn)確率。
【專利說明】一種基于視頻分析的點狀條紋噪聲檢測方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于視頻監(jiān)控【技術(shù)領(lǐng)域】，具體是一種通過視頻分析來檢測點狀條紋噪聲的 基于視頻分析的點狀條紋噪聲檢測方法。

【背景技術(shù)】
[0002] 通過人工主觀排查的方式，即人工逐一觀看每個攝像頭的視頻判斷是否出現(xiàn)條紋 干擾需要大量人力和時間，成本過高。為了實現(xiàn)客觀視頻質(zhì)量評估，達(dá)到海量視頻智能化監(jiān) 控管理的目的，點狀條紋噪聲干擾的檢測方法必不可少。
[0003] 當(dāng)前涉及條紋噪聲干擾的視頻質(zhì)量診斷方法有：發(fā)明專利（申請?zhí)枺?201110359307. 7,名稱：視頻質(zhì)量診斷方法）利用畫面的局部行或列出現(xiàn)視頻丟失的特 征，提出針對穩(wěn)定條紋干擾度的計算方式，由于其局限于通過行和列的亮度聚類判斷 視頻丟失，因而僅適用于固定的橫、堅條紋，無法對傾斜條紋做出判斷；發(fā)明專利（申請 號：201110402489. 1，名稱：視頻質(zhì)量智能檢測系統(tǒng)）利用行均值序列的凹凸特征檢測 條紋區(qū)域，因而僅適用于檢測橫向條紋，無法對傾斜條紋做出判斷；發(fā)明專利（申請?zhí)枺?201310142602. 6,名稱：智慧天網(wǎng)視頻質(zhì)量診斷系統(tǒng)）中關(guān)于條紋干擾檢測子模塊的描述， 僅指出帶有周期性的干擾由噪聲檢測項檢測，而并未給出噪聲檢測項的技術(shù)方案。
[0004] 此外，與本發(fā)明類似，即只針對條紋噪聲干擾的檢測方法有：發(fā)明專利（申請?zhí)枺?201110076433. 1，名稱：一種基于快速傅里葉變換檢測滾屏的方法）通過條紋的周期性、勻 速性等特征判斷視頻中是否出現(xiàn)滾屏條紋，由于其根據(jù)條紋的運動性質(zhì)進(jìn)行判斷，因而無 法檢測出靜態(tài)駐留的條紋；發(fā)明專利（申請?zhí)?：201110334692.X，名稱：視頻條紋量化計算 方法)利用Y分量上的canny邊緣特征膨脹信息作為條紋直線的判斷依據(jù)，對于非連續(xù)的點 狀條紋會產(chǎn)生偽邊緣從而影響計算結(jié)果。
[0005] 綜上所述，當(dāng)前類似的方案都未能解決如何準(zhǔn)確檢測任意方向上駐留的點狀條紋 噪聲這一問題。


【發(fā)明內(nèi)容】

[0006] 為克服現(xiàn)有技術(shù)上的不足，本發(fā)明的目的在于提供一種基于視頻分析的點狀條紋 噪聲檢測方法，它以點狀條紋噪聲的高頻特性和形態(tài)特性作為依據(jù)，通過視頻分析來檢測 圖像中任意方向上的點狀條紋噪聲。
[0007] 本發(fā)明包括如下步驟： 一種基于視頻分析的點狀條紋噪聲檢測方法，其特征在于包括如下步驟： 步驟1:通過采樣的方式抽取待檢視頻中的幀圖像，記為/,，厶…，4,并對所抽取的 圖像逐一作如下處理： 步驟1. 1 :對(i=l，2，…，n-1)進(jìn)行灰度化，得到對應(yīng)的灰度圖G ; 步驟1. 2 :通過傅立葉變換，獲得圖像0的頻譜利用高通濾波器去除低頻信息，得到 高頻頻譜/^，再通過逆傅立葉變換獲得頻譜對應(yīng)的圖像; 步驟1. 3 :對進(jìn)行二值化，得到二值圖見，從而進(jìn)一步凸顯出中的高頻部分； 步驟1. 4 :對圖像夂進(jìn)行形態(tài)學(xué)運算，

【權(quán)利要求】
1. 一種基于視頻分析的點狀條紋噪聲檢測方法，其特征在于包括如下步驟： 步驟1 :通過采樣的方式抽取待檢視頻中的/7幀圖像，記為/,，厶…，4,并對所抽取的 圖像逐一作如下處理： 步驟I. 1 :對Ji (i=l，2，…，n-l)進(jìn)行灰度化，得到對應(yīng)的灰度圖G ; 步驟1. 2 :通過傅立葉變換，獲得圖像G的頻譜利用高通濾波器去除低頻信息，得到 高頻頻譜Z7/，再通過逆傅立葉變換獲得頻譜Z7/ 對應(yīng)的圖像; 步驟1. 3 :對進(jìn)行二值化，得到二值圖見，從而進(jìn)一步凸顯出中的高頻部分； 步驟1.4 :對圖像見進(jìn)行形態(tài)學(xué)運算，C.=農(nóng)·；Γ = (1 81)ΘΙ,從而得到連通 圖像其中ζ為結(jié)構(gòu)元素，Ziu為第i幀連通圖像中的第"個連 通區(qū)域，Vi為連通圖像G中的連通區(qū)域個數(shù)，運算符"》"為閉操作，運算符";g "為膨脹 操作,運算符" 0 "為腐蝕操作； 步驟1.5:計算連通區(qū)域Ziu的重心坐標(biāo)連通區(qū)域
?為連通區(qū)域Ziu中的像素個數(shù)，a (? A )表示連通區(qū)域Au中第1個像素 A的坐標(biāo) 為C^h)，以此類推； 步驟1. 6 :通過Hough變換，找出穿過連通區(qū)域的直線傾斜角度^E fO: ；?) ，使用一組間距為A角度為0的平行線，將連通圖像G劃分成r個區(qū)域，
其中A為連通圖像G的高度，^·為連通圖像G的寬度， 分別統(tǒng)計出每個區(qū)域中的重心個數(shù)； 步驟1. 7 :將重心個數(shù)小于閾值7；的連續(xù)區(qū)域與重心個數(shù)大于等于7；的連續(xù)區(qū)域分別 進(jìn)行合并，然后再剔除重心總數(shù)小于閾值G的合并區(qū)域，保留下來的區(qū)域即點狀條紋噪聲 的分布區(qū)域，若無保留區(qū)域即該幀圖像J i不存在點狀條紋噪聲干擾，其中T17表示合并的粒 度，取
，/^表不噪聲密度的下限，?
步驟2 :視頻質(zhì)量系數(shù)
，當(dāng)0 >仏時，認(rèn)為待測視頻不存在點狀 條紋噪聲干擾；當(dāng)P <仏時，即認(rèn)為待測視頻存在點狀條紋噪聲干擾，其中ay為存 在噪聲干擾的幀數(shù)，a表示檢測閾值，取
【文檔編號】G06K9/00GK104392203SQ201410537147
【公開日】2015年3月4日 申請日期:2014年10月13日 優(yōu)先權(quán)日:2014年10月13日
【發(fā)明者】高飛, 梅凱城, 令狐乾錦, 豐敏強(qiáng), 高炎, 何致遠(yuǎn), 倪冰冰, 盧書芳, 張元鳴, 肖剛 申請人:浙江工業(yè)大學(xué)