本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體涉及一種基于改進(jìn)遺傳算法的夜晚安防監(jiān)控視頻分割方法及裝置。

背景技術(shù)：

隨著科技的發(fā)展，城市安全成了熱點(diǎn)，建立城市安全網(wǎng)離不開各類監(jiān)控。但是因?yàn)楸O(jiān)控往往是安裝在室外的，所以監(jiān)控裝置的質(zhì)量，天氣等自然原因以及安放位置周邊環(huán)境以及時間等許多不確定因素往往會導(dǎo)致監(jiān)控視頻的質(zhì)量不會特別好，特別是夜晚情況下，由于周圍環(huán)境較暗，監(jiān)控視頻就會變得比較模糊。通常情況下，盜竊等犯罪行為往往發(fā)生在夜晚，如果想要較好的提取出犯罪分子的信息，就需要對視頻進(jìn)行分割處理。

模糊的視頻是分割的難點(diǎn)，直接對模糊的監(jiān)控視頻進(jìn)行分割的效果往往不好。在已有專利——一種基于遺傳算法的灰度-梯度熵多閾值快速分割方法(申請?zhí)朇N201510058039.3)中，方法是首先在Matlab中輸入一幅待分割的圖像，獲取該圖像的灰度-梯度直方圖；然后用灰度-梯度直方圖計算該圖像的信息熵，得到灰度-梯度熵函數(shù)，再利用基于實(shí)數(shù)編碼的遺傳算法計算當(dāng)灰度-梯度熵函數(shù)取得最大值時，所得的該函數(shù)的解，最后根據(jù)所得的解，將圖像的像素重新分配，重建圖像即得到分割結(jié)果。該發(fā)明將單閾值圖像分割拓展到了多閾值分割，能有效分割多目標(biāo)圖像且運(yùn)算時間比較短。但是夜晚的監(jiān)控視頻圖像往往目標(biāo)單一，同時像素之間的差別不大，所以采用該方法只是加大了計算量但是并沒用改善分割效果。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明實(shí)施例提供一種基于改進(jìn)遺傳算法的夜晚安防監(jiān)控視頻分割方法及裝置，能夠改善夜晚安防監(jiān)控視頻的分割效果。

一方面，本發(fā)明實(shí)施例提出一種基于改進(jìn)遺傳算法的夜晚安防監(jiān)控視頻分割方法，包括：

S1、對待處理的夜晚安防監(jiān)控視頻的每一幀圖像進(jìn)行小波去噪處理；

S2、采用改進(jìn)的遺傳算法對去噪后的圖像進(jìn)行分割，其中，所述改進(jìn)的遺傳算法為對經(jīng)典的遺傳算法改進(jìn)得到，其改進(jìn)之處為在計算像素點(diǎn)的適應(yīng)度之前對所述像素點(diǎn)進(jìn)行線性拉伸。

另一方面，本發(fā)明實(shí)施例提出一種基于改進(jìn)遺傳算法的夜晚安防監(jiān)控視頻分割裝置，包括：

去噪單元，用于對待處理的夜晚安防監(jiān)控視頻的每一幀圖像進(jìn)行小波去噪處理；

分割單元，用于采用改進(jìn)的遺傳算法對去噪后的圖像進(jìn)行分割，其中，所述改進(jìn)的遺傳算法為對經(jīng)典的遺傳算法改進(jìn)得到，其改進(jìn)之處為在計算像素點(diǎn)的適應(yīng)度之前對所述像素點(diǎn)進(jìn)行線性拉伸。

本發(fā)明實(shí)施例提供的基于改進(jìn)遺傳算法的夜晚安防監(jiān)控視頻分割方法及裝置，利用小波去噪去除待處理的夜晚安防監(jiān)控視頻的每一幀圖像的噪聲，并采用改進(jìn)的遺傳算法對去噪后的圖像進(jìn)行分割，相較于經(jīng)典的遺傳算法，因在計算適應(yīng)度之前加入了對圖像像素進(jìn)行線性拉伸的步驟，因而能夠擴(kuò)大前景與背景的差距，同時可以提亮陰影中的細(xì)節(jié)部分，從而達(dá)到比較好的分割效果。

附圖說明

圖1為本發(fā)明一種基于改進(jìn)遺傳算法的夜晚安防監(jiān)控視頻分割方法一實(shí)施例的流程示意圖；

圖2為本發(fā)明一種基于改進(jìn)遺傳算法的夜晚安防監(jiān)控視頻分割裝置一實(shí)施例的結(jié)構(gòu)示意圖。

具體實(shí)施方式

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

參看圖1，本實(shí)施例公開一種基于改進(jìn)遺傳算法的夜晚安防監(jiān)控視頻分割方法，包括：

S1、對待處理的夜晚安防監(jiān)控視頻的每一幀圖像進(jìn)行小波去噪處理；

S2、采用改進(jìn)的遺傳算法對去噪后的圖像進(jìn)行分割，其中，所述改進(jìn)的遺傳算法為對經(jīng)典的遺傳算法改進(jìn)得到，其改進(jìn)之處為在計算像素點(diǎn)的適應(yīng)度之前對所述像素點(diǎn)進(jìn)行線性拉伸。

本發(fā)明實(shí)施例中，小波去噪過程為現(xiàn)有技術(shù)，此處不再贅述。

在具體應(yīng)用中，所述S2具體包括如下步驟：

S21、將去噪后的圖像轉(zhuǎn)換為灰度圖，初始化像素群體為灰度圖中的所有像素點(diǎn)；

S22、對當(dāng)前像素群體中的像素點(diǎn)進(jìn)行線性拉伸，得到拉伸后的圖像；

其中，線性拉伸的運(yùn)算公式為：

$T(x,y)=\frac{\left(f\right(x,y)-f_{min})\×f_{max}}{f_{max}-f_{\min }},$

其中，f(x,y)表示待處理圖像中坐標(biāo)為(x,y)的像素的像素值，T(x,y)表示坐標(biāo)為(x,y)的像素線性拉伸后的像素值，f_min表示待處理圖像中像素值的最小值，f_max表示待處理圖像中像素值的最大值；

S23、對步驟S22拉伸得到的圖像采用遺傳算法確定最佳分割閾值；其中采用的適應(yīng)度函數(shù)也做了改進(jìn)：

$F=C_0-\frac{\mathrm{\α}}{C_1}E,$

C₁＝M×N×255×255×16，

$E=\frac{1}{2}\underset{x=1}{\overset{M}{\Σ}}\underset{y=1}{\overset{N}{\Σ}}{\[R(x,y)\]}^2,$

其中C₀是為了保證適應(yīng)度函數(shù)值為非負(fù)，可以取255，α為常系數(shù)，取0.1-0.7之間；C₁為歸一化因子，M、N分別表示圖像在程序中存儲矩陣的的行數(shù)和列數(shù)；E為能量函數(shù)，其中R(x,y)為圖像中坐標(biāo)為(x,y)的像素拉普拉斯操作的運(yùn)算結(jié)果；

S24、利用步驟S23得到的最佳閾值采用閾值分割，得到分割后的圖像。

本實(shí)施例提供的基于改進(jìn)遺傳算法的夜晚安防監(jiān)控視頻分割方法，利用小波去噪去除待處理的夜晚安防監(jiān)控視頻的每一幀圖像的噪聲，并采用改進(jìn)的遺傳算法對去噪后的圖像進(jìn)行分割，相較于經(jīng)典的遺傳算法，因在計算適應(yīng)度之前加入了對圖像像素進(jìn)行線性拉伸的步驟，因而能夠擴(kuò)大前景與背景的差距，同時可以提亮陰影中的細(xì)節(jié)部分，從而達(dá)到比較好的分割效果。

參看圖2，本實(shí)施例公開一種基于改進(jìn)遺傳算法的夜晚安防監(jiān)控視頻分割裝置，包括：

去噪單元1，用于對待處理的夜晚安防監(jiān)控視頻的每一幀圖像進(jìn)行小波去噪處理；

分割單元2，用于采用改進(jìn)的遺傳算法對去噪后的圖像進(jìn)行分割，其中，所述改進(jìn)的遺傳算法為對經(jīng)典的遺傳算法改進(jìn)得到，其改進(jìn)之處為在計算像素點(diǎn)的適應(yīng)度之前對所述像素點(diǎn)進(jìn)行線性拉伸。

本實(shí)施例提供的基于改進(jìn)遺傳算法的夜晚安防監(jiān)控視頻分割裝置，利用小波去噪去除待處理的夜晚安防監(jiān)控視頻的每一幀圖像的噪聲，并采用改進(jìn)的遺傳算法對去噪后的圖像進(jìn)行分割，相較于經(jīng)典的遺傳算法，因在計算適應(yīng)度之前加入了對圖像像素進(jìn)行線性拉伸的步驟，因而能夠擴(kuò)大前景與背景的差距，同時可以提亮陰影中的細(xì)節(jié)部分，從而達(dá)到比較好的分割效果。

雖然結(jié)合附圖描述了本發(fā)明的實(shí)施方式，但是本領(lǐng)域技術(shù)人員可以在不脫離本發(fā)明的精神和范圍的情況下做出各種修改和變型，這樣的修改和變型均落入由所附權(quán)利要求所限定的范圍之內(nèi)。