CN104392203A - 一种基于视频分析的点状条纹噪声检测方法 - Google Patents
一种基于视频分析的点状条纹噪声检测方法 Download PDFInfo
- Publication number
- CN104392203A CN104392203A CN201410537147.4A CN201410537147A CN104392203A CN 104392203 A CN104392203 A CN 104392203A CN 201410537147 A CN201410537147 A CN 201410537147A CN 104392203 A CN104392203 A CN 104392203A
- Authority
- CN
- China
- Prior art keywords
- point
- video
- noise
- region
- connected region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/431—Frequency domain transformation; Autocorrelation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
一种基于视频分析的点状条纹噪声检测方法,属于视频监控技术领域。它以点状条纹噪声的高频特性和形态特性作为依据,通过视频图像中任意方向上的点状条纹分析检测点状条纹噪声,达到准确检测任意方向上驻留的点状条纹噪声问题的目的,从而提高点状条纹噪声检测的准确率。
Description
技术领域
本发明属于视频监控技术领域,具体是一种通过视频分析来检测点状条纹噪声的基于视频分析的点状条纹噪声检测方法。
背景技术
通过人工主观排查的方式,即人工逐一观看每个摄像头的视频判断是否出现条纹干扰需要大量人力和时间,成本过高。为了实现客观视频质量评估,达到海量视频智能化监控管理的目的,点状条纹噪声干扰的检测方法必不可少。
当前涉及条纹噪声干扰的视频质量诊断方法有:发明专利(申请号:201110359307.7,名称:视频质量诊断方法)利用画面的局部行或列出现视频丢失的特征,提出针对稳定条纹干扰度的计算方式,由于其局限于通过行和列的亮度聚类判断视频丢失,因而仅适用于固定的横、竖条纹,无法对倾斜条纹做出判断;发明专利(申请号:201110402489.1,名称:视频质量智能检测***)利用行均值序列的凹凸特征检测条纹区域,因而仅适用于检测横向条纹,无法对倾斜条纹做出判断;发明专利(申请号:201310142602.6,名称:智慧天网视频质量诊断***)中关于条纹干扰检测子模块的描述,仅指出带有周期性的干扰由噪声检测项检测,而并未给出噪声检测项的技术方案。
此外,与本发明类似,即只针对条纹噪声干扰的检测方法有:发明专利(申请号:201110076433.1,名称:一种基于快速傅里叶变换检测滚屏的方法)通过条纹的周期性、匀速性等特征判断视频中是否出现滚屏条纹,由于其根据条纹的运动性质进行判断,因而无法检测出静态驻留的条纹;发明专利(申请号:201110334692.X,名称:视频条纹量化计算方法)利用Y分量上的canny边缘特征膨胀信息作为条纹直线的判断依据,对于非连续的点状条纹会产生伪边缘从而影响计算结果。
综上所述,当前类似的方案都未能解决如何准确检测任意方向上驻留的点状条纹噪声这一问题。
发明内容
为克服现有技术上的不足,本发明的目的在于提供一种基于视频分析的点状条纹噪声检测方法,它以点状条纹噪声的高频特性和形态特性作为依据,通过视频分析来检测图像中任意方向上的点状条纹噪声。
本发明包括如下步骤:
一种基于视频分析的点状条纹噪声检测方法,其特征在于包括如下步骤:
步骤1:通过采样的方式抽取待检视频中的n帧图像,记为I 1 ,I 2 …, I n ,并对所抽取的图像逐一作如下处理:
步骤1.1:对I i (i=1,2,…,n-1)进行灰度化,得到对应的灰度图G i ;
步骤1.2:通过傅立叶变换,获得图像G i 的频谱F i ,利用高通滤波器去除低频信息,得到高频频谱F i ’ ,再通过逆傅立叶变换获得频谱F i ’ 对应的图像G i ’ ;
步骤1.3:对G i ’ 进行二值化,得到二值图B i ,从而进一步凸显出G i ’ 中的高频部分;
步骤1.4:对图像B i 进行形态学运算, ,从而得到连通图像,其中X为结构元素,L iu 为第i帧连通图像中的第u个连通区域, vi为连通图像C i 中的连通区域个数,运算符“”为闭操作,运算符“”为膨胀操作,运算符“”为腐蚀操作;
步骤1.5:计算连通区域L iu 的重心O iu 坐标(x O ,y O ),连通区域,其中
,m为连通区域L iu 中的像素个数,p 1 (x 1 ,y 1 )表示连通区域L iu 中第1个像素p 1 的坐标为(x 1 ,y 1 ),以此类推;
步骤1.6:通过Hough变换,找出穿过连通区域的直线倾斜角度θ,,使用一组间距为s,角度为θ的平行线,将连通图像C i 划分成r个区域,,其中h为连通图像C i 的高度,为连通图像C i 的宽度,分别统计出每个区域中的重心个数;
步骤1.7:将重心个数小于阈值T 1 的连续区域与重心个数大于等于T 1 的连续区域分别进行合并,然后再剔除重心总数小于阈值T 2 的合并区域,保留下来的区域即点状条纹噪声的分布区域,若无保留区域即该帧图像I i 不存在点状条纹噪声干扰,其中T 1 表示合并的粒度,取,T 2 表示噪声密度的下限,取;
步骤2:视频质量系数,当Q>Q o 时,认为待测视频不存在点状条纹噪声干扰;当Q≤Q o 时,即认为待测视频存在点状条纹噪声干扰,其中noise(I i )为存在噪声干扰的帧数,Q o 表示检测阈值,取。
通过采用上述技术,与现有技术相比,本发明的有益效果为:
本发明以点状条纹噪声的高频特性和形态特性作为依据,通过视频图像中任意方向上的点状条纹噪声,达到准确检测任意方向上驻留的点状条纹噪声问题的目的,从而提高点状条纹噪声检测的准确率。
附图说明
图1为实施例选取的某一帧图像经过灰度化后的图像;
图2为图1经过高通滤波后的图像;
图3为图2经过二值化后的图像;
图4为闭运算模板;
图5为图3经过形态学运算后的连通图像;
图6为图5中连通区域的重心位置;
图7为图1中的点状条纹噪声分布区域。
具体实施方式
下面结合实施例来详细阐述本发明的基于视频分析的点状条纹噪声检测方法的具体实施方式。
本发明的基于视频分析的点状条纹噪声检测方法,具体包括如下步骤:
步骤1:通过采样的方式抽取待检视频中的n帧图像,在本实施例中n=72,记为I 1 ,I 2 …, I n ,并对所抽取的图像逐一作如下处理:
步骤1.1:对I i (i=1,2,…,n-1)进行灰度化,得到对应的灰度图G i ;在本实施例中第1帧图像I 1 经灰度处理后所得的灰度图G 1 如图1所示;
步骤1.2:通过傅立叶变换,获得图像G i 的频谱F i ,利用高通滤波器去除低频信息,得到高频频谱F i ’ ,再通过逆傅立叶变换获得频谱F i ’ 对应的图像G i ’ ,即包含点状条纹噪声与其他噪声的边缘图像。在本实施例中具体选用FFT(快速傅里叶变换)算法实现傅立叶变换,处理结果G 1 ’ 如图2所示;
步骤1.3:对G i ’ 进行二值化,得到二值图B i ,从而进一步凸显出G i ’ 中的高频部分,即点状条纹噪声和其他噪声边缘所在的部分。在本实施例中选用Otsu算法进行二值化,所得的二值图B 1 如图3所示;
步骤1.4:对图像B i 进行形态学运算,,从而得到连通图像,其中X为结构元素,L iu 为第i帧连通图像中的第u个连通区域, vi为连通图像C i 中的连通区域个数,运算符“”为闭操作,运算符“”为膨胀操作,运算符“”为腐蚀操作;即先通过膨胀操作将点状条纹噪声填充并扩散成条状的连通区域,再通过腐蚀操作去除其他的噪声小块。在本实施例中结构元素模板X为图4所示的3*3正方形,所得的连通图像C 1 如图5所示;
步骤1.5:计算连通区域L iu 的重心O iu 坐标(x O ,y O ),连通区域,其中,m为连通区域L iu 中的像素个数,p 1 (x 1 ,y 1 )表示连通区域L iu 中第1个像素p 1 的坐标为(x 1 ,y 1 ),以此类推;在本实施例中,C 1 的所有连通区域重心位置如图6所示;
步骤1.6:通过Hough变换,找出穿过连通区域的直线倾斜角度θ,,使用一组间距为s,角度为θ的平行线,将连通图像C i 划分成r个区域,,其中h为连通图像C i 的高度,为连通图像C i 的宽度,分别统计出每个区域中的重心个数;在本实施例中,直线倾斜角θ=0,图像高度h=576,图像宽度=704,选用的平行线间距s=19,连通图像C 1 的划分区域个数r=30;
步骤1.7:将重心个数小于阈值T 1 的连续区域与重心个数大于等于T 1 的连续区域分别进行合并,然后再剔除重心总数小于阈值T 2 的合并区域,保留下来的区域即点状条纹噪声的分布区域,若无保留区域即该帧图像I i 不存在点状条纹噪声干扰,其中T 1 表示合并的粒度,取,T 2 表示噪声密度的下限,取;在本实施例中,阈值T 1 =10,阈值T 2 =50,图像G 1 中的点状条纹噪声分布区域如图7所示;
步骤2:视频质量系数,当Q>Q o 时,认为待测视频不存在点状条纹噪声干扰;当Q≤Q o 时,即认为待测视频存在点状条纹噪声干扰,其中noise(I i )为存在噪声干扰的帧数,在本实施例中,Q o =90%,Q=57%,待测视频存在点状条纹噪声干扰。
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举,本发明的保护范围的不应当被视为仅限于实施例所陈述的具体形式,本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。
Claims (1)
1.一种基于视频分析的点状条纹噪声检测方法,其特征在于包括如下步骤:
步骤1:通过采样的方式抽取待检视频中的n帧图像,记为I 1 ,I 2 …, I n ,并对所抽取的图像逐一作如下处理:
步骤1.1:对I i (i=1,2,…,n-1)进行灰度化,得到对应的灰度图G i ;
步骤1.2:通过傅立叶变换,获得图像G i 的频谱F i ,利用高通滤波器去除低频信息,得到高频频谱F i ’ ,再通过逆傅立叶变换获得频谱F i ’
对应的图像G i ’ ;
步骤1.3:对G i ’ 进行二值化,得到二值图B i ,从而进一步凸显出G i ’ 中的高频部分;
步骤1.4:对图像B i 进行形态学运算, ,从而得到连通图像,其中X为结构元素,L iu 为第i帧连通图像中的第u个连通区域, vi为连通图像C i 中的连通区域个数,运算符“”为闭操作,运算符“”为膨胀操作,运算符“”为腐蚀操作;
步骤1.5:计算连通区域L iu 的重心O iu 坐标(x O ,y O ),连通区域,其中,
m为连通区域L iu 中的像素个数,p 1 (x 1 ,y 1 )表示连通区域L iu 中第1个像素p 1 的坐标为(x 1 ,y 1 ),以此类推;
步骤1.6:通过Hough变换,找出穿过连通区域的直线倾斜角度θ,,使用一组间距为s,角度为θ的平行线,将连通图像C i 划分成r个区域,,其中h为连通图像C i 的高度,为连通图像C i 的宽度,分别统计出每个区域中的重心个数;
步骤1.7:将重心个数小于阈值T 1 的连续区域与重心个数大于等于T 1 的连续区域分别进行合并,然后再剔除重心总数小于阈值T 2 的合并区域,保留下来的区域即点状条纹噪声的分布区域,若无保留区域即该帧图像I i 不存在点状条纹噪声干扰,其中T 1 表示合并的粒度,取,T 2 表示噪声密度的下限,取;
步骤2:视频质量系数,当Q>Q o 时,认为待测视频不存在点状条纹噪声干扰;当Q≤Q o 时,即认为待测视频存在点状条纹噪声干扰,其中noise(I i )为存在噪声干扰的帧数,Q o 表示检测阈值,取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410537147.4A CN104392203B (zh) | 2014-10-13 | 2014-10-13 | 一种基于视频分析的点状条纹噪声检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410537147.4A CN104392203B (zh) | 2014-10-13 | 2014-10-13 | 一种基于视频分析的点状条纹噪声检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104392203A true CN104392203A (zh) | 2015-03-04 |
CN104392203B CN104392203B (zh) | 2017-08-01 |
Family
ID=52610104
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410537147.4A Active CN104392203B (zh) | 2014-10-13 | 2014-10-13 | 一种基于视频分析的点状条纹噪声检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104392203B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107111882A (zh) * | 2016-03-22 | 2017-08-29 | 广东虚拟现实科技有限公司 | 条纹集合查找方法、装置以及*** |
CN108932489A (zh) * | 2018-06-25 | 2018-12-04 | 李娜 | 脸部识别可行性分析*** |
CN109213183A (zh) * | 2018-05-31 | 2019-01-15 | 上海大学 | 噪声攻击下网络化视觉倒立摆***稳定控制方法 |
CN109886952A (zh) * | 2019-02-25 | 2019-06-14 | 京东方科技集团股份有限公司 | 一种屏幕缺陷点检测方法及其装置、计算机可读介质 |
CN110887451A (zh) * | 2019-11-20 | 2020-03-17 | 浙江工业大学 | 一种基于相机响应曲线的条纹检测方法 |
CN113592801A (zh) * | 2021-07-23 | 2021-11-02 | 浙江大华技术股份有限公司 | 视频图像的条纹干扰检测方法及其装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012058978A (ja) * | 2010-09-08 | 2012-03-22 | Canon Inc | 画像処理装置、画像処理方法及びプログラム |
CN102395043A (zh) * | 2011-11-11 | 2012-03-28 | 北京声迅电子股份有限公司 | 视频质量诊断方法 |
CN102957940A (zh) * | 2012-10-30 | 2013-03-06 | 武汉烽火众智数字技术有限责任公司 | 一种基于改进的四方向算子视频噪声检测方法 |
CN103473779A (zh) * | 2013-09-22 | 2013-12-25 | 北京智诺英特科技有限公司 | 图像中条纹干扰的检测方法和装置 |
-
2014
- 2014-10-13 CN CN201410537147.4A patent/CN104392203B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012058978A (ja) * | 2010-09-08 | 2012-03-22 | Canon Inc | 画像処理装置、画像処理方法及びプログラム |
CN102395043A (zh) * | 2011-11-11 | 2012-03-28 | 北京声迅电子股份有限公司 | 视频质量诊断方法 |
CN102957940A (zh) * | 2012-10-30 | 2013-03-06 | 武汉烽火众智数字技术有限责任公司 | 一种基于改进的四方向算子视频噪声检测方法 |
CN103473779A (zh) * | 2013-09-22 | 2013-12-25 | 北京智诺英特科技有限公司 | 图像中条纹干扰的检测方法和装置 |
Non-Patent Citations (1)
Title |
---|
王珩等: ""一种视频监控图像条纹噪声的快速检测方法"", 《微型机与应用》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107111882A (zh) * | 2016-03-22 | 2017-08-29 | 广东虚拟现实科技有限公司 | 条纹集合查找方法、装置以及*** |
CN109213183A (zh) * | 2018-05-31 | 2019-01-15 | 上海大学 | 噪声攻击下网络化视觉倒立摆***稳定控制方法 |
CN108932489A (zh) * | 2018-06-25 | 2018-12-04 | 李娜 | 脸部识别可行性分析*** |
CN109886952A (zh) * | 2019-02-25 | 2019-06-14 | 京东方科技集团股份有限公司 | 一种屏幕缺陷点检测方法及其装置、计算机可读介质 |
CN110887451A (zh) * | 2019-11-20 | 2020-03-17 | 浙江工业大学 | 一种基于相机响应曲线的条纹检测方法 |
CN110887451B (zh) * | 2019-11-20 | 2021-08-03 | 浙江工业大学 | 一种基于相机响应曲线的条纹检测方法 |
CN113592801A (zh) * | 2021-07-23 | 2021-11-02 | 浙江大华技术股份有限公司 | 视频图像的条纹干扰检测方法及其装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104392203B (zh) | 2017-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104392203A (zh) | 一种基于视频分析的点状条纹噪声检测方法 | |
CN105405142A (zh) | 一种玻璃面板的边缺陷检测方法及*** | |
JP5603403B2 (ja) | 対象物計数方法、対象物計数装置および対象物計数プログラム | |
CN110458157B (zh) | 一种电力电缆生产过程智能监控*** | |
CN106530281B (zh) | 基于边缘特征的无人机图像模糊判断方法及*** | |
CN101996406A (zh) | 无参考结构清晰度图像质量评价方法 | |
CN104966304A (zh) | 基于卡尔曼滤波与非参数背景模型的多目标检测跟踪方法 | |
CN103164711A (zh) | 基于像素和支持向量机的区域人流密度估计的方法 | |
CN106303158A (zh) | 一种视频图像中的条纹异常检测方法 | |
CN111815578B (zh) | 图像条纹检测方法、视频监控***及相关装置 | |
CN102932598B (zh) | 由摄像机对画面中的图像进行智能跟踪的方法 | |
CN104036485A (zh) | 一种关于图像重采样篡改检测的方法 | |
CN103473776A (zh) | 一种比较图像清晰度的方法、***及自动聚焦控制方法 | |
CN109242861A (zh) | 一种基于图像处理的水质监控方法 | |
CN105959683A (zh) | 一种摄像机镜头分辨率检测方法及装置 | |
CN116580032B (zh) | 一种用于道路施工的质量监控方法 | |
CN103473779B (zh) | 图像中条纹干扰的检测方法和装置 | |
CN105550694A (zh) | 一种度量人脸图像模糊程度的方法 | |
CN117274722A (zh) | 基于红外图像的配电箱智能检测方法 | |
CN107729814A (zh) | 一种检测车道线的方法及装置 | |
US20160035107A1 (en) | Moving object detection | |
CN113899349A (zh) | 海浪参数检测方法、设备及存储介质 | |
CN103413138A (zh) | 一种红外图像序列中点目标检测方法 | |
CN103425958A (zh) | 一种视频中不动物检测的方法 | |
CN108009480A (zh) | 一种基于特征识别的图像人体行为检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |