CN101577836B - 一种视频干扰度分析方法及装置 - Google Patents

Abstract

本发明公开了一种视频干扰度分析方法及装置，本发明方案通过基于统计的方差分析技术，对提取的视频图像进行帧内噪声分析和帧间噪声分析，并综合考虑帧内噪声信息和帧间噪声信息，获取视频干扰度。本发明通过分析视频内容的变化，判断视频内容方差变化的程度，准确地判断出了视频图像是否受到干扰，而且及时将此信息反馈给工作人员，以调整或维修视频图像设备，防止了遗漏监控场景一些事故发生的情况。由于在干扰发生后保证了干扰的及时排除，提高了视频监控系统的可信度。

Description

一种视频干扰度分析方法及装置

技术领域

本发明涉及图像处理技术，尤指一种视频干扰度分析方法及装置。

背景技术

视频监控系统在社会各个领域的应用非常广泛，如交通、银行、军队、仓库、治安、社区、写字楼、酒店、公共场所、商场等等领域。

视频干扰现象主要是由于屏蔽措施不当、滤波器故障引起其他频率电磁波干扰以及静电等原因造成。

目前，是通过人工注视监控视频图像来发现图像是否被干扰。现有对视频干扰的分析完全依靠工作人员的注意力以及责任心，在布满监控显示的电视墙上发现某个监视器发生视频收干扰的确很费人工精力，会由于人为的因素不能及时发现或者无法发现，也必然会出现监控遗漏的情况。这样，在干扰发生后，如果设备得不到及时维护，由于视频干扰造成的视频内容变化和杂乱无法清楚的记录相关场景的情况，一旦发生事故，将无法从监控视频中了解事故发生情况，从而大大降低了视频监控系统的可信度。

发明内容

有鉴于此，本发明的主要目的在于提供一种视频干扰度分析方法，能够及时并全面地监控视频图像受干扰程度，保证视频监控系统的可信度。

本发明的另一目的在于提供一种视频干扰度分析装置，能够及时并全面地监控视频图像受干扰程度，保证视频监控系统的可信度。

为达到上述目的，本发明的技术方案具体是这样实现的：

一种视频干扰度分析方法，该方法包括以下步骤：

对提取的视频图像进行帧内噪声分析和帧间噪声分析，根据分析得到的帧内噪声信息和帧间噪声信息，获取视频干扰度。

所述帧内噪声分析和帧间噪声分析的方法为方差估计。

所述帧内噪声分析采用的方差估计具体包括：

对提取的视频图像，按照下面公式计算预设像素区域中每个像素点x附近的标准偏差σ_x：

${\mathrm{\σ}}_x=x\_\mathrm{dev}\·\sqrt{\frac{\mathrm{\π}}{2}}\·\sqrt{\frac{\mathrm{MN}}{\mathrm{MN}-1}},$ 其中， $x\_\mathrm{dev}=\frac{1}{\mathrm{MN}}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|x_{\mathrm{ij}}-x\_\mathrm{ave}|,$

M，N分别为预先设置的像素区域的高和宽，i、j分别表示像素点的横坐标和纵坐标；

对估计得到的所有标准偏差进行类似直方图的统计；

选择落入像素点最多的像素区域内的方差为提取的视频图像的帧内噪声信息σ_inter。

所述帧间噪声分析采用的方差估计具体包括：

按照下面公式计算预设像素区域中每个像素点x附近的标准偏差σ_x′：

${\mathrm{\σ}}_x^{\′}=x^{\′}\_\mathrm{dev}\·\sqrt{\frac{\mathrm{\π}}{2}}\·\sqrt{\frac{\mathrm{MN}}{\mathrm{MN}-1}},$ 其中，

$x^{\′}\_\mathrm{dev}=\frac{1}{\mathrm{zMN}}(\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|x^{t-\left(\frac{z-1}{2}\right)}\mathrm{ij}-x^{\′}\_\mathrm{ave}|+\·\·\·+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|x^{t-1}\mathrm{ij}-x^{\′}\_\mathrm{ave}|+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|x^t\mathrm{ij}-x^{\′}\_\mathrm{ave}|+,$

$\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|x^{t+1}\mathrm{ij}-x^{\′}\_\mathrm{ave}|+\·\·\·+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|x^{t+\left(\frac{z-1}{2}\right)}\mathrm{ij}-x^{\′}\_\mathrm{ave}|)$

$x^{\′}\_\mathrm{ave}=\frac{1}{\mathrm{zMN}}(\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}^{t-\left(\frac{z-1}{2}\right)}\mathrm{ij}+\·\·\·+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}^{t-1}\mathrm{ij}+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}^t\mathrm{ij}+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}^{t+1}\mathrm{ij}+\·\·\·+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}^{t+\left(\frac{z-1}{2}\right)}\mathrm{ij});$ M，N分别为预先设置的像素区域的高和宽，z为参与帧间噪声分析的帧图像的个数；i、j分别表示像素点的横坐标和纵坐标；

对估计得到的所有标准偏差进行类似直方图的统计；

选择落入像素点最多的像素区域内的方差为提取的视频图像的帧间噪声信息σ_intra。

所述z取值为3。

所述获取视频干扰度的方法为：视频干扰度Intf=ασ_inter+βσ_intra，其中σ_inter为帧内噪声信息，σ_intra为帧间噪声信息；α、β为权重系数。

该方法还包括：预先设置帧内噪声信息的变化程度以及帧内噪声信息的变化程度，与噪声类型的对应关系；

在预设分类周期内，根据所述帧内噪声信息的变化和帧间噪声信息的变化，查找对应关系区分视频干扰的类型。

一种视频干扰度分析装置，该装置包括视频图像提取模块、帧内噪声分析模块、帧间噪声分析模块和干扰度获取模块，其中，

视频图像提取模块，用于接收来自摄像头的视频图像，并输出给帧内噪声分析模块和帧间噪声分析模块；

帧内噪声分析模块，用于对接收到的视频图像进行帧内方差估计，获得帧内噪声信息并输出给干扰度获取模块；

帧间噪声分析模块，用于对接收到的视频图像进行帧间方差估计，获得帧间噪声信息并输出给干扰度获取模块；

干扰度获取模块，用于根据接收到的帧内噪声信息和帧间噪声信息，获取视频干扰度。

该装置还包括干扰分类模块，

帧内噪声分析模块，还用于将帧内噪声信息输出给干扰分类模块；

帧间噪声分析模块，还用于将帧间噪声信息输出给干扰分类模块；

干扰分类模块，设置有帧内噪声信息的变化程度以及帧内噪声信息的变化程度，与噪声类型的对应关系，用于根据帧内噪声信息的变化和帧间噪声信息的变化来区分出视频干扰的类型。

所述视频图像提取模块，还用于在输出之前，对接收到的视频图像进行灰度化处理。

由上述技术方案可见，本发明通过基于统计的方差分析技术，对提取的视频图像进行帧内噪声分析和帧间噪声分析，并综合考虑帧内噪声信息和帧间噪声信息，获取视频干扰度。本发明通过分析视频内容的变化，判断视频内容方差变化的程度，准确地判断出了视频图像是否受到干扰，而且及时将此信息反馈给工作人员，以调整或维修视频图像设备，防止了遗漏监控场景一些事故发生的情况。由于在干扰发生后保证了干扰的及时排除，提高了视频监控系统的可信度。

附图说明

图1是本发明视频干扰度分析方法的流程图；

图2是本发明视频干扰度分析装置的组成结构示意图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本发明进一步详细说明。

图1是本发明视频干扰度分析方法的流程图，如图1所示，包括：

步骤100：提取视频图像。

视频图像可以不需要每帧都提取，比如可以预先设置一时间间隔，该时间间隔可以根据不同场所设定不同的值，比如以5秒为一个间隔。

由于色差分量的频率一般较低，噪声的因素所占成分相对亮度噪声成分所占成分相对较低，因此，对于彩色图像，只需要分析图像的亮度分量。在提取的视频图像为彩色图像时，还需要先将提取的图像进行灰度化处理，具体实现如公式（1）所示：

Y＝0.299R+0.587G+0.114B     (1)

其中，R、G和B分别表示三基色分量，Y为灰度化处理后的颜色分量。灰度化处理的具体实现属于本领域技术人员惯用技术手段，这里不再赘述。

本发明直接对实时视频内容分析，具有及时快速的特点。

步骤101：对提取的视频图像进行帧内噪声分析和帧间噪声分析。

本步骤中，帧内噪声分析具体包括：

由于提取的视频图像中已经是被加入了各种干扰的视频图像，因此是无法知道原始图像的真实值的。为了反映视频图像噪声的程度，需要对视频图像噪声进行方差估计。通常，视频图像大部分区域都具有一定比例的平坦区域，首先，计算预设像素区域中每个像素点x附近的标准偏差σ_x，如公式（2）所示：

${\mathrm{\σ}}_x=x\_\mathrm{dev}\·\sqrt{\frac{\mathrm{\π}}{2}}\·\sqrt{\frac{\mathrm{MN}}{\mathrm{MN}-1}}---\left(2\right)$

其中， $x\_\mathrm{dev}=\frac{1}{\mathrm{MN}}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|x_{\mathrm{ij}}-x\_\mathrm{ave}|,$ $x\_\mathrm{ave}=\frac{1}{\mathrm{MN}}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}_{\mathrm{ij}};$ M，N分别为预先设置的像素区域的高和宽，i、j分别表示像素点的横坐标和纵坐标。

利用公式（2）对提取的视频图像的所有像素的标准偏差进行估计。

然后，对估计得到的所有标准偏差进行类似直方图的统计，具体实现属于本领域技术人员惯用技术手段，这里不再详述。

最后，选择落入像素点最多的像素区域内的方差为提取的视频图像的帧内噪声信息σ_inter。

本发明基于统计的方差分析技术，使得干扰度分析具有更加稳定的特点。

帧间噪声分析包括：对前后帧图像采用同样的每个像素点附近的标准方差进行估计，与帧内分析不同的是，像素的邻域范围不一样，帧内邻域是空间邻域范围，而帧间邻域范围不仅包括帧内邻域还包括时间轴上的邻域。具体包括：首先，计算预设像素区域中每个像素点x附近的标准偏差σ_x′，如公式（3）所示：

${\mathrm{\σ}}_x^{\′}=x^{\′}\_\mathrm{dev}\·\sqrt{\frac{\mathrm{\π}}{2}}\·\sqrt{\frac{\mathrm{MN}}{\mathrm{MN}-1}}---\left(3\right)$

其中，

$x^{\′}\_\mathrm{dev}=\frac{1}{\mathrm{zMN}}(\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|x^{t-\left(\frac{z-1}{2}\right)}\mathrm{ij}-x^{\′}\_\mathrm{ave}|+\·\·\·+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|x^{t-1}\mathrm{ij}-x^{\′}\_\mathrm{ave}|+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|x^t\mathrm{ij}-x^{\′}\_\mathrm{ave}|+,$

$\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|x^{t+1}\mathrm{ij}-x^{\′}\_\mathrm{ave}|+\·\·\·+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|x^{t+\left(\frac{z-1}{2}\right)}\mathrm{ij}-x^{\′}\_\mathrm{ave}|)$

$x^{\′}\_\mathrm{ave}=\frac{1}{\mathrm{zMN}}(\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}^{t-\left(\frac{z-1}{2}\right)}\mathrm{ij}+\·\·\·+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}^{t-1}\mathrm{ij}+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}^t\mathrm{ij}+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}^{t+1}\mathrm{ij}+\·\·\·+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}^{t+\left(\frac{z-1}{2}\right)}\mathrm{ij});$ M，N分别为预先设置的像素区域的高和宽，z为参与帧间噪声分析的帧图像的个数，较佳地为z=3；i、j分别表示像素点的横坐标和纵坐标。

然后，对估计得到的所有标准偏差进行类似直方图的统计，具体实现属于本领域技术人员惯用技术手段，这里不再详述。

最后，选择落入像素点最多的像素区域内的方差为提取的视频图像的帧间噪声信息σ_intra。

步骤102：根据分析得到的帧内噪声信息和帧间噪声信息，获取视频干扰度。

视频干扰度Intf可以通过公式（4）获得：

Intf＝ασ_inter+βσ_intra     (4)

其中，α、β为权重系数，可根据不同的监控场景来确定，具体确定属于本领域技术人员惯用技术手段，这里不再详述。视频干扰度Intf反映了视频帧内帧间的噪声信息。

从大量试验中我们分析得到，随着视频干扰程度的增加，其噪声方差呈现不断增强趋势，只要将计算得到的视频干扰度量划分几个区域，分段体现视频的受干扰程度，并显示给用户即可。

本发明通过分析视频内容的变化，判断视频内容方差变化的程度，准确地判断出了视频图像是否受到干扰，而且及时将此信息反馈给工作人员，以调整或维修视频图像设备，防止了遗漏监控场景一些事故发生的情况。由于在干扰发生后保证了干扰的及时排除，提高了视频监控系统的可信度。

进一步地，还可以预先设置帧内噪声信息的变化程度以及帧内噪声信息的变化程度，与噪声类型的对应关系，然后在预设分类周期内，根据帧内噪声信息和帧间噪声信息的变化来区分出视频干扰的类型并显示给用户。比如：当帧内噪声信息变化不大，但是帧间噪声信息有所变化时，认为是滚屏干扰；又如：当帧内噪声信息和帧间噪声信息变化均比较明显时，认为是雪花点干扰；再如：帧内噪声信息有所变化，但是帧间噪声信息变化不明显时，认为是横线干扰。

对应本发明方法，还提供一种视频干扰度分析装置，如图2所示，本发明视频干扰度分析装置包括视频图像提取模块、帧内噪声分析模块、帧间噪声分析模块和干扰度获取模块，其中，

视频图像提取模块，用于接收来自摄像头的视频图像，并输出给帧内噪声分析模块和帧间噪声分析模块。进一步地，视频图像提取模块在输出之前，还用于对接收到的视频图像进行灰度化处理。

帧内噪声分析模块，用于对接收到的视频图像进行帧内方差估计，获得帧内噪声信息并输出给干扰度获取模块。

帧间噪声分析模块，用于对接收到的视频图像进行帧间方差估计，获得帧间噪声信息并输出给干扰度获取模块。

干扰度获取模块，用于根据接收到的帧内噪声信息和帧间噪声信息，获取视频干扰度。

本发明装置还包括干扰分类模块，

帧内噪声分析模块，还用于将帧内噪声信息输出给干扰分类模块。

帧间噪声分析模块，还用于将帧间噪声信息输出给干扰分类模块。

干扰分类模块，设置有帧内噪声信息的变化程度以及帧内噪声信息的变化程度，与噪声类型的对应关系，用于根据帧内噪声信息的变化和帧间噪声信息的变化来区分出视频干扰的类型并显示给用户。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换以及改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种视频干扰度分析方法，其特征在于，该方法包括以下步骤：

对提取的视频图像进行帧内噪声分析和帧间噪声分析，根据分析得到的帧内噪声信息和帧间噪声信息，获取视频干扰度；

其中，所述帧内噪声分析和帧间噪声分析的方法为方差估计；

所述帧间噪声分析采用的方差估计具体包括：

按照下面公式计算预设像素区域中每个像素点x附近的标准偏差

${\mathrm{\σ}}_x^{\′}=x^{\′}\_\mathrm{dev}\·\sqrt{\frac{\mathrm{\π}}{2}}\·\sqrt{\frac{\mathrm{MN}}{\mathrm{MN}-1}},$ 其中，

$\begin{array}{c}{x}^{\′}\_\mathrm{dev}=\frac{1}{\mathrm{zMN}}\left(\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\right|x^{t-\left(\frac{z-1}{2}\right)}\mathrm{ij}-x^{\′}\_\mathrm{ave}|+\·\·\·+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|x^{t-1}\mathrm{ij}-x^{\′}\_\mathrm{ave}|+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|x^t\mathrm{ij}-x^{\′}\_\mathrm{ave}|+,\\ \underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|x^{t+1}\mathrm{ij}-x^{\′}\_\mathrm{ave}|+\·\·\·+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|x^{t+\left(\frac{z-1}{2}\right)}\mathrm{ij}-x^{\′}\_\mathrm{ave}|)\end{array}$ $x^{\′}\_\mathrm{ave}=\frac{1}{\mathrm{zMN}}(\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}^{t-\left(\frac{z-1}{2}\right)}\mathrm{ij}+\·\·\·+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}^{t-1}\mathrm{ij}+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}^t\mathrm{ij}+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}^{t+1}\mathrm{ij}+\·\·\·+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}^{t+\left(\frac{z-1}{2}\right)}\mathrm{ij});$ M，N分别为预先设置的像素区域的高和宽，z为参与帧间噪声分析的帧图像的个数；i、j分别表示像素点的横坐标和纵坐标；

对估计得到的所有标准偏差进行类似直方图的统计；

选择落入像素点最多的像素区域内的方差为提取的视频图像的帧间噪声信息σ_intra。

2.根据权利要求1所述的视频干扰度分析方法，其特征在于，所述帧内噪声分析采用的方差估计具体包括：

对提取的视频图像，按照下面公式计算预设像素区域中每个像素点x附近的标准偏差σ_x：

${\mathrm{\σ}}_x=x\_\mathrm{dev}\·\sqrt{\frac{\mathrm{\π}}{2}}\·\sqrt{\frac{\mathrm{MN}}{\mathrm{MN}-1}},$ 其中， $x\_\mathrm{dev}=\frac{1}{\mathrm{MN}}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|x_{\mathrm{ij}}-x\_\mathrm{ave}|,$

M，N分别为预先设置的像素区域的高和宽，i、j分别表示像素点的横坐标和纵坐标；

对估计得到的所有标准偏差进行类似直方图的统计；

选择落入像素点最多的像素区域内的方差为提取的视频图像的帧内噪声信息σ_inter。

3.根据权利要求1所述的视频干扰度分析方法，其特征在于，所述z取值为3。

4.根据权利要求1所述的视频干扰度分析方法，其特征在于，所述获取视频干扰度的方法为：视频干扰度Intf=ασ_inter+βσ_intra，其中σ_inter为帧内噪声信息，σ_intra为帧间噪声信息；α、β为权重系数。

5.一种视频干扰度分析装置，其特征在于，该装置包括视频图像提取模块、帧内噪声分析模块、帧间噪声分析模块和干扰度获取模块，其中，

视频图像提取模块，用于接收来自摄像头的视频图像，并输出给帧内噪声分析模块和帧间噪声分析模块；

帧内噪声分析模块，用于对接收到的视频图像进行帧内方差估计，获得帧内噪声信息并输出给干扰度获取模块；

帧间噪声分析模块，用于对接收到的视频图像进行帧间方差估计，获得帧间噪声信息并输出给干扰度获取模块；

干扰度获取模块，用于根据接收到的帧内噪声信息和帧间噪声信息，获取视频干扰度；其中，

所述帧间方差估计具体包括：

按照下面公式计算预设像素区域中每个像素点x附近的标准偏差

${\mathrm{\σ}}_x^{\′}=x^{\′}\_\mathrm{dev}\·\sqrt{\frac{\mathrm{\π}}{2}}\·\sqrt{\frac{\mathrm{MN}}{\mathrm{MN}-1}},$ 其中，

$\begin{array}{c}{x}^{\′}\_\mathrm{dev}=\frac{1}{\mathrm{zMN}}\left(\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\right|x^{t-\left(\frac{z-1}{2}\right)}\mathrm{ij}-x^{\′}\_\mathrm{ave}|+\·\·\·+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|x^{t-1}\mathrm{ij}-x^{\′}\_\mathrm{ave}|+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|x^t\mathrm{ij}-x^{\′}\_\mathrm{ave}|+,\\ \underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|x^{t+1}\mathrm{ij}-x^{\′}\_\mathrm{ave}|+\·\·\·+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}|x^{t+\left(\frac{z-1}{2}\right)}\mathrm{ij}-x^{\′}\_\mathrm{ave}|)\end{array}$ $x^{\′}\_\mathrm{ave}=\frac{1}{\mathrm{zMN}}(\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}^{t-\left(\frac{z-1}{2}\right)}\mathrm{ij}+\·\·\·+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}^{t-1}\mathrm{ij}+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}^t\mathrm{ij}+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}^{t+1}\mathrm{ij}+\·\·\·+\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{x}^{t+\left(\frac{z-1}{2}\right)}\mathrm{ij});$ M，N分别为预先设置的像素区域的高和宽，z为参与帧间噪声分析的帧图像的个数；i、j分别表示像素点的横坐标和纵坐标；

对估计得到的所有标准偏差进行类似直方图的统计；

选择落入像素点最多的像素区域内的方差为提取的视频图像的帧间噪声信息σ_intra。

6.根据权利要求5所述的视频干扰度分析装置，其特征在于，所述视频图像提取模块，还用于在输出之前，对接收到的视频图像进行灰度化处理。

Images