CN103473779B - 图像中条纹干扰的检测方法和装置 - Google Patents

Abstract

本发明公开了一种图像中条纹干扰的检测方法和装置，其中，该检测方法包括：获取需要进行检测的多个连续图像中的每个像素的属性值；对于每个像素，根据多个连续图像中该像素的属性值确定该像素的变化值，其中，该像素的变化值用于表示在多个连续图像中该像素的属性变化情况；对由各个像素的变化值组成的图像进行条纹干扰检测。本发明通过确定多个连续图像中的每个像素的属性值的变化情况，然后根据变化情况能够在连续图像中检测出条纹干扰，并且本发明能够广泛地应用于图像处理领域。

Description

图像中条纹干扰的检测方法和装置

技术领域

本发明涉及图像处理领域，并且特别地，涉及一种图像中条纹干扰的检测方法和装置。

背景技术

视频监控系统中，在发生故障的情况下，采集设备获得的图像会出现条纹干扰现象，影响了监控视频的可视性和可靠性，因此视频图像条纹干扰检测对于监控系统运行维护是非常重要的环节。常见的视频图像条纹干扰检测方法有：基于直线检测的条纹干扰检测方法、基于图像边缘的条纹干扰检测方法、基于方向算子的条纹干扰检测方法。以上描述的方法在不同应用场景各有优缺点，不能普及应用。

针对相关技术中在连续图像中检测条纹干扰的方法应用范围较窄的问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术中在连续图像中检测条纹干扰的方法应用范围较窄的问题，本发明提出一种图像中条纹干扰的检测方法和装置，能够在连续图像中检测出条纹干扰，并且本发明能够广泛地应用于图像处理领域。

本发明的技术方案是这样实现的：

根据本发明的一个方面，提供了一种图像中条纹干扰的检测方法。

该检测方法包括：

获取需要进行检测的多个连续图像中的每个像素的属性值；

对于每个像素，根据多个连续图像中该像素的属性值确定该像素的变化值，其中，该像素的变化值用于表示在多个连续图像中该像素的属性变化情况；

对由各个像素的变化值组成的图像进行条纹干扰检测。

其中，根据多个连续图像中该像素的属性值确定该像素的变化值包括：

对于每个像素，根据多个连续图像中该像素的属性值获取该像素的方差值，将该方差值作为变化值；

并且，对由各个像素的变化值组成的图像进行条纹干扰检测包括：

对由各个像素的方差值组成的方差图像进行条纹干扰检测。

而且，对由各个像素的方差值组成的方差图像进行条纹干扰检测包括：

对方差图像进行二值化；

对方差图像二值化后的结果进行条纹干扰检测。

优选地，对方差图像进行二值化包括：

通过大津阈值法对方差图像进行二值化。

优选地，进行条纹干扰检测包括：

基于水平搜索规则进行条纹干扰检测；和/或

基于偏转角度搜索规则进行条纹干扰检测。

可选地，条纹干扰检测基于直线检测进行。

此外，上述检测方法进一步包括：

根据对由各个像素的变化值组成的图像进行条纹干扰检测的结果，确定多个连续图像中是否存在条纹干扰、和/或条纹干扰所在的位置。

进一步地，根据条纹干扰所在位置的随机性对检测到的条纹干扰进行过滤，确定实际存在的条纹干扰。

可选地，上述属性值包括以下之一：

灰度值、RGB通道值、YUV。

根据本发明的一个方面，提供了一种图像中条纹干扰的检测装置。

该检测装置包括：

获取模块，用于获取需要进行检测的多个连续图像中的每个像素的属性值；

确定模块，用于对于每个像素，根据多个连续图像中该像素的属性值确定该像素的变化值，其中，该像素的变化值用于表示在多个连续图像中该像素的属性变化情况；

检测模块，用于对由各个像素的变化值组成的图像进行条纹干扰检测。

本发明通过确定多个连续图像中的每个像素的属性值的变化情况，然后根据变化情况能够在连续图像中检测出条纹干扰，并且本发明能够广泛地应用于图像处理领域。

附图说明

图1是根据本发明实施例的图像中条纹干扰的检测方法的流程图；

图2是根据本发明的一个实施例对视频图像进行条纹干扰检测的流程图；

图3A是根据本发明的又一个实施例获取的多个连续图像；

图3B是根据图3A所示的多个连续图像的方差图像；

图4是为根据本发明再一个实施例对视频图像进行条纹干扰检测的示意图；

图5是根据本发明实施例的图像中条纹干扰的检测装置的框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。

根据本发明的实施例，提供了一种图像中条纹干扰的检测方法。

如图1所示，根据本发明的一个实施例可以通过视频图像的方差图像来进行视频图像条纹干扰检测的方法，根据本发明实施例的图像中条纹干扰的检测方法包括：

步骤S101，获取需要进行检测的多个连续图像中的每个像素的属性值，可选地，属性值可以包括灰度值、RGB通道值或YUV，其中，多个连续图像可以是多个连续的单幅生成的图像，也可以是视频流中多幅连续的序列图像，还可以是对视频流中的序列图像进行采样得出的多个图像（其中，采样频率可以根据要求进行设置，此外，相邻两次采样的时间间隔可以不同）；

步骤S103，对于每个像素，根据多个连续图像中该像素的属性值确定该像素的变化值，其中，该像素的变化值用于表示在多个连续图像中该像素的属性变化情况；

步骤S105，对由各个像素的变化值组成的图像进行条纹干扰检测，可选地，在进行条纹干扰检测时，可以基于水平搜索规则进行条纹干扰检测，或者也可以基于偏转角度搜索规则进行条纹干扰检测，可选地，条纹干扰检测可以基于直线检测进行。

根据本发明的另一个实施例，还可以在如图1所示的利用方差图像进行条纹干扰检测的基础上加入条纹干扰随机分布过滤规则，可以有效降低条纹干扰检测的误报率。根据本发明实施例的检测方法可以进一步根据对由各个像素的变化值组成的图像进行条纹干扰检测的结果，确定多个连续图像中是否存在条纹干扰、和/或条纹干扰所在的位置。然后，根据条纹干扰所在位置的随机性对检测到的条纹干扰进行过滤，确定实际存在的条纹干扰。

根据本发明的再一个实施例，也可以在利用方差图像进行条纹干扰检测的基础上加入二值化处理再进行条纹检测，二值化处理可以使条纹干扰更加的明显同时可以更容易检测到条纹干扰。在根据多个连续图像中该像素的属性值确定该像素的变化值时，对于每个像素，根据所述多个连续图像中该像素的属性值获取该像素的方差值，将该方差值作为变化值，并且，在对由各个像素的变化值组成的图像进行条纹干扰检测时，可以对由各个像素的方差值组成的方差图像进行条纹干扰检测。此外，在对由各个像素的方差值组成的方差图像进行条纹干扰检测之前，可以对方差图像进行二值化；再对方差图像二值化后的结果进行条纹干扰检测，优选地，可以通过大津阈值法对方差图像进行二值化。此外，根据本发明实施例的检测方法可以进一步根据对由各个像素的变化值组成的图像进行条纹干扰检测的结果，确定多个连续图像中是否存在条纹干扰、和/或条纹干扰所在的位置。然后，根据条纹干扰所在位置的随机性对检测到的条纹干扰进行过滤，确定实际存在的条纹干扰。

根据本发明的再一个实施例，可以在视频图像中应用本发明的技术方案，可以基于视频图像的方差图像进行条纹干扰检测，并且，还可以对方差图像进行二值化处理，然后再进行条纹干扰检测，此外，也可以进一步在条纹干扰检测完成后，应用条纹干扰随机过滤规则区分运动物体产生的边缘条纹和条纹干扰噪声，可以有效降低条纹干扰检测的误报率。如图2所示，为根据本发明实施例的对视频图像进行条纹干扰检测的方法的具体流程：

步骤S201，获取图像序列（即多个连续图像）的中每个像素的属性值，即，从视频中获取需要进行条纹干扰检测的预设时间范围[t₀，t₁]内的图像序列，再获取图像序列中的每个像素的属性值，可选地，属性值可以包括灰度值、RGB通道值、YUV或者本领域技术人员公知的图像的像素的其它属性值；

步骤S203，根据获取图像序列中的每个像素的的属性值计算该时间范围[t₀，t₁]内的图像序列的方差图像，即，从某一个时间点t₀开始，在预设的时间范围[t₀，t₁]内，逐帧逐像素对视频图像进行灰度值、RGB、或YUV等统计方差σ的计算。

其中，方差是各个数据与平均数之差的平方和的平均数。在概率论和数理统计中，方差用来度量随机变量和其数学期望（即均值）之间的偏离程度。方差越大，数据的波动越大；方差越小，数据的波动就越小。如图3A所示，为时间范围[t₀，t₁]内的图像序列的示意图，如图3B所示，为图3A所示图像序列的方差图像的示意图，在图3B所示的方差图像中，可知运动物体或者噪声干扰的像素方差较大。

$\stackrel{\‾}{I}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{X}_{i,j}---\left(1\right)$

$\mathrm{\σ}=\sqrt{\frac{1}{n-1}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(X_{i,j}-\stackrel{\‾}{I})}^2}---\left(2\right)$

或者

$\mathrm{\σ}=\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{X}_{i,j}^2-{\left(\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{X}_{i,j}\right)}^2---\left(3\right)$

其中：X_i,j表示第i帧图像中的第j个像素；n为[t₀，t₁]时间区间内视频图像的帧数。

由上述公式可知，有两种方法可以计算得[t₀，t₁]视频区间内每个像素的方差值：可以通过公式（1）计算得平均值，再通过公式（2）计算得出方差值；也可以直接通过公式（3）直接得出方差值。通过每个像素的方差值可以组成该视频图像的方差图像。视频图像的方差图像表示图像中每个像素在一定时间段内的变化波动情况。从方差图可以看出，其对运动物体和条纹干扰都有较灵敏的感知。

步骤S205，对差分图像进行二值化。但是如果，运动物体在快速运动过程中物体的边缘也会产生很多的条纹干扰，优选地，可以通过大津阈值法来对差分图像进行二值化，可以使视频图像中的条纹干扰更加明显的同时使其更容易被检测到。以下以从图像获取灰度为属性值为例子，通过大津阈值法来进行二值化。如式（4）、（5）、（6）、和（7）所示，为大津阈值法公式：

u=w₀*u₀+w₁*u₁(4)

g=w₀*(u₀-u)²+w₁*(u₁-u)²(5)

$\underset{T}{\arg \max }\left(g\right)---\left(6\right)$

$B(i,j)=\left\{\begin{array}{cc}0& (\mathrm{ifT}>=P(i,j))\\ 255& (\mathrm{ifT}<P(i,j))\end{array}\right.---\left(7\right)$

其中：w₀为前景点占图像的比例，u₀为前景平均灰度，w₁为背景点占图像的比例，u₁为背景平均灰度。通过式（4）得到平均灰度u，然后根据式（5）得到平均方差，然后通过式（6）来最大化类间方差g时得到的阈值T即为大津阈值，再通过二值化公式（7）得到最终的二值化图像B(i，j)。

步骤S207，做条纹干扰检测，可以用本领域技术人员公知的基于直线检测的条纹干扰检测。

步骤S209，对直线进行随机分布检验，即将条纹干扰检测的结果进行过滤，在已获得的二值化图像上做直线检测并且加上条纹干扰的随机分布过滤规则；

步骤S211，根据检验结果获得检测结果，条纹干扰噪声具有随机分布的特征，会随机地出现在序列图像的任何位置中，这是区分运动物体产生的边缘条纹和条纹干扰噪声的重要依据，对于在二值化图像中检测到的条纹干扰，记录并分析其位置信息，对检测到的条纹干扰的中心做一个基于位置的统计，在[t₀,t₁]区间内是否在图像的各个位置（以11*11大小的窗口为最小检测单元）都有出现条纹干扰，检测通过即为符合随机统计分布。

根据本发明的另一个实施例，可以将本发明的图像中条纹干扰的检测方法应用在水平条纹干扰检测中，如图4所示，为根据本发明又一个实施例的条纹干扰检测方法的示意图，步骤如下：

步骤1，对视频图像进行时域方差图像抽取即以[t₀，t₁]时间区间为目标抽取区间，逐像素求得每个像素的方差，方差的计算可参照公式（1）（2）的组合或（3）；

步骤2，获得[t₀，t₁]时间区间的方差图像；

步骤3，对方差图像进行二值化（例如，利用大津阈值法进行二值化）：

步骤4，按照水平搜索规则搜索直线；

步骤5，对搜索直线得到的结果加以随机分布过滤规则，从而区分运动物体产生的边缘条纹和条纹干扰噪声，然后得到最终的条纹干扰检测结果，本步骤在图4中未示出。

此外，图4中的方差分布图像表示单个方差值（横轴）在图像序列中出现的频率（纵轴）。

根据本发明的另一个实施例，还可以将本发明的图像中条纹干扰的检测方法应用在带角度偏转的条纹干扰检测中，步骤如下：

步骤1：计算视频图像序列中每个像素的方差值；

步骤2：获得[t₀，t₁]时间区间的方差图像；

步骤3：对方差图像进行二值化；

步骤4：按照一定的偏转角度搜索规则搜索直线，可以由用户根据每幅图的属性预先设定需要搜索的直线的偏转角度；

步骤5：对第4步中的搜索直线结果加以随机分布过滤规则，从而区分运动物体产生的边缘条纹和条纹干扰噪声，然后得到最终的条纹干扰检测结果。根据本发明的实施例，提供了一种图像中条纹干扰的检测装置。

如图5所示，根据本发明实施例的检测装置包括：

获取模块51，用于获取需要进行检测的多个连续图像中的每个像素的属性值，可选地，属性值可以包括灰度值、RGB通道值或YUV；

确定模块52，用于对于每个像素，根据多个连续图像中该像素的属性值确定该像素的变化值，其中，该像素的变化值用于表示在多个连续图像中该像素的属性变化情况，此外，对于每个像素，根据多个连续图像中该像素的属性值获取该像素的方差值，将该方差值作为变化值；

检测模块53，用于对由各个像素的变化值组成的图像进行条纹干扰检测，可选地，检测模块53可以基于水平搜索规则进行条纹干扰检测，或者也可以基于偏转角度搜索规则进行条纹干扰检测，可选地，检测模块53可以基于直线检测进行条纹干扰检测，此外，进一步地，检测模块53可以对由各个像素的方差值组成的方差图像进行条纹干扰检测，优选地，检测模块53可以对方差图像进行二值化，然后再对方差图像二值化后的结果进行条纹干扰检测。

此外，根据本发明实施例的检测方法可以进一步根据对由各个像素的变化值组成的图像进行条纹干扰检测的结果，确定多个连续图像中是否存在条纹干扰、和/或条纹干扰所在的位置。然后，根据条纹干扰所在位置的随机性对检测到的条纹干扰进行过滤，确定实际存在的条纹干扰。

综上所述，借助于本发明的上述技术方案，本发明通过视频图像的方差图像来进行视频图像条纹干扰检测；本发明还可以在利用方差图像进行条纹干扰检测的基础上加入条纹干扰随机分布过滤规则，可以有效降低条纹干扰检测的误报率本发明也可以在利用方差图像进行条纹干扰检测的基础上加入二值化处理再进行条纹检测，二值化处理可以使条纹干扰更加的明显同时可以更容易检测到条纹干扰；本发明可以在利用方差图像进行条纹干扰检测的基础上加入二值化处理，然后进行条纹检测，进一步地，可以加入条纹干扰随机分布过滤规则。本发明通过确定多个连续图像中的每个像素的属性值的变化情况，然后根据变化情况能够在连续图像中检测出条纹干扰，并且本发明能够广泛地应用于图像处理领域。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种图像中条纹干扰的检测方法，其特征在于，包括：

获取需要进行检测的多个连续图像中的每个像素的属性值；

对于每个像素，根据所述多个连续图像中该像素的属性值确定该像素的变化值，其中，该像素的变化值用于表示在所述多个连续图像中该像素的属性变化情况；

对由各个像素的变化值组成的图像进行条纹干扰检测；

其中，根据所述多个连续图像中该像素的属性值确定该像素的变化值包括：

对于每个像素，根据所述多个连续图像中该像素的属性值获取该像素的方差值，将该方差值作为变化值；

并且，对由各个像素的变化值组成的图像进行条纹干扰检测包括：

对由各个像素的方差值组成的方差图像进行条纹干扰检测。

2.根据权利要求1所述的检测方法，其特征在于，对由各个像素的方差值组成的方差图像进行条纹干扰检测包括：

对所述方差图像进行二值化；

对所述方差图像二值化后的结果进行条纹干扰检测。

3.根据权利要求2所述的检测方法，其特征在于，对所述方差图像进行二值化包括：

通过大津阈值法对所述方差图像进行二值化。

4.根据权利要求1-3中任一项所述的检测方法，其特征在于，进行条纹干扰检测包括：

基于水平搜索规则进行条纹干扰检测；和/或

基于偏转角度搜索规则进行条纹干扰检测。

5.根据权利要求1-3中任一项所述的检测方法，其特征在于，所述条纹干扰检测基于直线检测进行。

6.根据权利要求1-3中任一项所述的检测方法，其特征在于，进一步包括：

根据对由各个像素的变化值组成的图像进行条纹干扰检测的结果，确定所述多个连续图像中是否存在条纹干扰、和/或条纹干扰所在的位置。

7.根据权利要求6所述的检测方法，其特征在于，根据条纹干扰所在位置的随机性对检测到的条纹干扰进行过滤，确定实际存在的条纹干扰。

8.根据权利要求1-3中任一项所述的检测方法，其特征在于，所述属性值包括以下之一：

灰度值、RGB通道值、YUV。

9.一种图像中条纹干扰的检测装置，其特征在于，包括：

获取模块，用于获取需要进行检测的多个连续图像中的每个像素的属性值；

确定模块，用于对于每个像素，根据所述多个连续图像中该像素的属性值确定该像素的变化值，其中，该像素的变化值用于表示在所述多个连续图像中该像素的属性变化情况；

检测模块，用于对由各个像素的变化值组成的图像进行条纹干扰检测；

其中，根据所述多个连续图像中该像素的属性值确定该像素的变化值包括：

对于每个像素，根据所述多个连续图像中该像素的属性值获取该像素的方差值，将该方差值作为变化值；

并且，对由各个像素的变化值组成的图像进行条纹干扰检测包括：

对由各个像素的方差值组成的方差图像进行条纹干扰检测。