CN103747244B - 一种计算数字视频黑场或静帧量化评估值的方法 - Google Patents

Abstract

本发明涉及一种计算数字视频黑场或静帧量化评估值的方法，使用高斯误差分布函数对误差进行调整，利用大津法把图像分割成两部分，并分别对两部分进行评估，最终把两部分的评估值进行汇总，得到数字视频黑场或静帧评估值。本发明可以对数字视频的黑场、静帧进行0~100值域范围内的评估，相比布尔值的判断，可以给后续的数据分析提供线性的裸数据，提高分析的准确性；利用大津分类对画面进行动态区域划分，有效提高了评估值的准确性。

Description

一种计算数字视频黑场或静帧量化评估值的方法

技术领域

本发明涉及广播电视领域，具体涉及一种计算数字视频黑场或静帧量化评估值的方法。

背景技术

多媒体的不断普及，它已经成为了我们获取信息的一个重要手段。与此同时，视频安全播出的形势也愈发严峻。数字视频的播出环节比模拟视频复杂得多，播出中常产生多种异态，而节目数量增加使得传统人工监播的方法更容易出现疏漏。因此，必须通过采用技术手段对数字视频信号进行处理来保障数字视频的安全播出。黑场、静帧是视频播出中常见的异态，造成这种异态的原因很多，比如码流传输中的异常、接收机的故障、非法信号的攻击等等。因此对黑场静帧的解析是安全监播数字视频的重要组成功能之一。目前主流的检测设备对黑场、静帧只能做出布尔值的判断，无法为后续的数据分析提供线性的裸数据，直接对分析结果造成影响；并且对图像局部区域的非黑场、静帧区域的判断能力偏差，从而很容易造成误报。

正态分布(Normaldistribution)又名高斯分布(Gaussiandistribution)，是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。若随机变量X服从一个数学期望为μ、方差为σ^2的高斯分布，记为N(μ，σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。因其曲线呈钟形，因此人们又经常称之为钟形曲线。我们通常所说的标准正态分布是μ＝0,σ＝1的正态分布。最大类间方差法是由日本学者大津于1979年提出的,是一种自适应的阈值确定的方法,又叫大津法,简称OTSU。它是按图像的灰度特性,将图像分成背景和目标2部分。背景和目标之间的类间方差越大,说明构成图像的2部分的差别越大,当部分目标错分为背景或部分背景错分为目标都会导致2部分差别变小。因此,使类间方差最大的分割意味着错分概率最小。

发明内容

本发明的目的是，使黑场、静帧的检测结果呈现出线性变化，并且提高对局部非黑场、静帧区域的判别能力，提供了一种整体与局部协同判断黑场或静帧评估值的方法。

为实现上述目的，本发明采取的技术方案之一是：一种计算数字视频黑场量化评估值的方法，使用高斯误差分布函数对误差进行调整，利用大津法把图像分割成两部分，并分别对两部分进行评估，最终把两部分的评估值进行汇总，包含以下步骤：

1)对输入的数字视频帧图像统一进行64*64尺寸的降采样，即将图像平均等分成64*64个块，并求出每个块的平均值的步骤；

2)假定待检测的数字视频帧中存在噪声扰动，其相对于黑场基准电平的误差整体服从正态分布，设定正态分布参数μ＝0，σ＝20的步骤；

3)按X＝0处的值为1，对正态分布进行归一化的步骤；

4)计算数字视频帧图像整体匹配度 $P1={\mathrm{\Σ}}_{i=1}^{4096}\left(gaussmf\right(\mathrm{\μ}-x_i))/4096$ 的步骤，公式中：i为平均等分成64*64个块的图像的每一个像素的下标，x_i为平均等分成64*64个块的图像的第i个像素值；

5)按gaussmf(μ-x_i)建立偏差量的直方图，然后利用大津算法取得一个动态阈值来分割上述直方图，按照类间方差最大化的思想，将数字视频帧图像分割成2部分，偏差大的部分假定为非黑场局部区域的步骤；

6)计算假定为非黑场局部区域的匹配度的步骤，公式中：m为非黑场区域的像素值，n为通过大津法在原始图像上分割出来的非黑场区域的像素数量，i为非静帧像素点的下标，m_i为第i个非黑场区域的像素值；

7)最终黑场评估值P＝P1*P2*100％，值域0-100，越大越接近黑场的步骤。

本发明采取的技术方案之二是：一种计算数字视频静帧量化评估值的方法，使用高斯误差分布函数对误差进行调整，利用大津法把图像分割成两部分，并分别对两部分进行评估，最终把两部分的评估值进行汇总，包含以下步骤：

1)对输入的数字视频帧图像统一进行64*64尺寸的降采样，即将图像平均等分成64*64个块，并求出每个块的平均值的步骤；

2)假定待检测的数字视频帧中存在噪声扰动，其相对于上一数字视频帧电平的误差整体服从正态分布，设定正态分布参数μ＝0，σ＝20的步骤；

3)按X＝0处的值为1，对正态分布进行归一化的步骤；

4)计算数字视频帧图像整体匹配度 $P1={\mathrm{\Σ}}_{i=1}^{4096}\left(gaussmf\right(\mathrm{\μ}-x_i))/4096$ 的步骤，公式中：i为平均等分成64*64个块的图像的每一个像素的下标，x_i为平均等分成64*64个块的图像的第i个像素值；

5)按gaussmf(μ-x_i)建立偏差量的直方图，然后利用大津算法取得一个动态阈值来分割上述直方图，按照类间方差最大化的思想，将数字视频帧图像分割成2部分，偏差大的部分假定为非静帧局部区域的步骤；

6)计算假定为非静帧局部区域的匹配度的步骤，公式中：m为非静帧区域的像素值，n为通过大津法在原始图像上分割出来的非静帧区域的像素数量，i为非静帧像素点的下标，m_i为第i个非静帧区域的像素值；

7)最终静帧评估值P＝P1*P2*100％，值域0-100，越大越接近静帧的步骤。

本发明有如下有益效果：可以对数字视频的黑场、静帧进行0～100值域范围内的评估，相比布尔值的判断，可以给后续的数据分析提供线性的裸数据，提高分析的准确性；利用大津分类对画面进行动态区域划分，有效提高了评估值的准确性。

【附图说明】

图1是一种计算数字视频黑场量化评估值的方法流程图。

图2是一种计算数字视频静帧量化评估值的方法流程图。

【具体实施方式】

下面结合实施例并参照附图对本发明作进一步描述。

实施例1，本实施例实现一种计算数字视频黑场量化评估值的方法。

参见图1，一种计算数字视频黑场量化评估值的方法流程图，一种计算数字视频黑场量化评估值的方法，使用高斯误差分布函数对误差进行调整，利用大津法把图像分割成两部分，并分别对两部分进行评估，最终把两部分的评估值进行汇总，包含以下步骤：

A.对输入的数字视频帧图像统一进行64*64尺寸的降采样，即将图像平均等分成64*64个块，并求出每个块的平均值，或采用类似效果的算法；

B.假定待检测的数字视频帧中存在噪声扰动，其相对于黑场基准电平的误差整体服从正态分布，设定正态分布参数μ＝0，σ＝20；

C.按X＝0处的值为1，对正态分布进行归一化；

D.计算数字视频帧图像整体匹配度公式中：i为平均等分成64*64个块的图像的每一个像素的下标，x_i为平均等分成64*64个块的图像的第i个像素值；

E.假设待检测的数字视频帧图像存在2部分，一部分是与样本较为匹配的区域，另一部分是误差较大区域，这一部分往往面积很小，但对黑场的判别起到决定的作用；先按gaussmf(μ-x_i)建立偏差量的直方图，然后利用大津算法取得一个动态阈值来分割上述直方图，按照类间方差最大化的思想，将数字视频帧图像分割成2部分，偏差大的部分假定为非黑场局部区域；

F.计算假定为非黑场局部区域的匹配度公式中：m为非黑场区域的像素值，n为通过大津法在原始图像上分割出来的非黑场区域的像素数量，i为非静帧像素点的下标，m_i为第i个非黑场区域的像素值；

G.最终黑场评估值P＝P1*P2*100％，值域0-100，越大越接近黑场。

上述方法可以由计算机，或专用的嵌入式设备实现。例如实现实施例1所述的方法设备，包括视频信号接口电路，微处理器及外围器件，视频信号接口电路输入视音频节目，信号类型可以是SDI，ASI，或基于以太网络IP包的TS流，故根据信号类型视频接口电路要做相应的变换；当然微处理器的功能也可以由微处理器和FPGA协同实现，即部分功能由FPGA完成，具体视应用场合而定。

实施例2，本实施例实现一种计算数字视频静帧量化评估值的方法。

参见图2，一种计算数字视频静帧量化评估值的方法流程图，一种计算数字视频静帧量化评估值的方法，使用高斯误差分布函数对误差进行调整，利用大津法把图像分割成两部分，并分别对两部分进行评估，最终把两部分的评估值进行汇总，包含以下步骤：

A.对输入的数字视频帧图像统一进行64*64尺寸的降采样，即将图像平均等分成64*64个块，并求出每个块的平均值，或采用类似效果的算法；

B.假定待检测的数字视频帧中存在噪声扰动，其相对于静帧基准电平的误差整体服从正态分布，设定正态分布参数μ＝0，σ＝20；

C.按X＝0处的值为1，对正态分布进行归一化；

D.计算数字视频帧图像整体匹配度 $P1={\mathrm{\Σ}}_{i=1}^{4096}\left(gaussmf\right(\mathrm{\μ}-x_i))/4096,$ 公式中：i为平均等分成64*64个块的图像的每一个像素的下标，x_i为平均等分成64*64个块的图像的第i个像素值；

E.假设待检测的数字视频帧图像存在2部分，一部分是与样本较为匹配的区域，另一部分是误差较大区域，这一部分往往面积很小，但对静帧的判别起到决定的作用；先按gaussmf(μ-x_i)建立偏差量的直方图，然后利用大津算法取得一个动态阈值来分割上述直方图，按照类间方差最大化的思想，将数字视频帧图像分割成2部分，偏差大的部分假定为非静帧局部区域；

F.计算假定为非静帧局部区域的匹配度公式中：m为非静帧区域的像素值，n为通过大津法在原始图像上分割出来的非静帧区域的像素数量，i为非静帧像素点的下标，m_i为第i个非静帧区域的像素值；

G.最终静帧评估值P＝P1*P2*100％，值域0-100，越大越接近静帧。

上述方法可以由计算机，或专用的嵌入式设备实现。例如实现实施例2所述的方法设备，包括视频信号接口电路，微处理器及外围器件，视频信号接口电路输入视音频节目，信号类型可以是SDI，ASI，或基于以太网络IP包的TS流，故根据信号类型视频接口电路要做相应的变换；当然微处理器的功能也可以由微处理器和FPGA协同实现，即部分功能由FPGA完成，具体视应用场合而定。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员，在不脱离本发明原理的前提下，还可以做出若干改进和补充，这些改进和补充也应视为本发明的保护范围。

Claims (2)

1.一种计算数字视频黑场量化评估值的方法，使用高斯误差分布函数对误差进行调整，利用大津法把图像分割成两部分，并分别对两部分进行评估，最终把两部分的评估值进行汇总，包含以下步骤：a)对待检测的数字视频帧图像统一进行64*64尺寸的降采样，即将图像平均等分成64*64个块，并求出每个块的平均值的步骤；b)假定待检测的数字视频帧中存在噪声扰动，其相对于黑场基准电平的误差整体服从正态分布，设定正态分布参数μ=0，σ=20的步骤；c)按X=0处的值为1，对正态分布进行归一化的步骤；d)计算数字视频帧图像整体匹配度的步骤，公式中：i为平均等分成64*64个块的图像的每一个像素的下标，x_i为平均等分成64*64个块的图像的第i个像素值；e)按建立偏差量的直方图，然后利用大津算法取得一个动态阈值来分割上述直方图，按照类间方差最大化的思想，将数字视频帧图像分割成2部分，偏差大的部分假定为非黑场局部区域的步骤；f)计算假定为非黑场局部区域的匹配度的步骤，公式中：m为非黑场区域的像素值，n为通过大津法在原始图像上分割出来的非黑场区域的像素数量，i为非黑场像素点的下标，m_i为第i个非黑场区域的像素值；g)最终黑场评估值P=P1*P2*100%，值域0-100，越大越接近黑场的步骤。

2.一种计算数字视频静帧量化评估值的方法，使用高斯误差分布函数对误差进行调整，利用大津法把图像分割成两部分，并分别对两部分进行评估，最终把两部分的评估值进行汇总，包含以下步骤：a)对待检测的数字视频帧图像统一进行64*64尺寸的降采样，即将图像平均等分成64*64个块，并求出每个块的平均值的步骤；b)假定待检测的数字视频帧中存在噪声扰动，其相对于上一数字视频帧电平的误差整体服从正态分布，设定正态分布参数μ=0，σ=20的步骤；c)按X=0处的值为1，对正态分布进行归一化的步骤；d)计算数字视频帧图像整体匹配度的步骤，公式中：i为平均等分成64*64个块的图像的每一个像素的下标，x_i为平均等分成64*64个块的图像的第i个像素值；e)按建立偏差量的直方图，然后利用大津算法取得一个动态阈值来分割上述直方图，按照类间方差最大化的思想，将数字视频帧图像分割成2部分，偏差大的部分假定为非静帧局部区域的步骤；f)计算假定为非静帧局部区域的匹配度的步骤，公式中：m为非静帧区域的像素值，n为通过大津法在原始图像上分割出来的非静帧区域的像素数量，i为非静帧像素点的下标，m_i为第i个非静帧区域的像素值；g)最终静帧评估值P=P1*P2*100%，值域0-100，越大越接近静帧的步骤。