CN104282011A - 一种检测视频图像中干扰条纹的方法及装置 - Google Patents
一种检测视频图像中干扰条纹的方法及装置 Download PDFInfo
- Publication number
- CN104282011A CN104282011A CN201310281925.3A CN201310281925A CN104282011A CN 104282011 A CN104282011 A CN 104282011A CN 201310281925 A CN201310281925 A CN 201310281925A CN 104282011 A CN104282011 A CN 104282011A
- Authority
- CN
- China
- Prior art keywords
- image
- current frame
- frame difference
- bar detection
- pixel value
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T2207/20061—Hough transform
-
- 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
- G06T2207/30232—Surveillance
Abstract
本发明实施例公开了一种检测视频图像中干扰条纹的方法及装置,涉及视频分析领域及视频监控领域,用于降低视频图像检测中干扰条纹的误判率,并且能够检测图像中任意方向的干扰条纹。本发明中,确定当前帧图像的帧差图像;确定帧差图像的图像有效区域;对图像有效区域进行连通域计算,以去除掉图像有效区域中不符合条纹特征的区域,得到条纹检测图像;对条纹检测图像进行霍夫Hough变换,得到条纹检测图像的干扰条纹分布信息,从而排除了运动目标以及与条纹相似的背景对图像检测带来的影响,有效的降低了视频图像检测中的干扰条纹的误判率,降低了非条纹候选区域带来的影响,并且能够检测图像中任意方向的干扰条纹的分布情况。
Description
技术领域
本发明涉及视频分析领域及视频监控领域,尤其涉及一种检测视频图像中干扰条纹的方法及装置。
背景技术
在视频监控系统中,由于线路老化、接触不良、电磁干扰、传输故障等因素造成视频图像中出现一些亮度、色度等不同于周围图像的条状纹理,从而导致视频图像中出现条状的干扰信息即干扰条纹,该干扰条纹严重影响视觉效果以及后续的图像分析。目前,常用的干扰条纹检测方法主要有:
第一种:基于行均值序列的形状分析方法。
该方法中,首先,计算图像行均值序列,根据该图像行均值序列确定图像的条纹候选区域;然后,对该图像的条纹候选区域进行形状分析,得到该图像的干扰条纹的程度(参见申请号为201110402489.1,名称为视频质量智能检测系统的发明专利文件)。
第二种:采用人工值守方式。
该方法通过值班人员人眼观看监控视频画面,判断是否存在干扰条纹。
基于现有技术中两种方法,现有技术中存在以下技术问题:
问题一:采用基于行均值序列的形状分析方法时,当视频图像中有运动目标通过、或视频图像中存在条状边缘(如人行道上的斑马线、电线杆上的电线)时容易将非条纹图像信息判定为干扰条纹,造成误检。
问题二:采用基于行均值序列的形状分析方法时,由于该方法基于行均值序列进行视频图像分析,因此该方法只能检测水平方向的干扰条纹,无法检测任意方向的干扰条纹。
问题三:采用人工值守方式,由于人力资源有限、值班人员注意力不可能长期集中以及各种主观因素的影响,尤其对于一些大型监控系统,人工值守的检测方式漏检率高、并且浪费大量的人力资源。
发明内容
本发明实施例提供一种检测视频图像中干扰条纹的方法及装置,用于解决如何降低视频图像检测中干扰条纹的误判率,并且能够自动检测图像中任意方向的干扰条纹的问题。
一种检测视频图像中干扰条纹的方法,该方法包括:
确定当前帧图像的帧差图像;
确定所述帧差图像的图像有效区域;
对所述图像有效区域进行连通域计算,以去除掉所述图像有效区域中不符合条纹特征的区域,得到条纹检测图像;
对所述条纹检测图像进行霍夫(Hough)变换,得到所述条纹检测图像的干扰条纹分布信息。
一种检测视频图像中干扰条纹的装置,该装置包括:
帧间差分单元,用于确定当前帧图像的帧差图像;
图像分析单元,用于确定所述帧差图像的图像有效区域;
图像检测单元,用于对所述图像有效区域进行连通域计算,以去除掉所述图像有效区域中不符合条纹区域特征的区域,得到条纹检测图像;
霍夫(Hough)变换单元,用于对所述条纹检测图像进行霍夫(Hough)变换,得到所述条纹检测图像的干扰条纹分布信息。
本发明中,确定当前帧图像的帧差图像;确定所述帧差图像的图像有效区域;对所述图像有效区域进行连通域计算,以去除掉所述图像有效区域中不符合条纹特征的区域,得到条纹检测图像;对所述条纹检测图像进行霍夫(Hough)变换,得到所述条纹检测图像的干扰条纹分布信息。可见,本发明中,确定当前帧图像的帧差图像,并确定该帧差图像的图像有效区域,排除了运动目标以及与条纹相似的背景对图像检测带来的影响,有效的降低了视频图像检测中的干扰条纹的误判率;对该图像有效区域进行连通域计算,以去除掉该图像有效区域中不符合条纹特征的区域,得到条纹检测图像,减少了非条纹候选区域带来的影响;同时采用Hough变换,可以检测图像中任意方向的干扰条纹分布信息。
附图说明
图1为本发明实施例提供的方法流程示意图;
图2为本发明实施例提供的确定当前帧图像的帧差图像的流程示意图;
图3为本发明实施例提供的确定帧差图像的图像有效区域的流程示意图;
图4为本发明实施例提供的确定图像有效区域中的干扰条纹分布信息的流程示意图;
图5为本发明实施例提供的装置结构示意图。
具体实施方式
为了排除运动目标以及与条纹相似的背景对图像检测带来的影响,降低视频图像检测中的干扰条纹的误判率,减少非条纹候选区域带来的影响,并检测图像中的任意方向的干扰条纹,本发明实施例提供一种检测视频图像中干扰条纹的方法,本方法中,确定当前帧图像的帧差图像,确定上述帧差图像的图像有效区域,对上述图像有效区域进行连通域计算,以去除掉上述图像有效区域中不符合条纹特征的区域,得到条纹检测图像,对上述条纹检测图像进行霍夫(Hough)变换,得到上述条纹检测图像的干扰条纹分布信息。
参见图1,本发明实施例提供的检测视频图像中干扰条纹的方法,具体包括以下步骤:
步骤10:确定当前帧图像的帧差图像;
步骤11:确定该帧差图像的图像有效区域;
步骤12:对该图像有效区域进行连通域计算,以去除掉该图像有效区域中不符合条纹特征的区域,得到条纹检测图像;
步骤13:对该条纹检测图像进行Hough变换,得到该条纹检测图像的干扰条纹分布信息。
步骤10之前,采用编解码算法,将该当前帧图像的格式转换为YUV格式。
步骤10中,在该当前帧图像为视频流的第一个帧图像时,将该当前帧图像作为自身的帧差图像;在该当前帧图像不为视频流的第一个帧图像时,将该当前帧图像与所述当前帧图像的上一帧图像进行帧间差分运算,得到该当前帧图像的帧差图像。
具体的,判断当前帧图像是否为视频流的第一个帧图像:
如果当前帧图像为视频流的第一个帧图像,此时当前帧图像的上一帧图像不存在,则将当前帧图像作为自身的帧差图像(即初始图像),并且不对当前帧图像做任何处理;
如果当前帧图像为视频流的第一个帧图像,此时当前帧图像的上一帧图像存在,则将当前帧图像与当前帧图像的上一帧图像进行帧间差分运算,得到所述当前帧图像的帧差图像。
帧间差分运算的过程如下:
首先,分别扫描该当前帧图像和该当前帧图像的上一帧图像;
然后,将当前帧图像的全部位置的像素值与上一帧图像的所对应的全部位置的像素值进行求差计算,并将该差值取绝对值,直至扫描完全部图像,得到帧差图像,
即,如下式:
DiffImg[i]=abs(CurImg[i]-ProImg[i])
其中,DiffImg[i]为帧差图像中的第i个位置的像素值,CurImg[i]为当前帧图像中的第i个位置的像素值,ProImg[i]为当前帧图像的上一帧图像中的第i个位置的像素值,abs(CurImg[i]-ProImg[i])为对CurImg[i]和ProImg[i]的差值取绝对值。
步骤11中,采用背景建模算法,确定所述当前帧图像的前景图像;以及,采用Canny算法,确定所述当前帧图像的边缘图像;对于所述帧差图像中每个位置的像素值,若在所述前景图像和/或所述边缘图像中对应位置的像素值为非零,则将所述帧差图像中该位置的像素值置为零,得到图像有效区域。
首先,采用背景建模算法,确定所述当前帧图像的前景图像;其中,背景建模算法是对视频图像的背景进行建模的方法,得到该视频图像中的背景模型,并将当前的图像与背景模型进行某种比较,根据比较结果确定该视频图像中的运动目标区域,即本发明实施例中的前景图像。采用背景建模算法能够自动获得视频图像中的静态背景模型,并且能够不断更新以适应当前背景的变化,本发明采用背景建模算法,可以排除运动目标对条纹检测带来的影响。
同时,采用Canny算法,确定所述当前帧图像的边缘图像;其中,Canny算法是基于Canny算子寻找一个最优的边缘检测的方法,最优边缘检测的含义是:(1)最优检测;(2)最优定位准则;(3)检测点与边缘点一一对应。
本发明采用Canny算法提取视频图像的边缘图像,可以有效的排除视频图像中与条纹相似的背景(例如,人行道上的斑马线、电线竿上的电线等)带来的影响。
然后,对于所述帧差图像中每个位置的像素值,若在所述前景图像和/或所述边缘图像中对应位置的像素值为非零,则将所述帧差图像中该位置的像素值置为零,得到图像有效区域。即,如下式:
其中,FroImg[i]为前景图像中的第i个为位置的像素值,EdgeImg[i]为边缘图像中的第i个位置的像素值,DiffImg[i]为帧差图像中的第i个为位置的像素值。
其中,包括三种实现方案,具体如下:
方案一:首先,扫描前景图像,根据扫描前景图像的结果判断是否扫描边缘图像,进而得到图像有效区域:
对前景图像中的像素值逐一扫描,分别判断该前景图像中的像素值是否为非零;
若是,则不需要判断边缘图像中的对应位置的像素值是否为非零,直接将图像帧差图像中的对应位置的像素值置为零;
否则,继续判断边缘图像中的对应位置的像素值是否为非零,若边缘图像中的对应位置的像素值是非零,则将帧差图像中的对应位置的像素值置为零;若边缘图像中的对应位置的像素值为零,则不对帧差图像中的对应位置的像素值进行任何处理;
直到扫描完前景图像和/或边缘图像中的全部位置,得到图像有效区域DiffImg1。
方案二:首先,扫描边缘图像,根据扫描边缘图像的结果判断是否扫描前景图像,进而得到图像有效区域:
对边缘图像中的像素值逐一扫描,分别判断该边缘图像中的像素值是否为非零;
若是,则不需要判断前景图像中的对应位置的像素值是否为非零,直接将帧差图像中的对应位置的像素值置为零;
否则继续判断前景图像中的对应位置的像素值是否为非零,若前景图像中的对应位置的像素值是非零,则将帧差中的对应位置的像素值置为零;若前景图像中的对应位置的像素值为零,则不对帧差中的对应位置的像素值进行任何处理;
直到扫描完前景图像和/或边缘图像中的全部位置,得到图像有效区域DiffImg1。
方案三:同时扫描前景图像和边缘图像,根据扫描前景图像和边缘图像的结果得到图像有效区域:
分别对前景图像中的像素值和边缘图像中的像素值逐一扫描,分别判断该前景图像中的像素值和该边缘图像中的像素值是否为非零;
对帧差图像中的该位置的像素值,如果上述前景图像中的对应位置的像素值或上述边缘图像中的对应位置的像素值中至少有一个为非零,则将上述帧差图像中的该位置的像素值置为零;
对帧差图像中的该位置的像素值,如果上述前景图像中的对应位置的像素值或上述边缘图像中的对应位置的像素值均为零,则不将上述帧差图像中的该位置的像素值置为零,即不对上述帧差图像做任何处理。
直到扫描完整个前景图像和/或边缘图像中的全部位置,得到图像有效区域DiffImg1。
其中,图像有效区域为:采用背景建模算法、Canny边缘检测算法、形态学图像处理方法之后,得到的具有条纹特征的区域,并且排除了运动目标和条状目标对图像的干扰。
进一步的,在采用背景建模算法确定所述当前帧图像的前景图像之后、并且在得到图像有效区域之前,将所述前景图像进行形态学膨胀处理;
在采用Canny算法确定所述当前帧图像的边缘图像之后、并且在得到图像有效区域之前,将所述边缘图像进行形态学膨胀处理。
形态学膨胀具有扩大图像的作用,通过记录已经比较过的局部信息,以便在以后的计算中可直接提取使用,以实现减少并消除重复比较的计算冗余,有效的节省了运算时间。
步骤12中,通过连通域算法计算条纹特征,排除非条纹特征区域,可以有效的减少算法的运行时间,同时降低了非条纹区域带来的影响。
步骤13中,统计所述条纹检测图像中的直线条数在Hough空间的对应点的数量,将所述对应点的数量作为所述条纹检测图像的条纹分布强度值。
其中,Hough变换能够利用图像中线特征的投影不变性,将直线上的特征点映射到参量空间,提取直线信息,并且能够有效避免直线中出现间断点的干扰。本发明采用Hough变换,能够实现周期性干扰条纹的检测,尤其是相同周期的条纹在其平行的方向上能容纳该周期条纹的数量。对上述条纹检测图像进行Hough变换,也就是将上述条纹检测图像中的任意方向的干扰条纹利用Hough变换映射到该条纹检测图像的Hough空间,得到该条纹检测图像在其Hough空间的点状分布,统计在其Hough空间的0°至180°之间的每个角度对应的点的值的最大值,由于该最大值内的全部对应点为上述条纹检测图像的最多的干扰条纹的映射,因此该最大值能够反映上述条纹检测图像的条纹分布情况,所以将该最大值作为条纹分布强度值maxSum,将该最大值对应的角度作为条纹分布的角度。而且,条纹分布强度值maxSum的数值越大,表示该视频图像中的干扰条纹越强。本发明中,采用Hough变换可以检测到视频图像中,0°至180°之间的任意角度的干扰条纹,并且能够输出干扰条纹信息。
进一步的,判断所述条纹分布强度值maxSum是否小于设定门限值;其中,预先设定某一门限值为maxLine(例如,该设定门限值maxLine可以为50);
若条纹分布强度值maxSum小于设定门限值maxLine,则仅输出条纹分布强度值maxSum,而不输出干扰条纹报警信息;
若条纹分布强度值maxSum大于或等于设定门限值maxLine,则仅输出条纹分布强度值maxSum,并且输出干扰条纹报警信息。
实施例一:
首先,获取连续的视频流,并从连续的视频流中获取每一帧图像,本实施例以该视频流中的某一帧图像为例。
参照图2,本实施例提供的确定当前帧图像的帧差图像的流程如下:
步骤20:采用编解码算法,将当前帧图像的格式转换为YUV格式。
步骤21:判断当前帧图像是否为视频流的第一个帧图像,若是,则到步骤21.1,否则,到步骤21.2;
其中,当前帧图像为视频流的第一个帧图像时,不存在该当前帧图像的上一帧图像;当前帧图像不为视频流的第一个帧图像时,存在该当前帧图像的上一帧图像;
步骤21.1:当前帧图像为视频流的第一个帧图像时;
此时当前帧图像的上一帧图像不存在,将当前帧图像作为自身的帧差图像(即初始图像),并且不对当前帧图像做任何处理;
步骤21.2:当前帧图像不为视频流的第一个帧图像时;
此时当前帧图像的上一帧图像存在,将当前帧图像与当前帧图像的上一帧图像进行帧间差分运算,得到所述当前帧图像的帧差图像;
帧间差分运算的过程如下:
首先,分别扫描该当前帧图像CurImg和该当前帧图像的上一帧图像ProImg;
然后,将当前帧图像的全部位置的像素值与上一帧图像的所对应的全部位置的像素值进行求差计算,并将该差值取绝对值,直至扫描完全部图像,得到帧差图像DiffImg,
即,如下式:
DiffImg[i]=abs(CurImg[i]-ProImg[i])
其中,DiffImg[i]为帧差图像中的第i个位置的像素值,CurImg[i]为当前帧图像中的第i个位置的像素值,ProImg[i]为当前帧图像的上一帧图像中的第i个位置的像素值,abs(CurImg[i]-ProImg[i])为对CurImg[i]和ProImg[i]的差值取绝对值。
实施例二:
参见图3,本实施例提供的确定帧差图像的有效条纹区域的流程如下:
步骤30:采用编解码算法,将当前帧图像的格式转换为YUV格式。
步骤31:采用背景建模算法,确定所述当前帧图像的前景图像;
步骤31.1:采用背景建模算法确定所述当前帧图像的前景图像之后,将所述前景图像进行形态学膨胀处理,得到膨胀后的前景图像FroImg,到步骤33;
步骤32:在执行步骤31的同时,采用Canny算法,确定所述当前帧图像的边缘图像;
步骤32.1:在采用Canny算法确定所述当前帧图像的边缘图像之后,将所述边缘图像进行形态学膨胀处理,得到膨胀后的边缘图像EdgeImg,到步骤33;
步骤33:对于所述帧差图像中每个位置的像素值,若在上述膨胀后的前景图像和/或上述膨胀后的边缘图像中对应位置的像素值为非零,则将所述帧差图像中该位置的像素值置为零,得到图像有效区域。
即,如下式:
其中,FroImg[i]为前景图像中的第i个为位置的像素值,EdgeImg[i]为边缘图像中的第i个位置的像素值,DiffImg[i]为帧差图像中的第i个为位置的像素值。
在本发明实施例中,可以通过如下三种方式分别扫描上述膨胀后的前景图像和/或上述膨胀后的边缘图像,得到图像有效区域:
方式一:首先,扫描膨胀后的前景图像,根据扫描膨胀后的前景图像的结果判断是否扫描膨胀后的边缘图像,进而得到图像有效区域:
对膨胀后的前景图像中的像素值逐一扫描,分别判断该膨胀后的前景图像中的像素值是否为非零;
若是,则不需要判断膨胀后的边缘图像中的对应位置的像素值是否为非零,直接将图像帧差图像中的对应位置的像素值置为零;
否则,继续判断膨胀后的边缘图像中的对应位置的像素值是否为非零,若膨胀后的边缘图像中的对应位置的像素值是非零,则将帧差图像中的对应位置的像素值置为零;若膨胀后的边缘图像中的对应位置的像素值为零,则不对帧差图像中的对应位置的像素值进行任何处理;
直到扫描完膨胀后的前景图像和/或膨胀后的边缘图像中的全部位置,得到图像有效区域DiffImg1。
方式二:首先,扫描膨胀后的边缘图像,根据扫描膨胀后的边缘图像的结果判断是否扫描膨胀后的前景图像,进而得到图像有效区域:
对膨胀后的边缘图像中的像素值逐一扫描,分别判断该膨胀后的边缘图像中的像素值是否为非零;
若是,则不需要判断膨胀后的前景图像中的对应位置的像素值是否为非零,直接将帧差图像中的对应位置的像素值置为零;
否则继续判断膨胀后的前景图像中的对应位置的像素值是否为非零,若膨胀后的前景图像中的对应位置的像素值是非零,则将帧差中的对应位置的像素值置为零;若膨胀后的前景图像中的对应位置的像素值为零,则不对帧差中的对应位置的像素值进行任何处理;
直到扫描完膨胀后的前景图像和/或膨胀后的边缘图像中的全部位置,得到图像有效区域DiffImg1。
方式三:同时扫描膨胀后的前景图像和膨胀后的边缘图像,根据扫描膨胀后的前景图像和膨胀后的边缘图像的结果得到图像有效区域:
分别对膨胀后的前景图像中的像素值和膨胀后的边缘图像中的像素值逐一扫描,分别判断该膨胀后的前景图像中的像素值和该膨胀后的边缘图像中的像素值是否为非零;
对帧差图像中的该位置的像素值,如果上述膨胀后的前景图像中的对应位置的像素值或上述膨胀后的边缘图像中的对应位置的像素值中至少有一个为非零,则将上述帧差图像中的该位置的像素值置为零;
对帧差图像中的该位置的像素值,如果上述膨胀后的前景图像中的对应位置的像素值或上述膨胀后的边缘图像中的对应位置的像素值均为零,则不将上述帧差图像中的该位置的像素值置为零,即不对上述帧差图像做任何处理。
直到扫描完整个膨胀后的前景图像和/或膨胀后的边缘图像中的全部位置,得到图像有效区域DiffImg1。
其中,图像有效区域为:采用背景建模算法、Canny边缘检测算法、形态学图像处理方法之后,得到的具有条纹特征的区域,并且排除了运动目标和条状目标对图像的干扰。
实施例三:
参见图4,本实施例提供的确定条纹检测图像的干扰条纹分布信息的流程如下:
步骤40:对所述图像有效区域进行连通域计算,以去除掉所述图像有效区域中不符合条纹特征的区域,得到条纹检测图像DstImg。
步骤41:对所述条纹检测图像DstImg进行Hough变换,得到所述条纹检测图像的干扰条纹分布信息。
步骤42:统计所述条纹检测图像中的直线条数在Hough空间的对应点的数量,将所述对应点的数量作为所述条纹检测图像的条纹分布强度值,将所述对应点的最大值所对应的方向作为条纹分布的方向。
步骤43:判断所述条纹分布强度值是否小于设定门限值;若是,则到步骤43.1,否则,到步骤43.2;
步骤43.1:预先设定某一门限值为maxLine=50,如果条纹分布强度值小于该门限值为maxLine=50,则输出条纹分布强度值;
步骤43.2:预先设定某一门限值为maxLine=50,如果条纹分布强度值大于或等于该门限值为maxLine=50,则输出条纹分布强度值和干扰条纹报警信息。
参见图5,本发明实施例还提供一种检测视频图像中干扰条纹的装置,该装置包括:
帧间差分单元50,用于确定当前帧图像的帧差图像;
图像分析单元51,用于确定上述帧差图像的图像有效区域;
图像检测单元52,用于对上述图像有效区域进行连通域计算,以去除掉上述图像有效区域中不符合条纹区域特征的区域,得到条纹检测图像;
霍夫(Hough)变换单元53,用于对上述条纹检测图像进行霍夫(Hough)变换,得到上述条纹检测图像的干扰条纹分布信息。
进一步的,该装置还包括:
格式转换单元54,用于在确定当前帧图像的帧差图像之前,采用编解码算法,将上述当前帧图像的格式转换为YUV格式。
进一步的,上述帧间差分单元50用于,在上述当前帧图像为视频流的第一个帧图像时,将上述当前帧图像作为自身的帧差图像;
在所述当前帧图像不为视频流的第一个帧图像时,将所述当前帧图像与所述当前帧图像的上一帧图像进行帧间差分运算,得到所述当前帧图像的帧差图像。
进一步的,上述图像分析单元51用于,采用背景建模算法,确定上述当前帧图像的前景图像;以及,采用Canny算法,确定上述当前帧图像的边缘图像;
对于上述帧差图像中每个位置的像素值,若在上述前景图像和/或所述边缘图像中对应位置的像素值为非零,则将上述帧差图像中该位置的像素值置为零,得到图像有效区域。
进一步的,上述图像分析单元51还用于,在采用背景建模算法确定上述当前帧图像的前景图像之后、并且在得到图像有效区域之前,将上述前景图像进行形态学膨胀处理;
在采用Canny算法确定上述当前帧图像的边缘图像之后、并且在得到图像有效区域之前,将上述边缘图像进行形态学膨胀处理。
进一步的,上述Hough变换单元53用于,统计上述条纹检测图像中的直线条数在Hough空间的对应点的数量,将上述对应点的数量作为上述条纹检测图像的条纹分布强度值。
进一步的,上述Hough变换单元53还用于,对上述条纹检测图像进行Hough变换得到上述条纹检测图像的干扰条纹分布情况之后,判断所述条纹分布强度值是否小于设定门限值,若是,则输出所述条纹分布强度值;否则,输出所述条纹分布强度值和干扰条纹报警信息。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (14)
1.一种检测视频图像中干扰条纹的方法,其特征在于,该方法包括:
确定当前帧图像的帧差图像;
确定所述帧差图像的图像有效区域;
对所述图像有效区域进行连通域计算,以去除掉所述图像有效区域中不符合条纹特征的区域,得到条纹检测图像;
对所述条纹检测图像进行霍夫Hough变换,得到所述条纹检测图像的干扰条纹分布信息。
2.如权利要求1所述的方法,其特征在于,确定当前帧图像的帧差图像之前,进一步包括:
采用编解码算法,将所述当前帧图像的格式转换为YUV格式。
3.如权利要求1所述的方法,其特征在于,所述确定当前帧图像的帧差图像,具体包括:
在所述当前帧图像为视频流的第一个帧图像时,将所述当前帧图像作为自身的帧差图像;
在所述当前帧图像不为视频流的第一个帧图像时,将所述当前帧图像与所述当前帧图像的上一帧图像进行帧间差分运算,得到所述当前帧图像的帧差图像。
4.如权利要求1所述的方法,其特征在于,所述确定所述帧差图像的图像有效区域,具体包括:
采用背景建模算法,确定所述当前帧图像的前景图像;以及,采用Canny算法,确定所述当前帧图像的边缘图像;
对于所述帧差图像中每个位置的像素值,若在所述前景图像和/或所述边缘图像中对应位置的像素值为非零,则将所述帧差图像中该位置的像素值置为零,得到图像有效区域。
5.如权利要求4所述的方法,其特征在于,在采用背景建模算法确定所述当前帧图像的前景图像之后、并且在得到图像有效区域之前,将所述前景图像进行形态学膨胀处理;
在采用Canny算法确定所述当前帧图像的边缘图像之后、并且在得到图像有效区域之前,将所述边缘图像进行形态学膨胀处理。
6.如权利要求1所述的方法,其特征在于,所述对所述条纹检测图像进行Hough变换,得到所述条纹检测图像的干扰条纹分布信息,具体包括:
统计所述条纹检测图像中的直线条数在Hough空间的对应点的数量,将所述对应点的数量作为所述条纹检测图像的条纹分布强度值。
7.如权利要求6所述的方法,其特征在于,对所述条纹检测图像进行Hough变换得到所述条纹检测图像的干扰条纹分布信息之后,进一步包括:
判断所述条纹分布强度值是否小于设定门限值,若是,则输出所述条纹分布强度值;否则,输出所述条纹分布强度值和干扰条纹报警信息。
8.一种检测视频图像中干扰条纹的装置,其特征在于,该装置包括:
帧间差分单元,用于确定当前帧图像的帧差图像;
图像分析单元,用于确定所述帧差图像的图像有效区域;
图像检测单元,用于对所述图像有效区域进行连通域计算,以去除掉所述图像有效区域中不符合条纹区域特征的区域,得到条纹检测图像;
霍夫Hough变换单元,用于对所述条纹检测图像进行Hough变换,得到所述条纹检测图像的干扰条纹分布信息。
9.如权利要求8所述的装置,其特征在于,该装置进一步包括:
格式转换单元,用于在确定当前帧图像的帧差图像之前,采用编解码算法,将所述当前帧图像的格式转换为YUV格式。
10.如权利要求8所述的装置,其特征在于,所述帧间差分单元用于,
在所述当前帧图像为视频流的第一个帧图像时,将所述当前帧图像作为自身的帧差图像;
在所述当前帧图像不为视频流的第一个帧图像时,将所述当前帧图像与所述当前帧图像的上一帧图像进行帧间差分运算,得到所述当前帧图像的帧差图像。
11.如权利要求8所述的装置,其特征在于,所述图像分析单元用于,
采用背景建模算法,确定所述当前帧图像的前景图像;以及,采用Canny算法,确定所述当前帧图像的边缘图像;
对于所述帧差图像中每个位置的像素值,若在所述前景图像和/或所述边缘图像中对应位置的像素值为非零,则将所述帧差图像中该位置的像素值置为零,得到图像有效区域。
12.如权利要求11所述的装置,其特征在于,所述图像分析单元还用于,在采用背景建模算法确定所述当前帧图像的前景图像之后、并且在得到图像有效区域之前,将所述前景图像进行形态学膨胀处理;
在采用Canny算法确定所述当前帧图像的边缘图像之后、并且在得到图像有效区域之前,将所述边缘图像进行形态学膨胀处理。
13.如权利要求8所述的装置,其特征在于,所述Hough变换单元用于,
统计所述条纹检测图像中的直线条数在Hough空间的对应点的数量,将所述对应点的数量作为所述条纹检测图像的条纹分布强度值。
14.如权利要求13所述的装置,其特征在于,所述Hough变换单元还用于:
在对所述条纹检测图像进行Hough变换得到所述条纹检测图像的干扰条纹分布信息之后,判断所述条纹分布强度值是否小于设定门限值,若是,则输出所述条纹分布强度值;否则,输出所述条纹分布强度值和干扰条纹报警信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310281925.3A CN104282011B (zh) | 2013-07-04 | 2013-07-04 | 一种检测视频图像中干扰条纹的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310281925.3A CN104282011B (zh) | 2013-07-04 | 2013-07-04 | 一种检测视频图像中干扰条纹的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104282011A true CN104282011A (zh) | 2015-01-14 |
CN104282011B CN104282011B (zh) | 2018-05-25 |
Family
ID=52256862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310281925.3A Active CN104282011B (zh) | 2013-07-04 | 2013-07-04 | 一种检测视频图像中干扰条纹的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104282011B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104854692A (zh) * | 2012-11-27 | 2015-08-19 | 株式会社创意科技 | 静电夹盘、玻璃基板处理方法及其玻璃基板 |
CN105263018A (zh) * | 2015-10-12 | 2016-01-20 | 浙江宇视科技有限公司 | 一种视频图像中叠加条纹检测方法和装置 |
CN105282542A (zh) * | 2015-10-21 | 2016-01-27 | 上海熙菱信息技术有限公司 | 一种视频图像中异常条纹的检测方法及系统 |
CN105825619A (zh) * | 2016-03-25 | 2016-08-03 | 南京第五十五所技术开发有限公司 | 一种基于图像处理的高压线漂浮物报警方法 |
CN106998464A (zh) * | 2016-01-26 | 2017-08-01 | 北京佳讯飞鸿电气股份有限公司 | 检测视频图像中刺状噪声的方法及装置 |
WO2017161496A1 (zh) * | 2016-03-22 | 2017-09-28 | 广东虚拟现实科技有限公司 | 条纹集合查找方法、装置以及系统 |
CN107680092A (zh) * | 2017-10-12 | 2018-02-09 | 中科视拓(北京)科技有限公司 | 一种基于深度学习的集装箱锁扣检测及预警方法 |
CN110044292A (zh) * | 2018-01-16 | 2019-07-23 | 郑州宇通客车股份有限公司 | 一种基于线结构光的三维测量方法和系统 |
CN111246051A (zh) * | 2018-11-09 | 2020-06-05 | 浙江宇视科技有限公司 | 自动检测条纹并抑制的方法、装置、设备及存储介质 |
CN111415365A (zh) * | 2019-01-04 | 2020-07-14 | 宁波舜宇光电信息有限公司 | 图像检测方法及装置 |
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 |
CN113766089A (zh) * | 2021-09-18 | 2021-12-07 | 北京百度网讯科技有限公司 | 检测视频滚动条纹的方法、装置、电子设备和存储介质 |
CN115908404A (zh) * | 2023-01-03 | 2023-04-04 | 合肥中科类脑智能技术有限公司 | 图像条纹干扰的检测方法、装置、电子设备及介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004289241A (ja) * | 2003-03-19 | 2004-10-14 | Matsushita Electric Ind Co Ltd | ノイズ除去装置 |
US20050116952A1 (en) * | 2003-10-31 | 2005-06-02 | Changsoo Je | Method for generating structured-light pattern |
CN101236109A (zh) * | 2008-02-01 | 2008-08-06 | 北京工业大学 | 套准偏差视频图像检测仪 |
CN101304488A (zh) * | 2008-06-20 | 2008-11-12 | 北京中星微电子有限公司 | 一种图象采集的方法和装置 |
US20110037882A1 (en) * | 2009-08-11 | 2011-02-17 | Sony Corporation | Solid-state imaging device, method of driving solid-state imaging device, and electronic apparatus |
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 |
CN102421008A (zh) * | 2011-12-07 | 2012-04-18 | 浙江捷尚视觉科技有限公司 | 视频质量智能检测系统 |
CN102572504A (zh) * | 2011-03-29 | 2012-07-11 | 广州市浩云安防科技股份有限公司 | 一种基于快速傅里叶变换检测滚屏的方法 |
CN103093179A (zh) * | 2011-10-28 | 2013-05-08 | 浙江大华技术股份有限公司 | 视频条纹量化计算方法 |
-
2013
- 2013-07-04 CN CN201310281925.3A patent/CN104282011B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004289241A (ja) * | 2003-03-19 | 2004-10-14 | Matsushita Electric Ind Co Ltd | ノイズ除去装置 |
US20050116952A1 (en) * | 2003-10-31 | 2005-06-02 | Changsoo Je | Method for generating structured-light pattern |
CN101236109A (zh) * | 2008-02-01 | 2008-08-06 | 北京工业大学 | 套准偏差视频图像检测仪 |
CN101304488A (zh) * | 2008-06-20 | 2008-11-12 | 北京中星微电子有限公司 | 一种图象采集的方法和装置 |
US20110037882A1 (en) * | 2009-08-11 | 2011-02-17 | Sony Corporation | Solid-state imaging device, method of driving solid-state imaging device, and electronic apparatus |
CN102572504A (zh) * | 2011-03-29 | 2012-07-11 | 广州市浩云安防科技股份有限公司 | 一种基于快速傅里叶变换检测滚屏的方法 |
CN103093179A (zh) * | 2011-10-28 | 2013-05-08 | 浙江大华技术股份有限公司 | 视频条纹量化计算方法 |
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 |
CN102421008A (zh) * | 2011-12-07 | 2012-04-18 | 浙江捷尚视觉科技有限公司 | 视频质量智能检测系统 |
Non-Patent Citations (3)
Title |
---|
侯忠辉: "视频监控画面质量检测研究", 《计算机安全》 * |
王珩 等: "一种视频监控图像条纹噪声的快速检测方法", 《图形图像与多媒体》 * |
郭俊 等: "基于Houg h 变换的数字全息干涉条纹检测", 《光子学报》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104854692A (zh) * | 2012-11-27 | 2015-08-19 | 株式会社创意科技 | 静电夹盘、玻璃基板处理方法及其玻璃基板 |
CN105263018A (zh) * | 2015-10-12 | 2016-01-20 | 浙江宇视科技有限公司 | 一种视频图像中叠加条纹检测方法和装置 |
CN105282542A (zh) * | 2015-10-21 | 2016-01-27 | 上海熙菱信息技术有限公司 | 一种视频图像中异常条纹的检测方法及系统 |
CN106998464A (zh) * | 2016-01-26 | 2017-08-01 | 北京佳讯飞鸿电气股份有限公司 | 检测视频图像中刺状噪声的方法及装置 |
CN106998464B (zh) * | 2016-01-26 | 2019-02-26 | 北京佳讯飞鸿电气股份有限公司 | 检测视频图像中刺状噪声的方法及装置 |
US10795456B2 (en) | 2016-03-22 | 2020-10-06 | Guangdong Virtual Reality Technology Co., Ltd. | Method, device and terminal for determining effectiveness of stripe set |
WO2017161496A1 (zh) * | 2016-03-22 | 2017-09-28 | 广东虚拟现实科技有限公司 | 条纹集合查找方法、装置以及系统 |
CN105825619A (zh) * | 2016-03-25 | 2016-08-03 | 南京第五十五所技术开发有限公司 | 一种基于图像处理的高压线漂浮物报警方法 |
CN107680092B (zh) * | 2017-10-12 | 2020-10-27 | 中科视拓(北京)科技有限公司 | 一种基于深度学习的集装箱锁扣检测及预警方法 |
CN107680092A (zh) * | 2017-10-12 | 2018-02-09 | 中科视拓(北京)科技有限公司 | 一种基于深度学习的集装箱锁扣检测及预警方法 |
CN110044292A (zh) * | 2018-01-16 | 2019-07-23 | 郑州宇通客车股份有限公司 | 一种基于线结构光的三维测量方法和系统 |
CN111246051A (zh) * | 2018-11-09 | 2020-06-05 | 浙江宇视科技有限公司 | 自动检测条纹并抑制的方法、装置、设备及存储介质 |
CN111246051B (zh) * | 2018-11-09 | 2021-06-29 | 浙江宇视科技有限公司 | 自动检测条纹并抑制的方法、装置、设备及存储介质 |
US11689817B2 (en) | 2018-11-09 | 2023-06-27 | Zhejiang Uniview Technologies Co., Ltd. | Method and apparatus for automatically detecting and suppressing fringes, electronic device and computer-readable storage medium |
CN111415365A (zh) * | 2019-01-04 | 2020-07-14 | 宁波舜宇光电信息有限公司 | 图像检测方法及装置 |
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 |
CN113766089A (zh) * | 2021-09-18 | 2021-12-07 | 北京百度网讯科技有限公司 | 检测视频滚动条纹的方法、装置、电子设备和存储介质 |
CN113766089B (zh) * | 2021-09-18 | 2023-08-18 | 北京百度网讯科技有限公司 | 检测视频滚动条纹的方法、装置、电子设备和存储介质 |
CN115908404A (zh) * | 2023-01-03 | 2023-04-04 | 合肥中科类脑智能技术有限公司 | 图像条纹干扰的检测方法、装置、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104282011B (zh) | 2018-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104282011A (zh) | 一种检测视频图像中干扰条纹的方法及装置 | |
US8848978B2 (en) | Fast obstacle detection | |
CN110321933B (zh) | 一种基于深度学习的故障识别方法和装置 | |
CN111179232A (zh) | 基于图像处理的钢筋尺寸检测系统及方法 | |
CN107067595B (zh) | 一种指示灯的状态辨识方法、装置及电子设备 | |
CN106991418B (zh) | 飞虫检测方法、装置及终端 | |
CN111275036A (zh) | 目标检测方法、装置、电子设备及计算机可读存储介质 | |
CN112149649B (zh) | 一种道路抛洒物检测方法、计算机设备及存储介质 | |
CN105260716A (zh) | 故障指示器状态识别方法及装置 | |
CN112733703A (zh) | 一种车辆停放状态检测方法及系统 | |
CN112330597A (zh) | 一种图像差异检测方法、装置及计算机设备 | |
CN107657260B (zh) | 一种输电线路周边环境中地面隐患的检测方法 | |
CN110188640B (zh) | 人脸识别方法、装置、服务器和计算机可读介质 | |
CN106650735B (zh) | 一种led字符自动定位识别方法 | |
JP6413318B2 (ja) | 車両検出装置、およびシステム、ならびにプログラム | |
CN109579934A (zh) | 水浸多重监测方法及系统 | |
CN113160202A (zh) | 一种裂缝检测方法及系统 | |
CN104427210A (zh) | 一种随机异常闪烁点检测方法及装置 | |
KR101230567B1 (ko) | 객체 검출 및 추적장치와 방법, 및 그것을 사용하는 지능형 감시 시스템 | |
CN107609556B (zh) | 一种输电线路环境中高空作业机械的检测方法 | |
JP6413319B2 (ja) | 車両検出装置、およびシステム、ならびにプログラム | |
CN102866158B (zh) | 面向隧道巡检的输配电线缆检测方法 | |
JP7258101B2 (ja) | 画像の手ぶれ補正方法、装置、電子機器、記憶媒体、コンピュータプログラム製品、路側機およびクラウド制御プラットフォーム | |
KR101158728B1 (ko) | 실시간 전경 영상 검출시스템 및 방법 | |
JP6354316B2 (ja) | 画像検出装置及びプログラム |
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 |