CN106127757A - 基于改进遗传算法的夜晚安防监控视频分割方法及装置 - Google Patents

Abstract

本发明公开一种基于改进遗传算法的夜晚安防监控视频分割方法及装置，能够改善夜晚安防监控视频的分割效果。所述方法包括：S1、对待处理的夜晚安防监控视频的每一帧图像进行小波去噪处理；S2、采用改进的遗传算法对去噪后的图像进行分割，其中，所述改进的遗传算法为对经典的遗传算法改进得到，其改进之处为在计算像素点的适应度之前对所述像素点进行线性拉伸。

Description

基于改进遗传算法的夜晚安防监控视频分割方法及装置

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于改进遗传算法的夜晚安防监控视频分割方法及装置。

背景技术

随着科技的发展，城市安全成了热点，建立城市安全网离不开各类监控。但是因为监控往往是安装在室外的，所以监控装置的质量，天气等自然原因以及安放位置周边环境以及时间等许多不确定因素往往会导致监控视频的质量不会特别好，特别是夜晚情况下，由于周围环境较暗，监控视频就会变得比较模糊。通常情况下，盗窃等犯罪行为往往发生在夜晚，如果想要较好的提取出犯罪分子的信息，就需要对视频进行分割处理。

模糊的视频是分割的难点，直接对模糊的监控视频进行分割的效果往往不好。在已有专利——一种基于遗传算法的灰度-梯度熵多阈值快速分割方法(申请号CN201510058039.3)中，方法是首先在Matlab中输入一幅待分割的图像，获取该图像的灰度-梯度直方图；然后用灰度-梯度直方图计算该图像的信息熵，得到灰度-梯度熵函数，再利用基于实数编码的遗传算法计算当灰度-梯度熵函数取得最大值时，所得的该函数的解，最后根据所得的解，将图像的像素重新分配，重建图像即得到分割结果。该发明将单阈值图像分割拓展到了多阈值分割，能有效分割多目标图像且运算时间比较短。但是夜晚的监控视频图像往往目标单一，同时像素之间的差别不大，所以采用该方法只是加大了计算量但是并没用改善分割效果。

发明内容

有鉴于此，本发明实施例提供一种基于改进遗传算法的夜晚安防监控视频分割方法及装置，能够改善夜晚安防监控视频的分割效果。

一方面，本发明实施例提出一种基于改进遗传算法的夜晚安防监控视频分割方法，包括：

S1、对待处理的夜晚安防监控视频的每一帧图像进行小波去噪处理；

S2、采用改进的遗传算法对去噪后的图像进行分割，其中，所述改进的遗传算法为对经典的遗传算法改进得到，其改进之处为在计算像素点的适应度之前对所述像素点进行线性拉伸。

另一方面，本发明实施例提出一种基于改进遗传算法的夜晚安防监控视频分割装置，包括：

去噪单元，用于对待处理的夜晚安防监控视频的每一帧图像进行小波去噪处理；

分割单元，用于采用改进的遗传算法对去噪后的图像进行分割，其中，所述改进的遗传算法为对经典的遗传算法改进得到，其改进之处为在计算像素点的适应度之前对所述像素点进行线性拉伸。

本发明实施例提供的基于改进遗传算法的夜晚安防监控视频分割方法及装置，利用小波去噪去除待处理的夜晚安防监控视频的每一帧图像的噪声，并采用改进的遗传算法对去噪后的图像进行分割，相较于经典的遗传算法，因在计算适应度之前加入了对图像像素进行线性拉伸的步骤，因而能够扩大前景与背景的差距，同时可以提亮阴影中的细节部分，从而达到比较好的分割效果。

附图说明

图1为本发明一种基于改进遗传算法的夜晚安防监控视频分割方法一实施例的流程示意图；

图2为本发明一种基于改进遗传算法的夜晚安防监控视频分割装置一实施例的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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地描述，显然，所描述的实施例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在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参看图1，本实施例公开一种基于改进遗传算法的夜晚安防监控视频分割方法，包括：

S1、对待处理的夜晚安防监控视频的每一帧图像进行小波去噪处理；

S2、采用改进的遗传算法对去噪后的图像进行分割，其中，所述改进的遗传算法为对经典的遗传算法改进得到，其改进之处为在计算像素点的适应度之前对所述像素点进行线性拉伸。

本发明实施例中，小波去噪过程为现有技术，此处不再赘述。

在具体应用中，所述S2具体包括如下步骤：

S21、将去噪后的图像转换为灰度图，初始化像素群体为灰度图中的所有像素点；

S22、对当前像素群体中的像素点进行线性拉伸，得到拉伸后的图像；

其中，线性拉伸的运算公式为：

$T(x,y)=\frac{\left(f\right(x,y)-f_{min})\×f_{max}}{f_{max}-f_{\min }},$

其中，f(x,y)表示待处理图像中坐标为(x,y)的像素的像素值，T(x,y)表示坐标为(x,y)的像素线性拉伸后的像素值，f_min表示待处理图像中像素值的最小值，f_max表示待处理图像中像素值的最大值；

S23、对步骤S22拉伸得到的图像采用遗传算法确定最佳分割阈值；其中采用的适应度函数也做了改进：

$F=C_0-\frac{\mathrm{\α}}{C_1}E,$

C₁＝M×N×255×255×16，

$E=\frac{1}{2}\underset{x=1}{\overset{M}{\Σ}}\underset{y=1}{\overset{N}{\Σ}}{\[R(x,y)\]}^2,$

其中C₀是为了保证适应度函数值为非负，可以取255，α为常系数，取0.1-0.7之间；C₁为归一化因子，M、N分别表示图像在程序中存储矩阵的的行数和列数；E为能量函数，其中R(x,y)为图像中坐标为(x,y)的像素拉普拉斯操作的运算结果；

S24、利用步骤S23得到的最佳阈值采用阈值分割，得到分割后的图像。

本实施例提供的基于改进遗传算法的夜晚安防监控视频分割方法，利用小波去噪去除待处理的夜晚安防监控视频的每一帧图像的噪声，并采用改进的遗传算法对去噪后的图像进行分割，相较于经典的遗传算法，因在计算适应度之前加入了对图像像素进行线性拉伸的步骤，因而能够扩大前景与背景的差距，同时可以提亮阴影中的细节部分，从而达到比较好的分割效果。

参看图2，本实施例公开一种基于改进遗传算法的夜晚安防监控视频分割装置，包括：

去噪单元1，用于对待处理的夜晚安防监控视频的每一帧图像进行小波去噪处理；

分割单元2，用于采用改进的遗传算法对去噪后的图像进行分割，其中，所述改进的遗传算法为对经典的遗传算法改进得到，其改进之处为在计算像素点的适应度之前对所述像素点进行线性拉伸。

本实施例提供的基于改进遗传算法的夜晚安防监控视频分割装置，利用小波去噪去除待处理的夜晚安防监控视频的每一帧图像的噪声，并采用改进的遗传算法对去噪后的图像进行分割，相较于经典的遗传算法，因在计算适应度之前加入了对图像像素进行线性拉伸的步骤，因而能够扩大前景与背景的差距，同时可以提亮阴影中的细节部分，从而达到比较好的分割效果。

虽然结合附图描述了本发明的实施方式，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (3)

1.一种基于改进遗传算法的夜晚安防监控视频分割方法，其特征在于，包括：

S1、对待处理的夜晚安防监控视频的每一帧图像进行小波去噪处理；

S2、采用改进的遗传算法对去噪后的图像进行分割，其中，所述改进的遗传算法为对经典的遗传算法改进得到，其改进之处为在计算像素点的适应度之前对所述像素点进行线性拉伸。

2.根据权利要求1所述的方法，其特征在于，所述S2，包括：

S21、将去噪后的图像转换为灰度图，初始化像素群体为灰度图中的所有像素点；

S22、对当前像素群体中的像素点进行线性拉伸，得到拉伸后的图像，

其中，线性拉伸的运算公式为：

$T(x,y)=\frac{\left(f\right(x,y)-f_{min})\×f_{max}}{f_{max}-f_{\min }},$

其中，f(x,y)表示待处理图像中坐标为(x,y)的像素的像素值，T(x,y)表示坐标为(x,y)的像素线性拉伸后的像素值，f_min表示待处理图像中像素值的最小值，f_max表示待处理图像中像素值的最大值；

S23、对步骤S22拉伸得到的图像采用遗传算法确定最佳分割阈值，其中采用的适应度函数为：

$F=C_0-\frac{\mathrm{\α}}{C_1}E,$

其中，C₁＝M×N×255×255×16，

$E=\frac{1}{2}\underset{x=1}{\overset{M}{\Σ}}\underset{y=1}{\overset{N}{\Σ}}{\[R(x,y)\]}^2,$

C₀取255，α为常系数，取0.1-0.7之间；C₁为归一化因子，M、N分别表示图像在程序中存储矩阵的的行数和列数；E为能量函数，其中R(x,y)为图像拉普拉斯操作的运算结果；

S24、利用步骤S23得到的最佳阈值采用阈值分割，得到分割后的图像。

3.一种基于改进遗传算法的夜晚安防监控视频分割装置，其特征在于，包括：

去噪单元，用于对待处理的夜晚安防监控视频的每一帧图像进行小波去噪处理；

分割单元，用于采用改进的遗传算法对去噪后的图像进行分割，其中，所述改进的遗传算法为对经典的遗传算法改进得到，其改进之处为在计算像素点的适应度之前对所述像素点进行线性拉伸。