CN106127757B - 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

基于改进遗传算法的夜晚安防监控视频分割方法及装置 Download PDF

Info

Publication number
CN106127757B
CN106127757B CN201610453774.9A CN201610453774A CN106127757B CN 106127757 B CN106127757 B CN 106127757B CN 201610453774 A CN201610453774 A CN 201610453774A CN 106127757 B CN106127757 B CN 106127757B
Authority
CN
China
Prior art keywords
image
pixel
safety monitoring
pending
denoising
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.)
Active
Application number
CN201610453774.9A
Other languages
English (en)
Other versions
CN106127757A (zh
Inventor
岳峻
牟梦媛
朱华
李振波
李长青
卞大鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ludong University
Original Assignee
Ludong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ludong University filed Critical Ludong University
Priority to CN201610453774.9A priority Critical patent/CN106127757B/zh
Publication of CN106127757A publication Critical patent/CN106127757A/zh
Application granted granted Critical
Publication of CN106127757B publication Critical patent/CN106127757B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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

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：
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，fmin表示待处理图像中像素值的最小值，fmax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：
C1＝M×N×255×255×16，
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 (2)

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；
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：
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，fmin表示待处理图像中像素值的最小值，fmax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：
其中，C1＝M×N×255×255×16，
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得到的最佳分割阈值采用阈值分割，得到分割后的图像。
2.一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；
所述分割单元，用于执行如下步骤：
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：
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，fmin表示待处理图像中像素值的最小值，fmax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：
其中，C1＝M×N×255×255×16，
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得到的最佳分割阈值采用阈值分割，得到分割后的图像。
CN201610453774.9A 2016-06-21 2016-06-21 基于改进遗传算法的夜晚安防监控视频分割方法及装置 Active CN106127757B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610453774.9A CN106127757B (zh) 2016-06-21 2016-06-21 基于改进遗传算法的夜晚安防监控视频分割方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610453774.9A CN106127757B (zh) 2016-06-21 2016-06-21 基于改进遗传算法的夜晚安防监控视频分割方法及装置

Publications (2)

Publication Number Publication Date
CN106127757A CN106127757A (zh) 2016-11-16
CN106127757B true CN106127757B (zh) 2018-10-23

Family

ID=57471414

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610453774.9A Active CN106127757B (zh) 2016-06-21 2016-06-21 基于改进遗传算法的夜晚安防监控视频分割方法及装置

Country Status (1)

Country Link
CN (1) CN106127757B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108648158A (zh) * 2018-05-08 2018-10-12 广州大学 基于遗传算法的小波图像去噪方法和装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1359763A2 (en) * 2002-04-10 2003-11-05 Microsoft Corporation Approximate bicubic filter
CN102324099A (zh) * 2011-09-05 2012-01-18 广东工业大学 一种面向仿人机器人的台阶边缘检测方法
CN103886332A (zh) * 2014-04-02 2014-06-25 哈尔滨工业大学 一种检测与识别金属网栅缺陷的方法
CN104376543A (zh) * 2014-11-28 2015-02-25 湖北工业大学 一种基于杜鹃搜索算法的自适应图像增强方法
CN104853399A (zh) * 2015-03-10 2015-08-19 华南理工大学 基于改进的遗传-粒子群混合算法的协作中继选择方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
PT102508A (pt) * 2000-08-10 2002-02-28 Maria Candida De Carvalho Ferr Algoritmos geneticos mistos - lineares e nao-lineares - para resolver problemas tais como optimizacao, descoberta de funcoes, planeamento e sintese logica

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1359763A2 (en) * 2002-04-10 2003-11-05 Microsoft Corporation Approximate bicubic filter
CN102324099A (zh) * 2011-09-05 2012-01-18 广东工业大学 一种面向仿人机器人的台阶边缘检测方法
CN103886332A (zh) * 2014-04-02 2014-06-25 哈尔滨工业大学 一种检测与识别金属网栅缺陷的方法
CN104376543A (zh) * 2014-11-28 2015-02-25 湖北工业大学 一种基于杜鹃搜索算法的自适应图像增强方法
CN104853399A (zh) * 2015-03-10 2015-08-19 华南理工大学 基于改进的遗传-粒子群混合算法的协作中继选择方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
印制电路板光学检测算法研究;苏国松;《中国优秀硕士学位论文全文数据库信息科技辑》;20100115(第1期);第7-19页第2章 *

Also Published As

Publication number Publication date
CN106127757A (zh) 2016-11-16

Similar Documents

Publication Publication Date Title
CN112232349B (zh) 模型训练方法、图像分割方法及装置
Huang et al. An efficient visibility enhancement algorithm for road scenes captured by intelligent transportation systems
CN109145872B (zh) 一种基于CFAR与Fast-RCNN融合的SAR图像舰船目标检测方法
Jia et al. A two-step approach to see-through bad weather for surveillance video quality enhancement
Luan et al. Fast single image dehazing based on a regression model
US20190147279A1 (en) System of a video frame detector for video content identification and method thereof
JP2018508875A5 (zh)
CN111861925A (zh) 一种基于注意力机制与门控循环单元的图像去雨方法
CN105046658A (zh) 一种低照度图像处理方法和装置
Yan et al. Method to Enhance Degraded Image in Dust Environment.
Huang et al. Improved algorithm for image haze removal based on dark channel priority
CN110400274B (zh) 一种车载红外行人检测用红外图像增强方法
Chen et al. Visual depth guided image rain streaks removal via sparse coding
CN106127757B (zh) 基于改进遗传算法的夜晚安防监控视频分割方法及装置
CN114692826A (zh) 一种轻量的无先验框的目标检测系统
JP2021531598A (ja) 映像ストリームからの物体検出において用いるためのシステム及び方法
Amil et al. Bilateral histogram equalization with pre-processing for contrast enhancement
CN107403192B (zh) 一种基于多分类器的快速目标检测方法及系统
CN106446904A (zh) 基于全局二值化的图像识别方法
Pal Visibility enhancement of fog degraded image sequences on SAMEER TU dataset using dark channel strategy
CN113139488B (zh) 训练分割神经网络的方法及装置
Li et al. Multiple linear regression haze-removal model based on dark channel prior
abd el Azeem Marzouk Modified background subtraction algorithm for motion detection in surveillance systems
CN107038689A (zh) 一种视频增亮方法
CN112487911A (zh) 智能监控环境下基于改进yolov3的实时行人检测方法及装置

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
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Night security monitoring video segmentation method and device based on Improved Genetic Algorithm

Effective date of registration: 20211216

Granted publication date: 20181023

Pledgee: Yantai financing guarantee Group Co.,Ltd.

Pledgor: LUDONG University

Registration number: Y2021980015152

PC01 Cancellation of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Date of cancellation: 20220317

Granted publication date: 20181023

Pledgee: Yantai financing guarantee Group Co.,Ltd.

Pledgor: LUDONG University

Registration number: Y2021980015152