CN106372584B - 一种视频图像马赛克检测方法 - Google Patents
一种视频图像马赛克检测方法 Download PDFInfo
- Publication number
- CN106372584B CN106372584B CN201610735231.6A CN201610735231A CN106372584B CN 106372584 B CN106372584 B CN 106372584B CN 201610735231 A CN201610735231 A CN 201610735231A CN 106372584 B CN106372584 B CN 106372584B
- Authority
- CN
- China
- Prior art keywords
- image
- mosaic
- hor
- ver
- line
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 230000003595 spectral effect Effects 0.000 claims abstract description 33
- 230000009466 transformation Effects 0.000 claims abstract description 14
- 239000000284 extract Substances 0.000 claims abstract description 6
- 238000001228 spectrum Methods 0.000 claims description 29
- 238000000034 method Methods 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 239000004744 fabric Substances 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 7
- 238000001914 filtration Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000013475 authorization Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000003818 cinder Substances 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
一种视频图像马赛克检测方法，包括以下步骤：步骤一：给定一个待检测视频，按照周期t抽取视频帧；步骤二：将获得的图片进行预处理；步骤三：对图像进行边缘提取；步骤四：采用hough变换分别检测水平线和垂直线，分别统计水平线和垂直线的数量linehor和linever，并计算水平线和垂直线的交点node，计算交点和直线数量的比值lineRatio，如果lineRatio＞T1，初步判定为马赛克图像，转到步骤五，否则判定为非马赛克图像；步骤五：计图像算频谱密度，提取图像的频域特性denRatio；步骤六：判断是否是马赛克图像，如果denRatio大于阈值T2，最终判定图像为马赛克图像，否则判定图像为非马赛克图像。本发明提供一种简化计算、实时性良好、有效适用于各种马赛克块大小的要求的视频图像马赛克检测方法。
Description
技术领域
本发明专利属于图像处理领域，涉及一种视频图像马赛克检测方法。
背景技术
随着社会的发展，监控系统逐渐成为人们日常生活的一部分，大量的前端视频采集装置被部署在社会的各个角落。监控平台的运行保障，成为智能监控领域面临的新问题。如果只依赖于人工实时监控，不仅耗费大量的人力物力，也存在着监控不及时，由人的主观因素造成的误判漏判等问题。这便需要一个快速、精确的智能视频质量检测方法，来帮助诊断系统的运行状态。视频中出现的主要问题包括：干扰，静帧，黑屏及马赛克等。本发明主要针对马赛克视频的检测。
智能监控系统一般包括视频的采集，编码，压缩，传输，解码等模块。马赛克是图像中出现块效应的现象，造成视频中出现马赛克的主要原因有：1)传输过程中数据丢失；2)视频压缩中造成的信息丢失；3)人为添加局部面积马赛克。马赛克的出现会直接影响人们对图像内容的理解和分析。目前公开专利中出现的方法主要有：
中国发明专利申请《一种马赛克检测方法及装置》申请号为CN201410270356.7，处于实质审查阶段，提取视频帧中代表彩色图像的特征值，与预设特征阈值进行比较，如果大于阈值，则判定为马赛克图像，预设的阈值需要根据无马赛克的图像进行计算。
中国发明专利《一种无源图像马赛克检测方法及装置》发明专利，授权公告号：CN102542282B。对图像边缘提取进行二值化，采用长方形结构元素对二值化边缘图像进行膨胀处理，采用多个模板进行匹配寻找匹配点，并计算模板和图像的相关性，根据阈值判定是否为马赛克图像，专利中采用16*16的固定大小模板，算法较复杂，适用于对于基于块压缩出现的规则马赛克检测。
中国发明专利《一种视频马赛克图像检测方法》，授权公告号：CN101551900B。首先进行边缘检测，采用4*4的4个模板与边缘图像进行匹配，对匹配图像进行二值化处理，获得只保留匹配点的图像，利用滑动窗口马赛克检测算法检测是否存在马赛克，采用固定大小的模板匹配边缘信息。
还有一些视频质量检测中提到的首先进行边缘提取，再采用矩形检测来判定是否是马赛克图像。但是，经过边缘提取后的边缘信息，并不是标准的矩形框，马赛克区域的大小不同，包含的矩形个数相差较大，检测过程也不一定能够检测到完整的矩形信息。
由于实际中，马赛克图像产生的原因不同，马赛克的块大小不同，马赛克出现的区域面积不同等，增加了检测的难度。现有的马赛克检测算法，多采用固定模板匹配或者检测矩形的方式，计算复杂度相对较高，很难达到实时性和不同马赛克块大小的要求。
发明内容
为了克服已有图像马赛克检测方法的计算复杂度较高、实时性较差、无法适用于不同马赛克块大小的要求的不足，本发明提供一种简化计算、实时性良好、有效适用于各种马赛克块大小的要求的视频图像马赛克检测方法。
本发明解决其技术问题所采用的技术方案是：
一种视频图像马赛克检测方法，包括以下步骤：
步骤一：给定一个待检测视频，按照周期t抽取视频帧；
步骤二：将获得的图片进行预处理；
步骤三：对图像进行边缘提取；
步骤四：采用hough变换分别检测水平线和垂直线，分别统计水平线和垂直线的数量linehor和linever，并计算水平线和垂直线的交点node，计算交点和直线数量的比值lineRatio，如果lineRatio＞T1，初步判定为马赛克图像，转到步骤五，T1是直线特性阈值；否则判定为非马赛克图像；
步骤五：提取图像的频域特性，过程如下：
计算图像中相邻像素水平方向和垂直方向的灰度差值，如公式(3)：
Dhor＝|f(i,j)-f(i,j-1)| (1)
Dver＝|f(p,q)-f(p-1,q)|
其中，Dhor表示水平方向像素差，Dver表示垂直方向像素差，f(i,j),f(i,j-1)表示水平方向上相邻的两个像素，f(p,q),f(p-1,q)表示垂直方向上相邻的两个像素；对Dhor和Dver进行fft变换转换到频域，如公式(4)：
orgfDhor＝fft(Dhor,N) (2)
orgfDver＝fft(Dver,N)
orgfDhor表示水平方向像素差(Dhor)的频谱，orgfDver表示垂直方向像素差(Dver)的频谱。对orgfDhor求均值，并取对数得orglfDhor；对orgfDver求均值，并取对数得到orglfDver。分别对orglfDhor和orglfDver进行平滑处理，处理后得到水平和垂直方向频谱fDhor和fDver；
求频谱平滑前后的差值，如公式(5)：
difhor＝orglfDhor-fDhor (3)
difver＝orglfDver-fDver
difhor和difver分别为水平方向和垂直方向频谱经过平滑前后的差值，计算频谱密度分布，分别计算水平方向和垂直方向频谱差值的均值avgf和最大值mf，将最大值和均值之间，等分为m个区间，区间的划分如公式(6)所示：
计算图像频谱密度，即分别统计落入m个区间中点的个数。根据图像频谱密度分布，计算密度比值，如公式(7)：
dm是频谱密度统计中m个区间的一个，denRatiohor是水平方向频谱密度比值，denRatiover是垂直方向频谱密度比值，denhor(dm)是指水平方向m个区间中大于等于dm的频谱密度之和，因此denhor(1)是所有水平方向频谱密度之和；同理，denver(dm)是指垂直方向m个区间中大于等于dm的频谱密度之和，denver(1)是所有垂直方向频谱密度之和，denRatio是整幅图像的频谱密度比值；
步骤六：判断是否是马赛克图像
T2是频谱密度阈值，如果denRatio大于阈值T2，最终判定图像为马赛克图像，否则判定图像为非马赛克图像。
进一步，所述检测方法还包括以下步骤：
步骤七：判断是否是马赛克视频：根据视频中判定为马赛克图像的图片总量，以及判定为马赛克图像的连续性，判断视频是否是马赛克视频；
设定单帧马赛克图像系数c1，连续两帧马赛克图像的系数c2，以及连续三帧马赛克图像的系数c3，c1<c2<c3，马赛克图像乘以每幅图像对应的系数的和大于设定阈值T3，则判定为马赛克视频，否则判定为非马赛克视频。
再进一步，所述步骤四中，hough变换的方程式如公式(1)：
r＝x*cos(θ)+y*sin(θ) (6)
根据矩形马赛克的特性，边框上直线全部为水平线和垂直线，只检测斜率为-90和0的直线，也就是垂直线和水平线；分别统计水平线和垂直线的数量linehor和linever，并计算水平线和垂直线的交点node。计算交点和直线数量的比值lineRatio，如公式(2)：
lineRatio＝node/(linehor+linever) (7)。
更进一步，所述步骤三中，采用canny边缘提取算法对图像进行边缘提取。
所述步骤二中，预处理包括彩色图像转化为灰度图像和增加对比度。
所述步骤一中，将图像长宽比例不变压缩，使压缩后的长边是2的整数倍。
本发明的有益效果主要表现在：针对马赛克特点进行系统分析的基础上，提出了一种结合图像空域直线特性和频域密度特性的马赛克检测方法，算法简单、实时性高。存在以下优点：
(1)可行性强，进行盲检测，不需要原始视频参考；
(2)算法简单，计算复杂度底，速度快；
(3)一定程度上避免视频本身信息对检测结果的影响；
(4)检测可忽略马赛克块大小造成的影响。
附图说明
图1是视频图像马赛克检测方法的流程图。
图2是仿真实验用图片数据图。
图3是待检测马赛克图像的示意图。
图4是灰度图像的示意图。
图5是边缘提取图像的示意图。
图6是水平线检测结果示意图。
图7是垂直线检测结果示意图。
图8是直线交叉点检测结果示意图。
图9是频谱密度示意图，其中，(a)表示水平方向、(b)表示垂直方向。
图10是水平方向和垂直方向频谱密度示意图，其中，(a)表示水平方向、(b)表示垂直方向。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1～图10，一种视频图像马赛克检测方法，包括以下步骤：
步骤一：给定一个待检测视频，按照周期t抽取视频帧；
步骤二：将获得的图片进行预处理；
步骤三：对图像进行边缘提取；
步骤四：采用hough变换分别检测水平线和垂直线，分别统计水平线和垂直线的数量linehor和linever，并计算水平线和垂直线的交点node，计算交点和直线数量的比值lineRatio，如果lineRatio＞T1，初步判定为马赛克图像，转到步骤五，T1是直线特性阈值；否则判定为非马赛克图像；
步骤五：提取图像的频域特性，过程如下：
计算图像中相邻像素水平方向和垂直方向的灰度差值，如公式(3)：
Dhor＝|f(i,j)-f(i,j-1)| (8)
Dver＝|f(p,q)-f(p-1,q)|
其中，Dhor表示水平方向像素差，Dver表示垂直方向像素差，f(i,j),f(i,j-1)表示水平方向上相邻的两个像素，f(p,q),f(p-1,q)表示垂直方向上相邻的两个像素；对Dhor和Dver进行fft变换转换到频域，如公式(4)：
orgfDhor＝fft(Dhor,N) (9)
orgfDver＝fft(Dver,N)
orgfDhor表示水平方向像素差(Dhor)的频谱，orgfDver表示垂直方向像素差(Dver)的频谱，对orgfDhor求均值，并取对数得orglfDhor；对orgfDver求均值，并取对数得到orglfDver。分别对orglfDhor和orglfDver进行平滑处理，处理后得到水平和垂直方向频谱fDhor和fDver；
求频谱平滑前后的差值，如公式(5)：
difhor＝orglfDhor-fDhor (10)
difver＝orglfDver-fDver
difhor和difver分别为水平方向和垂直方向频谱经过平滑前后的差值，计算频谱密度分布，分别计算水平方向和垂直方向频谱差值的均值avgf和最大值mf，将最大值和均值之间，等分为m个区间，区间的划分如公式(6)所示：
计算图像频谱密度，即分别统计落入m个区间中点的个数。根据图像频谱密度分布，计算密度比值，如公式(7)：
dm是频谱密度统计中m个区间的一个，denRatiohor是水平方向频谱密度比值，denRatiover是垂直方向频谱密度比值，denhor(dm)是指水平方向m个区间中大于等于dm的频谱密度之和，因此denhor(1)是所有水平方向频谱密度之和；同理，denver(dm)是指垂直方向m个区间中大于等于dm的频谱密度之和，denver(1)是所有垂直方向频谱密度之和，denRatio是整幅图像的频谱密度比值；
步骤六：判断是否是马赛克图像
T2是频谱密度阈值，如果denRatio大于阈值T2，最终判定图像为马赛克图像，否则判定图像为非马赛克图像。
进一步，所述检测方法还包括以下步骤：
步骤七：判断是否是马赛克视频：根据视频中判定为马赛克图像的图片总量，以及判定为马赛克图像的连续性，判断视频是否是马赛克视频；
设定单帧马赛克图像系数c1，连续两帧马赛克图像的系数c2，以及连续三帧马赛克图像的系数c3，c1<c2<c3，总的马赛克图像乘以系数的和大于设定阈值，判定为马赛克视频，否则判定为非马赛克视频。
c1一般取值为1，c2和c3的取值可以根据步骤一中图片抽取时间来设定，时间间隔短则两个系数相对较小，反之可增大系数。具体值可根据Sigmod曲线1/1+e-αt+0.5作为参考，α为调整系数。判定是否为马赛克视频的阈值是根据抽取图片总数来确定，由于实际应用中，待检测的视频长度不同，抽取视频帧的时间间隔可以根据自己的需求设定，是否为马赛克视频的评价标准不同，因此判定是否为马赛克视频的阈值有一定的变化空间，一般计算结果大于抽取图像数量的百分之三十就可判定为马赛克图像。
再进一步，所述步骤四中，hough变换的方程式如公式(1)：
r＝x*cos(θ)+y*sin(θ) (13)
根据矩形马赛克的特性，边框上直线全部为水平线和垂直线，只检测斜率为-90和0的直线，也就是垂直线和水平线；分别统计水平线和垂直线的数量linehor和linever，并计算水平线和垂直线的交点node。计算交点和直线数量的比值lineRatio，如公式(2)：
lineRatio＝node/(linehor+linever) (14)。
本实施例中，参照图2，仿真实验用图片数据，非视频。用的数据集中包含32幅图片(每行4幅，共8行，图片编号按照从左到右，从上到下依次从1～32编号)，马赛克的大小分为4种等级，分别为：小，较小，较大和大。前两行8幅图像是无马赛克的交通图像；3、5、7行中的马赛克从左到右分别为小、较小、较大和大；4、6、8行的马赛克为较小和较大，马赛克的在图像中的范围不相同。
本实施例的检测过程如下：
步骤一：视频分帧，转化为图像，以图二中第四排第一幅图像为例，如图3。
步骤二：图片预处理。如果图像的长边小于1024，不进行转换，否则图片长宽比例不变，将长边压缩到1024。如果是彩色图像，则转化为灰度图像，并增加对比度，如图4所示。
步骤三：采用canny边缘提取算法，提取图像边缘信息，如图5。交通图像中存在杂乱的边缘信息。
步骤四：采用hough变换分别检测水平线和垂直线，并计算交点个数。
4.1)hough变换中水平线的斜率是0度，为了降低图片内容的影响，只检测斜率为0度的直线，记为linehor。经过计算linehor＝19，检测结果如图6，粗灰线是检测到的水平线。
4.2)hough变换中直线的角度一般为[-90,90)，因此垂直线的斜率取-90度，检测斜率为-90的直线，记为linever，经过计算linever＝14，检测结果如图7，粗灰线是检测到的垂直线。
4.3)计算步骤4.1)和步骤4.2)中检测出直线的交点个数node＝52，结果如图8，黑色的圆圈代表交点。
4.4)由公式(2)lineRatio＝node/(linehor+linever)计算交点和直线数量的比值lineRatio，图3所示的图像中，lineRatio＝52/(19+14)＝1.58。
4.5)本实施例中，分析马赛克图像和非马赛克图像中直线特性，阈值T1取为0.9，因为lineRatio＞T1，所以转到步骤五；
步骤五：提取图像的频域特性
5.1)根据公式(3)计算水平方向像素差Dhor，和垂直方向像素差Dver。按照公式(8)，分别进行256点fft变换，并取对数。实验结果如图9。
5.2)本发明中对频谱的平滑采用中值滤波的形式，根据公式(9)计算中值滤波模板，进行l点的中值滤波。值滤波后的水平和垂直方向频谱分别为fDhor和fDver。
5.3)求频谱平滑前后差值，并分别计算差值的均值avgf和最大值mf。实验图片水平方向的均值是0.0135，最大值是0.3421；垂直方向均值为0.0165，最大值0.3369。将最大值和均值之间，等分为10个区间，按照公式(6)进行区间划分。
5.4)分别统计落入10个区间中点的个数，根据图像频谱密度分布，按照公式(7)计算密度比值，本专利中dm＝5，经计算得denRatio＝0.54。实验结果如图10。
步骤六：本实施例中，分析马赛克图像和非马赛克图像的频谱密度分布，取阈值T2＝0.35，denRatio大于阈值T2，判定为马赛克图像。
步骤七：根据马赛克图片，判断视频是否为马赛克视频。
对于图2数据集中的图片，从上到下从左到右一次编号，判定结果如表1所示：
表1。
Claims (6)
1.一种视频图像马赛克检测方法，其特征在于：所述检测方法包括以下步骤：
步骤一：给定一个待检测视频，按照周期t抽取视频帧；
步骤二：将获得的图片进行预处理；
步骤三：对图像进行边缘提取；
步骤四：采用hough变换分别检测水平线和垂直线，分别统计水平线和垂直线的数量linehor和linever，并计算水平线和垂直线的交点node，计算交点和直线数量的比值lineRatio，如果lineRatio＞T1，初步判定为马赛克图像，转到步骤五，T1是直线特性阈值；否则判定为非马赛克图像；
步骤五：提取图像的频域特性，过程如下：
计算图像中相邻像素水平方向和垂直方向的灰度差值，如公式(3)：
Dhor＝|f(i,j)-f(i,j-1)| (3)
Dver＝|f(p,q)-f(p-1,q)|
其中，Dhor表示水平方向像素差，Dver表示垂直方向像素差，f(i,j),f(i,j-1)表示水平方向上相邻的两个像素，f(p,q),f(p-1,q)表示垂直方向上相邻的两个像素；对Dhor和Dver进行fft变换转换到频域，如公式(4)：
orgfDhor＝fft(Dhor,N) (4)
orgfDver＝fft(Dver,N)
orgfDhor表示水平方向像素差Dhor的频谱，orgfDver表示垂直方向像素差Dver的频谱，对orgfDhor求均值，并取对数得orglfDhor；对orgfDver求均值，并取对数得到orglfDver，分别对orglfDhor和orglfDver进行平滑处理，处理后得到水平和垂直方向频谱fDhor和fDver；
求频谱平滑前后的差值，如公式(5)：
difhor＝orglfDhor-fDhor (5)
difver＝orglfDver-fDver
difhor和difver分别为水平方向和垂直方向频谱经过平滑前后的差值，计算频谱密度分布，分别计算水平方向和垂直方向频谱差值的均值avgf和最大值mf，将最大值和均值之间，等分为m个区间，区间的划分如公式(6)所示：
计算图像频谱密度，即分别统计落入m个区间中点的个数，根据图像频谱密度分布，计算密度比值，如公式(7)：
dm是频谱密度统计中m个区间的一个，denRatiohor是水平方向频谱密度比值，denRatiover是垂直方向频谱密度比值，denhor(dm)是指水平方向m个区间中大于等于dm的频谱密度之和，因此denhor(1)是所有水平方向频谱密度之和；同理，denver(dm)是指垂直方向m个区间中大于等于dm的频谱密度之和，denver(1)是所有垂直方向频谱密度之和，denRatio是整幅图像的频谱密度比值；
步骤六：判断是否是马赛克图像
T2是频谱密度阈值，如果denRatio大于阈值T2，最终判定图像为马赛克图像，否则判定图像为非马赛克图像。
2.如权利要求1所述的一种视频图像马赛克检测方法，其特征在于：所述检测方法还包括以下步骤：
步骤七：判断是否是马赛克视频：根据视频中判定为马赛克图像的图片总量，以及判定为马赛克图像的连续性，判断视频是否是马赛克视频；
设定单帧马赛克图像系数c1，连续两帧马赛克图像的系数c2，以及连续三帧马赛克图像的系数c3，c1<c2<c3，总的马赛克图像乘以系数的和大于设定阈值，判定为马赛克视频，否则判定为非马赛克视频。
3.如权利要求1或2所述的一种视频图像马赛克检测方法，其特征在于：所述步骤四中，hough变换的方程式如公式(1)：
r＝x*cos(θ)+y*sin(θ) (1)
根据矩形马赛克的特性，边框上直线全部为水平线和垂直线，只检测斜率为-90和0的直线，也就是垂直线和水平线；分别统计水平线和垂直线的数量linehor和linever，并计算水平线和垂直线的交点node，计算交点和直线数量的比值lineRatio，如公式(2)：
lineRatio＝node/(linehor+linever) (2)。
4.如权利要求1或2所述的一种视频图像马赛克检测方法，其特征在于：所述步骤三中，采用canny边缘提取算法对图像进行边缘提取。
5.如权利要求1或2所述的一种视频图像马赛克检测方法，其特征在于：所述步骤二中，预处理包括彩色图像转化为灰度图像和增加对比度。
6.如权利要求1或2所述的一种视频图像马赛克检测方法，其特征在于：所述步骤一中，将图像长宽比例不变压缩，使压缩后的长边是2的整数倍。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610735231.6A CN106372584B (zh) | 2016-08-26 | 2016-08-26 | 一种视频图像马赛克检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610735231.6A CN106372584B (zh) | 2016-08-26 | 2016-08-26 | 一种视频图像马赛克检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106372584A CN106372584A (zh) | 2017-02-01 |
| CN106372584B true CN106372584B (zh) | 2019-06-11 |
Family
ID=57902659
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610735231.6A Active CN106372584B (zh) | 2016-08-26 | 2016-08-26 | 一种视频图像马赛克检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106372584B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107818568A (zh) * | 2017-09-29 | 2018-03-20 | 昆明理工大学 | 一种视频马赛克检测方法 |
| CN108364282B (zh) * | 2018-01-15 | 2022-02-11 | 北京华兴宏视技术发展有限公司 | 图像马赛克检测方法、图像马赛克检测系统 |
| CN110008834B (zh) * | 2019-02-28 | 2021-04-06 | 中电海康集团有限公司 | 一种基于视觉的方向盘干预检测与统计方法 |
| TWI697871B (zh) * | 2019-04-01 | 2020-07-01 | 中華電信股份有限公司 | 影像中含有馬賽克之檢查系統及其方法 |
| CN113542864B (zh) * | 2020-04-24 | 2023-04-25 | 腾讯科技（深圳）有限公司 | 视频的花屏区域检测方法、装置、设备及可读存储介质 |
| CN111757182B (zh) * | 2020-07-08 | 2022-05-31 | 深圳创维－Rgb电子有限公司 | 图像花屏检测方法、设备、计算机设备和可读存储介质 |
| CN112070671A (zh) * | 2020-09-04 | 2020-12-11 | 平安科技（深圳）有限公司 | 一种基于频谱分析的马赛克去除方法、系统、终端及存储介质 |
| CN113378633A (zh) * | 2021-04-30 | 2021-09-10 | 成都东方盛行电子有限责任公司 | 一种流媒体信号质量检测方法及系统 |
| CN115063399A (zh) * | 2022-07-19 | 2022-09-16 | 西安热工研究院有限公司 | 一种基于双重矩形特性分析的图像马赛克检测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101551900A (zh) * | 2008-03-31 | 2009-10-07 | 新奥特（北京）视频技术有限公司 | 一种视频马赛克图像检测方法 |
| CN102087652A (zh) * | 2009-12-08 | 2011-06-08 | 百度在线网络技术（北京）有限公司 | 图像筛选方法及其系统 |
| CN102542282A (zh) * | 2010-12-16 | 2012-07-04 | 北京大学 | 一种无源图像马赛克检测方法及装置 |
| CN103473772A (zh) * | 2013-09-05 | 2013-12-25 | 北京捷成世纪科技股份有限公司 | 一种马赛克图像的检测方法和装置 |
| CN104079929A (zh) * | 2014-06-17 | 2014-10-01 | 深圳市同洲电子股份有限公司 | 一种马赛克检测方法及装置 |
| CN104766297A (zh) * | 2014-10-08 | 2015-07-08 | 南京音视软件有限公司 | 一种基于空域和时域分析相结合的电力视频图像条纹故障检测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8131067B2 (en) * | 2008-09-11 | 2012-03-06 | Seiko Epson Corporation | Image processing apparatus, image processing method, and computer-readable media for attaining image processing |
-
2016
- 2016-08-26 CN CN201610735231.6A patent/CN106372584B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101551900A (zh) * | 2008-03-31 | 2009-10-07 | 新奥特（北京）视频技术有限公司 | 一种视频马赛克图像检测方法 |
| CN102087652A (zh) * | 2009-12-08 | 2011-06-08 | 百度在线网络技术（北京）有限公司 | 图像筛选方法及其系统 |
| CN102542282A (zh) * | 2010-12-16 | 2012-07-04 | 北京大学 | 一种无源图像马赛克检测方法及装置 |
| CN103473772A (zh) * | 2013-09-05 | 2013-12-25 | 北京捷成世纪科技股份有限公司 | 一种马赛克图像的检测方法和装置 |
| CN104079929A (zh) * | 2014-06-17 | 2014-10-01 | 深圳市同洲电子股份有限公司 | 一种马赛克检测方法及装置 |
| CN104766297A (zh) * | 2014-10-08 | 2015-07-08 | 南京音视软件有限公司 | 一种基于空域和时域分析相结合的电力视频图像条纹故障检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 一种视频质量检测系统的实现;胡亦等;《制造业自动化》;20121231;第34卷(第5期);全文 |
| 视频质量损伤的检测与修复;杨金伟;《中国优秀硕士学位论文全文数据库 信息科技辑》;20081015(第10期);全文 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106372584A (zh) | 2017-02-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106372584B (zh) | 一种视频图像马赛克检测方法 | |
| CN106851264B (zh) | 摄像模组镜头表面检测方法及装置 | |
| CN101742355B (zh) | 基于空时域特征提取的无线视频部分参考测评方法 | |
| CN102368821B (zh) | 一种噪声强度自适应的视频去噪方法和系统 | |
| CN105678700B (zh) | 基于预测梯度的图像插值方法及系统 | |
| CN110400290A (zh) | 一种太阳能电池片色差的检测方法、装置及存储介质 | |
| CN106846339A (zh) | 一种图像检测方法和装置 | |
| Zhang et al. | A new no-reference quality metric for JPEG2000 images | |
| CN101431664A (zh) | 基于视频图像的密集客流密度自动检测方法及系统 | |
| CN105279772B (zh) | 一种红外序列图像的可跟踪性判别方法 | |
| CN101160951A (zh) | 一种多媒体视频通信的质量检测方法 | |
| CN101527043B (zh) | 基于运动目标轮廓信息的视频对象分割方法 | |
| CN112367520B (zh) | 基于人工智能的视频质量诊断系统 | |
| CN103324951A (zh) | 一种多元异构水环境监测数据评价与预警方法 | |
| CN106127124A (zh) | 出租车前排区域的异常图像信号的自动检测方法 | |
| CN103561259B (zh) | 面向应用共享服务的网络会议视觉质量自动化评估方法 | |
| Babu et al. | An HVS-based no-reference perceptual quality assessment of JPEG coded images using neural networks | |
| CN115100562A (zh) | 基于视频图像及深度学习的设备线路智能监测系统及方法 | |
| KR101956250B1 (ko) | 해색 영상을 이용한 해안선 모니터링 장치 및 방법 | |
| CN108664886A (zh) | 一种适应变电站进出监控需求的人脸快速识别方法 | |
| CN102685547B (zh) | 一种基于块效应和噪声的低码率视频质量检测方法 | |
| CN108269221A (zh) | 一种jpeg重压缩图像篡改定位方法 | |
| CN102542304B (zh) | 识别wap手机色情图像的区域分割肤色算法 | |
| CN111145219B (zh) | 一种基于Codebook原理的高效视频移动目标检测方法 | |
| CN110191334A (zh) | 一种基于图像特征的视频质量评估系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231121 Address after: Room 301, 3rd Floor, Building 7, No. 2 Xiyuanba Road, Xihu District, Hangzhou City, Zhejiang Province, 310012 Patentee after: Chengbao (Hangzhou) Internet Technology Co.,Ltd. Address before: Room 110, 1st Floor, Building 1, No. 223 Yile Road, Hangzhou City, Zhejiang Province, 310012 Patentee before: ZHEJIANG ENJOYOR RESEARCH INSTITUTE CO.,LTD. |