CN106530248A - 一种变电站场景视频噪声的智能检测方法 - Google Patents

一种变电站场景视频噪声的智能检测方法 Download PDF

Info

Publication number
CN106530248A
CN106530248A CN201610971008.1A CN201610971008A CN106530248A CN 106530248 A CN106530248 A CN 106530248A CN 201610971008 A CN201610971008 A CN 201610971008A CN 106530248 A CN106530248 A CN 106530248A
Authority
CN
China
Prior art keywords
noise
image
psnr
region
mse
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.)
Pending
Application number
CN201610971008.1A
Other languages
English (en)
Inventor
陶文伟
胡荣
张喜铭
樊腾飞
李金�
何锡祺
赵旋宇
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.)
China Southern Power Grid Co Ltd
Original Assignee
China Southern Power Grid Co Ltd
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 China Southern Power Grid Co Ltd filed Critical China Southern Power Grid Co Ltd
Priority to CN201610971008.1A priority Critical patent/CN106530248A/zh
Publication of CN106530248A publication Critical patent/CN106530248A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Picture Signal Circuits (AREA)

Abstract

一种变电站场景视频噪声的智能检测方法，包括：S1,获取变电站场景视频的原始码流，进行视频解码，得到YUV420标准的Y、U、V数据；S2，获取码流中前后两帧图像，将当前帧与前一帧两帧图像的Y、U、V数据进行差分，得到前景图，也包括噪声信息；S3,计算YUV420图像Y数据Canny图，对Canny图进行膨胀处理，根据该图过滤掉当前前景区域，使用拉普拉斯算子进行卷积运算，算子公式：得到噪声区域；根据噪声区域的文理信息，将这些文理信息转化成SIFT特征，使用RANSAC算法进行筛选出候选区域，在此区域上使用噪点置信度进行统计噪声值；S4，输出结果。本发明的检测结果准确程度高。

Description

一种变电站场景视频噪声的智能检测方法
技术领域
本发明涉及一种视频噪声的智能检测方法，尤其是涉及一种变电站场景视频噪声智能检测方法。
背景技术
在摄像时，光学系统的失真或者传输过程中因硬件设备原因所带来的图像模糊、图像质量下降等现象，都可以看成是由视频噪声所引起的。合理地估计噪声区域并进行降噪声，是恢复图像质量的重要手段。视频噪声智能检测是直接依据视频图像特征来分析视频噪声水平，可模拟人的视觉特性，替代以往由人工完成的视频故障检巡工作。
但，现有的视频噪声检测方法存在检测结果不够准确的不足之处。
发明内容
本发明所要解决的技术问题，就是提供一种检测结果准确的变电站场景视频噪声的智能检测方法。
解决上述技术问题，本发明所采用的技术方法如下：
一种变电站场景视频噪声的智能检测方法，其特征是包括以下步骤：
S1,获取变电站场景视频的原始码流，进行视频解码，得到YUV420标准的Y、U、V数据；
S2，获取码流中前后两帧图像，将当前帧与前一帧两帧图像的Y、U、V数据进行差分，得到前景图，也包括噪声信息；
S3,计算YUV420图像Y数据Canny图，对Canny图进行膨胀处理，根据该图过滤掉当前前景区域，使用拉普拉斯算子进行卷积运算，算子公式：得到噪声区域；根据噪声区域的文理信息，将这些文理信息转化成SIFT特征，使用RANSAC算法进行筛选出候选区域，在此区域上使用噪点置信度进行统计噪声值；
S4，输出结果。
所述的步骤S3滤掉当前前景区域以及筛选出候选区域具体为使用deeplearning学习前景样本进行；对噪声区域进行卷积得到噪声边缘具体为使用用sobel算法进行边缘检测，使用Sobel卷积因子对噪声区域进行卷积得到噪声边缘。
所述的步骤S2的差分从色彩还原性、峰值信噪比、均方误差信噪比三个维度进行：
色彩还原性:色彩还原性用于评价摄像机对色彩的还原能力，采用24色色卡的测试方法，保证光线照度为600Lux，正负偏差为100Lux，整个测试版表面的亮度差值小于20％的情况下，色卡中各色块在CIE LAB色空间的色差应不超过35％；
彩色标板上每块色板的CIE LAB色差计算方法为：
ΔEab＝[(Lm-Ln)2+(am-an)2+(bm-bn)2]1/2；
上式中：
ΔEab——彩色标板上每块色板的CIE LAB色差；
Lm、am、bm——CIE LAB色空间的明度指数(L)和色品指数(a、b)的测量值；
Ln、an、bn——CIE LAB色空间的明度指数(L)和色品指数(a、b)的标准值；
按上述算法，得到前后两帧图像的ΔEab值；
峰值信噪比:峰值信噪比是最大信号量与噪声强度的比值，该参数根据均方误差的计算结果为依据，评价处理图像对原始图像的还原性；
按算法：得到前后两帧图像的PSNR值；
式中：MSE——均方误差值，n——取值为8；
均方误差信噪比:通过计算原始图像与处理图像的像素差值的均方差，采用均方差的大小评价图像失真程度；
计算方法如下：
按算法：得到前后两帧图像的MSE值；
式中：
M——表示图像的长度，
N——表示图像的宽度，
i——表示图像的横轴像素坐标，
J——表示图像的纵轴像素坐标，
f——表示原始图像某个像素点的像素值，
f’——表示处理图像某个像素点的像素值；
按照采集到的前后两帧(P1、P2)图像的ΔEab值、PSNR值、MSE值及标准图像(P0)的ΔEab值、PSNR值、MSE值进行差分比较，按照以下检测标准检测并输出结果；
(ΔEab(P0)*X-|ΔEab(P1)-ΔEab(P2)|)<＝0.05ΔEab；
(PSNR(P0)*Y-|PSNR(P1)-PSNR(P2)|)<＝0.08PSNR；
(MSE(P0)*Y-|MSE(P1)-MSE(P2)|)<＝0.26MSE。
有益效果：本发明使用了改善图像质量的图像增强技术-空间域法，空间域法实用性广及实时性高，在图像增强技术中被大量采用。相比于正常图像而言，噪声图像含有更多的边缘文理等细节信息，可以采用传统的边缘检测手段进行估计。拉普拉斯变换是一种各向同性的线性算子，并且对噪声敏感，可以作为噪声估计的工具；同时，为了滤除噪声图像中存在的非噪声目标，可以结合运动目标的帧差信息进行过滤。
附图说明
图1为本发明的视频噪声智能检测方法流程图。
具体实施方式
下面结合具体实施例对本发明作进一步的说明。
本发明的视频噪声智能检测方法实施例，包括以下步骤：
第一步：获取变电站内模拟摄像机及网络摄像机的原始码流，通过RPU(站端处理单元)，将原始码流传输给噪声检测装置；噪声检测装置将获取到的原始码流进行视频解码，按照YUV420标准，分别得到Y、U、V数据；
第二步：获取码流中前后两帧图像，并分别对两帧图像的Y、U、V数据进行差分：从色彩还原性、峰值信噪比、均方误差信噪比三个维度进行；
色彩还原性:色彩还原性用于评价摄像机对色彩的还原能力，采用24色色卡的测试方法，保证光线照度为600Lux(正负偏差为100Lux)，整个测试版表面的亮度差值小于20％的情况下，色卡中各色块在CIE LAB色空间的色差应不超过35％；
彩色标板上每块色板的CIE LAB色差计算方法为：
ΔEab＝[(Lm-Ln)2+(am-an)2+(bm-bn)2]1/2
上式中：
ΔEab——彩色标板上每块色板的CIE LAB色差；
Lm、am、bm——CIE LAB色空间的明度指数(L)和色品指数(a、b)的测量值；
Ln、an、bn——CIE LAB色空间的明度指数(L)和色品指数(a、b)的标准值；
按上述算法，得到前后两帧图像的ΔEab值；
峰值信噪比:峰值信噪比是最大信号量与噪声强度的比值，该参数根据均方误差的计算结果为依据，评价处理图像对原始图像的还原性；
按算法：得到前后两帧图像的PSNR值；
MSE——均方误差值，n——取值为8；
均方误差信噪比:通过计算原始图像与处理图像的像素差值的均方差，采用均方差的大小评价图像失真程度；
计算方法如下：
按算法：得到前后两帧图像的MSE值；
M——表示图像的长度；
N——表示图像的宽度；
i——表示图像的横轴像素坐标；
J——表示图像的纵轴像素坐标；
f——表示原始图像某个像素点的像素值；
f’——表示处理图像某个像素点的像素值；
按照采集到的前后两帧(P1、P2)图像的ΔEab值、PSNR值、MSE值及标准图像(P0)的ΔEab值、PSNR值、MSE值后进行差分比较，按照以下检测标准检测：
(ΔEab(P0)*X-|ΔEab(P1)-ΔEab(P2)|)<＝0.05ΔEab；
(PSNR(P0)*Y-|PSNR(P1)-PSNR(P2)|)<＝0.08PSNR；
(MSE(P0)*Y-|MSE(P1)-MSE(P2)|)<＝0.26MSE；
第三步：计算YUV420图像Y数据Canny图，对Canny图进行膨胀处理，根据该图过滤掉当前前景区域，使用拉普拉斯算子进行卷积运算，算子公式：得到噪声区域；
根据噪声区域的文理信息，将这些文理信息转化成SIFT特征，使用RANSAC算法进行筛选出候选区域，在此区域上使用噪点置信度进行统计噪声值。
对噪声区域使用边缘检测手段进行估计，用sobel算法进行边缘检测，使用Sobel卷积因子对噪声区域进行卷积得到噪声边缘。
第四步：输出检测结果。

Claims (3)

1.一种变电站场景视频噪声的智能检测方法，其特征是包括以下步骤：
S1,获取变电站场景视频的原始码流，进行视频解码，得到YUV420标准的Y、U、V数据；
S2，获取码流中前后两帧图像，将当前帧与前一帧两帧图像的Y、U、V数据进行差分，得到前景图，也包括噪声信息；
S3,计算YUV420图像Y数据Canny图，对Canny图进行膨胀处理，根据该图过滤掉当前前景区域，使用拉普拉斯算子进行卷积运算，算子公式：得到噪声区域；根据噪声区域的文理信息，将这些文理信息转化成SIFT特征，使用RANSAC算法进行筛选出候选区域，在此区域上使用噪点置信度进行统计噪声值；
S4，输出结果。
2.根据权利要求1所述的变电站场景视频噪声的智能检测方法，其特征是：所述的步骤S2的差分从色彩还原性、峰值信噪比、均方误差信噪比三个维度进行：
色彩还原性:色彩还原性用于评价摄像机对色彩的还原能力，采用24色色卡的测试方法，保证光线照度为600Lux，正负偏差为100Lux，整个测试版表面的亮度差值小于20％的情况下，色卡中各色块在CIE LAB色空间的色差应不超过35％；
彩色标板上每块色板的CIE LAB色差计算方法为：
ΔEab＝[(Lm-Ln)2+(am-an)2+(bm-bn)2]1/2；
上式中：
ΔEab——彩色标板上每块色板的CIE LAB色差；
Lm、am、bm——CIE LAB色空间的明度指数(L)和色品指数(a、b)的测量值；
Ln、an、bn——CIE LAB色空间的明度指数(L)和色品指数(a、b)的标准值；
按上述算法，得到前后两帧图像的ΔEab值；
峰值信噪比:峰值信噪比是最大信号量与噪声强度的比值，该参数根据均方误差的计算结果为依据，评价处理图像对原始图像的还原性；
按算法：得到前后两帧图像的PSNR值；
式中：MSE——均方误差值，n——取值为8；
均方误差信噪比:通过计算原始图像与处理图像的像素差值的均方差，采用均方差的大小评价图像失真程度；
计算方法如下：
按算法：得到前后两帧图像的MSE值；
式中：
M——表示图像的长度，
N——表示图像的宽度，
i——表示图像的横轴像素坐标，
J——表示图像的纵轴像素坐标，
f——表示原始图像某个像素点的像素值，
f’——表示处理图像某个像素点的像素值；
按照采集到的前后两帧(P1、P2)图像的ΔEab值、PSNR值、MSE值及标准图像(P0)的ΔEab值、PSNR值、MSE值进行差分比较，按照以下检测标准检测并输出；
(ΔEab(P0)*X-|ΔEab(P1)-ΔEab(P2)|)<＝0.05ΔEab；
(PSNR(P0)*Y-|PSNR(P1)-PSNR(P2)|)<＝0.08PSNR；
(MSE(P0)*Y-|MSE(P1)-MSE(P2)|)<＝0.26MSE。
3.根据权利要求1或2所述的变电站场景视频噪声的智能检测方法，其特征是：所述的步骤S3滤掉当前前景区域以及筛选出候选区域具体为使用deeplearning学习前景样本进行，对噪声区域进行卷积得到噪声边缘具体为使用用sobel算法进行边缘检测，使用Sobel卷积因子对噪声区域进行卷积得到噪声边缘。
CN201610971008.1A 2016-10-28 2016-10-28 一种变电站场景视频噪声的智能检测方法 Pending CN106530248A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610971008.1A CN106530248A (zh) 2016-10-28 2016-10-28 一种变电站场景视频噪声的智能检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610971008.1A CN106530248A (zh) 2016-10-28 2016-10-28 一种变电站场景视频噪声的智能检测方法

Publications (1)

Publication Number Publication Date
CN106530248A true CN106530248A (zh) 2017-03-22

Family

ID=58326543

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610971008.1A Pending CN106530248A (zh) 2016-10-28 2016-10-28 一种变电站场景视频噪声的智能检测方法

Country Status (1)

Country Link
CN (1) CN106530248A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111583160A (zh) * 2020-06-03 2020-08-25 浙江大华技术股份有限公司 一种视频画面的噪声评估方法及装置
CN116055710A (zh) * 2022-08-10 2023-05-02 荣耀终端有限公司 一种视频时域噪声的评估方法、装置及系统
WO2023236757A1 (zh) * 2022-06-10 2023-12-14 广州市百果园信息技术有限公司 视频图像噪声评估方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101179713A (zh) * 2007-11-02 2008-05-14 北京工业大学 复杂背景下单个运动目标的检测方法
CN101854467A (zh) * 2010-05-24 2010-10-06 北京航空航天大学 一种视频分割中阴影的自适应检测及消除方法
CN102665034A (zh) * 2012-03-16 2012-09-12 江苏华枫物联网科技有限公司 一种针对摄像机采集视频的夜间效果去除方法
CN102970528A (zh) * 2012-12-28 2013-03-13 北京航空航天大学 基于变化检测和帧差累积的视频对象分割方法
CN103455979A (zh) * 2013-07-16 2013-12-18 大连理工大学 一种低照度视频图像增强方法
CN104657939A (zh) * 2013-11-20 2015-05-27 大连佑嘉软件科技有限公司 一种低照度视频图像增强方法
CN105046653A (zh) * 2015-06-12 2015-11-11 中国科学院深圳先进技术研究院 一种视频雨滴去除方法及系统
CN105959510A (zh) * 2016-04-22 2016-09-21 湖南工学院 一种视频快速去雾方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101179713A (zh) * 2007-11-02 2008-05-14 北京工业大学 复杂背景下单个运动目标的检测方法
CN101854467A (zh) * 2010-05-24 2010-10-06 北京航空航天大学 一种视频分割中阴影的自适应检测及消除方法
CN102665034A (zh) * 2012-03-16 2012-09-12 江苏华枫物联网科技有限公司 一种针对摄像机采集视频的夜间效果去除方法
CN102970528A (zh) * 2012-12-28 2013-03-13 北京航空航天大学 基于变化检测和帧差累积的视频对象分割方法
CN103455979A (zh) * 2013-07-16 2013-12-18 大连理工大学 一种低照度视频图像增强方法
CN104657939A (zh) * 2013-11-20 2015-05-27 大连佑嘉软件科技有限公司 一种低照度视频图像增强方法
CN105046653A (zh) * 2015-06-12 2015-11-11 中国科学院深圳先进技术研究院 一种视频雨滴去除方法及系统
CN105959510A (zh) * 2016-04-22 2016-09-21 湖南工学院 一种视频快速去雾方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111583160A (zh) * 2020-06-03 2020-08-25 浙江大华技术股份有限公司 一种视频画面的噪声评估方法及装置
CN111583160B (zh) * 2020-06-03 2023-04-18 浙江大华技术股份有限公司 一种视频画面的噪声评估方法及装置
WO2023236757A1 (zh) * 2022-06-10 2023-12-14 广州市百果园信息技术有限公司 视频图像噪声评估方法及装置
CN116055710A (zh) * 2022-08-10 2023-05-02 荣耀终端有限公司 一种视频时域噪声的评估方法、装置及系统
CN116055710B (zh) * 2022-08-10 2023-10-20 荣耀终端有限公司 一种视频时域噪声的评估方法、装置及系统

Similar Documents

Publication Publication Date Title
Xu et al. Real-world noisy image denoising: A new benchmark
Gong et al. Interactive shadow removal and ground truth for variable scene categories
CN109507192A (zh) 一种基于机器视觉的磁芯表面缺陷检测方法
CN101765022B (zh) 一种基于光流与图像分割的深度表示方法
CN114170208A (zh) 一种基于人工智能的纸制品缺陷检测方法
CN103606132A (zh) 基于空域和时域联合滤波的多帧数字图像去噪方法
CN104504722B (zh) 一种利用灰色点校正图像颜色的方法
CN107742307A (zh) 基于改进帧差法的输电线路舞动特征提取及参数分析方法
US20200141804A1 (en) Method and system for hyperspectral light field imaging
CN109118442B (zh) 一种基于Sobel算子滤波的图像增强方法
CN106530248A (zh) 一种变电站场景视频噪声的智能检测方法
CN112583999B (zh) 相机模块的镜头脏污检测方法
CN107481214A (zh) 一种微光图像与红外图像融合方法
CN107462182A (zh) 一种基于机器视觉和红线激光器的截面轮廓形变检测方法
CN109064439B (zh) 基于分区的单侧入光式导光板暗影缺陷提取方法
CN113686869A (zh) 一种绝缘毯微缺陷识别装置
CN113706461A (zh) 一种基于图像识别的绝缘毯微缺陷识别系统
CN111738931B (zh) 光伏阵列无人机航拍图像的阴影去除算法
CN111724375A (zh) 一种屏幕检测方法及系统
CN112833821B (zh) 高密度ic焊点的微分几何立体微视觉检测系统及方法
CN105608674B (zh) 一种基于图像配准、插值和去噪的图像增强方法
Shen et al. Depth map enhancement method based on joint bilateral filter
Sathya et al. Enhancement of underwater images using wavelength compensation method
CN114792335A (zh) 一种镜框内边缘轮廓尺寸测量方法
Xie et al. Thermal Infrared Guided Color Image Dehazing

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170322

WD01 Invention patent application deemed withdrawn after publication