CN108198180B - 一种图像亮度值变化原因的判定方法 - Google Patents
一种图像亮度值变化原因的判定方法 Download PDFInfo
- Publication number
- CN108198180B CN108198180B CN201810024839.7A CN201810024839A CN108198180B CN 108198180 B CN108198180 B CN 108198180B CN 201810024839 A CN201810024839 A CN 201810024839A CN 108198180 B CN108198180 B CN 108198180B
- Authority
- CN
- China
- Prior art keywords
- image
- reason
- brightness values
- probability
- changes
- 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
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
Abstract
本发明主要提供了一种图像亮度值变化原因的判定方法,包括如下步骤:步骤1)利用图像变化前后的亮度值差值矩阵,提取“双极性亮度差对数方差直方图”;步骤2)利用“双极性亮度差对数方差直方图”结合Sigmoid函数构造图像亮度值变化原因“概率判定评价函数”;步骤3)根据概率判定评价函数,求解图像亮度值变化原因判定评价概率值;再通过设定判定评价概率阈值。即可比较、判定得出该图像亮度值变化的原因。采用本发明方法,可克服图像序列运动检测方法中,由于光照变化引起的扰动,有效地提高了图像运动检测的稳定性与可靠性。
Description
技术领域:
本发明涉及图像亮度值变化原因判定技术,尤其针对位置固定的摄像设备,涉及一种由于光照与物体运动引起的亮度值变化原因之间分类判定的方法。
背景技术:
对于固定的摄像设备来说,在图像序列之间产生像素亮度值变化的原因有两种:光照的影响与图像中目标物体的运动。传统基于图像序列的运动目标检测算法,利用图像序列之间的像素点对应的亮度值变化来判定是否有运动目标的存在。然而,由于光照变化的影响,常常对运动目标的检测产生大量的干扰。因此,有效地判定图像亮度值的变化原因,是去除光照干扰的重要方法。
目前,存在的亮度值变化原因判定方法主要是基于Chaos理论的相位图判定方法,该方法假设光照变化引起图像亮度值的线性变化;然而,实际的光照引起的图像亮度值变化是非线性的。因此,该方法在很多场合失效。
综上所述,如何有效地判定图像亮度值的非线性变化的原因,是面向固定摄像设备进行图像运动目标检测中亟待解决的问题。
发明内容:
为了解决上述问题,本发明的主要目的在于提供一种图像亮度值变化原因的判定方法,能够有效地判定固定摄像设备获取的图像序列之间亮度值非线性的变化原因。
为达到上述目的,本发明的技术方案是:一种图像亮度值变化原因的判定方法,该方法包括:
步骤1)、利用图像变化前后的亮度值得到差值矩阵,并且提取“双极性亮度差对数方差直方图”;
步骤2)、利用“双极性亮度差对数方差直方图”结合Sigmoid函数构造图像亮度值变化原因的“概率判定评价函数”;
步骤3)、根据概率判定评价函数,求解图像亮度值变化原因判定评价概率值,再通过设定判定评价概率阈值,即可比较、判定得出该图像亮度值变化的原因。
作为优选,所述步骤1)的具体内容包括:
设定一副图像变化前后亮度值的差值矩阵ID=It+1-It
其中,ID是图像差值矩阵,It+1是亮度值变化后的图像,It是亮度值变化前的图像;
设定双极性亮度差对数方差直方图包括两个正方图,分别是256维的亮度差正空间对数方差直方图Hp,与256维的亮度差负空间对数方差直方图HN,其中
log是对数函数,var是方差函数,ID +为图像差值矩阵中,所有正数值所组成的集合(正空间),ID -为图像差值矩阵中,所有负数值所组成的集合(负空间),具体为:
idx是索引函数,ID +(idx(i))代表It中所有亮度值为i的像素点集合在亮度值变化后“亮度差正空间ID +”中所对应的数值(亮度的变化量)的集合;ID -(idx(i))代表It中所有亮度值为i的像素点集合在亮度值变化后“亮度差负空间ID -”中所对应的数值(亮度的变化量)的集合。
作为优选,所述步骤2)的具体内容为:
设定图像亮度值变化原因的概率判定评价函数
P(HP,HN,α,TN,TA)=P+(HP,α,TN,Tx)×P-(HN,α,TN,TA);
其中,P+,P-分别为判定评价函数的正、负子函数,属于Sigmoid函数,具体为:
TN是数目阈值常数,TA是幅值阈值常数,N+是在HP中所有大于幅值阈值TA的分量的数目;N是在HN中所有大于幅值阈值TA的分量的数目。
作为优选,所述步骤3)的具体内容为:
根据概率判定评价函数在图像差值矩阵ID中求取的判定概率评价值,判定亮度值变化原因,如:
有益效果,本发明揭示的一种图像亮度值变化原因的判定方法,具有如下
有益效果:
采用本发明方法,可打破传统Chaos相位图法中对光照引起的图像亮度值定性为线性变化的假设,有效地对图像亮度值非线性的变化原因进行准确地判定,在判定客观指标量化评价上优于目前传统Chaos相位图算法性能,具有很高的稳定性。
附图说明:
图1为本发明建模方法的流程图;
图2为本发明提出的双极性亮度差对数方差直方图在物体运动下的示意图;
图3为本发明提出的双极性亮度差对数方差直方图在照明变化下的示意图,图3a为光照正向变化时,提取的双极性亮度差对数方差直方图,图3b为光照负向变化时,提取的双极性亮度差对数方差直方图;
图4为本发明提出的判定函数输入与输出关系的示意图,图4a为运动物体测试图像对应的判定函数输入与输出关系示意图。图4b为光照正向变化时,对应的判定函数输入与输出关系示意图;
图5为本发明的判定函数与传统Chaos相位判定函数的测试结果实例;
图6为本发明的判定函数与传统Chaos相位判定函数的性能比较结果实例。
具体实施方式:
下面结合本发明所提供的附图对本发明的技术作进一步说明:
如图1所示,一种图像亮度值变化原因的判定方法,包括如下步骤:
步骤101:利用图像变化前后的亮度值得到差值矩阵,并且提取“双极性亮度差对数方差直方图”具体为:
设定一副图像变化前后的亮度值的差值矩阵,如式(1):
ID=It+1-It (1)
式中,ID是图像差值矩阵,It+1是亮度值变化后的图像,It是亮度值变化前的图像。
设定双极性对数亮度方差直方图为包括两个正方图:分别为256维的亮度差正空间对数方差直方图HP,与256维的亮度差负空间对数方差直方图HN,具体如式(2)
式(2)中,log是对数函数,var是方差函数,ID +为图像差值矩阵中,所有正数值所组成的集合(正空间),ID -为图像差值矩阵中,所有负数值所组成的集合(负空间),具体如式(3)
式(2)中,idx是索引函数,ID +(idx(i))代表It中所有亮度值为i的像素点集合在亮度值变化后“亮度差正空间ID +”中所对应的数值(亮度的变化量)的集合;ID -(idx(i))代表It中所有亮度值为i的像素点集合在亮度值变化后“亮度差负空间ID -”中所对应的数值(亮度的变化量)的集合,本发明提出的“双极性亮度差对数方差直方图”及其相关参数实例参见图2、图3。
步骤102:利用“双极性亮度差对数方差直方图”结合Sigmoid函数构造图像亮度值变化原因“概率判定评价函数”;的具体内容为:
设定图像亮度值变化原因的概率判定评价函数,如式(4)
P(HP,HN,α,TN,TA)=P+(HP,α,TN,Tx)×P-(HN,α,TN,TA) (4)
式(4)中,P+与P-分别为判定函数的正、负子函数,均是Sigmoid函数,如式(5):
式(5)中,TN是数目阈值常数,TA是幅值阈值常数,N+是在HP中所有大于幅值阈值TA的分量的数目;N-是在HN中所有大于幅值阈值TA的分量的数目。
如图2所示,当测试图像序列为运动物体时,HP中大于幅值阈值常数TA的分量数目N+大于数目阈值常数TN,HN中大于幅值阈值常数TA的分量数目N-也大于数目阈值常数HN。因此,本发明提出的判定函数正、负子函数P+与P-输入值均为大于0的正数,进而所对应的正、负子函数P+与P-输出值均接近于1;所以,对应的判定函数式(4)输出值接近于1,参见图4a。
如图3a所示,当测试图像序列为正向光照变化时,亮度差负空间中提取的HN中大于幅值阈值常数TA的分量数目N-一定小于数目阈值常数TN;因此,本发明提出的判定函数的负子函数P-输入值为小于0的负数,进而相应的负子函数P-输出值接近于0。所以,无论此时正子函数P输出值为正或负,最终判定函数式(4)输出值一定接近于0,参见图4b。
综上,当测试图像序列为运动物体时,本发明提出的判定函数值(式(4))接近于1,当测试图像序列为光照变化时,本发明提出的判定函数值(式(4))接近于0。
步骤103:利用根据概率判定评价函数,求解图像亮度值变化原因判定评价概率值;再通过设定判定评价概率阈值,即可比较、判定得出该图像亮度值变化的原因。的具体内容为:
根据式(4)在图像差值矩阵ID中求取判定概率评价值,然后判定亮度值变化原因,如式(6)
下面结合具体示例对本发明的技术方案作进一步详细说明。
实例1
如图5,为检验本发明提出方法的测试数据与相应判定函数值的示意图。由图可知本文的方法自然将运动物体产生的亮度值变化对应的判定函数值接近于1,而将光照产生的亮度值变化对应的判定函数值接近于0,这样,通过判定函数值可以有效地区分两种原因。而传统方法(Chaos相位法)在正常工作下,对于运动物体产生的亮度值变化对应的判定函数值一定大于1,对于光照产生的亮度值变化对应的判定函数值一定小于1;换言之,正常工作下,运动物体产生的Chaos相位法判定函数数值一定大于光照产生的Chaos相位法判定函数数值。因此。图4的试验结果表明在非线性的亮度值变化下,Chaos相位法失去效力(实效表现为:运动物体的判定函数值小于光照的判定函数值),不能通过其判定函数值进行有效的区分。
实例2
如图6,为真实图像序列数据亮度值变化原因判定测试的性能客观评估的示意图。相比传统判定方法,本发明方法具有更高的识别率和稳定性。图5横坐标代表着误判定率,纵坐标代表着正确判定率。性能曲线(ROC:Receiver Operating Characteristic)越靠近坐标轴的左上角,代表着亮度值变化原因的判定性能越高越稳定,即相比传统方法,本发明方法具有更高的正确判定率(TPR:Truth Positive Rate)与更低的误判定率(FPR:FalsePositive Rate)。对于其他性能指标:曲线面积(AUC:Area Under Curve),正确率(1-EER:Equal Error Rate)比较结果如下:AUC数值越高,1-EER数值越高,表明判定方法性能越好。由数值对比可知本发明方法的性能优越性。
表1.本发明方法与传统方法对图像亮度值变化判定性能客观评价对比
方法 | AUC(%) | 1EER(%) |
本发明方法 | 98.1 | 94.8 |
Chaos相位法 | 78.2 | 71.5 |
本发明的技术内容及技术特征已揭示如上,然而熟悉本领域的技术人员仍可能基于本发明的揭示而作种种不背离本发明精神的替换及修饰,因此,本发明保护范围应不限于实施例所揭示的内容,而应包括各种不背离本发明的替换及修饰,并为本专利申请权利要求所涵盖。
Claims (1)
1.一种图像亮度值变化原因的判定方法,其特征在于包括如下步骤:
步骤1)、利用图像变化前后的亮度值得到差值矩阵,并且提取“双极性亮度差对数方差直方图”;
步骤2)、利用“双极性亮度差对数方差直方图”结合Sigmoid函数构造图像亮度值变化原因的“概率判定评价函数”;
步骤3)、根据概率判定评价函数,求解图像亮度值变化原因判定评价概率值,再通过设定判定评价概率阈值,即可比较、判定得出该图像亮度值变化的原因;
所述步骤1)的具体内容包括:
设定一副图像变化前后亮度值的差值矩阵ID=It+1-It;
其中,ID是图像差值矩阵,It+1是亮度值变化后的图像,It是亮度值变化前的图像;
设定双极性亮度差对数方差直方图包括两个直方图,分别是256维的亮度差正空间对数方差直方图Hp,与256维的亮度差负空间对数方差直方图HN,其中
log是对数函数,var是方差函数,ID +为图像差值矩阵中,所有正数值所组成的集合,ID -为图像差值矩阵中,所有负数值所组成的集合,具体为:
idx是索引函数,ID +(idx(i))代表It中所有亮度值为i的像素点集合在亮度值变化后“亮度差正空间ID +”中所对应的数值的集合;ID -(idx(i))代表It中所有亮度值为i的像素点集合在亮度值变化后“亮度差负空间ID -”中所对应的数值的集合;
所述步骤2)的具体内容为:
设定图像亮度值变化原因的概率判定评价函数
P(HP,HN,α,TN,TA)=P+(HP,α,TN,TA)×P-(HN,α,TN,TA);
其中,P+,P-分别为判定评价函数的正、负子函数,属于Sigmoid函数,具体为:
TN是数目阈值常数,TA是幅值阈值常数,N+是在HP中所有大于幅值阈值TA的分量的数目;N-是在HN中所有大于幅值阈值TA的分量的数目;
所述步骤3)的具体内容为:
根据概率判定评价函数在图像差值矩阵ID中求取的判定概率评价值,判定亮度值变化原因,如下:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810024839.7A CN108198180B (zh) | 2018-01-10 | 2018-01-10 | 一种图像亮度值变化原因的判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810024839.7A CN108198180B (zh) | 2018-01-10 | 2018-01-10 | 一种图像亮度值变化原因的判定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108198180A CN108198180A (zh) | 2018-06-22 |
CN108198180B true CN108198180B (zh) | 2019-11-26 |
Family
ID=62588739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810024839.7A Active CN108198180B (zh) | 2018-01-10 | 2018-01-10 | 一种图像亮度值变化原因的判定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108198180B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1325089A (zh) * | 2000-04-17 | 2001-12-05 | 汤姆森多媒体公司 | 用于检测连续视频图象中镜头变化的方法 |
CN101681555A (zh) * | 2007-10-26 | 2010-03-24 | 松下电器产业株式会社 | 状况判定装置、状况判定方法、状况判定程序、异常判定装置、异常判定方法、异常判定程序及拥塞推定装置 |
CN102473282A (zh) * | 2010-06-17 | 2012-05-23 | 松下电器产业株式会社 | 外部光映入判定装置、视线检测装置及外部光映入判定方法 |
CN102867309A (zh) * | 2012-09-12 | 2013-01-09 | 西安电子科技大学 | 基于混合模型的sar图像变化检测方法 |
CN104050676A (zh) * | 2014-06-30 | 2014-09-17 | 成都品果科技有限公司 | 一种基于Logistic回归模型的逆光图像检测方法及装置 |
-
2018
- 2018-01-10 CN CN201810024839.7A patent/CN108198180B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1325089A (zh) * | 2000-04-17 | 2001-12-05 | 汤姆森多媒体公司 | 用于检测连续视频图象中镜头变化的方法 |
CN101681555A (zh) * | 2007-10-26 | 2010-03-24 | 松下电器产业株式会社 | 状况判定装置、状况判定方法、状况判定程序、异常判定装置、异常判定方法、异常判定程序及拥塞推定装置 |
CN102473282A (zh) * | 2010-06-17 | 2012-05-23 | 松下电器产业株式会社 | 外部光映入判定装置、视线检测装置及外部光映入判定方法 |
CN102867309A (zh) * | 2012-09-12 | 2013-01-09 | 西安电子科技大学 | 基于混合模型的sar图像变化检测方法 |
CN104050676A (zh) * | 2014-06-30 | 2014-09-17 | 成都品果科技有限公司 | 一种基于Logistic回归模型的逆光图像检测方法及装置 |
Non-Patent Citations (2)
Title |
---|
"Image Quality Assessment Based on Gradient Similarity";F.ASMA BEGUM 等;《International Journal of Advanced Technology and Innovative Research》;20140331;第6卷(第2期);第64-71页 * |
"遥感影像变化检测方法及应用研究";张家琦;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160115;第I140-364页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108198180A (zh) | 2018-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112990335B (zh) | 一种电网无人机巡检影像缺陷智能识别自学习训练方法、系统 | |
KR100568237B1 (ko) | 비디오 영상으로부터 이동 물체를 추출하는 장치 및 방법 | |
CN104835179B (zh) | 基于动态背景自适应的改进ViBe背景建模方法 | |
CN106203334B (zh) | 一种室内场景火苗检测方法 | |
CN102982534A (zh) | 基于弦线切线法的Canny边缘检测双阈值获取方法 | |
Wang et al. | A new fire detection method using a multi-expert system based on color dispersion, similarity and centroid motion in indoor environment | |
CN107230188A (zh) | 一种视频运动阴影消除的方法 | |
CN111611907A (zh) | 一种图像增强的红外目标检测方法 | |
CN108335294A (zh) | 复杂条件下的配电房异常状态图像识别方法 | |
CN109117810A (zh) | 疲劳驾驶行为检测方法、装置、计算机设备及存储介质 | |
CN108198180B (zh) | 一种图像亮度值变化原因的判定方法 | |
CN105404682B (zh) | 一种基于数字图像内容的图书检索方法 | |
CN112381794B (zh) | 一种基于深度卷积生成网络的印刷缺陷检测方法 | |
Xiong | Research on fire detection and image information processing system based on image processing | |
CN116577345A (zh) | 一种锂电池极耳数量检测方法及系统 | |
CN110503092A (zh) | 基于领域适应的改进ssd监控视频目标检测方法 | |
CN103886607B (zh) | 一种针对扰动目标的检测及抑制方法 | |
Li et al. | Image object detection algorithm based on improved Gaussian mixture model | |
CN111368596A (zh) | 人脸识别逆光补偿方法、装置、可读存储介质及设备 | |
DeRong et al. | Remote traffic light detection and recognition based on deep learning | |
CN110853059B (zh) | 一种靶子环数的图像识别方法 | |
Zhang et al. | Shot boundary detection based on HSV color model | |
Fang et al. | Traffic sign detection based on co-training method | |
Meng | Design of Forest Fire Detection Algorithm Based on Machine Vision | |
Zheng et al. | Adaptive skin detection under unconstrained lighting conditions using a bigaussian model and illumination estimation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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: 20200702 Address after: 6 / F, 725 Zhangjiang Road, Pudong New Area (Shanghai) pilot Free Trade Zone, Shanghai, 200120 Patentee after: Shanghai Tongteng Biotechnology Co.,Ltd. Address before: 226000 Jiangsu city of Nantong province sik Road No. 9 Patentee before: NANTONG University |