CN109359593A - 一种基于图像局部栅格的雨雪环境画面模糊监测预警方法 - Google Patents

一种基于图像局部栅格的雨雪环境画面模糊监测预警方法 Download PDF

Info

Publication number
CN109359593A
CN109359593A CN201811207216.XA CN201811207216A CN109359593A CN 109359593 A CN109359593 A CN 109359593A CN 201811207216 A CN201811207216 A CN 201811207216A CN 109359593 A CN109359593 A CN 109359593A
Authority
CN
China
Prior art keywords
image
imgb
gvalb
img
value
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.)
Granted
Application number
CN201811207216.XA
Other languages
English (en)
Other versions
CN109359593B (zh
Inventor
王庚中
刘俊龙
邱换春
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.)
ANHUI CHAOYUAN INFORMATION TECHNOLOGY Co Ltd
Original Assignee
ANHUI CHAOYUAN INFORMATION TECHNOLOGY 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 ANHUI CHAOYUAN INFORMATION TECHNOLOGY Co Ltd filed Critical ANHUI CHAOYUAN INFORMATION TECHNOLOGY Co Ltd
Priority to CN201811207216.XA priority Critical patent/CN109359593B/zh
Publication of CN109359593A publication Critical patent/CN109359593A/zh
Application granted granted Critical
Publication of CN109359593B publication Critical patent/CN109359593B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • 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
    • G06V10/56—Extraction of image or video features relating to colour

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于图像局部栅格的雨雪环境画面模糊监测预警方法，涉及视频监控领域，该方法获取监测数据流当前时刻对应的图像为当前帧，分别计算当前帧每个像素单元的明度分量后得其平均值，当判断明度分量均值是在合理区间后，对图像进行均值滤波降噪处理及初次模糊处理；然后对获取图像进行栅格区域划分，并分别计算每个栅格区域的灰阶均值及判断是否存在运动目标，筛选完成后对图像进行二次模糊处理后，计算相应的梯度差异数值，然后计算整体图像的清晰度指标，根据计数值进行相应的模糊等级预警预报；本发明实现了摄像机画面模糊及时监测和相应预警，从前端保障采集数据更加清晰，极大地降低了图像局部区域数据覆盖风险。

Description

一种基于图像局部栅格的雨雪环境画面模糊监测预警方法
技术领域
本发明涉及视频监控领域以及智能交通领域的视频图像分析处理技术，具体为对雨雪环境导致画面模糊的监测及预警的方法。
背景技术
当前社会数字信息化日益发达，人类获取数字信息的途径主要是通过视觉和语音，其中视觉信息占据了大约2/3以上。随着多媒体信息处理技术和计算机视觉技术的飞速发展，人们的生活逐渐进入了大数据、深度学习、人工智能的时代。所以，视频图像的分析处理技术和网络传输技术的发展对科学研究、军事国防、智能交通、安全城市等领域都起着重要作用。
在海量信息数据采集的前端单元部分，摄像机起着非常重要的作用，尤其很多监控摄像机、智能球机安装在户外道路，工作环境多变，受外部环境干扰较大。因此，恶劣天气下雨雪场对视频图像的前期成像质量有很大的影响，甚至会造成图像成像模糊和信息覆盖，如果不能及时监测预警，则其直接结果是视频图像的清晰度下降，视频图像的有效性降低，视频图像的数字化处理技术也会受此影响而效果欠佳。
在户外环境工作的交通抓拍摄像机以及云台控制球机，尤其在雨天以及雪天进行工作时，摄像机镜头表面或者玻璃护罩表面受到个别雨滴和雪花的附着和遮挡影响较大，造成视频图像的局部区域和部分区域模糊或者遮挡。该情况下采集的视频图像导致局部信息数据被掩盖，影响后期的视频智能化分析处理，比如基于图像的目标检测、识别、追踪、分割，以及基于深度学习算法的目标自动分类、视频结构化索引存储等一系列操作处理。当雨雪环境下视频图像局部模糊时，如何自动监测、自动预警、以及采取相应措施，逐渐成为摄像机实际工程应用中亟待研究和解决的突出问题。
在2003年，Starik等人(Starik S,Werman M.Simulation of rain in videos[C].//Proceeding of Texture Workshop,ICCV.Nice,France:2003,2:406-409)在文献资料中最早提出使用中值法进行图像画面雨滴消除，该文章的作者认为在视频图像序列中，雨滴对像素的影响只存在于少数几帧中，故可直接对视频帧进行平均就可以得到不受雨滴影响的原图像。这种方法简单快捷，但是雨势较大以及雨期较长情况下效果不佳。在2007年，Barnum等人(Barnum PC,Narasimhan SG,Kanade T.Analysis of rainand snow infrequency space.International Journal of Computer Vision,2010,86(23):256-274)提到目前的多数方法雨滴检测方法严重依赖于清晰雨线的有效提取。现有的视频图像雨滴主要检测方法都认为雨会对背景产生亮度加强，且造成一定程度上的模糊，最终产生的视觉效果是雨及被覆盖背景的空间混合。对于远处的雨，由于失焦效果，会呈现雾状特征导致检测困难，所以均存在应用上的局限性。近些年来，行业研究领域内有关视频图像中雨滴检测的研究文献逐渐出现。然而，雪花附着在摄像机镜头上的视频图像，该如何检测判断其对视频图像画面的干扰，则目前还鲜有报道。
发明内容
本发明的目的在于克服现有技术的不足，提供了一种基于图像局部栅格的雨雪环境画面模糊监测预警方法，以解决现有技术中由于无法有效进行模糊等级预警的技术问题。
本发明是通过以下技术方案实现的：一种基于图像局部栅格的雨雪环境画面模糊监测预警方法，该方法包括以下步骤：
步骤1、获取视频图像数据流
获取摄像机前端采集的视频图像数据流，以当前时刻对应的图像为当前帧图像；
步骤2、创建图像的明度分量
将当前帧图像对应的YUV格式视频图像标记为ImgT，通过YUV颜色空间到RGB颜色空间转换公式，计算ImgT中每个像素单元的的三基色分量ImgRT分量、ImgGT分量、ImgBT分量；
取ImgT中每个像素单元的三基色分量中的最大值为该像素单元的明度分量ImgVT；
即：ImgVT＝max(ImgRT，ImgGT，ImgBT) (1)
步骤3图像预处理
步骤3.1、遍历ImgT中每个像素单元的明度分量ImgVT后计算当前帧图像中所有像素单元明度分量的均值ImgVmean；
步骤3.2、若ImgVmean在数值区间[VmeanMin,VmeanMax]范围内，则判断该帧图像适合做局部模糊检测，并进行步骤3.3；
若ImgVmean不在数值区间[VmeanMin,VmeanMax]范围内，则退出当前帧图像处理，并由视频图像数据流中选取当前帧图像的下一帧图像为新的当前帧图像返回步骤2操作；
步骤3.3、对ImgT中每个像素单元的明度分量ImgVT进行均值滤波降噪处理，初步消除局部微量噪声的干扰影响，经过本步骤获得的图像表示为
步骤4、计算图像栅格区域的清晰度特征
步骤4.1、对进行图像模糊处理，经过本步骤获得的图像表示为
步骤4.2、将划分为M*N个尺寸基本一致的栅格，M和N分别表示图像水平方向和垂直方向上栅格区域块的个数，每个栅格区域块表示为ImgB(m,n)，m表示栅格块的横向索引位置，m取值范围为[0,M-1]；n表示栅格块的纵向索引位置，n取值范围为[0,N-1]；
步骤4.3、遍历计算每个栅格区域块ImgB(m,n)在图像和图像对应位置区域之间的梯度差异数值GvalB(m,n)；
GvalB(m,n)＝abs(GvalBfilter(m,n)-GvalBblur(m,n)) (2)
其中：GvalBfilter(m,n)为ImgB(m,n)区域在图像对应位置的梯度指标数值；
GvalBblur(m,n)为ImgB(m,n)区域在图像对应位置的梯度指标数值；
步骤5、修正部分栅格区域的清晰度特征
步骤5.1、遍历计算栅格区域块ImgB(m,n)在ImgVT对应区域内全部像素单元的灰阶均值ImgBvm，若该ImgB(m,n)区域对应ImgVT灰阶均值ImgBvm低于20或者超过235，则认为该ImgB(m,n)属于亮度过暗或者亮度过亮的栅格区域块，不适合参与当前帧图像的模糊程度评估；同时，将该ImgB(m,n)对应的GvalB(m,n)数值进行置零操作；
步骤5.2、运动目标检测
步骤5.2.1、取当前帧的前一帧视频图像标记为ImgT-1并采用步骤2计算ImgT-1中每个像素单元的ImgVT-1，使用帧差法计算每个像素单元的ImgVT和ImgVT-1的绝对差值Img_dif0；
即：Img_dif0＝abs(ImgVT–ImgVT-1) (3)
步骤5.2.2、采用运动阈值Thr_motion来对Img_dif0进行修正处理，消除噪声以及微小幅度运动的干扰，修正结果表示为Img_dif1：
即：Img_dif1＝max(0,Img_dif0-Thr_motion) (4)
步骤5.2.3、对Img_dif1进行二值化处理，且二值化处理阈值为1，二值化处理结果为：Img_difbin＝max(Img_dif1,1)；
步骤5.2.4、遍历计算每个栅格区域块ImgB(m,n)内的所有像素单元的Img_difbin，如果该ImgB(m,n)区域内对应Img_difbin数值为1的像素单元个数超过1/3，则认为该ImgB(m,n)属于运动目标存在的栅格区域，并且将该ImgB(m,n)在ImgT-1中计算获得的GvalB(m,n)数值覆盖ImgT中对应区域的GvalB(m,n)计算数值，如果该ImgB(m,n)区域内对应Img_difbin数值为1的像素单元个数不超过1/3，则直接进入步骤6；
步骤6、挑选图像栅格区域的清晰度特征
步骤6.1、采用降序排序法对当前帧中M*N个GvalB(m,n)数据进行排序，对GvalB(m,n)进行降序排序之后，选取数值较大的前5个数值GvalB(x0,y0)、GvalB(x1,y1)、GvalB(x2,y2)、GvalB(x3,y3)、GvalB(x4,y4)，栅格块对应的区域位置分别表示为ImgB(x0,y0)、ImgB(x1,y1)、ImgB(x2,y2)、ImgB(x3,y3)、ImgB(x4,y4)，其中x0，x1，x2，x3，x4取值范围为[0,M-1]；y0，y1，y2，y3，y4取值范围为[0,N-1]；
步骤6.2、将进行二次模糊处理，二次模糊处理获得的图像表示为然后计算ImgB(x0,y0)、ImgB(x1,y1)、ImgB(x2,y2)、ImgB(x3,y3)、ImgB(x4,y4)在图像对应位置的梯度指标数值，依次表示为：GvalBblur2(x0,y0)、GvalBblur2(x1,y1)、GvalBblur2(x2,y2)、GvalBblur2(x3,y3)、GvalBblur2(x4,y4)；
步骤6.3、计算当前图像整体的清晰度指标GvalImg，计算公式如下：
其中：
gmax表示清晰度计算阈值，这里取值5.0；
xi取值范围为[0,M-1]；
yi取值范围为[0,N-1]；
i取值0～4之间整数；
步骤7、根据清晰度指标GvalImg数值进行模糊等级预警预报：
根据公式6判断当前清晰度并进行模糊等级预警预报。
进一步，VmeanMin,VmeanMax的取值分别为30和225。
进一步，步骤3.3中采用的均值滤波窗口大小为3x3。
进一步，步骤4.1中模糊处理采用的是均值滤波函数的方式，窗口大小为9x9，首先采用积分图的方式计算对应的积分图，然后使用积分图的方式计算模糊处理结果图像，最终获得
进一步，M和N取值范围为4～16。
进一步，步骤1中摄像机前端采集的视频图像数据流具体为由分辨率为1080P的多帧连续的图像构成的，特别的M和N取值分别为10和6。
进一步，步骤4.3中采用Sobel算子进行梯度信息计算，Sobel算子包含两组3x3的矩阵，分别表示为横向检测算子Gx及纵向检测算子Gy，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值；
GvalBfilter(m,n)为ImgB(m,n)在对应区域内全部像素单元对应的横向梯度绝对值以及纵向梯度绝对值之和；
GvalBblur(m,n)为ImgB(m,n)在对应区域内全部像素单元对应的横向梯度绝对值以及纵向梯度绝对值之和。
进一步，步骤6中降序排序法为冒泡排序、希尔排序、插入排序中任一一种。
进一步，步骤5.2中Thr_motion取值区间为10～20。
本发明还提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时可实现权利要求1～9任一项所述的方法。
本发明提出的方法能够有效解决户外工作的摄像机镜头表面或者玻璃护罩表面受到个别雨滴和雪花的附着和遮挡时，不能自动监测预警，或者不能及时自动调用监控设备镜面清洗装置的问题。
本发明相比于现有技术具有如下特点：
(1)从前端成像的光学单元部分，保障视频图像采集数据更加清晰、数据进行事件分析的有效利用率更高。
(2)及时监测和预警响应，极大程度上降低图像局部区域数据覆盖风险，提高了视频图像在重要突发事件检测过程中的有效性和实用性。
(3)计算简单，监测准确，便于设备端集成实现处理，提高了该方法的实用性和有效性。
附图说明
图1为本发明提供的一种基于图像局部栅格的雨雪环境画面模糊监测预警方法的流程图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，所描述的实施例仅是本发明一部分实施例，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。
下面介绍本发明的一种实施例：
本实施例提供一种基于图像局部栅格的雨雪环境画面模糊监测预警方法，该方法包括以下步骤：
步骤1、获取视频图像数据流
获取摄像机前端采集的视频图像数据流，以当前时刻对应的图像为当前帧图像；
在本实施例中摄像机前端采集的视频图像数据流具体为由分辨率为1080P的多帧连续的图像构成的；
步骤2、创建图像的明度分量
将当前帧图像对应的YUV格式视频图像标记为ImgT，通过YUV颜色空间到RGB颜色空间转换公式，计算ImgT中每个像素单元的的三基色分量ImgRT分量、ImgGT分量、ImgBT分量；
取ImgT中每个像素单元的三基色分量中的最大值为该像素单元的明度分量ImgVT；
即：ImgVT＝max(ImgRT，ImgGT，ImgBT) (1)
步骤3图像预处理
步骤3.1、遍历ImgT中每个像素单元的明度分量ImgVT后计算当前帧图像中所有像素单元明度分量的均值ImgVmean；
步骤3.2、若ImgVmean在数值区间[VmeanMin,VmeanMax]范围内，则判断该帧图像适合做局部模糊检测，并进行步骤3.3；
若ImgVmean不在数值区间[VmeanMin,VmeanMax]范围内，则退出当前帧图像处理，并由视频图像数据流中选取当前帧图像的下一帧图像为新的当前帧图像返回步骤2操作；
在本实施例中VmeanMin,VmeanMax的取值分别为30和225；
步骤3.3、对ImgT中每个像素单元的明度分量ImgVT进行均值滤波降噪处理，初步消除局部微量噪声的干扰影响，经过本步骤获得的图像表示为
在本步骤中采用的均值滤波窗口大小为3x3；
步骤4、计算图像栅格区域的清晰度特征
步骤4.1、对进行图像模糊处理，模糊处理采用的是均值滤波函数的方式，窗口大小为9x9，首先采用积分图的方式计算对应的积分图，然后使用积分图的方式计算模糊处理结果图像，经过本步骤获得的图像表示为
步骤4.2、将划分为M*N个尺寸基本一致的栅格，M和N分别表示图像水平方向和垂直方向上栅格区域块的个数，每个栅格区域块表示为ImgB(m,n)，m表示栅格块的横向索引位置，m取值范围为[0,M-1]；n表示栅格块的纵向索引位置，n取值范围为[0,N-1]；
步骤4.3、采用Sobel算子进行梯度信息计算，Sobel算子包含两组3x3的矩阵，分别表示为横向检测算子Gx及纵向检测算子Gy，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值；
ImgB(m,n)在对应区域内全部像素单元对应的横向梯度绝对值以及纵向梯度绝对值之和为梯度指标数值GvalBfilter(m,n)；
ImgB(m,n)在对应区域内全部像素单元对应的横向梯度绝对值以及纵向梯度绝对值之和为梯度指标数值GvalBblur(m,n)；
遍历计算每个栅格区域块ImgB(m,n)在图像和图像对应位置区域之间的梯度差异数值GvalB(m,n)；
GvalB(m,n)＝abs(GvalBfilter(m,n)-GvalBblur(m,n)) (2)
步骤5、修正部分栅格区域的清晰度特征
步骤5.1、遍历计算栅格区域块ImgB(m,n)在ImgVT对应区域内全部像素单元的灰阶均值ImgBvm，若该ImgB(m,n)区域对应ImgVT灰阶均值ImgBvm低于20或者超过235，则认为该ImgB(m,n)属于亮度过暗或者亮度过亮的栅格区域块，不适合参与当前帧图像的模糊程度评估；同时，将该ImgB(m,n)对应的GvalB(m,n)数值进行置零操作；
步骤5.2、运动目标检测
步骤5.2.1、取当前帧的前一帧视频图像标记为ImgT-1并采用步骤2计算ImgT-1中每个像素单元的ImgVT-1，使用帧差法计算每个像素单元的ImgVT和ImgVT-1的绝对差值Img_dif0；
即：Img_dif0＝abs(ImgVT–ImgVT-1) (3)
步骤5.2.2、采用运动阈值Thr_motion来对Img_dif0进行修正处理，消除噪声以及微小幅度运动的干扰，修正结果表示为Img_dif1：
即：Img_dif1＝max(0,Img_dif0-Thr_motion) (4)
Thr_motion取值区间为10～20
步骤5.2.3、对Img_dif1进行二值化处理，且二值化处理阈值为1，二值化处理结果为：Img_difbin＝max(Img_dif1,1)；
步骤5.2.4、遍历计算每个栅格区域块ImgB(m,n)内的所有像素单元的Img_difbin，如果该ImgB(m,n)区域内对应Img_difbin数值为1的像素单元个数超过1/3，则认为该ImgB(m,n)属于运动目标存在的栅格区域，并且将该ImgB(m,n)在ImgT-1中计算获得的GvalB(m,n)数值覆盖ImgT中对应区域的GvalB(m,n)计算数值，如果该ImgB(m,n)区域内对应Img_difbin数值为1的像素单元个数不超过1/3，则直接进入步骤6；
步骤6、挑选图像栅格区域的清晰度特征
步骤6.1、采用降序排序法(冒泡排序、希尔排序、插入排序等排序方法)对当前帧中M*N个GvalB(m,n)数据进行排序，对GvalB(m,n)进行降序排序之后，选取数值较大的前5个数值GvalB(x0,y0)、GvalB(x1,y1)、GvalB(x2,y2)、GvalB(x3,y3)、GvalB(x4,y4)，栅格块对应的区域位置分别表示为ImgB(x0,y0)、ImgB(x1,y1)、ImgB(x2,y2)、ImgB(x3,y3)、ImgB(x4,y4)，其中x0，x1，x2，x3，x4取值范围为[0,M-1]；y0，y1，y2，y3，y4取值范围为[0,N-1]；
在本实施例中M和N取值范围为4～16，特别的M和N取值分别为10和6；
步骤6.2、将进行二次模糊处理，二次模糊处理获得的图像表示为然后计算ImgB(x0,y0)、ImgB(x1,y1)、ImgB(x2,y2)、ImgB(x3,y3)、ImgB(x4,y4)在图像对应位置的梯度指标数值，依次表示为：GvalBblur2(x0,y0)、GvalBblur2(x1,y1)、GvalBblur2(x2,y2)、GvalBblur2(x3,y3)、GvalBblur2(x4,y4)；
步骤6.3、计算当前图像整体的清晰度指标GvalImg，计算公式如下：
其中：
gmax表示清晰度计算阈值，这里取值5.0；
xi取值范围为[0,M-1]；
yi取值范围为[0,N-1]；
i取值0～4之间整数；
步骤7、根据清晰度指标GvalImg数值进行模糊等级预警预报：
根据公式6判断当前清晰度并进行模糊等级预警预报。
根据上述判断的模糊等级，进行相应的操作，当清晰度较差或一般时，开启视频数据采集装置前端的雨刷、自动清洗设备装置等对视频数据采集装置进行清洗，实现了由前端成像单元控制监控视频图像数据流的有效性的目的，提高了在重要突发事件监测过程中的有效性和实时性。
本发明还提供一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时可实现上述方法。
本发明还提供一种基于图像局部栅格的雨雪环境画面模糊监测预警的装置，该装置主要包括前端监控视频图像采集装置(例如户外监控球机)、处理器(例如英特尔酷睿i7)、存储装置(例如金士顿)、对前端监控视频图像采集装置进行清洗的自动清洗设备(例如雨刷)，前端监控视频图像采集装置采集到视频信息后，反馈给处理器，处理器搭载上述计算机程序并运行后，对采集的信息进行处理反馈，当运行结果判定为清晰度一般或较差后，处理器控制自动清洗设备运行清洗前端监控视频图像采集装置，进而实现了由前端成像单元控制监控视频图像数据流的有效性的目的，提高了在重要突发事件监测过程中的有效性和实时性。

Claims (10)

1.一种基于图像局部栅格的雨雪环境画面模糊监测预警方法，其特征在于，该方法包括以下步骤：
步骤1、获取视频图像数据流
获取摄像机前端采集的视频图像数据流，以当前时刻对应的图像为当前帧图像；
步骤2、创建图像的明度分量
将当前帧图像对应的YUV格式视频图像标记为ImgT，通过YUV颜色空间到RGB颜色空间转换公式，计算ImgT中每个像素单元的的三基色分量ImgRT分量、ImgGT分量、ImgBT分量；
取ImgT中每个像素单元的三基色分量中的最大值为该像素单元的明度分量ImgVT；
即：ImgVT＝max(ImgRT，ImgGT，ImgBT) (1)
步骤3图像预处理
步骤3.1、遍历ImgT中每个像素单元的明度分量ImgVT后计算当前帧图像中所有像素单元明度分量的均值ImgVmean；
步骤3.2、若ImgVmean在数值区间[VmeanMin,VmeanMax]范围内，则判断该帧图像适合做局部模糊检测，并进行步骤3.3；
若ImgVmean不在数值区间[VmeanMin,VmeanMax]范围内，则退出当前帧图像处理，并由视频图像数据流中选取当前帧图像的下一帧图像为新的当前帧图像返回步骤2操作；
步骤3.3、对ImgT中每个像素单元的明度分量ImgVT进行均值滤波降噪处理，初步消除局部微量噪声的干扰影响，经过本步骤获得的图像表示为
步骤4、计算图像栅格区域的清晰度特征
步骤4.1、对进行图像模糊处理，经过本步骤获得的图像表示为
步骤4.2、将划分为M*N个尺寸基本一致的栅格，M和N分别表示图像水平方向和垂直方向上栅格区域块的个数，每个栅格区域块表示为ImgB(m,n)，m表示栅格块的横向索引位置，m取值范围为[0,M-1]；n表示栅格块的纵向索引位置，n取值范围为[0,N-1]；
步骤4.3、遍历计算每个栅格区域块ImgB(m,n)在图像和图像对应位置区域之间的梯度差异数值GvalB(m,n)；
GvalB(m,n)＝abs(GvalBfilter(m,n)-GvalBblur(m,n)) (2)
其中：GvalBfilter(m,n)为ImgB(m,n)区域在图像对应位置的梯度指标数值；
GvalBblur(m,n)为ImgB(m,n)区域在图像对应位置的梯度指标数值；
步骤5、修正部分栅格区域的清晰度特征
步骤5.1、遍历计算栅格区域块ImgB(m,n)在ImgVT对应区域内全部像素单元的灰阶均值ImgBvm，若该ImgB(m,n)区域对应ImgVT灰阶均值ImgBvm低于20或者超过235，则认为该ImgB(m,n)属于亮度过暗或者亮度过亮的栅格区域块，不适合参与当前帧图像的模糊程度评估；同时，将该ImgB(m,n)对应的GvalB(m,n)数值进行置零操作；
步骤5.2、运动目标检测
步骤5.2.1、取当前帧的前一帧视频图像标记为ImgT-1并采用步骤2计算ImgT-1中每个像素单元的ImgVT-1，使用帧差法计算每个像素单元的ImgVT和ImgVT-1的绝对差值Img_dif0；
即：Img_dif0＝abs(ImgVT–ImgVT-1) (3)
步骤5.2.2、采用运动阈值Thr_motion来对Img_dif0进行修正处理，消除噪声以及微小幅度运动的干扰，修正结果表示为Img_dif1：
即：Img_dif1＝max(0,Img_dif0-Thr_motion) (4)
步骤5.2.3、对Img_dif1进行二值化处理，且二值化处理阈值为1，二值化处理结果为：Img_difbin＝max(Img_dif1,1)；
步骤5.2.4、遍历计算每个栅格区域块ImgB(m,n)内的所有像素单元的Img_difbin，如果该ImgB(m,n)区域内对应Img_difbin数值为1的像素单元个数超过1/3，则认为该ImgB(m,n)属于运动目标存在的栅格区域，并且将该ImgB(m,n)在ImgT-1中计算获得的GvalB(m,n)数值覆盖ImgT中对应区域的GvalB(m,n)计算数值，如果该ImgB(m,n)区域内对应Img_difbin数值为1的像素单元个数不超过1/3，则直接进入步骤6；
步骤6、挑选图像栅格区域的清晰度特征
步骤6.1、采用降序排序法对当前帧中M*N个GvalB(m,n)数据进行排序，对GvalB(m,n)进行降序排序之后，选取数值较大的前5个数值GvalB(x0,y0)、GvalB(x1,y1)、GvalB(x2,y2)、GvalB(x3,y3)、GvalB(x4,y4)，栅格块对应的区域位置分别表示为ImgB(x0,y0)、ImgB(x1,y1)、ImgB(x2,y2)、ImgB(x3,y3)、ImgB(x4,y4)，其中x0，x1，x2，x3，x4取值范围为[0,M-1]；y0，y1，y2，y3，y4取值范围为[0,N-1]；
步骤6.2、将进行二次模糊处理，二次模糊处理获得的图像表示为然后计算ImgB(x0,y0)、ImgB(x1,y1)、ImgB(x2,y2)、ImgB(x3,y3)、ImgB(x4,y4)在图像对应位置的梯度指标数值，依次表示为：GvalBblur2(x0,y0)、GvalBblur2(x1,y1)、GvalBblur2(x2,y2)、GvalBblur2(x3,y3)、GvalBblur2(x4,y4)；
步骤6.3、计算当前图像整体的清晰度指标GvalImg，计算公式如下：
其中：
gmax表示清晰度计算阈值，这里取值5.0；
xi取值范围为[0,M-1]；
yi取值范围为[0,N-1]；
i取值0～4之间整数；
步骤7、根据清晰度指标GvalImg数值进行模糊等级预警预报：
根据公式6判断当前清晰度并进行模糊等级预警预报。
2.根据权利要求1所述的一种基于图像局部栅格的雨雪环境画面模糊监测预警方法，其特征在于，VmeanMin,VmeanMax的取值分别为30和225。
3.根据权利要求1所述的一种基于图像局部栅格的雨雪环境画面模糊监测预警方法，其特征在于，步骤3.3中采用的均值滤波窗口大小为3x3。
4.根据权利要求1所述的一种基于图像局部栅格的雨雪环境画面模糊监测预警方法，其特征在于，步骤4.1中模糊处理采用的是均值滤波函数的方式，窗口大小为9x9，首先采用积分图的方式计算对应的积分图，然后使用积分图的方式计算模糊处理结果图像，最终获得
5.根据权利要求1所述的一种基于图像局部栅格的雨雪环境画面模糊监测预警方法，其特征在于，M和N取值范围为4～16。
6.根据权利要求5所述的一种基于图像局部栅格的雨雪环境画面模糊监测预警方法，其特征在于，步骤1中摄像机前端采集的视频图像数据流具体为由分辨率为1080P的多帧连续的图像构成的，特别的M和N取值分别为10和6。
7.根据权利要求1所述的一种基于图像局部栅格的雨雪环境画面模糊监测预警方法，其特征在于，步骤4.3中采用Sobel算子进行梯度信息计算，Sobel算子包含两组3x3的矩阵，分别表示为横向检测算子Gx及纵向检测算子Gy，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值；
GvalBfilter(m,n)为ImgB(m,n)在对应区域内全部像素单元对应的横向梯度绝对值以及纵向梯度绝对值之和；
GvalBblur(m,n)为ImgB(m,n)在对应区域内全部像素单元对应的横向梯度绝对值以及纵向梯度绝对值之和。
8.根据权利要求1所述的一种基于图像局部栅格的雨雪环境画面模糊监测预警方法，其特征在于，步骤6中降序排序法为冒泡排序、希尔排序、插入排序中任一一种。
9.根据权利要求1所述的一种基于图像局部栅格的雨雪环境画面模糊监测预警方法，其特征在于，步骤5.2中Thr_motion取值区间为10～20。
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时可实现权利要求1～9任一项所述的方法。
CN201811207216.XA 2018-10-17 2018-10-17 一种基于图像局部栅格的雨雪环境画面模糊监测预警方法 Active CN109359593B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811207216.XA CN109359593B (zh) 2018-10-17 2018-10-17 一种基于图像局部栅格的雨雪环境画面模糊监测预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811207216.XA CN109359593B (zh) 2018-10-17 2018-10-17 一种基于图像局部栅格的雨雪环境画面模糊监测预警方法

Publications (2)

Publication Number Publication Date
CN109359593A true CN109359593A (zh) 2019-02-19
CN109359593B CN109359593B (zh) 2020-07-31

Family

ID=65349380

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811207216.XA Active CN109359593B (zh) 2018-10-17 2018-10-17 一种基于图像局部栅格的雨雪环境画面模糊监测预警方法

Country Status (1)

Country Link
CN (1) CN109359593B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110874825A (zh) * 2019-10-29 2020-03-10 南昌大学 一种复合绝缘子表面水迹二值图像提取方法
CN114339045A (zh) * 2021-12-30 2022-04-12 京东方科技集团股份有限公司 图像处理系统和显示装置
CN114782561A (zh) * 2022-06-17 2022-07-22 山东浩坤润土水利设备有限公司 基于大数据的智慧农业云平台监控系统
CN114802107A (zh) * 2021-01-22 2022-07-29 上海汽车集团股份有限公司 一种智能雨刮控制方法及装置
CN116071657A (zh) * 2023-03-07 2023-05-05 青岛旭华建设集团有限公司 一种建筑施工视频监控大数据的智能预警系统
CN117676093A (zh) * 2023-12-19 2024-03-08 苏州伟卓奥科三维科技有限公司 一种基于云服务的远程无线视频监控系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104021527A (zh) * 2014-06-10 2014-09-03 北京邮电大学 一种图像中雨雪的去除方法
CN105046677A (zh) * 2015-08-27 2015-11-11 安徽超远信息技术有限公司 一种用于交通视频图像的增强处理方法和装置
CN105931198A (zh) * 2016-04-14 2016-09-07 西安工程大学 一种基于小波变换的覆冰绝缘子图像增强方法
CN106097259A (zh) * 2016-05-27 2016-11-09 安徽超远信息技术有限公司 一种基于透射率优化技术的雾天图像快速重建方法
CN106960418A (zh) * 2016-01-11 2017-07-18 安鹤男 视频图像中雨雪去除的算法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104021527A (zh) * 2014-06-10 2014-09-03 北京邮电大学 一种图像中雨雪的去除方法
CN105046677A (zh) * 2015-08-27 2015-11-11 安徽超远信息技术有限公司 一种用于交通视频图像的增强处理方法和装置
CN106960418A (zh) * 2016-01-11 2017-07-18 安鹤男 视频图像中雨雪去除的算法
CN105931198A (zh) * 2016-04-14 2016-09-07 西安工程大学 一种基于小波变换的覆冰绝缘子图像增强方法
CN106097259A (zh) * 2016-05-27 2016-11-09 安徽超远信息技术有限公司 一种基于透射率优化技术的雾天图像快速重建方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110874825A (zh) * 2019-10-29 2020-03-10 南昌大学 一种复合绝缘子表面水迹二值图像提取方法
CN114802107A (zh) * 2021-01-22 2022-07-29 上海汽车集团股份有限公司 一种智能雨刮控制方法及装置
CN114339045A (zh) * 2021-12-30 2022-04-12 京东方科技集团股份有限公司 图像处理系统和显示装置
CN114339045B (zh) * 2021-12-30 2024-06-07 京东方科技集团股份有限公司 图像处理系统和显示装置
CN114782561A (zh) * 2022-06-17 2022-07-22 山东浩坤润土水利设备有限公司 基于大数据的智慧农业云平台监控系统
CN116071657A (zh) * 2023-03-07 2023-05-05 青岛旭华建设集团有限公司 一种建筑施工视频监控大数据的智能预警系统
CN117676093A (zh) * 2023-12-19 2024-03-08 苏州伟卓奥科三维科技有限公司 一种基于云服务的远程无线视频监控系统

Also Published As

Publication number Publication date
CN109359593B (zh) 2020-07-31

Similar Documents

Publication Publication Date Title
CN109359593A (zh) 一种基于图像局部栅格的雨雪环境画面模糊监测预警方法
CN106296612B (zh) 一种图像质量评价和天气状况引导的分级式监控视频清晰化系统及方法
CN110490914B (zh) 一种基于亮度自适应和显著性检测的图像融合方法
CN107256225B (zh) 一种基于视频分析的热度图生成方法及装置
CN112800860B (zh) 一种事件相机和视觉相机协同的高速抛撒物检测方法和系统
CN103839085B (zh) 一种列车车厢异常人群密度的检测方法
CN107622258A (zh) 一种结合静态底层特征和运动信息的快速行人检测方法
CN104978567B (zh) 基于场景分类的车辆检测方法
CN103034862A (zh) 基于特征信息分类的道路雨雪状态自动识别方法
CN111860120B (zh) 车载相机自动遮挡检测方法和装置
CN112396635B (zh) 一种基于多设备的复杂环境下多目标检测方法
CN108038432A (zh) 一种基于光流计数的公交人流统计方法及系统
CN109635720A (zh) 基于视频主动监控的非法占道实时检测方法
CN107784258A (zh) 地铁人流密度实时监测方法
CN107563985A (zh) 一种红外图像空中运动目标的检测方法
Choeychuen Available car parking space detection from webcam by using adaptive mixing features
CN112001299A (zh) 一种隧道车指器和照明灯故障识别方法
CN114429596A (zh) 一种流量统计方法、装置、电子设备及存储介质
CN114708532A (zh) 一种监控视频质量评估方法、系统及存储介质
CN103489012A (zh) 一种基于支持向量机的人群密集度检测方法及系统
CN109711313B (zh) 一种识别向河道内倾倒污水的实时视频监控方法
CN104299234B (zh) 视频数据中雨场去除的方法和系统
CN106056078A (zh) 一种基于多特征回归式集成学习的人群密度估计方法
CN1556506A (zh) 视频监控系统的智能化报警处理方法
CN117636268A (zh) 一种面向冰雪环境的无人机航拍自然驾驶数据集构建方法

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