CN110555871B - 一种监控视频自动配准的方法和装置 - Google Patents
一种监控视频自动配准的方法和装置 Download PDFInfo
- Publication number
- CN110555871B CN110555871B CN201910798353.3A CN201910798353A CN110555871B CN 110555871 B CN110555871 B CN 110555871B CN 201910798353 A CN201910798353 A CN 201910798353A CN 110555871 B CN110555871 B CN 110555871B
- Authority
- CN
- China
- Prior art keywords
- image
- cross arrow
- point
- arrow
- step change
- 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
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000012544 monitoring process Methods 0.000 title claims abstract description 16
- 230000008859 change Effects 0.000 claims abstract description 86
- 238000001914 filtration Methods 0.000 claims abstract description 80
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 47
- 238000005286 illumination Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims description 14
- 230000015572 biosynthetic process Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 238000003786 synthesis reaction Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 6
- 230000001131 transforming effect Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 235000002566 Capsicum Nutrition 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
Images
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
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种远程监控视频自动配准的方法和装置，该方法包括：在摄像头监控的场景中预先设置十字箭头；基于十字箭头样本数据库，通过特征相关算法提取十字箭头的帧图像；将十字箭头的马克线图像的矢量和V的值构成单值模板，通过中值滤波算法对十字箭头进行去噪；通过同态滤波算法分别对十字箭头的照度分量和反射分量进行同态滤波以去除不均匀光照；对十字箭头的马克线图像进行横向线扫描和纵向线扫描以确定横向灰度的阶跃变化点和纵向灰度的阶跃变化点，从而确定十字箭头的中心点；基于十字箭头中心点的坐标对相关的帧图像进行自动配准，以合成高清视频。该方法的图像处理效率高，且视频配准精度好。
Description
技术领域
本申请涉及视频配准领域，具体涉及一种远程监控视频自动配准的方法和装置。
背景技术
远程视频监控系统在目前的城市建设中已得到广泛的应用，但由于受到城市复杂环境与日常天气的影响，摄像头在做远程监控的过程中经常出现图像抖动、人物模糊和拍摄不清等情况，因此就需要对视频图像进行自动配准。
图像配准就是将不同时间、不同传感器(成像设备)或不同条件下(天候、照度、摄像位置和角度等)获取的两幅或多幅图像进行匹配、叠加的过程，它已经被广泛地应用于遥感数据分析、计算机视觉、图像处理等领域。现有图像视频配准方法多从图像中主动寻找自由特征进行配准，但处理效率低，配准精度不稳定，因此研发一种高效且配准稳定的远程监控视频自动配准方法是非常有必要的。
发明内容
本申请的目的在于提出了一种改进的远程监控视频自动配准的方法和装置，来解决以上背景技术部分提到的视频配准效率低和配准精度不稳定的技术问题。
根据本申请的第一方面，本申请提供了一种远程监控视频自动配准的方法，该方法包括：采集步骤，基于十字箭头样本数据库，通过特征相关算法对摄像头所采集的视频信息的帧图像进行全图区域内搜索，自动识别视域内的十字箭头，并剔除偏离十字箭头位置过远的帧图像，提取相关的帧图像，实现初步预定位；中值滤波步骤，截取十字箭头的图像，并将十字箭头的马克线图像通过矢量合成得到R、G、B值的矢量和
然后以矢量和V的值构成单值模板，再通过中值滤波算法对十字箭头的区域进行去噪，同时保护图像边缘；同态滤波步骤，设置十字箭头的马克线图像f(x,y)＝i(x,y)*r(x,y)，其中i(x,y)为照度分量，r(x,y)为反射分量的乘积，通过同态滤波算法分别对照度分量i(x,y)和反射分量r(x,y)进行同态滤波，以去除由于光照不均而引起的RGB值不均匀现象；多线检测步骤，对十字箭头的马克线图像进行横向线扫描和纵向线扫描以获得横向灰度变化值和纵向灰度变化值，确定横向灰度的阶跃变化点和纵向灰度的阶跃变化点，从而将同时存在横向阶跃变化和纵向阶跃变化的点确定为十字箭头的中心点，实现十字箭头的精确定位；配准步骤，基于十字箭头中心点的坐标对相关的帧图像进行自动配准，以合成高清视频。
在一些实施例中，通过中值滤波算法对十字箭头的区域进行去噪，具体步骤包括：设置十字箭头区域的任意一点为A(x，y)，将点A(x，y)为中心的的小窗口内所有像素的灰度值按从大到小的顺序排列，若窗口中有奇数个像素，则以其中的中间值作为点A(x，y)的灰度值，若窗口中有偶数个像素，则取两个中间值的平均值作为点A(x，y)的灰度值。通过中值滤波可保护图像边缘，同时去除图像的椒盐噪声。
在一些实施例中，通过同态滤波算法分别对照度分量i(x,y)和反射分量r(x,y)进行同态滤波，具体步骤包括：对式子f(x,y)＝r(x,y)*i(x,y)两边取对数以及进行傅里叶变换，得到F(u,v)＝I(u,v)+R(u,v)，然后用巴特沃斯高通滤波器设用一个频域函数H(u,v)＝R1+R2/{1+[Do/D(u,v)]2n}，其中Do为截止频率，D(u,v)＝(u2+v2)0.5，R1、R2为可调参数且R1<1，R1+R2>1；用频域函数H(u,v)处理函数F(u,v)得H(u,v)F(u,v)＝H(u,v)I(u,v)+H(u,v)R(u,v)，然后经反变换到空域可得hf(x,y)＝hi(x,y)+hr(x,y)，再将两边取对数得g(x,y)＝exp|hf(x,y)|＝exp|hi(x,y)|*exp|hr(x,y)。如此，即可完成同态滤波，避免因拍摄光照不均导致的图片RGB值不均匀。
在一些实施例中，设置十字箭头的马克线图像f(x,y)＝i(x,y)*r(x,y)，其中i(x,y)为照度分量，r(x,y)为反射分量的乘积，通过同态滤波算法分别对照度分量i(x,y)和反射分量r(x,y)进行同态滤波，以去除由于光照不均而引起的RGB值不均匀现象，还包括：十字箭头的马克线图像为灰度图像时，对灰度图像直接进行同态滤波；十字箭头的马克线图像为彩色图像时，对彩色图像进行快速HSI彩色空间变换后，再对彩色图像进行同态滤波。
在一些实施例中，快速HSI彩色空间变换的具体步骤包括：将十字箭头图像分解为色度H、饱和度S和亮度I 3个通道，并对十字箭头图像的色度通道或饱和度通道或亮度通道单独进行处理，或对多个通道同时进行处理，再将色度H、饱和度S和亮度I 3个通道合并成为新的图像，以便于实现彩色图像的同态滤波。
在一些实施例中，确定横向灰度的阶跃变化点和纵向灰度的阶跃变化点，从而将同时存在横向阶跃变化和纵向阶跃变化的点确定为十字箭头的中心点，具体步骤包括：对十字箭头图像进行RGB-HSI变换，以亮度I来判断像素点的灰度深浅，同时对像素点的阶跃变化进行判断，其中同时存在横向阶跃变化和纵向阶跃变化的点即为十字箭头的中心点，以实现对十字箭头图像的精确定位。
根据本申请的第二方面，本申请提供了一种远程监控视频自动配准的装置，该装置包括：采集模块，配置用于基于十字箭头样本数据库，通过特征相关算法对摄像头所采集的视频信息的帧图像进行全图区域内搜索，自动识别视域内的十字箭头，并剔除偏离十字箭头位置过远的帧图像，提取相关的帧图像；中值滤波模块，配置用于截取十字箭头的图像，并将十字箭头的马克线图像通过矢量合成得到R、G、B值的矢量和
然后以矢量和V的值构成单值模板，再通过中值滤波算法对十字箭头的区域进行去噪；同态滤波模块，配置用于设置十字箭头的马克线图像f(x,y)＝i(x,y)*r(x,y)，其中i(x,y)为照度分量，r(x,y)为反射分量的乘积，通过同态滤波算法分别对照度分量i(x,y)和反射分量r(x,y)进行同态滤波，以去除由于光照不均而引起的RGB值不均匀现象；多线检测模块，配置用于对十字箭头的马克线图像进行横向线扫描和纵向线扫描以获得横向灰度变化值和纵向灰度变化值，确定横向灰度的阶跃变化点和纵向灰度的阶跃变化点，从而将同时存在横向阶跃变化和纵向阶跃变化的点确定为十字箭头的中心点；配准模块，配置用于基于中心点的坐标对相关的帧图像进行自动配准，以合成高清视频。
在一些实施例中，该装置还包括：快速HSI彩色空间变换模块，配置用于将十字箭头图像分解为色度H、饱和度S和亮度I 3个通道，并对十字箭头图像的色度通道或饱和度通道或亮度通道单独进行处理，或对多个通道同时进行处理，再将色度H、饱和度S和亮度I 3个通道合并成为新的图像，以便于实现彩色图像的同态滤波。
在一些实施例中，该装置还包括：精确定位模块，配置用于对十字箭头图像进行RGB-HSI变换，以亮度I来判断像素点的灰度深浅，同时对像素点的阶跃变化进行判断，其中同时存在横向阶跃变化和纵向阶跃变化的点即为十字箭头的中心点，以实现对十字箭头图像的精确定位。
根据本申请的第三方面，本申请提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请提供的远程监控视频自动配准的方法和装置，通过在摄像头监控的场景中预先设置十字箭头，以特征相关算法提取十字箭头的帧图像，然后通过中值滤波算法对十字箭头进行去噪，并通过同态滤波算法分别对十字箭头的照度分量和反射分量进行同态滤波以去除不均匀光照，再对十字箭头的马克线图像进行横向线扫描和纵向线扫描以确定横向灰度的阶跃变化点和纵向灰度的阶跃变化点，从而确定十字箭头的中心点，最后基于十字箭头中心点的坐标对相关的帧图像进行自动配准，以合成高清视频。该方法的图像处理效率高，且视频配准精度好。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的远程监控视频自动配准的方法的一个实施例的流程图；
图3是根据本申请的远程监控视频自动配准的装置的一个实施例的结构示意图；
图4是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请实施例的远程监控视频自动配准的方法的示例性系统架构100。
如图1所示，系统架构100可以包括数据服务器101，网络102和主服务器103。网络102用以在数据服务器101和主服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
主服务器103可以是提供各种服务的服务器，例如对数据服务器101上传的信息进行处理的数据处理服务器。数据处理服务器可以对接收的事件信息进行处理，并将处理结果(例如要素信息集合、标签)关联存储到事件信息库中。
需要说明的是，本申请实施例所提供的远程监控视频自动配准的方法一般由主服务器103执行，相应地，远程监控视频自动配准的装置一般设置于主服务器103中。
需要说明的是，数据服务器和主服务器可以是硬件，也可以是软件。当为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。
应该理解，图1中的数据服务器、网络和主服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，其示出了根据本申请的远程监控视频自动配准的方法的一个实施例的流程200。该方法包括以下步骤：
步骤201，采集步骤，基于十字箭头样本数据库，通过特征相关算法对摄像头所采集的视频信息的帧图像进行全图区域内搜索，自动识别视域内的十字箭头，并剔除偏离十字箭头位置过远的帧图像，提取相关的帧图像。
在本实施例中，提前在远程高清监控视频可视范围内张贴多个反光材料制成十字箭头魔术贴，基于箭头样本图片数据库，采用特征相关算法进行全图区域内搜索，实现视域内十字箭头的自动识别，再剔除偏离十字箭头太远的虚警目标，确定每帧图像中与前几帧图像相关联的十字箭头。
步骤202，中值滤波步骤，截取十字箭头的图像，并将十字箭头的马克线图像通过矢量合成得到R、G、B值的矢量和
然后以矢量和V的值构成单值模板，再通过中值滤波算法对十字箭头的区域进行去噪。
具体地，矢量合成由于要进行平方处理，数据的类型不得不注意其取值范围，因此R、G、B值分别可以用unsigned char类型定义，但V值必须用long类型定义，而且参与运算的R、G、B值也需要是long类型的数才能保证计算不出错。
在本实施例中，通过中值滤波算法对十字箭头的区域进行去噪，具体步骤包括：设置十字箭头区域的任意一点为A(x，y)，将点A(x，y)为中心的的小窗口内所有像素的灰度值按从大到小的顺序排列，若窗口中有奇数个像素，则以其中的中间值作为点A(x，y)的灰度值，若窗口中有偶数个像素，则取两个中间值的平均值作为点A(x，y)的灰度值。
步骤203，同态滤波步骤，设置十字箭头的马克线图像f(x,y)＝i(x,y)*r(x,y)，其中i(x,y)为照度分量，r(x,y)为反射分量的乘积，通过同态滤波算法分别对照度分量i(x,y)和反射分量r(x,y)进行同态滤波，以去除由于光照不均而引起的RGB值不均匀现象。
具体地，图像在摄取过程中，最理想的情况是形成图像光电信号的光源照度为常数，但实际上光源照度多为一个变数。另外在图像信号分析时，一般都假设噪声与信号是互不相关彼此独立的，而实际上这二者之间存在着相关性。因照度的变数特性以及噪声与信号的相关性直接影响着信号处理的效果，所以需要用非线性滤波器—同态滤波对其进行处理。
在本实施例中，通过同态滤波算法分别对照度分量i(x,y)和反射分量r(x,y)进行同态滤波，具体步骤包括：对式子f(x,y)＝r(x,y)*i(x,y)两边取对数以及进行傅里叶变换，得到F(u,v)＝I(u,v)+R(u,v)，然后用巴特沃斯高通滤波器设用一个频域函数H(u,v)＝R1+R2/{1+[Do/D(u,v)]2n}，其中Do为截止频率，D(u,v)＝(u2+v2)0.5，R1、R2为可调参数且R1<1，R1+R2>1；用频域函数H(u,v)处理函数F(u,v)得H(u,v)F(u,v)＝H(u,v)I(u,v)+H(u,v)R(u,v)，然后经反变换到空域可得hf(x,y)＝hi(x,y)+hr(x,y)，再将两边取对数得g(x,y)＝exp|hf(x,y)|＝exp|hi(x,y)|*exp|hr(x,y)|。
在本实施例中，设置十字箭头的马克线图像f(x,y)＝i(x,y)*r(x,y)，其中i(x,y)为照度分量，r(x,y)为反射分量的乘积，通过同态滤波算法分别对照度分量i(x,y)和反射分量r(x,y)进行同态滤波，以去除由于光照不均而引起的RGB值不均匀现象，还包括：十字箭头的马克线图像为灰度图像时，对灰度图像直接进行同态滤波；十字箭头的马克线图像为彩色图像时，对彩色图像进行快速HSI彩色空间变换后，再对彩色图像进行同态滤波。
具体地，快速HSI彩色空间变换的具体步骤包括：将十字箭头图像分解为色度H、饱和度S和亮度I 3个通道，并对十字箭头图像的色度通道或饱和度通道或亮度通道单独进行处理，或对多个通道同时进行处理，再将色度H、饱和度S和亮度I 3个通道合并成为新的图像。
步骤204，多线检测步骤，对十字箭头的马克线图像进行横向线扫描和纵向线扫描以获得横向灰度变化值和纵向灰度变化值，确定横向灰度的阶跃变化点和纵向灰度的阶跃变化点，从而将同时存在横向阶跃变化和纵向阶跃变化的点确定为十字箭头的中心点。
在本实施例中，确定横向灰度的阶跃变化点和纵向灰度的阶跃变化点，从而将同时存在横向阶跃变化和纵向阶跃变化的点确定为十字箭头的中心点，具体步骤包括：对十字箭头图像进行RGB-HSI变换，以亮度I来判断像素点的灰度深浅，同时对像素点的阶跃变化进行判断，其中同时存在横向阶跃变化和纵向阶跃变化的点即为十字箭头的中心点，以实现对十字箭头图像的精确定位。
在本实施例的一些可选的实现方式中，确定十字箭头的中心点具体包括：在图像上分别进行横向扫描和纵向扫描，通过遍历搜索找出与背景色不同的阶跃像素点，输出它们的具体坐标，然后以检测函数对阶跃像素点的值进行判断，其中像素点值最深的区域即为马克线坐标区域，再通过求取马克线X方向和Y方向中心点值即可对十字箭头进行精确定位。对于坐标求取方法，可在程序中设置扫描模板进行单次扫描横坐标，扫描模板包含N*1个像素，若在并排的N个元素点当中有N-3个点符合颜色深度要求即认为找到该颜色马克线的位置，记为坐标X1，同样只要其中有N-1个点不符合要求即认为已离开该颜色马克线的位置，记为坐标X2，依此获得每次扫描的马克线宽度W＝X2-X1。如果宽度满足一定范围要求即认为找到马克线，该次扫描有效，马克线坐标中心点坐标X0＝(X2+X1)/2。列坐标Y的求取方法与此相同，此处不再赘述。依据马克线在图像上展示的宽度，可设定N值，这里设定为5。以上做法可避免各种噪声干扰而造成的错误判断。同时，通过单次扫描的方法所查找的点数有限，很可能存在定位误差，因此在该方法的基础上，通过统计概率的思想进行多次扫描求取平均数来实现精确定位。首先设置扫描间隔K，K值设定与图像长宽大小有关，确保扫描行(列)覆盖整个图像区域。多次扫描查找多行、多列求取Y方向、X方向坐标，去掉最大、最小值，再求取平均数，从而确定最终坐标值。
步骤205，配准步骤，基于十字箭头中心点的坐标对相关的帧图像进行自动配准，以合成高清视频。
在本实施例的一些可选的实现方式中，根据箭头图像的自动识别与初定位结果得到箭头图像的初步坐标位置(X1，Y1)，再通过图像精确定位得到箭头坐标偏移量(x2，y2)，由此可知图像中箭头坐标为(X1+x2，Y1+y2)。假设基准图像中箭头基准坐标位置为(X0、Y0)，则用于图像配准的偏移量公式如下：ΔX＝X1+x2-X0,ΔY＝Y1+y2-Y0。
其中，(ΔX，ΔY)为该帧图像每个像元的偏移量，通过图像平移即可得到最终配准结果。针对帧图像配准后的结果进行高清视频合成，即可看到清晰不晃动的视频成像效果。
本申请实施例提供的远程监控视频自动配准的方法和装置，通过在摄像头监控的场景中预先设置十字箭头，以特征相关算法提取十字箭头的帧图像，然后通过中值滤波算法对十字箭头进行去噪，并通过同态滤波算法分别对十字箭头的照度分量和反射分量进行同态滤波以去除不均匀光照，再对十字箭头的马克线图像进行横向线扫描和纵向线扫描以确定横向灰度的阶跃变化点和纵向灰度的阶跃变化点，从而确定十字箭头的中心点，最后基于十字箭头中心点的坐标对相关的帧图像进行自动配准，以合成高清视频。该方法的图像处理效率高，且视频配准精度好。
进一步参考图3，作为对上述各图所示方法的实现，本申请提供了一种远程监控视频自动配准的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图3所示，本实施例的远程监控视频自动配准的装置300包括：采集模块301，配置用于基于十字箭头样本数据库，通过特征相关算法对摄像头所采集的视频信息的帧图像进行全图区域内搜索，自动识别视域内的十字箭头，并剔除偏离十字箭头位置过远的帧图像，提取相关的帧图像；中值滤波模块302，配置用于截取十字箭头的图像，并将十字箭头的马克线图像通过矢量合成得到R、G、B值的矢量和
然后以矢量和V的值构成单值模板，再通过中值滤波算法对十字箭头的区域进行去噪；同态滤波模块303，配置用于设置十字箭头的马克线图像f(x,y)＝i(x,y)*r(x,y)，其中i(x,y)为照度分量，r(x,y)为反射分量的乘积，通过同态滤波算法分别对照度分量i(x,y)和反射分量r(x,y)进行同态滤波，以去除由于光照不均而引起的RGB值不均匀现象；多线检测模块304，配置用于对十字箭头的马克线图像进行横向线扫描和纵向线扫描以获得横向灰度变化值和纵向灰度变化值，确定横向灰度的阶跃变化点和纵向灰度的阶跃变化点，从而将同时存在横向阶跃变化和纵向阶跃变化的点确定为十字箭头的中心点；配准模块305，配置用于基于中心点的坐标对相关的帧图像进行自动配准，以合成高清视频。
在本实施例中，中值滤波模块302配置用于截取十字箭头的图像，并将十字箭头的马克线图像通过矢量合成得到R、G、B值的矢量和
然后以矢量和V的值构成单值模板，再通过中值滤波算法对十字箭头的区域进行去噪。其中，通过中值滤波算法对十字箭头的区域进行去噪，具体步骤包括：设置十字箭头区域的任意一点为A(x，y)，将点A(x，y)为中心的的小窗口内所有像素的灰度值按从大到小的顺序排列，若窗口中有奇数个像素，则以其中的中间值作为点A(x，y)的灰度值，若窗口中有偶数个像素，则取两个中间值的平均值作为点A(x，y)的灰度值。
在本实施例中，同态滤波模块303配置用于设置十字箭头的马克线图像f(x,y)＝i(x,y)*r(x,y)，其中i(x,y)为照度分量，r(x,y)为反射分量的乘积，通过同态滤波算法分别对照度分量i(x,y)和反射分量r(x,y)进行同态滤波，以去除由于光照不均而引起的RGB值不均匀现象。其中，通过同态滤波算法分别对照度分量i(x,y)和反射分量r(x,y)进行同态滤波，具体步骤包括：对式子f(x,y)＝r(x,y)*i(x,y)两边取对数以及进行傅里叶变换，得到F(u,v)＝I(u,v)+R(u,v)，然后用巴特沃斯高通滤波器设用一个频域函数H(u,v)＝R1+R2/{1+[Do/D(u,v)]2n}，其中Do为截止频率，D(u,v)＝(u2+v2)0.5，R1、R2为可调参数且R1<1，R1+R2>1；用频域函数H(u,v)处理函数F(u,v)得H(u,v)F(u,v)＝H(u,v)I(u,v)+H(u,v)R(u,v)，然后经反变换到空域可得hf(x,y)＝hi(x,y)+hr(x,y)，再将两边取对数得g(x,y)＝exp|hf(x,y)|＝exp|hi(x,y)|*exp|hr(x,y)|。
具体地，设置十字箭头的马克线图像f(x,y)＝i(x,y)*r(x,y)，其中i(x,y)为照度分量，r(x,y)为反射分量的乘积，通过同态滤波算法分别对照度分量i(x,y)和反射分量r(x,y)进行同态滤波，以去除由于光照不均而引起的RGB值不均匀现象，还包括：十字箭头的马克线图像为灰度图像时，对灰度图像直接进行同态滤波；十字箭头的马克线图像为彩色图像时，对彩色图像进行快速HSI彩色空间变换后，再对彩色图像进行同态滤波。
在本实施例中，多线检测模块304配置用于对十字箭头的马克线图像进行横向线扫描和纵向线扫描以获得横向灰度变化值和纵向灰度变化值，确定横向灰度的阶跃变化点和纵向灰度的阶跃变化点，从而将同时存在横向阶跃变化和纵向阶跃变化的点确定为十字箭头的中心点。
在本实施例中，配准模块305配置用于基于中心点的坐标对相关的帧图像进行自动配准，以合成高清视频。
在本实施例的一些可选的实现方式中，该装置300还可以包括：快速HSI彩色空间变换模块，配置用于将十字箭头图像分解为色度H、饱和度S和亮度I 3个通道，并对十字箭头图像的色度通道或饱和度通道或亮度通道单独进行处理，或对多个通道同时进行处理，再将色度H、饱和度S和亮度I 3个通道合并成为新的图像。
在本实施例的一些可选的实现方式中，该装置300还可以包括：精确定位模块，配置用于对十字箭头图像进行RGB-HSI变换，以亮度I来判断像素点的灰度深浅，同时对像素点的阶跃变化进行判断，其中同时存在横向阶跃变化和纵向阶跃变化的点即为十字箭头的中心点，以实现对十字箭头图像的精确定位。
具体地，根据箭头图像的自动识别与初定位结果得到箭头图像的初步坐标位置(X1，Y1)，再通过图像精确定位得到箭头坐标偏移量(x2，y2)，由此可知图像中箭头坐标为(X1+x2，Y1+y2)。假设基准图像中箭头基准坐标位置为(X0、Y0)，则用于图像配准的偏移量公式如下：ΔX＝X1+x2-X0,ΔY＝Y1+y2-Y0。
其中，(ΔX，ΔY)为该帧图像每个像元的偏移量，通过图像平移即可得到最终配准结果。针对帧图像配准后的结果进行高清视频合成，即可看到清晰不晃动的视频成像效果。
本申请的上述实施例提供的装置，通过在摄像头监控的场景中预先设置十字箭头，以特征相关算法提取十字箭头的帧图像，然后通过中值滤波算法对十字箭头进行去噪，并通过同态滤波算法分别对十字箭头的照度分量和反射分量进行同态滤波以去除不均匀光照，再对十字箭头的马克线图像进行横向线扫描和纵向线扫描以确定横向灰度的阶跃变化点和纵向灰度的阶跃变化点，从而确定十字箭头的中心点，最后基于十字箭头中心点的坐标对相关的帧图像进行自动配准，以合成高清视频。该方法的图像处理效率高，且视频配准精度好。
下面参考图4，其示出了适于用来实现本申请实施例的电子设备的计算机系统400的结构示意图。图4示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图4所示，计算机系统400包括中央处理单元(CPU)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有系统400操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
以下部件连接至I/O接口405：包括键盘、鼠标等的输入部分406；包括诸如液晶显示器(LCD)等以及扬声器等的输出部分407；包括硬盘等的存储部分408；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入存储部分408。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元(CPU)401执行时，执行本申请的方法中限定的上述功能。
需要说明的是，本申请所述的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质，该计算机可读存储介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
作为另一方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：基于十字箭头样本数据库，通过特征相关算法对摄像头所采集的视频信息的帧图像进行全图区域内搜索，自动识别视域内的十字箭头，并剔除偏离十字箭头位置过远的帧图像，提取相关的帧图像；截取十字箭头的图像，并将十字箭头的马克线图像通过矢量合成得到R、G、B值的矢量和
然后以矢量和V的值构成单值模板，再通过中值滤波算法对十字箭头的区域进行去噪；设置十字箭头的马克线图像f(x,y)＝i(x,y)*r(x,y)，其中i(x,y)为照度分量，r(x,y)为反射分量的乘积，通过同态滤波算法分别对照度分量i(x,y)和反射分量r(x,y)进行同态滤波，以去除由于光照不均而引起的RGB值不均匀现象；对十字箭头的马克线图像进行横向线扫描和纵向线扫描以获得横向灰度变化值和纵向灰度变化值，确定横向灰度的阶跃变化点和纵向灰度的阶跃变化点，从而将同时存在横向阶跃变化和纵向阶跃变化的点确定为十字箭头的中心点；基于十字箭头中心点的坐标对相关的帧图像进行自动配准，以合成高清视频。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种远程监控视频自动配准的方法，其特征在于，在摄像头所监控的场景中预先设置十字箭头，所述方法包括：
采集步骤，基于十字箭头样本数据库，通过特征相关算法对所述摄像头所采集的视频信息的帧图像进行全图区域内搜索，自动识别视域内的所述十字箭头，并剔除偏离所述十字箭头位置过远的所述帧图像，提取相关的所述帧图像；
中值滤波步骤，截取所述十字箭头的图像，并将十字箭头的马克线图像通过矢量合成得到R、G、B值的矢量和
然后以所述矢量和V的值构成单值模板，再通过中值滤波算法对所述十字箭头的区域进行去噪；
同态滤波步骤，设置所述十字箭头的马克线图像f(x,y)＝i(x,y)*r(x,y)，其中i(x,y)为照度分量，r(x,y)为反射分量的乘积，通过同态滤波算法分别对所述照度分量i(x,y)和反射分量r(x,y)进行同态滤波，以去除由于光照不均而引起的RGB值不均匀现象；
多线检测步骤，对所述十字箭头的马克线图像进行横向线扫描和纵向线扫描以获得横向灰度变化值和纵向灰度变化值，确定所述横向灰度的阶跃变化点和所述纵向灰度的阶跃变化点，从而将同时存在横向阶跃变化和纵向阶跃变化的点确定为十字箭头的中心点；以及
配准步骤，基于所述十字箭头中心点的坐标对所述相关的帧图像进行自动配准，以合成高清视频。
2.根据权利要求1所述的方法，其特征在于，所述通过中值滤波算法对所述十字箭头的区域进行去噪，具体步骤包括：
设置所述十字箭头区域的任意一点为A(x，y)，将所述点A(x，y)为中心的小窗口内所有像素的灰度值按从大到小的顺序排列，若窗口中有奇数个像素，则以其中的中间值作为所述点A(x，y)的灰度值，若窗口中有偶数个像素，则取两个中间值的平均值作为所述点A(x，y)的灰度值。
3.根据权利要求1所述的方法，其特征在于，所述通过同态滤波算法分别对所述照度分量i(x,y)和反射分量r(x,y)进行同态滤波，具体步骤包括：
对式子f(x,y)＝r(x,y)*i(x,y)两边取对数以及进行傅里叶变换，得到F(u,v)＝I(u,v)+R(u,v)，然后用巴特沃斯高通滤波器设用一个频域函数H(u,v)＝R1+R2/{1+[Do/D(u,v)]2n}，其中Do为截止频率，D(u,v)＝(u2+v2)0.5，R1、R2为可调参数且R1<1，R1+R2>1；
用所述频域函数H(u,v)处理所述函数F(u,v)得H(u,v)F(u,v)＝H(u,v)I(u,v)+H(u,v)R(u,v)，然后经反变换到空域可得hf(x,y)＝hi(x,y)+hr(x,y)，再将两边取对数得g(x,y)＝exp|hf(x,y)|＝exp|hi(x,y)|*exp|hr(x,y)|。
4.根据权利要求1所述的方法，其特征在于，所述设置所述十字箭头的马克线图像f(x,y)＝i(x,y)*r(x,y)，其中i(x,y)为照度分量，r(x,y)为反射分量的乘积，通过同态滤波算法分别对所述照度分量i(x,y)和反射分量r(x,y)进行同态滤波，以去除由于光照不均而引起的RGB值不均匀现象，还包括：
所述十字箭头的马克线图像为灰度图像时，对所述灰度图像直接进行同态滤波；
所述十字箭头的马克线图像为彩色图像时，对所述彩色图像进行快速HSI彩色空间变换后，再对所述彩色图像进行同态滤波。
5.根据权利要求4所述的方法，其特征在于，所述快速HSI彩色空间变换的具体步骤包括：
将所述十字箭头图像分解为色度H、饱和度S和亮度I3个通道，并对所述十字箭头图像的色度通道或饱和度通道或亮度通道单独进行处理，或对多个通道同时进行处理，再将所述色度H、所述饱和度S和所述亮度I3个通道合并成为新的图像。
6.根据权利要求5所述的方法，其特征在于，所述确定所述横向灰度的阶跃变化点和纵向灰度的阶跃变化点，从而将同时存在横向阶跃变化和纵向阶跃变化的点确定为十字箭头的中心点，具体步骤包括：
对所述十字箭头图像进行RGB-HSI变换，以所述亮度I来判断像素点的灰度深浅，同时对所述像素点的阶跃变化进行判断，其中同时存在横向阶跃变化和纵向阶跃变化的点即为十字箭头的中心点，以实现对所述十字箭头图像的精确定位。
7.一种远程监控视频自动配准的装置，其特征在于，所述装置包括：
采集模块，配置用于基于十字箭头样本数据库，通过特征相关算法对摄像头所采集的视频信息的帧图像进行全图区域内搜索，自动识别视域内的所述十字箭头，并剔除偏离所述十字箭头位置过远的所述帧图像，提取相关的所述帧图像；
中值滤波模块，配置用于截取所述十字箭头的图像，并将所述十字箭头的马克线图像通过矢量合成得到R、G、B值的矢量和
然后以所述矢量和V的值构成单值模板，再通过中值滤波算法对所述十字箭头的区域进行去噪；
同态滤波模块，配置用于设置所述十字箭头的马克线图像f(x,y)＝i(x,y)*r(x,y)，其中i(x,y)为照度分量，r(x,y)为反射分量的乘积，通过同态滤波算法分别对所述照度分量i(x,y)和反射分量r(x,y)进行同态滤波，以去除由于光照不均而引起的RGB值不均匀现象；
多线检测模块，配置用于对所述十字箭头的马克线图像进行横向线扫描和纵向线扫描以获得所述横向灰度变化值和纵向灰度变化值，确定所述横向灰度的阶跃变化点和纵向灰度的阶跃变化点，从而将同时存在横向阶跃变化和纵向阶跃变化的点确定为十字箭头的中心点；以及
配准模块，配置用于基于所述中心点的坐标对所述相关的帧图像进行自动配准，以合成高清视频。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
快速HSI彩色空间变换模块，配置用于将所述十字箭头图像分解为色度H、饱和度S和亮度I3个通道，并对所述十字箭头图像的色度通道或饱和度通道或亮度通道单独进行处理，或对多个通道同时进行处理，再将所述色度H、所述饱和度S和所述亮度I3个通道合并成为新的图像。
9.根据权利要求8所述的装置，其特征在于，所述装置还包括：
精确定位模块，配置用于对所述十字箭头图像进行RGB-HSI变换，以所述亮度I来判断像素点的灰度深浅，同时对所述像素点的阶跃变化进行判断，其中同时存在横向阶跃变化和纵向阶跃变化的点即为十字箭头的中心点，以实现对所述十字箭头图像的精确定位。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910798353.3A CN110555871B (zh) | 2019-08-27 | 2019-08-27 | 一种监控视频自动配准的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910798353.3A CN110555871B (zh) | 2019-08-27 | 2019-08-27 | 一种监控视频自动配准的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110555871A CN110555871A (zh) | 2019-12-10 |
| CN110555871B true CN110555871B (zh) | 2022-06-10 |
Family
ID=68736637
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910798353.3A Active CN110555871B (zh) | 2019-08-27 | 2019-08-27 | 一种监控视频自动配准的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110555871B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103024281A (zh) * | 2013-01-11 | 2013-04-03 | 重庆大学 | 红外与可见光视频融合系统 |
| CN104392462A (zh) * | 2014-12-16 | 2015-03-04 | 西安电子科技大学 | 一种基于显著分割子区域对的sar图像配准方法 |
| US20180357499A1 (en) * | 2015-11-24 | 2018-12-13 | Xiamen Zkteco Information Technology Co., Ltd. | Palm vein identification method and device |
| CN109738072A (zh) * | 2019-01-07 | 2019-05-10 | 山东大学 | 一种InGaAs短波红外成像仪的十字盲元检测及校正装置和方法 |
-
2019
- 2019-08-27 CN CN201910798353.3A patent/CN110555871B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103024281A (zh) * | 2013-01-11 | 2013-04-03 | 重庆大学 | 红外与可见光视频融合系统 |
| CN104392462A (zh) * | 2014-12-16 | 2015-03-04 | 西安电子科技大学 | 一种基于显著分割子区域对的sar图像配准方法 |
| US20180357499A1 (en) * | 2015-11-24 | 2018-12-13 | Xiamen Zkteco Information Technology Co., Ltd. | Palm vein identification method and device |
| CN109738072A (zh) * | 2019-01-07 | 2019-05-10 | 山东大学 | 一种InGaAs短波红外成像仪的十字盲元检测及校正装置和方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110555871A (zh) | 2019-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Abdelhamed et al. | A high-quality denoising dataset for smartphone cameras | |
| US10735698B2 (en) | Systems and methods for converting non-Bayer pattern color filter array image data | |
| US8774555B2 (en) | Image defogging method and system | |
| Oakley et al. | Correction of simple contrast loss in color images | |
| CN110335216B (zh) | 图像处理方法、图像处理装置、终端设备及可读存储介质 | |
| US10176557B2 (en) | Apparatus, system, and method for enhancing image video data | |
| US20160196637A1 (en) | Raw sensor image and video de-hazing and atmospheric light analysis methods and systems | |
| CN107909554B (zh) | 图像降噪方法、装置、终端设备及介质 | |
| Yusuf et al. | Spectral information analysis of image fusion data for remote sensing applications | |
| US11272146B1 (en) | Content adaptive lens shading correction method and apparatus | |
| Zhang et al. | Single image dehazing based on fast wavelet transform with weighted image fusion | |
| KR101215666B1 (ko) | 오브젝트 색상 보정 방법, 시스템 및 컴퓨터 프로그램 제품 | |
| CN113344820B (zh) | 图像处理方法及装置、计算机可读介质、电子设备 | |
| CN112330618B (zh) | 图像偏移检测方法、设备及存储介质 | |
| CN114140481A (zh) | 一种基于红外图像的边缘检测方法、装置 | |
| CN106023092B (zh) | 一种图像去雾方法及装置 | |
| CN110555871B (zh) | 一种监控视频自动配准的方法和装置 | |
| Gaidhani | Super-resolution | |
| Hong et al. | Single image dehazing based on pixel-wise transmission estimation with estimated radiance patches | |
| US20200126189A1 (en) | Method and Device for Image Correction | |
| CN111369513A (zh) | 一种异常检测方法、装置、终端设备及存储介质 | |
| US20200167900A1 (en) | Method and Device for Image Correction | |
| US11842544B2 (en) | Automatic perspective transformation | |
| CN115018817A (zh) | 划痕检测方法、装置、电子设备和可读存储介质 | |
| Soma et al. | Fast and memory efficient de-hazing technique for real-time computer vision applications |
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 |