CN113935363A - 用于匿名化数字彩色图像的方法和图像处理设备 - Google Patents

用于匿名化数字彩色图像的方法和图像处理设备 Download PDF

Info

Publication number
CN113935363A
CN113935363A CN202110725402.8A CN202110725402A CN113935363A CN 113935363 A CN113935363 A CN 113935363A CN 202110725402 A CN202110725402 A CN 202110725402A CN 113935363 A CN113935363 A CN 113935363A
Authority
CN
China
Prior art keywords
color
image
pixels
random function
digital
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
CN202110725402.8A
Other languages
English (en)
Inventor
C-A·阿尔姆
H·阿迪亚
R·泰勒
S·袁
T·博格朗德
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.)
Axis AB
Original Assignee
Axis AB
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 Axis AB filed Critical Axis AB
Publication of CN113935363A publication Critical patent/CN113935363A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00Details of colour television systems
    • H04N9/64Circuits for processing colour signals
    • H04N9/70Circuits for processing colour signals for colour killing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/001Texturing; Colouring; Generation of texture or colour
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/40Image enhancement or restoration using histogram techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/50Image enhancement or restoration using two or more images, e.g. averaging or subtraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)

Abstract

一种用于匿名化数字彩色图像的方法,包括获取数字彩色图像,以及向表示数字彩色图像的相应像素的颜色分量的相应颜色向量应用线性随机函数,以获取单色图像。该线性随机函数随数字彩色图像的像素而变化,并且进一步依赖于至少一个随机参数。

Description

用于匿名化数字彩色图像的方法和图像处理设备
技术领域
本文的实施例涉及图像处理。更具体地说,公开了用于匿名化数字彩色图像的方法和图像处理设备。还公开了相应的计算机程序和计算机程序载体。
背景技术
使用成像特别是视频成像对公众进行监控在全世界的许多地区都很常见。需要监控的区域例如是银行、商店和其他需要安全的区域。但是在许多地方,不经许可/授权便安装摄像机是违法的。有时,获取许可的成本很高而且耗时。通过以无法识别人的方式扭曲视频图像,应该可以在更多地方安装摄像机,例如用于监控学校。
然而,不能识别人的要求与需要能够确定视频中什么正在发生的要求形成矛盾。
例如,对匿名图像数据执行人数统计或队列监控可能是受到关注的。在实践中,需要在满足以下两个要求之间进行权衡:视频不可识别,以及提取大量数据以用于不同目的(例如人数统计)。
已经描述了一些避免识别人但仍能辨别活动的图像处理技术。例如,边缘检测/表示、边缘增强、轮廓化对象和不同种类的“颜色模糊”,例如颜色变化或扩张都是这样的操作示例。
图像处理是指应用于图像的任何处理。处理可以包括对图像应用各种效果、掩模、滤波器等。以这种方式,图像可以例如被锐化、转换为灰度或以某种方式改变。图像通常由视频摄像机、静止图像摄像机等捕获。
发明内容
因此,目的是如何对数字图像(例如视频图像)中的人进行去标识化或匿名化,但仍然能够确定数字图像中特别是在视频图像中什么正在发生。另一目的是使数字图像中的人不可逆地匿名化,但是仍然能够确定数字图像中什么正在发生。
根据一方面,该目的通过一种用于匿名化数字彩色图像的方法来实现,该方法包括获取数字彩色图像,并且向表示该数字彩色图像的相应像素的颜色分量的相应颜色向量应用线性随机函数以获取单色图像。线性随机函数随数字彩色图像的像素而变化,并且进一步依赖于至少一个随机参数。
根据另一方面,该目的通过一种被配置为执行上述方法的图像处理设备来实现。
根据进一步的方面,该目的通过与上述方面相对应的计算机程序和计算机程序载体来实现。
通过向相应颜色向量应用随数字彩色图像的像素而变化的线性随机函数,数字彩色图像中的人被匿名化,但仍然能够确定数字彩色图像中什么正在发生。
本文的实施例的进一步优点在于,在匿名化发生之后,很难通过逆转匿名化的操作(例如线性随机函数)来识别图像中的人。因此,有可能对数字图像中的人进行不可逆地匿名化,但仍然能够确定数字图像中什么正在发生。这增加了该方法的安全性,从而增加了获取在某个地方使用视频监控的许可/授权的可能性。
附图说明
在图中,出现在一些实施例中的特征由虚线指示。
根据以下详细描述和附图,将很容易理解包括其特定的特征和优点的本文公开的实施例的各个方面,其中:
图1是示出本文的示例性实施例的示意性概览图,
图2a示出了数字图像,
图2b示出了来自数字彩色图像的部分的像素中的颜色表示,
图3示出了RGB颜色空间中的颜色向量,
图4是示出图像处理设备中的方法的实施例的流程图,
图5a示出了图像处理设备中的方法的其它实施例,
图5b示出了图像处理设备中的方法的其它实施例,
图6示出了由本文的实施例产生的单色图像,
图7a至图7c示出了图像处理设备中的方法的其它实施例,
图8是示出图像处理设备中的方法的其它实施例的流程图,
图9示出了由本文的实施例产生的伪着色图像,
图10是示出图像处理设备的实施例的框图。
具体实施方式
如上所述,对匿名图像数据执行人数统计或队列监控是受到关注的。因此,本文的实施例的目的是对数字图像中的人进行匿名化,但仍然能够确定数字图像中什么正在发生。
本文的实施例可以在一个或多个图像处理设备中实现。图1示出了各种示例性图像处理设备,其可以对数字图像101、102、103(例如数字视频图像)执行图像处理。图像处理设备可以是图像捕捉设备,例如录像机、监控摄像机120、数码摄像机、包括图像传感器的智能电话130或包括图像传感器的汽车140。图像处理设备(例如有线或无线设备)例如也可以通过网络等从图像捕获设备获取图像。例如,这可以例如是用于图1中的视频服务器150的情况。
视频服务器是一种专用于传输视频的基于计算机的设备。视频服务器在多种应用中使用,并且通常具备满足特定应用需求的附加功能和能力。例如,在安全、监控和检查应用中使用的视频服务器通常被设计为从一个或多个摄像机中捕获视频并经由计算机网络传送视频。在视频制作和广播应用中,视频服务器能够录制和播放录制的视频,并同时传送许多视频流。在图1中,视频服务器150例如通过网络连接到图像处理设备:监控摄像机120、智能手机130和汽车140。视频服务器150还可以连接到用于存储视频图像的视频存储器160,和/或连接到用于显示视频图像的监视器170。
因此,图像处理设备能够处理数字图像。图像可以由图像处理设备本身捕获,也可以从捕获图像的另一设备或从诸如硬盘驱动器等的存储器接收。
为了更好地理解下面的详细描述,将解释一些术语。
当图像被捕获时,表示图像的数据可以以任何已知的现有格式或未来格式存储。通常,所捕获图像的每个像素由一个或多个值表示,该一个或多个值表示在特定波长频带内的捕获的光的强度。这些值通常被称为颜色分量或颜色通道。
例如,图像的颜色可以由颜色空间中的颜色分量来表示,例如RGB颜色空间中的红色、绿色和蓝色,或CMYK颜色空间中的青色、品红色、黄色和黑色,等等。
因此,颜色分量可以指RGB分量之一、CMYK分量之一等等。其他已知格式包括但不限于色调、饱和度亮度(HSL)颜色格式,亮度和色度(YUV)颜色格式等。
现在将出于示例的目的使用RGB颜色空间来描述本文的实施例。应当理解,这些实施例也适用于其他颜色空间。
RGB颜色模型的常见实现是24位实现,每个通道具有8位或256个离散颜色级别。因此,任何基于这种24位RGB模型的颜色空间都被限制在256×256×256≈1670万种颜色的范围内。
此外,如本文所使用的,术语“图像”可以指包括源自已捕获图像的图像传感器的信息的图像帧。
图2a示出了二维空间中的示例性数字彩色图像200,其在下文中也可被称为彩色图像200,甚至图像200。包括w×h个像素的彩色图像200的像素可以使用它们的坐标x和y来提及,其中
Figure BDA0003138419510000041
Figure BDA0003138419510000042
坐标x、y也可被称为像素位置。例如,可以用坐标(x=-w/2,y=h/2)来表示像素201。还示出了第二像素202以及若干其他像素。
图2b示出了像素201的颜色内容或颜色分量,例如在0-255的范围内。例如,红色分量R1可以具有值255,绿色分量G1可以具有值143,蓝色分量B1也可以具有值143。同样地,第二像素202也可以由同一范围0-255内的颜色分量来表示。例如,第二红色分量可以具有值150,第二绿色分量可以具有值150,并且第二蓝色分量也可以具有值150。
图3示出了由三个颜色空间轴R、G和B表示的三维颜色空间中的颜色向量v201。也用条纹示出RG平面。还示出了三个颜色分量R1、G1和B1,并添加了虚线以帮助将颜色向量v201到其颜色分量的分解进行可视化。
现在将参考1)图4的流程图,和2)图5a和图5b的颜色向量,以及3)图6和图7a、图7b和图7c的颜色分量强度值来描述根据本文的实施例的示例性方法。还将进一步参考已经呈现的图2a和图2b的数字彩色图像200。这些方法在图像处理设备中实现,例如在图1的图像处理设备120至150中的任一个中。因此,图像处理设备一般执行用于匿名化数字彩色图像(例如数字彩色图像200)的方法。匿名化数字彩色图像200例如意味着使更难识别数字彩色图像200中存在的人和/或其他存在和/或物体。
可以按照以下示例性顺序执行以下动作中的一个或多个。在其他示例中,该顺序可能与下面描述的不同。
动作401
图像处理设备获取数字彩色图像200。
在一些实施例中,图像处理设备通过从图像捕获设备接收数字彩色图像200或通过从存储器(例如内部存储器、外部存储器、硬盘驱动器等)接收数字彩色图像200来获取数字彩色图像200。在一些示例中,这意味着图像处理设备可以被包括在诸如云服务器等的计算机系统中。
如上所述,数字彩色图像200的相应像素(例如像素201)的颜色可以用包括颜色空间(例如RGB颜色空间)的不同颜色分量的颜色强度值的相应颜色向量来表示。例如,像素201的颜色向量v201可以写成[R1,G1,B1],其中R1、G1、B1每个可以取0到255之间的强度值。在下面的动作中,参考像素201的颜色向量v201,但应理解,这些动作同样适用于任何像素和该像素的颜色向量。
动作402
图像处理设备向表示数字彩色图像200的相应像素的颜色分量R、G、B的相应颜色向量V201、V501应用线性随机函数f以获取单色图像。在线性代数中,线性函数是两个向量空间之间的映射,它保留了向量加法和标量乘法。然而,对于这里适用于三维实值颜色空间的实施例而言,线性函数可以包括颜色向量V201、V501与3×3矩阵的矩阵乘法。因此,对于相应像素,线性随机函数对颜色向量v201进行运算并将其线性变换为一维颜色分量。图5a示出了颜色向量v501、v201到G分量轴的这种线性变换。这会产生单色图像,因为相同的颜色分量用于所有像素。例如,颜色向量v201可以包括值[255,143,143],该值可以变换为[0,210,0],这意味着所得的一维颜色分量G502是值为210的G分量。
下面,在以下动作402a、402b和402c中,更详细地呈现将颜色向量v201线性变换为一维颜色分量的两种不同方式。例如,在一些实施例中,线性随机函数f是在动作402a中线性旋转颜色向量v201的旋转函数。动作402a之后是在动作402b中将以此方式形成的旋转颜色向量投影到一维颜色分量上。在一些其他实施例中,线性随机函数是在动作402c中将颜色向量v201投影到一维颜色分量上的随机投影函数。
线性函数是随机的,因为它依赖于至少一个随机参数、系数和/或变量。因此,定义函数f的另一方式是,它是至少一个随机参数、系数和/或变量的线性函数。在一些实施例中,至少一个随机参数、系数和/或变量的值对于所有像素都是相同的,即至少一个随机参数对于像素201、202可以是不变的,而对于其他实施例,至少一个随机参数对于相应像素取不同的值,例如与像素201相关联的随机参数不同于与第二像素202相关联的随机参数。在一些其他实施例中,至少一个随机参数确实随像素而变化,但是对于一些像素可以是相同的,例如对于相邻的像素可以是相同的,也可以对于每第二像素或每第五个像素或每第十个像素不同。对不同的像素(例如像素201和202)使用不同的随机值的一个优点是加大了逆转匿名化的困难,因为必须计算出更多的随机值。
此外,线性随机函数随数字彩色图像200的像素201、202而变化。因此,线性随机函数f还依赖于数字彩色图像200内的像素位置x,y。此类随机函数的示例将在下面进一步介绍。
以这种方式,数字彩色图像200中的人被匿名化,但仍然可以确定数字彩色图像200中什么正在发生。例如,该方法允许对匿名图像数据执行人数统计或队列监控。
本文的实施例的另一优点是,在通过应用线性随机函数进行匿名化之后,难以重建原始图像并由此识别图像中的人。逆转图像变换的困难在于线性函数所依赖的随机数的绘制,以及数据的丢弃两者。在原始彩色图像中,颜色数据由三个值表示,而在变换图像中,颜色数据由一个值表示,因此数据在变换过程中被丢弃。这提升了方法的安全性,从而增加了获取在某个地方使用视频监控的许可/授权的可能性。
然而,存在变换图像匿名程度与变换图像对分析图像中什么正在发生的有用程度之间的权衡。线性随机函数随彩色图像像素的变化程度较小将使变换图像更有用但匿名性更低。另一方面,线性随机函数随彩色图像像素的变化越大,变换图像的匿名性就越大但用处减小。
在一些实施例中,线性随机函数f随数字彩色图像200的像素201、202而平滑地变化。换言之,线性随机函数f可以随数字彩色图像200的像素201、202而缓慢和/或柔和地变化。例如,线性随机函数f可以随数字彩色图像200的相近或相邻像素(例如像素201和202)而平滑地变化。
该函数随相邻像素而平滑和/或缓慢地变化意味着一个像素201处的函数值接近相邻像素202处的函数值。换言之,该函数随给定像素的变化小于预定范围/程度/幅度。例如,相邻像素处的函数值可以在特定范围内,或者换言之,相邻像素处的函数值的差值在阈值内,例如低于常数乘以像素间的距离。该常数可以是特定于应用的,并且被选择以为了针对特定图像和/或针对特定应用(例如人数统计),在图像的匿名性与有用性之间做出适当的权衡。
在一些实施例中,相邻像素包括相邻像素201、202,而在其他实施例中,相邻像素包括数字彩色图像200中比特定距离更近的像素。例如,相邻像素可以是数字彩色图像200中比人的宽度更近的像素。
在一些实施例中,线性随机函数f在数字彩色图像200上平滑地变化。
例如,可通过产生具有多项式的随机参数的多项式来产生在图像200上平滑地变化的随机函数。
这种多项式函数的一个示例是下面的函数f(x,y)。
f(x,y)=c0+c1x+c2y+c3x2+c4y2+c5xy+c6x3+c7y3+c8xy2+c9x2y
f(x,y)是像素位置的三次多项式,即f(x,y)依赖于像素位置x,y。
此外,上面的f(x,y)还依赖于随机参数ck,k=0......9。随机参数ck的值可通过绘制均匀地分布在-0.5至0.5之间的10个随机数来产生。在一些实施例中,参数ck对于给定的图像帧(例如对于数字彩色图像200)是固定的,而每个像素的像素位置x,y是不同的,这将使函数f(x,y)的结果随像素而变化。
另一方法是通过傅立叶分析(例如通过应用离散傅里叶变换,如快速傅里叶变换)在频率平面中产生随机函数。例如可以通过随机选择四个最低频率的各个幅度(用于表示频域中的函数f(x,y),均匀地分布在-0.5至0.5之间),并将所有较高频率设置为零实现此目的。可以使用逆变换,例如逆离散傅立叶变换,将该频率表示变换为随像素位置x,y而平滑地变化的函数。
动作402a
在一些实施例中,线性随机函数包括一个或多个旋转函数。各个旋转函数随数字彩色图像200的像素201、202而变化,并且依赖于至少一个随机参数。然后,应用线性随机函数包括用一个或多个旋转函数旋转颜色向量v501,从而获取旋转颜色向量v502。
图5b示出了颜色向量v501、v201到旋转颜色向量v502的这种线性旋转。
在下文中,将用三个旋转函数来举例说明一个或多个旋转函数,这三个旋转函数各自表示使用右手定则绕颜色空间坐标系的轴B、G和R中的各自一个轴的旋转。
通常,每个旋转函数依赖于随机旋转角度。因此,至少一个随机参数可以包括随机旋转角度。随机旋转角度又依赖于其他随机参数和/或系数和/或变量。此外,旋转角可以随数字彩色图像200的像素201、202而变化。例如,旋转角可以由上述多项式函数给出。例如,可通过具有随机参数ck的像素位置x,y的三次多项式给出或计算旋转角α。
α(x,y)=c0+c1x+c2y+c3x2+c4y2+c5xy+c6x3+c7y3+caxy2+c9x2y
β和γ可以以相应的方式计算。随机参数ck可通过绘制均匀地分布在-0.5至0.5之间的10个随机数来产生,其对于每个旋转角可能不同,也可能相同。正如关于随机参数随像素的可变性所解释的,对不同角度使用不同随机值的一个优点是加大了反转匿名化的难度,因为必须计算出更多的随机值。但是,需要权衡复杂性。
在一些实施例中,蓝色旋转函数RB依赖于蓝色旋转角α,该旋转角表示绕B分量轴的旋转,而绿色旋转函数RG依赖于绿色旋转角β,该旋转角表示绕G分量轴的旋转,最后一个红色旋转函数RR依赖于红色旋转角γ,该旋转角表示绕R分量轴的旋转。
现在用三个旋转矩阵RB、RG、RR来描述实施例,它们表示三个随机旋转角度α、β和γ,例如对应于偏航、俯仰和翻滚。三维旋转矩阵R可以形成为
R=RB(α)RG(β)RR(γ)
其中RB、RG和RR各自是基础旋转矩阵(也称为基本旋转),表示如上所述使用右手定则绕颜色空间坐标系的轴B、G和R中的各自一个轴的旋转。
在数学上,颜色向量V501通过将相应的列向量v501T与旋转矩阵R相乘(即R*v501T)来旋转。
根据上文,各个旋转函数依赖于像素位置x,y并且可以用上面例举的多项式函数等来产生。例如,不同的旋转角可以依赖于像素位置并且可以用上面例举的多项式函数等来产生。对于每个旋转函数,十个随机数可能是不同的。
各个旋转函数例如可以对应于颜色向量v501的随机旋转角度。随机旋转角度例如可以是对应于偏航、俯仰和翻滚的角度。
由于颜色向量v501的旋转,RGB分量或RGB通道的相对强度发生了变化。图7a和图7b示出了这一点。图7a示出了旋转之前颜色向量v501的颜色分量的值,而图7b示出了旋转颜色向量v502(即旋转之后)的颜色分量的值。在该示例中,旋转后R和B分量的值R2和B2比旋转前小,而G分量的值G502比旋转前大。
动作402b
在旋转之后,旋转颜色向量v502被投影到一维颜色分量G上。例如,旋转颜色向量v502可被投影到颜色空间的轴之一(例如G分量轴)上。例如在图7c中示出了这一点,其中旋转颜色向量v502已被投影到G分量上,从而产生值G3。
所有像素投影到相同的一维颜色分量上,例如对于所有像素投影到G分量上。这产生了图6中所示的单色图像600。图6进一步示出了单色图像600的两个像素601和602的颜色内容,即图6示出了G分量的强度值。
由于投影丢弃了一些数据,例如旋转颜色向量v502的R和B分量,所以,因为加大了逆转变换的难度使图像变换更安全。
在一些实施例中,将旋转颜色向量v502投影到一维颜色分量G上包括选择旋转颜色向量v502的旋转颜色分量G,并丢弃旋转颜色向量v502的其他颜色分量R、B。即,在这种情况下,所获取的包括一维颜色分量G的单色图像600包括相应像素的旋转颜色向量v502的所选颜色分量G。对于这些实施例,图7c中所得的强度值G3将等于旋转颜色向量v502的G分量的强度值G502。相应的矩阵公式是用列向量[0,1,0]T乘以旋转颜色向量v502。然而,也可以设想到所选颜色分量G上的其他投影,从而产生不同于旋转颜色向量v502的所选颜色分量的强度值的投影强度值G3。例如,可以将投影强度值G3计算为旋转颜色向量v502的各个强度值的加权和,例如,如果(R2+G2+B2)<255,则G3=R2+G2+B2,如果G3大于或等于最大值(例如255),则G3=255。相应的矩阵公式为[p1,p2,p3]T×[R2,G2,B2],其中p1、p2和p3表示不同的投影权重。在另一示例中,可以组合两个颜色通道并移除一个颜色通道,以便在匿名化与保留信息之间找到另一种折衷。这对于某些应用是有利的,而对于其他应用则不太有利,因为不同的应用需要不同的折衷。
动作402c
可以将随机颜色空间旋转和随后的固定投影组合成随机投影。如上文在动作402a中提到的,随机旋转可以用三个角度进行参数化,例如表示偏航、俯仰和翻滚的α、β、γ。随机投影同样可以用三个权重进行参数化,因此在这两种情况下都有三个自由度。在这两种情况下,这些参数应该在图像上平滑地变化。
因此,在一些替代实施例中,线性随机函数f包括一个或多个随机投影权重函数,这些随机投影权重函数分别地随数字彩色图像200的像素201、202而变化,并且依赖于至少一个随机参数。然后,应用线性随机函数f包括用一个或多个随机投影权重函数将颜色向量v501投影到一维颜色分量G上。
这里,使用三个这样的随机函数举例说明将旋转和投影组合为一个操作的情况:w_r,其表示红色分量的权重函数,w_g,其表示绿色分量的权重函数,w_b,其表示蓝色分量的权重函数。对于相应像素x、y,具有元素R1、G1和B1的颜色向量v501根据以下公式被投影到投影图像的标量值上:
w_r(x,y)*(R1-127)+w_g(x,y)*(G1-127)+w_b(x,y)*(B1-127)+127
w_r、w_b和w_g也可以由像素位置x,y的多项式函数给出。例如,w_r可以由上述具有随机参数ck的像素位置x,y的三次多项式给出或计算。
w_r(x,y)=c0+c1x+c2y+c3x2+c4y2+c5xy+c6x3+c7y3+c8xy2+c9x2y
w_g和w_b可以通过相应的方式计算。随机参数ck可通过绘制均匀地分布在-0.5至0.5之间的10个随机数来产生,其对于每个权重函数可能不同,也可能相同。
现在将参考图8,并再次进一步参考图2a和图2b的数字彩色图像以及图3的颜色空间表示来描述根据本文的实施例的进一步示例性方法。
动作801
如上文关于图4的动作401所述,图像处理设备获取数字彩色图像200。
动作802
除了根据上面的动作402应用线性随机函数之外,还可以执行数字彩色图像200和/或单色图像600的直方图均衡化。直方图均衡化可以在应用线性随机函数之前、期间或之后执行。例如,当对数字彩色图像200执行直方图均衡化时,可以对每个颜色通道或颜色分量执行。
由于直方图均衡化是一种非线性变换,因此对于人们来说,更难弄清楚原始图像的样子,即匿名化的安全性增加。直方图均衡化还提供了更高的图像对比度,这使得更容易看到场景中什么正在发生。
动作803
为了更容易看到场景中什么正在发生,还可以对单色图像应用边缘增强。边缘增强例如可以是增强图像或视频的边缘对比度以尝试提高其锐度(表观锐度)的图像处理滤波器。基本上,它增加了边缘的对比度,使边缘看起来更清晰。
在这些情况下,可以在边缘增强之前执行边缘检测。边缘检测例如可以在根据上面的动作402应用线性随机函数之前发生。例如,可以在应用线性随机函数之前对原始彩色图像进行边缘检测。也可以在应用线性随机函数之前、但在直方图均衡化之后对彩色图像执行边缘检测。作为替代,还可以在将彩色图像200变换为单色图像600之后执行边缘检测。
动作804
如上文关于图4的动作402所述,图像处理设备向表示数字彩色图像200的相应像素的颜色分量R、G、B的相应颜色向量v201、v501应用线性随机函数f以获取单色图像600。
动作805
如上文在动作803中所描述的,图像处理设备可以增强在数字彩色图像200中存在的一个或多个边缘以便更容易看到场景中什么正在发生。一个或多个边缘的增强可以在彩色图像200的线性变换之后发生。上文在动作803中检测到的随后被增强的一个或多个边缘然后与单色图像600合并。
动作806
为了使得从变换图像中实际留下的信息中找出太多线索甚至更加困难,可以使用配色方案对单色图像600的像素进行伪着色。
使用配色方案对单色图像600的像素进行伪着色的示例是通过将一维颜色分量G的强度范围映射到伪着色颜色向量,来产生单色图像600的相应像素601、602的伪着色颜色向量。例如,第一强度范围0至10可被映射到第一伪着色颜色向量10、10、10,而第二强度范围10至20可被映射到第二伪着色颜色向量10、20、10,以此类推。
图9示出了应用线性随机函数和伪着色后的图像。可以在图像中观察到多个人。但是难以对人进行识别。
图像的这种伪着色有可能在客户端执行,例如在图1中的监视器170处。例如,摄像机120可以将单通道图像(例如图像600)发送到例如服务器150。然后,当需要例如在监视器170上显示图像600时,在本地将图像600映射到伪颜色。因此,可以通过仅保存单通道强度图像(例如单色图像600)来节省网络带宽。
参考图10,示出了对应于图1的不同图像处理设备的图像处理设备110的实施例的示意性框图。图像处理设备110被配置为对数字彩色图像200进行匿名化。
图像处理设备110可以包括处理模块1001,例如用于执行这里描述的方法的装置。该装置可以以一个或多个硬件模块和/或一个或多个软件模块的形式体现。
图像处理设备110还可以包括存储器1002。该存储器可以包括(例如包含或存储)例如采取计算机程序1003的形式的指令,这些指令可以包括计算机可读代码单元,当在图像处理设备110上执行时,这些计算机可读代码单元使图像处理设备110执行匿名化数字彩色图像的方法。
根据本文的一些实施例,图像处理设备110和/或处理模块1001包括作为示例性硬件模块的处理电路1004,其可以包括一个或多个处理器。因此,处理模块1001可以以处理电路1004的形式来体现或“由其实现”。指令可以由处理电路1004执行,由此图像处理设备110可操作以执行图4和图8的方法。作为另一示例,当由图像处理设备110和/或处理电路1004执行时,指令可以使图像处理设备110执行根据图4和图8所述的方法。
鉴于上述,在一个示例中,提供了一种用于匿名化数字彩色图像的图像处理设备110。再次,存储器1002包含可由所述处理电路1004执行的指令,由此图像处理设备110可操作以执行根据图4和图8所述的方法:
获取数字彩色图像,以及
向表示数字彩色图像200的相应像素201、202的颜色分量R、G、B的相应颜色向量v201、v501应用线性随机函数f以获取单色图像600,其中线性随机函数随数字彩色图像200的像素201、202而变化,并且其中线性随机函数f依赖于至少一个随机参数。
图像处理设备110还可操作以执行根据以上结合图4和8描述的详细实施例的方法。
图10进一步示出了载体1005或程序载体,其包括上文直接描述的计算机程序1003。载体1005可以是电子信号、光信号、无线电信号和计算机可读介质中的一种。
在一些实施例中,图像处理设备110和/或处理模块1001可以包括作为示例性硬件模块的获取模块1010、线性随机函数模块1020、旋转模块1030、投影模块1040、伪着色模块1050、边缘增强模块1060、直方图均衡化模块1070中的一个或多个。在其他示例中,上述示例性硬件模块中的一个或多个可以实现为一个或多个软件模块。
此外,处理模块1001包括输入/输出单元1006。根据实施例,输入/输出单元1006可以包括被配置用于捕获图像200的图像传感器。
因此,图像处理设备110被配置为匿名化数字彩色图像。
因此,根据上述各个实施例,图像处理设备110和/或处理模块1001和/或获取模块1010被配置为获取数字彩色图像200。
图像处理设备110和/或处理模块1001和/或线性随机函数模块1020被配置为向表示数字彩色图像200的相应像素201、202的颜色分量R、G、B的相应颜色向量v201、v501应用线性随机函数f以获取单色图像600。
线性随机函数f随数字彩色图像200的像素201、202而变化。此外,线性随机函数f依赖于至少一个随机参数。
图像处理设备110和/或处理模块1001和/或旋转模块1030可被配置为用依赖于至少一个随机参数的一个或多个旋转函数旋转颜色向量v201、v501,从而获取旋转颜色向量v502。
图像处理设备110和/或处理模块1001和/或投影模块1040可被配置为将旋转颜色向量v502投影到一维颜色分量G上。
在一些实施例中,将旋转颜色向量v502投影到一维颜色分量G上包括选择旋转颜色向量v502的旋转的颜色分量G,并丢弃旋转颜色向量的其他颜色分量R、B。
在一些其他实施例中,当线性随机函数f包括各自地随数字彩色图像200的像素201、202而变化并且依赖于至少一个随机参数的一个或多个投影权重函数时,则图像处理设备110和/或处理模块1001和/或投影模块1040可被配置为通过以下方式应用线性随机函数f:
用一个或多个随机投影权重函数将颜色向量v501投影到一维颜色分量G上。
图像处理设备110和/或处理模块1001和/或伪着色模块1050可被配置为使用配色方案对单色图像600的像素601、602进行伪着色。
图像处理设备110和/或处理模块1001和/或增强模块1060可被配置为增强在数字彩色图像200中存在的一个或多个边缘。
图像处理设备110和/或处理模块1001和/或直方图均衡化模块1070可被配置为执行802数字彩色图像200和/或单色图像600的直方图均衡化。
如本文所使用的,术语“模块”可以指一个或多个功能模块,其中每个功能模块可实现为一个或多个硬件模块和/或一个或多个软件模块和/或组合的软件/硬件模块。在一些示例中,模块可以表示实现为软件和/或硬件的功能单元。
如本文所使用的,术语“计算机程序载体”、“程序载体”或“载体”可以指电子信号、光信号、无线电信号和计算机可读介质中的一种。在一些示例中,计算机程序载体可以排除暂时的传播信号,例如电子信号、光信号和/或无线电信号。因此,在这些示例中,计算机程序载体可以是非暂时性载体,例如非暂时性计算机可读介质。
如本文所使用的,术语“处理模块”可以包括一个或多个硬件模块、一个或多个软件模块或其组合。任何这样的模块,无论是硬件模块、软件模块还是组合的硬件-软件模块,都可以是本文公开的获取装置、线性函数或变换装置、旋转装置、投影装置、伪着色装置、边缘增强装置等。例如,表述“装置”可以是与以上结合附图列出的模块相对应的模块。
如本文所使用的,术语“软件模块”可以指软件应用、动态链接库(DLL)、软件组件、软件对象、根据组件对象模型(COM)的对象、软件组件、软件功能、软件引擎、可执行二进制软件文件等。
术语“处理模块”或“处理电路”在此可以涵盖处理单元,其包括例如一个或多个处理器、专用集成电路(ASIC)、现场可编程门阵列(FPGA)等。处理电路等可以包括一个或多个处理器内核。
如本文所使用的,表述“被配置为/用于”可表示处理电路被配置为,例如适于或可操作以,借助软件配置和/或硬件配置,执行本文所述的一个或多个动作。
如本文所使用的,术语“动作”可以指动作、步骤、操作、响应、反应、活动等。需要指出,此处的动作可以在适用时拆分为两个或多个子动作。此外,需要指出,本文描述的两个或多个动作同样在适用时可以合并为单个动作。
如本文所使用的,术语“存储器”可以指硬盘、磁存储介质、便携式计算机软盘或盘、闪存、随机存取存储器(RAM)等。此外,术语“存储器”可以指处理器的内部寄存存储器等。
如本文所使用的,术语“计算机可读介质”可以是通用串行总线(USB)存储器、DVD盘、蓝光盘、作为数据流接收的软件模块、闪存、硬盘驱动器、存储卡(例如记忆棒)、多媒体卡(MMC)、安全数字(SD)卡等。计算机可读介质的上述示例中的一个或多个可以作为一个或多个计算机程序产品提供。
如本文所使用的,术语“计算机可读代码单元”可以是计算机程序的文本、以编译格式表示计算机程序的部分或整个二进制文件或它们之间的任何内容。
如本文所使用的,术语“数”和/或“值”可以是任何种类的数,例如二进制数、实数、虚数或有理数等。此外,“数”和/或“值”可以是一个或多个字符,例如一个字母或一串字母。“数”和/或“值”也可以用一串比特(即多个0和/或多个1)来表示。
如本文所使用的,表述“在一些实施例中”已用于指示所描述的实施例的特征可与本文公开的任何其他实施例组合。
尽管已经描述了各个方面的实施例,但是这些实施例的许多不同的改变、修改等对于本领域技术人员来说将变得清楚。因此,所描述的实施例不旨在限制本公开的范围。

Claims (15)

1.一种用于匿名化数字彩色图像(200)的方法,其中所述方法包括:
获取(401、801)所述数字彩色图像(200),以及
向表示所述数字彩色图像(200)的相应像素(201,202)的颜色分量(R,G,B)的相应颜色向量(v201,v501)应用(402,804)线性随机函数(f),其中所述线性随机函数随所述数字彩色图像(200)的所述像素(201,202)而变化,并且其中所述线性随机函数(f)进一步依赖于至少一个随机参数,并且其中所述方法的特征在于通过应用所述线性随机函数(f)来获取单色图像(600)。
2.根据权利要求1所述的方法,其中,所述线性随机函数(f)随所述数字彩色图像(200)的所述像素(201,202)而平滑地变化。
3.根据权利要求1或2所述的方法,其中,所述线性随机函数(f)包括投影函数,并且其中,应用所述线性随机函数(f)包括:将所述颜色向量(v501)或通过用一个或多个旋转函数旋转(402a)所述颜色向量(v501)而获取的旋转颜色向量(v502)投影到一维颜色分量(G)上以获取所述单色图像(600),其中,所述一个或多个旋转函数分别随所述数字彩色图像的所述像素(201,202)而变化并依赖于所述至少一个随机参数。
4.根据权利要求1至3中任一项所述的方法,其中,所述线性随机函数(f)包括一个或多个旋转函数,所述一个或多个旋转函数分别随所述数字彩色图像的所述像素(201,202)而变化并依赖于所述至少一个随机参数,并且其中,应用所述线性随机函数(f)包括:
用所述一个或多个旋转函数旋转(402a)所述颜色向量(v501),从而获取所述旋转颜色向量(v502),以及
将所述旋转颜色向量(v502)投影(402b)到一维颜色分量(G)上。
5.根据权利要求3所述的方法,其中,将所述旋转颜色向量(v502)投影(402b)到所述一维颜色分量(G)上包括:选择所述旋转颜色向量(v502)的旋转颜色分量(G),以及丢弃所述旋转颜色向量的其他颜色分量(R,B)。
6.根据权利要求1至3中任一项所述的方法,其中,所述线性随机函数(f)包括一个或多个投影权重函数,所述一个或多个投影权重函数分别随所述数字彩色图像(200)的所述像素(201,202)而变化并依赖于至少一个随机参数,并且其中,应用所述线性随机函数(f)包括:
用所述一个或多个投影权重函数将所述颜色向量(v501)投影(402c)到一维颜色分量(G)上。
7.根据权利要求1至6中任一项所述的方法,其中,所述线性随机函数(f)是像素位置的多项式。
8.根据权利要求1至7中任一项所述的方法,其中,所述线性随机函数(f)随所述数字彩色图像(200)中比人的宽度更近的像素(201,202)而平滑地变化。
9.根据权利要求1至8中任一项所述的方法,其中,所述方法还包括:
使用配色方案对所述单色图像(600)的像素(601,602)进行伪着色(806)。
10.根据权利要求1至9中任一项所述的方法,其中,所述方法还包括:
增强(805)在所述数字彩色图像(200)中存在的一个或多个边缘。
11.根据权利要求1至10中任一项所述的方法,其中,所述方法还包括:
执行(802)所述数字彩色图像(200)和/或所述单色图像(600)的直方图均衡化。
12.根据权利要求9至11中任一项所述的方法,其中,使用所述配色方案对所述单色图像(600)的所述像素(601,602)进行伪着色包括:
通过将所述一维颜色分量的强度范围映射到伪着色颜色向量,产生所述单色图像(600)的相应像素(601,602)的所述伪着色颜色向量。
13.一种图像处理设备(110),其被配置为执行根据权利要求1至12中任一项所述的方法。
14.一种计算机程序(603),包括计算机可读代码单元,当在图像处理设备(110)上执行时,所述计算机可读代码单元使所述图像处理设备(110)执行根据权利要求1至12中任一项所述的方法。
15.一种载体(605),包括根据前述权利要求所述的计算机程序,其中所述载体(605)是电子信号、光信号、无线电信号和计算机可读介质中的一种。
CN202110725402.8A 2020-06-29 2021-06-29 用于匿名化数字彩色图像的方法和图像处理设备 Pending CN113935363A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP20182858.9A EP3933776A1 (en) 2020-06-29 2020-06-29 Method and image-processing device for anonymizing a digital colour image
EP20182858.9 2020-06-29

Publications (1)

Publication Number Publication Date
CN113935363A true CN113935363A (zh) 2022-01-14

Family

ID=71401587

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110725402.8A Pending CN113935363A (zh) 2020-06-29 2021-06-29 用于匿名化数字彩色图像的方法和图像处理设备

Country Status (3)

Country Link
US (1) US11967002B2 (zh)
EP (1) EP3933776A1 (zh)
CN (1) CN113935363A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3933776A1 (en) * 2020-06-29 2022-01-05 Axis AB Method and image-processing device for anonymizing a digital colour image

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3251279B2 (ja) * 1990-05-11 2002-01-28 株式会社日立製作所 色分布抽出方法
US5825892A (en) * 1996-10-28 1998-10-20 International Business Machines Corporation Protecting images with an image watermark
JPH11339016A (ja) * 1998-05-28 1999-12-10 Canon Inc 画像処理装置及び画像処理方法並びにメモリ媒体
EP1605406A3 (en) * 2004-06-11 2006-09-20 Lyyn AB Detection of objects in colour images
US7689035B2 (en) * 2005-06-17 2010-03-30 The Regents Of The University Of California Methods for identifying, separating and editing reflection components in multi-channel images and videos
US7620243B2 (en) * 2005-12-14 2009-11-17 Seiko Epson Corporation Noise reduction for primary tones for image replication systems
US20100195162A1 (en) * 2009-02-05 2010-08-05 Peter Majewicz Color To Monochrome Conversion
EP3108451A4 (en) * 2014-02-20 2017-07-05 Konica Minolta Laboratory U.S.A., Inc. Image processing to retain small color/gray differences
JP6912869B2 (ja) * 2016-06-15 2021-08-04 オリンパス株式会社 画像処理装置、画像処理プログラム、画像処理方法
WO2021161454A1 (ja) * 2020-02-13 2021-08-19 日本電気株式会社 画像処理システム、画像処理方法および非一時的なコンピュータ可読媒体
EP3933776A1 (en) * 2020-06-29 2022-01-05 Axis AB Method and image-processing device for anonymizing a digital colour image

Also Published As

Publication number Publication date
US11967002B2 (en) 2024-04-23
US20210409573A1 (en) 2021-12-30
EP3933776A1 (en) 2022-01-05

Similar Documents

Publication Publication Date Title
Swaminathan et al. Nonintrusive component forensics of visual sensors using output images
Kabulov et al. Algorithmic method of security of the Internet of Things based on steganographic coding
Swaminathan et al. Digital image forensics via intrinsic fingerprints
JP4705959B2 (ja) 画像の顕著性マップを作成する装置及び方法
US10638060B2 (en) Color correction of RGBIR sensor stream based on resolution recovery of RGB and IR channels
CN107077602A (zh) 用于活性分析的系统及方法
Swaminathan et al. Image tampering identification using blind deconvolution
Anjum et al. Recapture detection technique based on edge-types by analysing high-frequency components in digital images acquired through LCD screens
KR20220111203A (ko) 스티칭된 이미지들의 정렬을 평가하기 위한 방법 및 이미지 프로세싱 디바이스
CN117522666A (zh) 一种实现图像中嵌入与提取隐形数字水印方法及装置
US11967002B2 (en) Method and image-processing device for anonymizing a digital colour image
Reed et al. Closed form non-iterative watermark embedding
Ghosh et al. Less is more: A minimalist approach to robust GAN-generated face detection
CN113869328A (zh) 一种水印信息提取方法、装置、设备及存储介质
Ledesma A proposed framework for forensic image enhancement
US20240331283A1 (en) Method and image-processing device for detecting a reflection of an identified object in an image frame
EP4343709A1 (en) Method and image-processing device for determining a probability value indicating that an object captured in a stream of image frames belongs to an object type
Ancuti et al. Decolorization by fusion
US20120218280A1 (en) Method, apparatus and system for modifying quality of an image
KR20240147556A (ko) 이미지 프레임에서 식별된 물체의 반사를 검출하기 위한 방법 및 이미지 처리 디바이스
Swaminathan et al. Optimization of input pattern for semi non-intrusive component forensics of digital cameras
Qadir et al. Digital Image Processing: Theory and Applications
Li et al. Color space identification from single images
Stamm et al. Protection against reverse engineering in digital cameras
You et al. Perceptually consistent color-to-gray image conversion

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