• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      一種視頻監(jiān)控圖像條紋噪聲的快速檢測(cè)方法*

      2011-07-25 00:33:50陳淑榮
      關(guān)鍵詞:調(diào)頻條紋頻譜

      王 珩,陳淑榮

      (上海海事大學(xué) 信息工程學(xué)院,上海 200135)

      隨著網(wǎng)絡(luò)、視頻通信技術(shù)的快速發(fā)展和視頻監(jiān)控系統(tǒng)的廣泛應(yīng)用,監(jiān)控圖像的質(zhì)量評(píng)價(jià)正成為新的研究熱點(diǎn)。由于視頻監(jiān)控系統(tǒng)通常布控范圍較大,因此前端圖像采集設(shè)備長(zhǎng)期連續(xù)工作及受各種外因影響,監(jiān)控錄像易受條紋噪聲干擾而質(zhì)量下降。由于條紋干擾類(lèi)型各異(如有橫條紋、列條紋、斜條紋、粗或細(xì)以及周期條紋等),而起因又各不相同,如因工頻干擾、系統(tǒng)內(nèi)部電壓不平衡或傳輸問(wèn)題等外因所致,或因監(jiān)控?cái)z像機(jī)長(zhǎng)期外露、不間斷的工作特點(diǎn)引起圖像傳感器校準(zhǔn)偏差、內(nèi)部電流不平衡以及系統(tǒng)噪聲或振動(dòng)等產(chǎn)生。因此,對(duì)監(jiān)控系統(tǒng)條紋干擾的研究尤為重要。條紋噪聲不僅降低了視頻監(jiān)控圖像的質(zhì)量和可解釋性,而且容易引發(fā)不可預(yù)測(cè)的故障。

      目前針對(duì)實(shí)時(shí)視頻圖像條紋干擾檢測(cè)的文獻(xiàn)較少,而靜止圖像的條紋噪聲檢測(cè)大多是基于濾波方法。如采用方向模板的結(jié)構(gòu)光條紋中心檢測(cè)[1],通過(guò)可變方向模板檢測(cè)結(jié)構(gòu)光條紋中心;針對(duì)航空?qǐng)D像水面尾跡的檢測(cè),利用方向極傅里葉頻譜二維主成分降維提取特征和支持向量機(jī)分類(lèi)檢測(cè)尾跡[2];針對(duì)遙感圖像條紋噪聲檢測(cè)方法,通過(guò)Canny邊緣檢測(cè)、線條跟蹤和閾值三步定位條紋[3];針對(duì)結(jié)構(gòu)光條紋的邊緣檢測(cè),通過(guò)自適應(yīng)中值濾波器平滑圖像,方向可調(diào)濾波器提取結(jié)構(gòu)光條紋邊緣點(diǎn)兩步檢測(cè)光條紋[4];根據(jù)頻域條紋噪聲的功率譜特性,建立小波鏡像正則反演濾波器抑制和去除條紋[5];以及基于穩(wěn)健統(tǒng)計(jì)的抗差估計(jì)濾波檢測(cè)和去除靜態(tài)圖像中脈沖噪聲引起的干擾條紋[6]。但上述方法都針對(duì)某種單一特征條紋及特定環(huán)境檢測(cè),并不適用于視頻監(jiān)控系統(tǒng)。通過(guò)分析大量監(jiān)控視頻圖像的干擾條紋特征,本文提出了一種自適應(yīng)檢測(cè)算法,將監(jiān)控視頻幀圖像變換到頻譜空間,將頻譜分量分成兩類(lèi)子塊,即擴(kuò)展頻譜帶和周邊區(qū)域頻帶,根據(jù)不同子塊特性,通過(guò)離散行列累積分布函數(shù)找出異常峰值點(diǎn)或設(shè)置閾值找出異常亮點(diǎn),進(jìn)而檢測(cè)干擾條紋。

      1 監(jiān)控圖像條紋干擾特性

      圖1(a)是由監(jiān)控系統(tǒng)附近很強(qiáng)的干擾源引起條紋干擾的一幀圖像,圖1(b)是二維傅里葉變換后的頻譜圖,圖1(c)是圖像傳感器故障引起條紋干擾的一幀圖像,圖1(d)是其頻譜圖。通過(guò)分析發(fā)現(xiàn),條紋噪聲在空域中具有以下特征:

      (1)條紋噪聲具有一定的方向性,在某個(gè)方向有較強(qiáng)的灰度變化。

      (2)條紋噪聲分布具有準(zhǔn)周期性,明暗交替出現(xiàn),此類(lèi)干擾大多由不同頻率噪聲引起。

      (3)干擾源的多樣性,使得條紋干擾可能出現(xiàn)在不同方向上,并形成疊加。

      圖1 受條紋干擾的監(jiān)控視頻幀圖像及頻譜圖

      圖1(b)、圖1(d)中的明亮突起部分是由準(zhǔn)周期條紋噪聲導(dǎo)致的,通過(guò)分析發(fā)現(xiàn),條紋噪聲在頻域中具有以下特征:(1)空域中有幾條不同周期的條紋噪聲,頻域中就有幾個(gè)與之對(duì)應(yīng)的“十”字形異常亮點(diǎn)。(2)條紋噪聲周期和角度不同,對(duì)應(yīng)的頻譜中異常亮點(diǎn)區(qū)域也不同,可能落在具有暗背景的周邊區(qū)域(如圖 1(b)所示),也可能落在亮帶附近(如圖1(d)所示)。因此,對(duì)監(jiān)控視頻幀圖像進(jìn)行傅里葉變換后,檢測(cè)“十”字形異常亮點(diǎn)是解決問(wèn)題的關(guān)鍵。為去除中間亮帶對(duì)“十”字形亮點(diǎn)檢測(cè)的干擾,將頻譜圖分為兩塊,亮帶附近區(qū)域稱(chēng)為擴(kuò)展調(diào)頻帶[7],暗背景區(qū)域稱(chēng)為周邊區(qū)域頻帶。擴(kuò)展調(diào)頻帶上的“十”字形亮點(diǎn)通過(guò)行列累積分布函數(shù)進(jìn)行檢測(cè),而周邊區(qū)域頻帶可通過(guò)設(shè)置閾值檢測(cè)“十”字形亮點(diǎn)。

      2 條紋檢測(cè)算法原理

      2.1 頻率譜的對(duì)稱(chēng)特性

      圖2 頻譜所在象限圖

      2.2 相對(duì)距離和子塊定義

      根據(jù)條紋噪聲的頻譜特征分析,為了定位周邊區(qū)域頻帶和擴(kuò)展調(diào)頻帶兩子塊的相對(duì)位置,以頻域圖像左上角為原點(diǎn),對(duì)于一個(gè) M×N的頻譜圖像 F(u,v),引入相對(duì)距離(distance)概念:

      2.3 行列累積分布函數(shù)特性

      通過(guò)分析發(fā)現(xiàn),擴(kuò)展調(diào)頻帶上的異常亮點(diǎn)使該區(qū)域頻譜幅度值劇烈增加,導(dǎo)致局部頻譜幅度峰值,因此,可通過(guò)累積分布函數(shù)檢測(cè)局部峰值,進(jìn)而檢測(cè)擴(kuò)展調(diào)頻帶上的異常亮點(diǎn)。對(duì)一幅大小為M×N的頻域圖像F(u,v),行列數(shù)分別是M和N,定義其在列方向上的離散累積分布函數(shù)[8]為:

      行方向上的離散累積分布函數(shù)為:

      計(jì)算幀圖像列方向和行方向上的累積分布函數(shù),其中頻譜圖的橫軸是行數(shù)或列數(shù),縱軸與之對(duì)應(yīng)的是列方向或行方向的頻譜幅度累加值[5]。利用頻譜圖對(duì)稱(chēng)性,只需計(jì)算圖像一半的行列累積分布函數(shù)。

      圖3顯示了擴(kuò)展調(diào)頻帶區(qū)域異常亮點(diǎn)的檢測(cè)方法,原圖是一幀視頻傳輸線路阻抗不匹配造成的等間距斜紋(即圖 4的 C類(lèi)紋)。式(4)和式(5)確定的子塊圖 3(a)和圖3(c)分別是行擴(kuò)展條頻帶和列擴(kuò)展條頻帶。圖3(b)是式(6)計(jì)算的列方向累計(jì)分布函數(shù),圖 3(d)是式(7)計(jì)算的行方向累計(jì)分布函數(shù)。可見(jiàn),圖3(b)的列方向累積分布函數(shù)中有異常峰值P,由此檢測(cè)出擴(kuò)展調(diào)頻帶區(qū)域有異常亮點(diǎn)。

      圖3 擴(kuò)展調(diào)頻帶區(qū)域異常亮點(diǎn)檢測(cè)

      3 算法描述

      算法的具體步驟如下:

      (1)初始化處理。根據(jù)監(jiān)控視頻時(shí)長(zhǎng)和幀播放速率,設(shè)置采樣間隔抽取待測(cè)幀,規(guī)格化幀圖像為320×240,并轉(zhuǎn)為灰度圖像,以提高運(yùn)算速度。

      (2)頻譜圖分塊處理。根據(jù)2.2部分的算法原理將視頻幀圖像分為周邊區(qū)域頻帶和擴(kuò)展調(diào)頻帶兩個(gè)子塊。

      (3)周邊區(qū)域頻帶異常亮點(diǎn)檢測(cè)。用模板(5×5)對(duì)頻譜圖進(jìn)行增強(qiáng)處理,突出異常亮點(diǎn)幅度值。若周邊區(qū)域頻帶幅度值大于閾值α(α取175),表明周邊區(qū)域頻帶存在條紋干擾。

      (4)擴(kuò)展調(diào)頻帶異常亮點(diǎn)檢測(cè)。根據(jù)2.3部分的算法原理求得列方向和行方向的離散累積分布函數(shù),檢測(cè)是否存在異常峰值,若有,則表明幀圖像的擴(kuò)展調(diào)頻帶存在條紋干擾。

      (5)對(duì)視頻序列的抽取幀依次運(yùn)用上述方法檢測(cè),評(píng)價(jià)視頻段是否存在條紋噪聲干擾。

      4 實(shí)驗(yàn)結(jié)果與分析

      為了驗(yàn)證算法的有效性,從不同場(chǎng)景,720×576分辨率的監(jiān)控視頻中選取6個(gè)5 min的RGB視頻片斷作為測(cè)試樣本,其中1個(gè)視頻無(wú)條紋干擾,5個(gè)視頻分別存在斜條紋、橫條紋等噪聲干擾,如圖4所示。設(shè)置視頻播放速率為 25幀/s,幀抽取速率為 0.2幀/s,幀圖片規(guī)格化為320×240。分別采用本文提出的算法、基于Canny邊緣算子檢測(cè)法[3]和基于光條紋方向模板法[1]檢測(cè)條紋噪聲,結(jié)果如表1所示。

      圖4 視頻圖像中的條紋噪聲類(lèi)型

      表1 條紋檢測(cè)比較

      圖4中,A類(lèi)條紋指監(jiān)控系統(tǒng)受強(qiáng)干擾導(dǎo)致的斜紋噪聲,B類(lèi)條紋指圖像傳感器故障引起的等間距橫紋噪聲,C類(lèi)條紋指視頻傳輸線路阻抗不匹配造成的等間距斜紋噪聲,D類(lèi)條紋指低頻干擾引起的水平散狀細(xì)小條紋,E類(lèi)指工頻干擾引起的雪花疊加斜紋噪聲。另外,表1中的“1”表示檢測(cè)出條紋,“0”表示沒(méi)有檢測(cè)出條紋,“-1”表示誤檢。可見(jiàn),基于Canny邊緣算子的條紋檢測(cè)只適用于水平或垂直細(xì)條紋的檢測(cè)[3];方向模板法只能檢測(cè)出B類(lèi)條紋,易受背景干擾導(dǎo)致對(duì)無(wú)條紋圖像的誤檢;而提出的算法能有效檢測(cè)出除D類(lèi)外的多種周期性干擾條紋,D類(lèi)條紋因散狀細(xì)小且無(wú)周期性,造成頻域沒(méi)有異常亮點(diǎn),故檢測(cè)不出。表2所示為檢測(cè)B類(lèi)條紋時(shí)三種算法的計(jì)算時(shí)間,本算法與方向模板法時(shí)間較為接近,基于Canny邊緣算子的條紋檢測(cè)法計(jì)算時(shí)間最長(zhǎng)。綜上所述,本算法能有效檢測(cè)出監(jiān)控視頻序列中的多種準(zhǔn)周期性條紋且運(yùn)算效率較高。通過(guò)分析視頻監(jiān)控圖像中條紋噪聲的頻域特性,本文提出了一種能夠快速檢測(cè)監(jiān)控圖像周期性條紋干擾的算法。根據(jù)相對(duì)距離將視頻幀頻譜圖分成周邊區(qū)域頻帶和擴(kuò)展調(diào)頻帶兩個(gè)子塊,再計(jì)算行列累計(jì)函數(shù)檢測(cè)子帶或閾值,判斷各子塊是否存在異常亮點(diǎn),進(jìn)而確定幀圖像是否存在條紋噪聲;通過(guò)頻率譜的對(duì)稱(chēng)性,大大減少了異常點(diǎn)的遍歷次數(shù),提高了算法的運(yùn)行速度。實(shí)驗(yàn)結(jié)果表明,本文提出的算法能有效檢測(cè)出監(jiān)控視頻序列中的準(zhǔn)周期性條紋,適應(yīng)具有不同方向的多種周期性條紋的檢測(cè),但對(duì)無(wú)周期性的散亂條紋和細(xì)小條紋不適用,這也是下一步研究的重點(diǎn)。

      表2 算法計(jì)算時(shí)間比較

      [1]胡斌,李德華,金剛,等.基于方向模板的結(jié)構(gòu)光條紋中心檢測(cè)方法[J].計(jì)算機(jī)工程與應(yīng)用,2002(11):59-60.

      [2]汪海洋,潘德?tīng)t,夏德深,等.基于方向極傅里葉頻譜2DPCA 的尾跡檢測(cè)[J].自動(dòng)化學(xué)報(bào),2008,34(9):1053-1059.

      [3]Fuan Tsai, Chen W W.Striping noise detection and correction of remote sensing images[J].IEEE Transactions on Geoscience and Remote Sensing, 2008,46(12): 4122-4131.

      [4]Chen Yanjun, Zheng Jun, Wang Kuanquan, etal.Structured light stripe boundary detection using steerable filters [C].2010 InternationalConference on Computer Application and System Modeling(ICCANS), 2010:22-24.

      [5]Wang Zuoguan.Frequency-domain regularized deconvolution for images with stripe noise[C].Proceeding of the Fourth International Conference on Image and Graphics, ICIG′07,Chengdu: 2007:110-115.

      [6]VIJAYKUMAR V R, VANATHI P T, XANAGASABAPATHY P,et al.An efficient algorithm to remove scratches stripes and blotches in still images[C].International Conference on Intelligentand Advanced Systems, ICIAS 2007, Kuala Lumpur: Proceeding of the 2007 IEEE, 2007:605-610.

      [7]孫穎,張志佳.基于頻域?yàn)V波的自適應(yīng)條帶噪聲去除算法[J].儀表技術(shù)與傳感器,2006(2):57-59.

      [8]鄒園園,葛慶平,韓煜,等.基于頻域?yàn)V波的 THz圖像條紋噪聲處理[J].計(jì)算機(jī)工程與應(yīng)用,2009,45(17):241-24.

      猜你喜歡
      調(diào)頻條紋頻譜
      考慮頻率二次跌落抑制的風(fēng)火聯(lián)合一次調(diào)頻控制
      能源工程(2021年5期)2021-11-20 05:50:42
      一種用于深空探測(cè)的Chirp變換頻譜分析儀設(shè)計(jì)與實(shí)現(xiàn)
      誰(shuí)是窮橫條紋衣服的人
      小福爾摩斯(2019年2期)2019-09-10 07:22:44
      別急!丟了條紋的斑馬(上)
      別急!丟了條紋的斑馬(下)
      一種基于稀疏度估計(jì)的自適應(yīng)壓縮頻譜感知算法
      調(diào)頻發(fā)射機(jī)技術(shù)改造
      調(diào)頻激勵(lì)器干擾的排除方法
      認(rèn)知無(wú)線電頻譜感知技術(shù)綜述
      調(diào)頻引信中噪聲調(diào)幅干擾的自適應(yīng)抑制
      宜兴市| 濮阳市| 盐山县| 宣化县| 灵丘县| 瑞昌市| 本溪| 九寨沟县| 武清区| 江陵县| 万源市| 邢台县| 哈巴河县| 新泰市| 元谋县| 如东县| 茂名市| 邵阳县| 建宁县| 宜昌市| 浏阳市| 新宾| 阿克| 邢台市| 吉木乃县| 富民县| 东安县| 温宿县| 余干县| 武胜县| 平乡县| 三门峡市| 麦盖提县| 海安县| 曲麻莱县| 淮北市| 陆丰市| 柘城县| 昌图县| 安宁市| 富平县|