一种视频监控图像条纹噪声的快速检测方法一种视频监控图像条纹噪声的快速检测方法
针对视频监控图像中存在各类条纹噪声的问题,根据条纹特性和受干扰图像帧的频域特征,提出了一种快速检
测监控录像周期性条纹的算法。根据相对距离将频谱图分成两个子块,再运用行列累积函数或阈值检测各子带
是否存在异常亮点,进而确定图像帧是否存在条纹噪声。利用频率谱中异常点的对称特性可减少遍历次数,有
效提高了算法的运行效率。实验结果表明,该算法对监控视频序列中的多种周期性条纹具有良好的检测效果,
并提高了计算速度。
摘摘 要:要: 针对
关键词:关键词: 视频监控图像;条纹噪声;
随着网络、视频通信技术的快速发展和视频监控系统的广泛应用,监控图像的质量评价正成为新的研究热点。由于视频监控
系统通常布控范围较大,因此前端图像采集设备长期连续工作及受各种外因影响,监控录像易受条纹噪声干扰而质量下降。由
于条纹干扰类型各异(如有横条纹、列条纹、斜条纹、粗或细以及周期条纹等),而起因又各不相同,如因工频干扰、系统内部
电压不平衡或传输问题等外因所致,或因监控摄像机长期外露、不间断的工作特点引起图像传感器校准偏差、内部电流不平衡
以及系统噪声或振动等产生。因此,对监控系统条纹干扰的研究尤为重要。条纹噪声不仅降低了视频监控图像的质量和可解释
性,而且容易引发不可预测的故障。
目前针对实时视频图像条纹干扰检测的文献较少,而静止图像的条纹噪声检测大多是基于滤波方法。如采用方向模板的结构
光条纹中心检测[1],通过可变方向模板检测结构光条纹中心;针对航空图像水面尾迹的检测,利用方向极傅里叶频谱二维主
成分降维提取特征和支持向量机分类检测尾迹[2];针对遥感图像条纹噪声检测方法,通过Canny边缘检测、线条跟踪和阈值三
步定位条纹[3];针对结构光条纹的边缘检测,通过自适应中值滤波器平滑图像,方向可调滤波器提取结构光条纹边缘点两步
检测光条纹[4];根据频域条纹噪声的功率谱特性,建立小波镜像正则反演滤波器抑制和去除条纹[5];以及基于稳健统计的抗
差估计滤波检测和去除静态图像中脉冲噪声引起的干扰条纹[6]。但上述方法都针对某种单一特征条纹及特定环境检测,并不
适用于视频监控系统。通过分析大量监控视频图像的干扰条纹特征,本文提出了一种自适应检测算法,将监控视频帧图像变换
到频谱空间,将频谱分量分成两类子块,即扩展频谱带和周边区域频带,根据不同子块特性,通过离散行列
1 监控图像条纹干扰特性监控图像条纹干扰特性
图1(a)是由监控系统附近很强的干扰源引起条纹干扰的一帧图像,图1(b)是二维傅里叶变换后的频谱图,图1(c)是图像传感
器故障引起条纹干扰的一帧图像,图1(d)是其频谱图。通过分析发现,条纹噪声在空域中具有以下特征:
(1)条纹噪声具有一定的方向性,在某个方向有较强的灰度变化。
(2)条纹噪声分布具有准周期性,明暗交替出现,此类干扰大多由不同频率噪声引起。
(3)干扰源的多样性,使得条纹干扰可能出现在不同方向上,并形成叠加。
图1(b)、图1(d)中的明亮突起部分是由准周期条纹噪声导致的,通过分析发现,条纹噪声在频域中具有以下特征:(1)空域中
有几条不同周期的条纹噪声,频域中就有几个与之对应的“十”字形异常亮点。(2)条纹噪声周期和角度不同,对应的频谱中异常
亮点区域也不同,可能落在具有暗背景的周边区域(如图1(b)所示),也可能落在亮带附近(如图1(d)所示)。因此,对监控视频帧
图像进行傅里叶变换后,检测“十”字形异常亮点是解决问题的关键。为去除中间亮带对“十”字形亮点检测的干扰,将频谱图分
为两块,亮带附近区域称为扩展调频带[7],暗背景区域称为周边区域频带。扩展调频带上的“十”字形亮点通过行列累积分布函
数进行检测,而周边区域频带可通过设置阈值检测“十”字形亮点。
2 条纹检测算法原理条纹检测算法原理