一種視頻圖像中疊加條紋檢測方法和裝置的制造方法
【技術領域】
[0001] 本發明屬于視頻質量檢測技術領域，尤其涉及一種視頻圖像中疊加條紋檢測方法 和裝置。
【背景技術】
[0002] 視頻質量診斷系統是一種智能化的監控視頻故障分析和報警系統，它可以對前端 傳回的視頻圖像進行質量分析判斷，能對視頻故障做出準確判斷并發出報警信息。視頻質 量診斷系統采用先進科學的視頻質量診斷技術，應用計算機視覺算法，對視頻圖像出現的 疊加條紋、模糊、雪花、偏色、噪聲等常見攝像機故障，做出準確判斷并發出報警信息。
[0003] 疊加條紋是攝像機常出現的一種故障，是評判視頻質量好壞的關鍵因素之一。傳 統的疊加條紋診斷方法利用霍夫Hough變換配合背景建模算法、Canny算法，判斷視頻是否 存在疊加條紋，或者利用像素方差值圖像配合直線檢測進行疊加條紋的檢測。這一類方法 能夠對部分疊加條紋有一定的檢測作用，但是對于一些特殊場景會出現錯誤判別的情況， 例如有電線橫穿畫面、畫面中存在斑馬線等情況，且計算量較大，不易做到對視頻圖像的實 時檢測。
[0004] 現有技術的一種視頻監控圖像條紋噪聲的快速檢測方法，該方法根據相對距離， 將待檢測圖像的頻譜圖分成擴展調頻帶、周邊區域頻帶兩個子塊，運用行、列累積函數檢測 擴展調頻帶是否存在異常亮點，利用閾值檢測周邊區域頻帶是否存在異常亮點，進而確定 圖像是否存在條紋噪聲。但該方法視頻圖像上的疊加條紋具有集中在部分行或者列貫穿整 個畫面的特點，對整圖做全局傅里葉變換，會消耗大量的時間，對于實時性要求很高的視頻 診斷系統，不具有實用性。其次，具有疊加條紋的視頻圖像與正常視頻圖像相比較，整圖做 單次全局傅里葉變換得到的頻譜圖，異常亮點不明顯，用于判斷視頻圖像是否有疊加條紋 具有一定的局限性。
[0005]

【發明內容】

[0006] 本發明提出了一種視頻圖像中疊加條紋檢測方法和裝置，能夠避免現有技術檢測 的局限性，且降低了計算量，能夠做到對視頻圖像的實時檢測。
[0007] 為了實現上述目的，本發明技術方案如下：
[0008] -種視頻圖像中疊加條紋檢測方法，用于判斷視頻圖像中是否存在疊加條紋，所 述方法包括：
[0009] 步驟1、獲取當前幀及前一幀YUV格式的視頻圖像中Y分量，計算得到前后兩幀視 頻圖像Y分量的差值數據；
[0010] 步驟2、對所述差值數據進行平滑處理得到差值圖像；
[0011] 步驟3、計算差值圖像每個像素的梯度數據，采用預設的窗口對梯度數據進行遍 歷，統計窗口內的梯度數據來判斷當前視頻圖像中存在疊加條紋、或不存在疊加條紋、或可 能存在疊加條紋，并在判斷可能存在疊加條紋時，進入下一步，否則結束檢測；
[0012] 步驟4、采用預設大小的分塊和遍歷間隔，對差值數據對應的差值圖像進行遍歷， 對獲取的分塊進行二維傅里葉變換，統計分塊的頻譜信息判斷視頻圖像是否存在疊加條 紋。
[0013] 本發明在判斷視頻圖像中是否存在橫向疊加條紋時，所述步驟3包括步驟：
[0014] 步驟3. 1、計算差值圖像中每個像素X方向的梯度數據；
[0015] 步驟3. 2、對計算得到的梯度數據進行腐蝕膨脹形態學處理；
[0016] 步驟3. 3、采用預設的窗口對形態學處理后的梯度數據進行橫向遍歷，預設的 窗口大小為iArea個像素，記遍歷次數為iCntl，統計每個窗口中非零像素數目，記為 iCntTotal，當 iCntTotal/iArea>fThrel 時，fThrel 為預設的閾值，計數 iTotal 加 1 ;
[0017] 步驟3. 4、利用上述計算結果iTotal，計算其與遍歷次數iCntl的比值fratio2,當 fratio2大于預設的閾值fThre2時判定當前視頻圖像中存在疊加條紋，當fratio2小于預 設的閾值fThre3時判定當前視頻圖像中不存在疊加條紋，而當fThre3〈fratio2〈fThre2時 判定當前視頻圖像中可能存在疊加條紋，需要進入步驟4作進一步檢測。
[0018] 進一步地，所述步驟4包括步驟：
[0019] 步驟4. 1、采用預設大小的分塊和遍歷間隔對差值圖像進行橫向遍歷；
[0020] 步驟4. 2、對獲取到的各分塊進行二維傅里葉變換，對傅里葉變換后的頻譜數據進 行對角交換，并將頻譜能量值f (X，y)進行上限封頂處理，最后將頻譜圖向Y軸投影，記各分 塊中間區域的投影峰值為iProjectionMax，當iProjectionMax>iThre4時判定該分塊為有 效分塊，計數有效分塊數目iTotal2加1 ;
[0021 ] 步驟4. 3、統計所有分塊的檢測結果，記分塊總數為iCnt2,在iTotal2/ iCnt2>fThre5時，對有效分塊數目最多的對應行的上下兩行再次執行步驟4. 2,記錄該有 效分塊數目最多的對應行及其上下兩行的有效分塊數目為iTotal3,當iTotal3與分塊總 數iCnt2的比值fratio4大于設定的閾值fThre6時，判定視頻圖像中存在弱疊加條紋，否 則判定視頻圖像中不存在疊加條紋，在iTotal2/iCnt2〈fThre5時，判定視頻圖像中不存在 疊加條紋。
[0022] 本發明在判斷視頻圖像中是否存在縱向疊加條紋時，所述步驟3包括步驟：
[0023] 步驟3.1'、計算差值圖像中每個像素y方向的梯度數據；
[0024] 步驟3.2'、對計算得到的梯度數據進行腐蝕膨脹形態學處理；
[0025] 步驟3.3'、采用預設的窗口對形態學處理后的梯度數據進行縱向遍歷，預設 的窗口大小為iArea個像素，記遍歷次數為iCntl，統計每個窗口中非零像素數目，記為 iCntTotal，當 iCntTotal/iArea>fThrel 時，fThrel 為預設的閾值，計數 iTotal 加 1 ;
[0026] 步驟3· V、利用上述計算結果iTotal，計算其與遍歷次數iCntl的比值fratio2， 當fratio2大于預設的閾值fThre2時判定當前視頻圖像中存在疊加條紋，當fratio2小于 預設的閾值fThre3時判定當前視頻圖像中不存在疊加條紋，而當fThre3〈fratio2〈fThre2 時判定當前視頻圖像中可能存在疊加條紋，需要進入步驟4作進一步檢測。
[0027] 進一步地，所述步驟4包括步驟：
[0028] 步驟4. 1 '、采用預設大小的分塊和遍歷間隔對差值圖像進行縱向遍歷；
[0029] 步驟4. 2'、對各分塊進行二維傅里葉變換，對傅里葉變換后的頻譜數據進行對角 交換，并將頻譜能量值f(x，y)進行上限封頂處理，最后將頻譜圖向X軸投影，記各分塊中 間區域的投影峰值為iProjectionMax，當iProjectionMax>iThre4時判定該分塊為有效分 塊，計數有效分塊數目iTotal2加1 ;
[0030] 步驟4. 3 ^、統計所有分塊的檢測結果，記分塊總數為iCnt2,在iTotal2/ iCnt2>fThre5時，對有效分塊數目最多的對應列的左右兩列再次執行步驟4. 2 ^，記錄該 有效分塊數目最多的對應列及其左右兩列的有效分塊數目為iTotal3,當iTotal3與分塊 總數iCnt2的比值fratio4大于設定的閾值fThre6時，判定視頻圖像中存在弱疊加條紋， 否則判定視頻圖像中不存在疊加條紋，在iTotal2/iCnt2〈fThre5時，判定視頻圖像中不存 在疊加條紋。
[0031] 本發明還提出了一種視頻圖像中疊加條紋檢測裝置，用于判斷視頻圖像中是否存 在疊加條紋，所述裝置包括：
[0032] 差值模塊，用于獲取并計算當前幀及前一幀YUV格式的視頻圖像中Y分量的差值， 得到前后兩幀視頻圖像Y分量的差值數據；
[0033] 平滑模塊，用于對所述差值數據進行平滑處理得到差值圖像；
[0034] 梯度判斷模塊，用于計算差值圖像每個像素的梯度數據，采用預設的窗口對梯度 數據進行遍歷，統計窗口內的梯度數據來判斷當前視頻圖像中存在疊加條紋、或不存在疊 加條紋、或可能存在疊加條紋，并在判斷可能存在疊加條紋時，進入下一步，否則結束檢 測；
[0035] 頻域判斷模塊，用于采用預設大小的分塊和遍歷間隔，對差值數據對應的差值圖 像進行遍歷，對獲取的分塊進行二維傅里葉變換，統計分塊的頻譜信息判斷視頻圖像是否 存在疊加條紋。
[0036] 本發明提出的一種視頻圖像中疊加條紋檢測方法和裝置，利用全局梯度算法，根 據具有大面積且較強疊加條紋的視頻圖像，其連續幀Y分量差值的全局方向梯度經過形態 學處理后，形成條帶狀的非零區域，明顯不同于普通的視頻圖像的特征，能夠很好的判別疊 加條紋比較嚴重的視頻圖像；并采用分塊頻域算法，充分利用了疊加條紋較弱的圖像區別 于普通的圖像，有較為連續且豐富的高頻分量這一特性，可以很好的區分疊加條紋較弱的 圖像與普通監控視頻圖像，且根據分辨率不同采用不同的遍歷間隔，計算圖像各分塊的頻 譜圖，只有在必要的時候再針對特定區域進行后續頻譜圖的計算，在提升了判別準確性的 同時，與對全圖做單次傅里葉變換進行疊加條紋判斷的方法相比