[发明专利]一种基于多特征融合的抖动检测算法

说明书

技术领域

本发明属于一般的图像数据处理或产生的技术领域，特别涉及一种基于多特征融合的抖动检测算法。

背景技术

随着现代社会的发展，计算机技术突飞猛进，为视频监控系统的实现提供了可靠的技术和硬件支持。众所周知，计算机智能视觉技术以其直观、准确、及时和信息内容丰富而广泛应用于许多场合，但同时随着视频监控系统应用的逐渐广泛，越来越多的问题被暴露出来。常见的视频监控故障类型有：视频信号缺失、视频清晰度异常、视频亮度异常、视频噪声、视频雪花、视频偏色、画面冻结、PTZ运动失控等。如果对于视频监控系统的维护工作完全由人工检测和处理，那么维护人员首先要面对巨大数量的的监控数据，其工作量是难以想象并且异常困难的。这就使得视频检测的成本不断增加，使得视频监控系统的使用效果大打折扣，严重影响了视频监控系统在城市安保，金融监控，道路监控中的有效作用。视频检测系统就是在此环境下应运而生的一种技术，并成为了视频检测系统的一个重要组成部分，其意义十分重大。

在现代的视频检测领域中最主要，也是最难以克服的问题就是如何较好的区别正常的镜头画面变化与不正常的画面抖动。正常的镜头画面变化包括：一、前景移动，即在拍摄设备不移动的情况下镜头中的物体的移动；二、后景移动，即当拍摄设备因拍摄需要而进行正常的移动从而给画面带来的变化；三、突变，即一个镜头直接切换为另一个镜头，中间没有时间上的延迟；四、渐变，即前一个镜头渐渐切换为下一个镜头，分为淡入、淡出、溶解和划变等。如此多的变化对辨别和解决视频抖动问题带来了巨大的困难。

现有技术对于视频检测相关问题的克服完成了以下几种研究结果：

美军军事研究实验室ARL(Army Research Laboratory)研制的应用在无人驾驶越野车上的视频抖动检测系统，其稳像精度已优于1个像元。此算法是基于标准的帧与帧间的互相关运算，分为图像映射、投影滤波、相关计算等步骤。算法的优点是计算速度快，缺点是投影算法设计时就只能补偿图像的平移运动，算法的检测精度是通过后续任务来检测的，可通过在行、列峰值处做局部的互相关运算来提高精度且对图像灰度整体变化不敏感。

    以色列耶路撒冷的希伯莱大学计算机科学学院，对静止的场景中由于摄像机自身运动所导致的图像模糊进行了研究；Ben-Gurion大学计算机和电子工程系也在进行稳像技术的研究，他们认为运动模糊主要影响运动方向上图像的特征，而其它方向上图像的特征受到的影响则有所不同，利用模糊系统的点扩散函数，通过对模糊图像的滤波处理，从而得到清晰的图像。

    国防科大的罗诗途对车载稳像进行了研究，国防科大的罗军参与设计实现了一种高性能的导引头信息处理机，并在导引头中对图像进行了稳像。

    西安电子科技大学的李慧娟对视频抖动检测基于DSP的硬件实现做了研究，已经可以在CCS仿真平台上实现。

    清华大学杨雨东等人提出一种基于2.5D运动估计模型和惰性滤波思想的图像稳定方法，并且利用专用图像处理机PIPE，能够实时处理帧间运动量7-8像素的抖动。

东南大学宋永江等人提出了一种基于多直线特征的全局运动估计算法，并将结果应用到视频抖动检测系统中。

发明内容

本发明解决的技术问题是，由于现有技术的算法基本为基于误差统计的抖动检测评价方法，其仅仅考虑了图像逐个像素点间的不同，并未考虑到图像像素间的强烈相关性和结构对视觉物体的重要性，然而自然图像信号相邻像素之间往往存在很强的相关性，这些相关性提供了视觉内容重要的信息，这导致了无法准确检测抖动且分析抖动情况的问题，进而提供了一种优化的基于多特征融合的抖动检测算法。

本发明所采用的技术方案是，一种基于多特征融合的抖动检测算法，所述算法包括以下步骤：

步骤一：初始化：取未失真的视频帧                                                为原始参考信号，取待测视频帧，和为非负的图像信号；令为图像信号第个像素点值，为图像像素点个数；，；

步骤二：提取亮度相似性因子：作为参考信号的视频帧的平均亮度为，作为待测信号视频帧的平均亮度为，视频帧和视频帧的亮度相似性因子为；其中，；

步骤三：去除平均亮度后，提取对比度相似性因子：作为参考信号的视频帧的信号对比度的离散形式的无偏估计为，作为待测信号视频帧的信号对比度的离散形式的无偏估计为，视频帧和视频帧的对比度相似性因子为；其中，；