[发明专利]监控视频下基于ROI拉普拉斯算法的图像质量评价方法

说明书

一种监控视频下基于ROI拉普拉斯算法的图像质量评价方法，包括如下步骤：图像预处理、图像ROI区域获取、图像区域权值分配、图像质量分数计算以及监控视频下图像质量评价方法。由于增加图像感兴趣区域（ROI），针对人眼对于图像信息获取特点，对图像空间分布进行合理分配，并为每个区域分配权值，利用拉普拉斯算法，统计图像信息分布，并结合ROI，使之能更有效符合人眼特点。针对监控视频场景，建立评价等级，使之能够清晰判断当前摄像头采集图像质量等级。

技术领域

本发明涉及图像处理技术领域，具体涉及一种监控视频下基于ROI拉普拉斯算法的图像质量评价方法。

背景技术

目前,随着安防系统重要性不断提高和视频监控系统技术快速发展，一些潜在的问题逐步凸显。例如，在成千上万路实时影像中，若有一个子网视频的质量达不到监控所需要求，将影响整个系统的监控效果。在监控场景中对不同远近对象的跟踪或者云台旋转，容易产生由对焦不准确而形成图像模糊失真的现象；自然条件引起图像采样器材的抖动，也会造成图像模糊。从成像原理讲，影响视频图像质量的因素有很多，例如摄像头的分辨率、成像速度、对焦程度、图像压缩率等，这些因素均会在一定程度上影响图像清晰度。

为有效避免该种情况，有必要对监控视频进行不间断图像质量的评价。由于人眼的复杂性，目前对于如何准确的提取图像质量信息、构造图像质量评价模型还没有形成统一的标准。不同的质量评价方法在评价过程中侧重点不同，因此图像质量评价方法有很多种分类方式，一般来说图像质量评价方法可分为主观质量评价方法与客观质量评价方法。主观质量评价则是人力主观进行评价，客观质量评价方法主要有：第一，全参考型方法，需要获得参考图像进行质量评价，有峰值信噪比(peak signal to noise ratio，PSNR)、基于结构相似度方法(structural similarity，SSIM)等；第二，半参考型方法则需要参考图像的部分信息，包括混合图像质量评价方法(hybrid image quality metric，HIQM)、多尺度几何分析法(multiscale geometric analysis，MGA)等；第三，无参考图像质量评价方法，根据图像自身特征来估计图像质量。

近年来，针对图像的空域特征提取成为无参考图像质量评价领域的发展趋势。如BRISQUE、IL-NIQE等方法逐步应用。拉普拉斯算法在图像处理中应用于增强图像边缘信息，Xue等人提出一种联合统计图像局部对比度特征的无参考图像质量评价方法，该方法首先分别计算图像的梯度幅值(gradient magnitude，GM)和拉普拉斯变换图像(Laplacian ofGaussian，LOG)，对二者进行联合自适应归一化(joint adaptive normalization，JAN)；接着计算归一化后梯度特征和拉普拉斯特征的边缘分布以及去除相关性后二者的独立分布作为特征信息；最后使用支持向量回归对图像质量进行预测。

在无参考图像质量评价中，一是应用拉普拉斯算法是对全局图像进行处理，无法准确地区分图像中的真实边缘和由块效应引起的边缘；二是针对视频监控系统缺乏一个系统的图像质量评价机制。

发明内容

本发明为了克服以上技术的不足，提供了一种对图像进行区域划分，并对区域依据ROI技术进行权值分配，最后统计所有区域的拉普拉斯图像分布信息的监控视频下基于ROI拉普拉斯算法的图像质量评价方法。

本发明克服其技术问题所采用的技术方案是：

一种监控视频下基于ROI拉普拉斯算法的图像质量评价方法，包括如下步骤：

a)将摄像头采集的图像进行灰度化处理，在灰度化的图像上运用边缘算法获取图像中目标边缘，对图像进行二值化处理，获取二值化图像，在目标边缘的二值化图像中使用轮廓查找算法获取前景目标候选区域；

b)统计前景目标候选区域的面积大小，并按面积从大到小的顺序进行排序，选取面积大的2-5个前景目标候选区域作为候选感兴趣区域；