[发明专利]一种随背景变化的灰度视频文字类水印去除方法及系统

说明书

本发明公开了一种随背景变化的灰度视频文字类水印去除方法及系统，包括获取待处理灰度视频，对待处理灰度视频中的原始图像进行预处理，得到初步定位的水印区域；根据所述初步定位的水印区域，采用两路水印检测处理法对所述初步定位的水印区域进行水印检测处理，得到两路中间结果；对所述两路中间结果进行运算，生成水印模板，得到背景区域和精确定位的水印区域；使用所述背景区域对所述精确定位的水印区域进行填充，得到水印去除后的图像。本发明解决随背景变化的灰度视频文字类水印去除问题，针对灰度成像的视频实时去除特定位置的水印，并克服水印会根据图像的明暗变化而发生的变化。本发明可为人工智能领域数据标记和训练提供干净的数据。

技术领域

本发明涉及水印去除技术领域，具体涉及一种随背景变化的灰度视频文字类水印去除方法及系统。

背景技术

在视频图像应用领域经常会使用灰度成像，各种灰度成像的视频带有视频注释、日期、时间等水印，这类水印在此统称为文字类水印。这些水印有几个主要的特点：第一水印是变化的，比如时间会变化；第二水印的明暗是变化的，比如背景呈深色，水印呈浅色；背景呈浅色，水印呈深色；第三水印具有细长的线条，水印和背景相互交融；第四水印自身灰度值保持一致。

近年来利用人工智能算法处理视频和图像越来越普遍，比如目标检测、目标分类等。人工智能算法尤其是最近几年流行的有监督深度学习算法是基于大量数据进行工作的。首先搭建神经网络，然后将标注好的训练集数据输入网络进行训练得到训练好的模型，最后使用训练好的模型进行实时工作。

数据获取对深度学习来说是很重要但是也是一件不容易的事情，特别是一些专业和小众的领域，在互联网很难找到相关的数据资源。将一些现有的视频和图像收集起来加以利用，比如用来进行模型训练是非常明智和有效的方式。但是很多时候我们获得的图像或者视频都有水印，这些水印对训练集的标注和后期的训练形成干扰，降低了项目推进的效率。

现有的去水印技术可以分为两大类，一类是基于机器学习的算法，另一类是传统的算法。基于机器学习的算法大多要用到训练数据。现有的传统的去水印算法大多是基于静态的图像，需要手动去标识水印，或者使用较复杂的算法检测水印再用水印附近的区域去填充水印区域。模板匹配检测水印是针对水印样式固定不变的情况，水印样式是变化的时候无法使用传统的模板匹配是检测水印。还有一种去水印方法比较直接，直接将水印部分进行覆盖添加新的水印，或者将水印部分进行模糊处理，这种方法对背景技术种提到的模型训练没有帮助。本文种提到的文字类水印是跟背景相互交融，也就是说文字的镂空部分是背景，不能单纯的将水印连带镂空背景一起抹去，这样会使得去水印之后的图像看起来非常突兀。

然后，以上现有的水印去除技术并不适应于随背景变化的灰度视频文字类水印去除，无法解决针对灰度成像的视频实时去除特定位置的水印；且很难快速对视频或者图像进行快速批量处理。

发明内容

本发明所要解决的技术问题是现有的水印去除技术并不适应于随背景变化的灰度视频文字类水印去除，无法解决针对灰度成像的视频实时去除特定位置的水印。本发明目的在于提供一种随背景变化的灰度视频文字类水印去除方法及系统，通过该方法解决随背景变化的灰度视频文字类水印去除问题，针对灰度成像的视频实时去除特定位置的水印，并克服水印会根据图像的明暗变化而发生的变化；另外，可以批量获得除去水印的干净数据。

本发明通过下述技术方案实现：

第一方面，本发明提供了一种随背景变化的灰度视频文字类水印去除方法，该方法包括：

获取待处理灰度视频，对待处理灰度视频中的原始图像进行预处理，得到初步定位的水印区域；

根据所述初步定位的水印区域，采用两路水印检测处理法对所述初步定位的水印区域进行水印检测处理(即精确定位)，得到两路中间结果；对所述两路中间结果进行运算(求交集)，生成水印模板，提取所述水印模板中相同像素值个数最多的像素作为精确定位的水印区域，同时得到背景区域；其中，精确定位的水印区域以外的区域即是背景区域；