视频监控中的图像质量检测
摘要:视频监控中图像产生噪声的原因很多,生成的噪声也多种多样,本文主要针对“雪花屏”进行检测。

基于“雪花屏”的特性分析,其纹理较多较深,且有规律可循,在做灰度共生矩阵分类算法的过程中,发现“雪花屏”的共性:像素灰度值变化剧烈,幅值起伏大！究其原因:图像中噪声点的灰度值与其邻域范围内非噪声点的灰度值有比较大的差别。

故本文采用小窗口来计算局部图像的方差的方法,来辨别正常图像与“雪花屏”。

关键词:雪花屏灰度共生矩阵局部方差
1 概述
由于图像在采集、传输之后可能会导致失真现象,图像的“雪花屏”较为常见,这会导致图像显示不清晰,使用者操作不便,也会加大错误处理的概率。

所以本文主要做了一个自动检测、分辨雪花窗的工作。

2 图像质量检测的关键技术
2.1 关键技术
想到运用小窗口来计算局部图像的方差,因为方差反映数据分布集中程度,如果是正常图像,像素的幅值变化较平缓,方差较小,而“雪花屏”则不会。

例如取3*3小窗口,相当于计算图像的高频信息,设定阈值后,就能分辨是“雪花屏”、正常图像还是“黑屏”图像。

2.2 算法设计
(1)将图像各颜色分量转化为灰度;
(2)为减少计算量,将原始图像灰度级压缩,量化成16级;
(3)采用3*3窗口,计算窗内9个像素点灰度值的方差;
(4)窗口遍历整幅图像,若像素点总数为M*N,则得到(M-1)*(N-1)个方差值;
(5)对得到(M-1)*(N-1)个方差取均值T,与阈值T1和T2相比较;
(6)若T>T1,则为“雪花屏”,发出告警声音;
(7)若T2<T<T1,则为正常图像;
(8)若T<T2,则为“黑屏”,发出告警声音。

2.3 样本选取
(1)“雪花屏”训练集采用以下7幅图像:其中有通过MATLAB添加高斯白噪声生成的,也有网上下载的“雪花屏”图像。

(图1)
(2)正常图像选取了7幅监控设备常被运用到的监控场景,如小区、电梯、教室等。

(图2)
(3)选取黑屏图像一副。

(图3)
2.4 实验结果
结果统计如图4。

从图中可以看出,“雪花图”方差均值较大,有五幅都在3.6以上,只有两幅介于2与3之间,这两幅刚好是MATLAB添加高斯白噪声制成的两幅图,下面会对其进行定量分析;正常图像的方差均值较小,多数在1.0附近,只有一副为2.1,此幅图像是草坪场景,草坪对结果有较大影响,设定阈值时应该对特殊场景有全面考虑;“黑屏”图像的像素幅值皆为0,没有差别,所以方差为0。

3 结语
本文的“雪花窗”的检测算法,能有效分辨“雪花屏”与正常图像,从而帮助视频监控系统高效工作,将人眼分辨从繁杂的劳动中解脱出来。

参考文献
[1]林来兴.空间交会对接技术[M].北京:宇航出版社,1994:1-60.
[2]张淑琴.空间交会对接测量技术及工程应用[M].北京:中国宇航出版社,2005:1-448.。