[發(fā)明專利]一種基于視覺顯著性特征的視頻灰斑檢測方法

在審

• 申請?zhí)枺?/td>: 201610246080.8
• 申請日: 2016-04-14
• 公開（公告）號: CN107305694A
• 公開（公告）日: 2017-10-31
• 發(fā)明（設(shè)計(jì)）人: 陳黎;楊平
• 申請（專利權(quán)）人: 武漢科技大學(xué)
• 主分類號: G06T7/40
• 分類號: G06T7/40;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于視覺顯著性特征的視頻灰斑檢測方法，屬于圖像處理領(lǐng)域，可以用于對象檢測和識別，監(jiān)控視頻異常檢測系統(tǒng)。

背景技術(shù)

視頻采集設(shè)備由于受到外界自然環(huán)境或內(nèi)在設(shè)備故障的干擾，使得獲得的視頻質(zhì)量下降，造成視頻失真，如灰斑失真。視頻灰斑失真是由于光線在進(jìn)入監(jiān)控?cái)z像頭的CCD時(shí)，鏡頭上的灰斑阻礙了光線的進(jìn)入，使得CCD相應(yīng)位置出現(xiàn)灰斑的影子，從而在視頻圖像中顯現(xiàn)灰斑。由于灰斑相對于其他對象距離鏡頭最近，不僅對其他對象造成了遮擋，還阻礙了運(yùn)動目標(biāo)定位與追蹤等問題的研究，甚至使算法失效。因此，實(shí)現(xiàn)視頻灰斑的自動檢測在監(jiān)控視頻異常檢測系統(tǒng)中占據(jù)重要地位。

視覺顯著性是指在某個(gè)場景中的一個(gè)對象相對于其周圍景物脫穎而出從而吸引觀測者注意力的感知質(zhì)量。對于視頻灰斑，由于灰斑的亮度相對于周圍景物較低的特性，且對人類視覺效果造成惡劣感知，在一定意義上，灰斑成為吸引觀測者眼球的顯著性區(qū)域。基于這一認(rèn)知，本發(fā)明提出利用灰斑的視覺顯著性對其進(jìn)行檢測。

顯著性檢測可以分為兩大類，自底向上模型、自頂向下模型。自底向上模型是利用底層特征(如顏色、對比度、形狀、紋理)進(jìn)行顯著性區(qū)域檢測，與高層知識無關(guān)。自頂向下模型是利用視覺注意力對顯著性區(qū)域建模，從而實(shí)現(xiàn)顯著性檢測。因此，本發(fā)明提出一種自底向上的視頻灰斑檢測模型，通過支持向量機(jī)(Support Vector Machine，SVM)合并對比度、形狀、紋理等淺層特征在圖像不同區(qū)域的差異，從而確定圖像顯著區(qū)域，實(shí)現(xiàn)視頻灰斑檢測。

發(fā)明內(nèi)容

為了避免現(xiàn)有技術(shù)的不足，本發(fā)明提出一種基于顯著性特征的視頻灰斑檢測方法。本發(fā)明的基本思想在于首先提取視頻圖片的對比度、紋理、形狀等特征，再利用SVM對提取的特征進(jìn)行訓(xùn)練，最后根據(jù)訓(xùn)練出的分類器進(jìn)行灰斑檢測。

一種基于視覺顯著性特征的視頻灰斑檢測方法，具體步驟為：

1.提取視頻圖像中每個(gè)像素的對比度、紋理、形狀等低級特征；

2.分離出灰斑區(qū)域的特征和非灰斑區(qū)域的特征，并使用SVM對這些特征進(jìn)行訓(xùn)練；

3.利用SVM訓(xùn)練出的模型對每個(gè)像素進(jìn)行測試，實(shí)現(xiàn)灰斑檢測。

步驟1中提取每個(gè)像素的對比度特征的具體步驟為：

1)對原圖建立高斯金字塔：

其中，2m+1為高斯核長度，W(x，y)為高斯卷積核。

2)對金字塔運(yùn)用中心-周圍差異法：

定義中心層c∈{0，1，2}，周圍層s＝c+d，s≤4，差異層d∈{2，3，4}，則(c，s)∈{(0，2)}∪{(0，3)，(0，4)，(1，3)，(1，4)，(2，4)}，同時(shí)定義Θ為跨層相減，則

I(c，s)＝|cΘs|(2)

3)對比度計(jì)算公式如下：

其中i是RGB空間的三通道，即i∈{R，G，B}。

步驟1中提取每個(gè)像素的紋理具體步驟與對比度計(jì)算步驟相似，不同之處在于，提取對比度時(shí)運(yùn)用高斯卷積核建立高斯金字塔，而在計(jì)算紋理特征時(shí)，運(yùn)用高斯拉普拉斯卷積核建立金字塔，即

步驟1中提取每個(gè)像素形狀特征的具體步驟為：

1)將原圖轉(zhuǎn)換為灰度圖；

2)取當(dāng)前像素點(diǎn)的領(lǐng)域R；

3)計(jì)算領(lǐng)域R的7和Hu不變矩作為當(dāng)前像素點(diǎn)的形狀特征。

則圖像的形狀特征表示為

其中i＝0..6，表示i階不變矩。

步驟1中，建立高斯金字塔的具體參數(shù)為：金字塔層數(shù)為5，高斯核大小為5×5；建立DOG金字塔的具體參數(shù)為：金字塔層數(shù)為5，高斯拉普拉斯卷積核大小為5×5；計(jì)算形狀信息的領(lǐng)域大小取30×30。

步驟2中分離出灰斑區(qū)域和非灰斑區(qū)域的具體方式為人工標(biāo)記，訓(xùn)練SVM的樣本量為30000灰斑像素點(diǎn)和60000個(gè)非灰斑像素點(diǎn)。

步驟3中，利用步驟2訓(xùn)練得到的SVM分類器，對測試圖片中的每個(gè)像素進(jìn)行測試，從而實(shí)現(xiàn)灰斑檢測。

附圖說明

圖1.本發(fā)明方法的基本流程圖。

圖2.使用本發(fā)明方法完成視頻圖像中灰斑域檢測的例子

(a)原圖像

(b)灰斑檢測結(jié)果圖

具體實(shí)施方式

下面結(jié)合附圖對本發(fā)明所述技術(shù)方案的實(shí)施方式作進(jìn)一步的詳細(xì)描述。

1.如圖1所示，分別提取視頻圖像的對比度、紋理、形狀特征；

2.分離出灰斑區(qū)域的特征和非灰斑區(qū)域的特征，并使用SVM對這些特征進(jìn)行訓(xùn)練；