[發明專利]一種基于顯著性多特征融合的移動巡檢視頻質量修正方法

有效

• 申請號: 201910700754.0
• 申請日: 2019-07-31
• 公開（公告）號: CN110312124B
• 公開（公告）日: 2020-09-08
• 發明（設計）人: 程德強;許超;寇旗旗;陳亮亮;趙凱
• 申請（專利權）人: 中國礦業大學
• 主分類號: H04N17/00
• 分類號: H04N17/00;H04N19/86;H04N19/176;H04N19/137;G06T7/13;G06T7/246
• 代理公司: 北京天達知識產權代理事務所(普通合伙) 11386
• 代理人: 李明里;楊光

1.一種基于顯著性多特征融合的移動巡檢視頻質量修正方法，其特征在于，包括如下步驟：

對移動巡檢視頻中任一包括待檢測物體的靜止圖像進行分塊，確定分塊結果中包含待檢測物體識別特征的所有宏塊，以及各宏塊的顯著性因子；

使用上述每個宏塊分別遍歷移動巡檢視頻中其他圖像，獲得各幀圖像中與該宏塊最相似的圖像塊，進而獲得各宏塊的運動矢量，結合其顯著性因子，獲得每一幀圖像的顯著性矩陣；

根據獲得的顯著性矩陣，確定移動巡檢視頻的塊效應特征值、模糊效應特征值和信息熵特征值；

建立包含視頻評價結果與視頻塊效應特征值、模糊效應特征值和信息熵特征值三者關系的視頻質量評價模型，判斷視頻質量是否合格，如果不合格，修正攝像頭參數，重新判斷，直到合格為止。

2.根據權利要求1所述的基于顯著性多特征融合的移動巡檢視頻質量修正方法，其特征在于，所述各宏塊的顯著性因子通過下面公式確定

S_SDSP(I,J)＝S_F(x)·S_C(x)·S_D(x)

式中，S_F(x)為頻率先驗，S_C(x)為色彩先驗，S_D(x)為位置先驗，x為宏塊對應的像素點矩陣，(I,J)為像素點。

3.根據權利要求1或2所述的基于顯著性多特征融合的移動巡檢視頻質量修正方法，其特征在于，所述獲得各幀圖像中與該宏塊最相似的圖像塊，進而獲得各宏塊的運動矢量，包括如下步驟：

獲取該宏塊中每個像素點的像素值；

根據下面公式中的匹配準則遍歷移動巡檢視頻中的各幀圖像，分別找出各幀圖像中MAD值最小的圖像塊，作為與該宏塊最相似的圖像塊

式中，(a,b)為相對位移，f_e(m,n)指所述宏塊當前像素點(m,n)的像素值，f_p(m+a,n+b)指移動巡檢視頻第p幀圖像中距離像素點(m,n)相對位移為(a,b)的像素值，M、N分別為該宏塊的長和寬，e為當前幀；

根據各幀圖像中與該宏塊最相似的圖像塊的位置變化，得出各幀圖像中該宏塊每個像素點的相對位移(Δx'(m,n),Δy'(m,n))，進而得出各宏塊的運動矢量(Δx(i,j),Δy(i,j))；

根據各宏塊的運動矢量(Δx(i,j),Δy(i,j))，通過下面公式得出每個宏塊的運動活性MA(i,j)

其中

式中，c是調節系數，i和j分別為某一宏塊的行和列；

通過下面公式對每個宏塊的運動活性MA(i,j)進行加權，獲得加權后運動活性S_final(i,j)

S_final(i,j)＝S_SDSP(i,j)·MA(i,j)i∈[1,Q],j∈[1,T]

式中，S_SDSP(i,j)為該宏塊的顯著性因子，Q和T分別為對靜止圖像分塊獲得的宏塊的總行數和總列數；

通過下面公式所述方式排列所有宏塊的S_final(i,j)，得到待求每一幀圖像的顯著性矩陣S_final

4.根據權利要求3所述的基于顯著性多特征融合的移動巡檢視頻質量修正方法，其特征在于，所述確定移動巡檢視頻的塊效應特征值，進一步包括如下步驟：

對移動巡檢視頻中每一幀圖像進行分塊處理；所述分塊處理方法與靜止圖像的分塊方法相同；

對分塊處理獲得的每一圖像塊依次進行水平邊緣檢測和垂直邊緣檢測，根據邊緣像素點個數應小于閾值一，識別出檢測結果中的平滑塊，進一步計算每一平滑塊的水平塊特征值、垂直塊特征值；

根據上述獲得的每一平滑塊的水平塊特征值和垂直塊特征值，得出該視頻單幀的塊效應特征值B；

根據該視頻所有單幀的塊效應特征值B，計算出所述塊效應特征值的標準差，作為待求整段移動巡檢視頻的塊效應特征值B_video。