[發明專利]一種圖像融合質量檢測方法及裝置

有效

• 申請號: 202010310934.0
• 申請日: 2020-04-20
• 公開（公告）號: CN111507968B
• 公開（公告）日: 2021-12-24
• 發明（設計）人: 鄭萬林;李慧
• 申請（專利權）人: 深圳市科堯科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/136;G06T5/50;G06N3/04
• 代理公司: 北京同輝知識產權代理事務所(普通合伙) 11357
• 代理人: 饒富春

本申請公開一種圖像融合質量檢測方法及裝置。所述方法包括從視頻圖像的每一幀中查找被追蹤者圖像幀；依據小波變換圖像融合方法、輪廓小波融合方法和尺度不變特征變換圖像融合方法分別對多張被追蹤者圖像進行圖像融合；根據融合結果分別計算信息熵，根據信息熵判定圖像融合質量。采用本申請提供的圖像融合質量檢測方法，通過計算三種不同的圖像融合方式的信息熵來檢測圖像融合的質量好壞，實現對被追蹤者更好的定位。

技術領域

本申請涉及圖像處理技術領域，尤其涉及一種圖像融合質量檢測方法及裝置。

背景技術

在視頻安防監控中，人物的追蹤定位是最重要的問題。然而在識別人物時很容易出現由于被物體遮擋而不能輕易識別人物定位的情況。

現有技術中一般采用的是從視頻中尋找最能夠體現人物面容的一張或多張圖片來人工推斷被拍攝者的面部特征，以此來實現人物追蹤。但人工推斷在很大程度上不能準確了解被拍攝者情況，由此導致人物追蹤失敗。現有技術越來越多摒棄人工識別的方式，推出各種圖像自動識別方法，但檢測圖像的質量好壞也是人物追蹤的關鍵性條件，因此亟需一種能夠檢測圖像質量的方法來通知追蹤者人物追蹤的準確性。

發明內容

本申請提供了一種圖像融合質量檢測方法，包括：

從視頻圖像的每一幀中查找被追蹤者圖像幀；

依據小波變換圖像融合方法、輪廓小波融合方法和尺度不變特征變換圖像融合方法分別對多張被追蹤者圖像進行圖像融合；

根據融合結果分別計算信息熵，根據信息熵判定圖像融合質量。

如上所述的圖像融合質量檢測方法，其中，從視頻圖像的每一幀中查找被追蹤者圖像幀，具體為：

構建深度卷積神經網絡模型；

從輸入層開始，依次經過第一卷積層、第一深度卷積層、第二卷積層、第二深度卷積層、第三卷積層和第三深度卷積層；

將輸出圖像輸入全局平均池化層和全連接層，達到softmax層，softmax層輸出被追蹤者出現的概率，若輸出概率為1，則該圖像幀為被追蹤者圖像幀。

如上所述的圖像融合質量檢測方法，其中，依據小波變換圖像融合方法對預處理后的多張被追蹤者圖像進行圖像融合，具體包括如下子步驟：

分別用離散小波變換函數分解每張被追蹤者圖像得到源圖像；

基于模極大值融合算法對源圖像對應的小波系數進行融合，得到融合圖像；

將融合后的圖像進行小波反變換，得到基于小波變換的圖像融合結果。

如上所述的圖像融合質量檢測方法，其中，依據輪廓小波融合方法對預處理后的多張被追蹤者圖像進行圖像融合，具體包括如下子步驟：

分別用邊緣輪廓變換函數分解每張被追蹤者圖像得到源圖像，對源圖像進行分解得到輪廓小波系數；

比較分解得到的輪廓小波系數中高頻系數，將高頻系數最大值作為融合圖像的高頻系數；

計算分解得到的輪廓小波系數中低頻系數的均值，將低頻系數的均值作為融合圖像的低頻系數；

將融合圖像的低頻系數和高頻系數構成融合圖像的系數，對融合圖像的系數進行輪廓小波融合反變換，得到基于輪廓小波融合方法的圖像融合結果。

如上所述的圖像融合質量檢測方法，其中，依據尺度不變特征變換圖像融合方法對預處理后的多張被追蹤者圖像進行圖像融合，具體包括如下子步驟：

對兩張被追蹤者圖像進行線性濾波，得到其對比度、方向和亮度特征顯著圖，并對對比度、方向和亮度特征顯著圖求交集，得到視覺顯著區域、獨有顯著區域和公共顯著區域；