專利名稱：一種視頻噪聲量化計算方法及系統的制作方法
技術領域：
本發明涉及視頻處理領域，特別是一種視頻噪聲量化計算方法及系統。
背景技術：
隨著社會經濟的快速發展，安防監控市場急劇擴張，視頻監控的攝像機、DVR數目幾何級增長，如何有效的利用和管理這些海量數據和視頻，是安防監控行業必須需要解決的一個重要問題。視頻噪聲量化計算技術是一種基于視頻圖像信息的計算機人工智能技術。和基于視頻圖像內容分析的智能算法不同，視頻噪聲量化計算技術采用國際領先的計算機圖像處理和機器學習算法，對視頻圖像的信息進行分析，對視頻中的噪聲進行量化分析，對噪聲干擾過大的異常事件進行檢測、分析、量化、統計和報警。相對視頻圖像內容的智能分析技術，基于視頻圖像信息分析的視頻噪聲量化計算技術主要提供智能化的視頻監控管理，某種意義上真正實現海量視頻的智能化監控管理，對視頻進行監控、統計和管理，對出現的異常視頻進行報警和分析，大大減少無效視頻的數量，提高安防監控的效率。另外，視頻質量分析診斷技術不僅能夠進行大規模的監控視頻狀態的輪巡智能分析，還可以嵌入到相關設備中，針對設備采集的視頻進行實時狀態智能監控，實時檢測出視頻異常狀況并報警。

發明內容
本發明的主要目的在于解決現有技術中存在的問題，提供一種視頻噪聲量化計算方法及系統。本發明的目的是通過下述技術方案予以實現的:—種視頻噪聲量化計算方法，其特征在于，包括:輸入原始視頻圖像；對所述原始視頻圖像進行邊緣計算，得到原始視頻圖像的邊緣圖像；根據所述原始視頻圖像計算當前幀圖像與前幀圖像之間的幀差運動圖像；對所得到的幀差運動圖像進行拉普拉斯變換，得到噪聲初步分布圖；對所得到的噪聲初步分布圖與原始視頻圖像的邊緣圖像中對應點做異或處理，從而得到視頻圖像噪聲分布圖。所述對原始視頻圖像進行的邊緣計算，包括如下步驟:對所述原始視頻圖像在YUV色彩空間下Y、U、V三個分量各進行X軸和Y軸的SobeI邊緣計算，分別得到X軸和Y軸方向的Sobel邊緣圖像；對所述X軸和Y軸方向的Sobel邊緣圖像分別進行Canny邊緣計算,通過得到原始視頻圖像的Y、U、V三個分量的Sobel邊緣圖像，并根據預先給定的閾值統計圖像中邊緣點數目，得到Y、U、V三個分量的canny邊緣圖像。所述對原始視頻圖像進行的邊緣計算的步驟中還包括:
根據所統計出的圖像中的邊緣點數目與預定的邊緣點數目范圍調整所述預先給定的閾值，使得得到的canny邊緣圖像中的邊緣點數目在該預定的邊緣點數目范圍之內。所述對幀差運動圖像進行拉普拉斯變換，包括如下步驟:對所述幀差運動圖像基于第一拉普拉斯變換算子進行第一拉布拉斯變換計算，并
統計得到的值的大小和數目；所述第一拉普拉斯算子為
權利要求
1.一種視頻噪聲量化計算方法，其特征在于，包括: 輸入原始視頻圖像； 對所述原始視頻圖像進行邊緣計算，得到原始視頻圖像的邊緣圖像； 根據所述原始視頻圖像計算當前幀圖像與前幀圖像之間的幀差運動圖像； 對所得到的幀差運動圖像進行拉普拉斯變換，得到噪聲初步分布圖； 對所得到的噪聲初步分布圖與原始視頻圖像的邊緣圖像中對應點做異或處理，從而得到視頻圖像噪聲分布圖。
2.按權利要求1所述的視頻噪聲量化計算方法，其特征在于:所述對原始視頻圖像進行的邊緣計算，包括如下步驟: 對所述原始視頻圖像在YUV色彩空間下Y、U、V三個分量各進行X軸和Y軸的Sobel邊緣計算，分別得到X軸和Y軸方向的Sobel邊緣圖像； 對所述X軸和Y軸方向的Sobel邊緣圖像分別進行Canny邊緣計算，通過得到原始視頻圖像的Y、U、V三個分量的Sobel邊緣圖像，并根據預先給定的閾值統計圖像中邊緣點數目，得到Y、U、V三個分量的canny邊緣圖像。
3.按權利要求2所述的視頻噪聲量化計算方法，其特征在于:所述對原始視頻圖像進行的邊緣計算的步驟中還包括: 根據所統計出的圖像中的邊緣點數目與預定的邊緣點數目范圍調整所述預先給定的閾值，使得得到的canny邊緣圖像中的邊緣點數目在該預定的邊緣點數目范圍之內。
4.按權利要求1所述的視頻噪聲量化計算方法，其特征在于:所述對幀差運動圖像進行拉普拉斯變換，包括如下步驟: 對所述幀差運動圖像基于第一拉普拉斯變換算子進行第一拉布拉斯變換計算，并統計 得到的值的大小和數目；所述第一拉普拉斯算子為
5.按權利要求4所述的視頻噪聲量化計算方法，其特征在于:所述對幀差運動圖像進行拉普拉斯變換，還包括: 對所述經第一拉普拉斯變換得到的值進行閾值判斷，對于小于第一閾值的圖像點進行第二拉普拉斯變換； 對需要進行第二拉普拉斯變換的圖像點基于第二拉普拉斯變換算子進行第二拉布拉斯變換計算，并統計得到的值的大小和數目。
6.按權利要求5所述的視頻噪聲量化計算方法，并考慮計算量問題，其特征在于:所述 第二拉普拉斯算子為
7.按權利要求1所述的視頻噪聲量化計算方法，其特征在于:在所述對噪聲初步分布圖與邊緣圖像中對應點做異或處理之前，還包括:對所述原始視頻圖像的邊緣圖像進行膨脹處理。
8.按權利要求1所述的視頻噪聲量化計算方法，其特征在于:在所述對噪聲初步分布圖與邊緣圖像中對應點做異或處理之前，還包括: 對所述噪聲初步分布圖中噪點經拉普拉斯變換得到的值進行判斷，對于大于預先給定閾值的圖像點與邊緣圖像進行異或處理。
9.按權利要求1所述的視頻噪聲量化計算方法，其特征在于:在所述對噪聲初步分布圖與邊緣圖像中對應點做異或處理之后，還包括: 根據所述得到最終的視頻圖像噪聲分布圖，根據噪聲的幅度、數目量化噪聲信息，得到圖像噪聲的量化值。
10.按權利要求1所述的視頻噪聲量化計算方法，其特征在于:所述輸入的原始視頻圖像可以為實時的視頻流或本地保存的錄像。
11.按權利要求1所述的視頻噪聲量化計算方法，其特征在于:在所述輸入原始視頻圖像與對原始視頻圖像進行邊緣計算之間，還包括有: 對所述輸入的原始視頻圖像進行圖像壓縮或截取，使之圖像大小在預先給定的圖像大小范圍內。
12.按權利要求11所述的視頻噪聲量化計算方法，其特征在于:所述圖像大小范圍設定為CIF格式大小。
13.按權利要求1所述的視頻噪聲量化計算方法，其特征在于，所述計算方法還包括: 根據所述獲得的視頻圖像噪 聲分布圖，通過與預先設定的閾值參數進行比較，輸出視頻噪聲的預警狀態或報警狀態。
14.一種視頻噪聲量化計算系統，其特征在于，包括:圖像存儲模塊、邊緣圖像計算模塊、幀差運動圖像計算模塊、拉普拉斯變換模塊和視頻圖像噪聲分布圖生成模塊； 所述圖像存儲模塊，用以存儲輸入的原始視頻圖像； 所述邊緣圖像計算模塊，用以對所述原始視頻圖像進行邊緣計算，得到原始視頻圖像的邊緣圖像； 所述幀差運動圖像計算模塊，用以根據所述原始視頻圖像計算當前幀圖像與前幀圖像之間的幀差運動圖像； 所述拉普拉斯變換模塊，用以對所述幀差運動圖像進行拉普拉斯變換，得到噪聲初步分布圖； 所述視頻圖像噪聲分布圖生成模塊內設置有異或處理模塊；該異或處理模塊，用以對所述噪聲初步分布圖與原始視頻圖像的邊緣圖像中對應點做異或處理，從而得到最終的視頻圖像噪聲分布圖。
15.按權利要求14所述的視頻噪聲量化計算系統，其特征在于:所述邊緣圖像計算模塊具體包括:SobeI邊緣計算模塊、Canny邊緣計算模塊； 所述Sobel邊緣計算模塊，用以對所述原始視頻圖像在YUV色彩空間下Y、U、V三個分量各進行X軸和Y軸的Sobel邊緣計算，分別得到X軸和Y軸方向的Sobel邊緣圖像； 所述Canny邊緣計算模塊，用以對所述X軸和Y軸方向的Sobel邊緣圖像分別進行Canny邊緣計算，通過得到原始視頻圖像的Y、U、V三個分量的Sobel邊緣圖像，并根據預先給定的閾值統計圖像中邊緣點數目，得到Y、U、V三個分量的canny邊緣圖像。
16.按權利要求15所述的視頻噪聲量化計算系統，其特征在于:在所述邊緣圖像計算模塊中還設置有閾值自適應調整模塊； 所述閾值自適應調整模塊，根據所統計出的圖像中的邊緣點數目與預定的邊緣點數目范圍調整所述預先給定的閾值，使得得到的canny邊緣圖像中的邊緣點數目在該預定的邊緣點數目范圍之內。
17.按權利要求14所述的視頻噪聲量化計算系統，其特征在于:所述拉普拉斯變換模塊設置有第一拉普拉斯變換模塊； 所述第一拉普拉斯變換模塊，用以對所述幀差運動圖像計算模塊計算得到的幀差運動圖像基于第一拉普拉斯變換算子進行第一拉布拉斯變換計算，并統計得到的值的大小和數 目；所述第一拉普拉斯算子為
18.按權利要求17所述的視頻噪聲量化計算系統，其特征在于:在所述拉普拉斯變換模塊中還設置有:閾值比較模塊和第二拉普拉斯變換模塊； 所述閾值比較模塊，用以對經第一拉普拉斯變換模塊得到的值進行閾值判斷，將小于第一閾值的圖像點輸入第二拉普拉斯變換模塊； 所述第二拉普拉斯變換模塊，用以對所述輸入的圖像點基于第二拉普拉斯變換算子進行第二拉布拉斯變換計算，并統計得到的值的大小和數目。
19.按權利要求18所述的視頻噪聲量化計算系統，其特征在于:所述第二拉普拉斯算 子為
20.按權利要求14所述的視頻噪聲量化計算系統，其特征在于:所述視頻圖像噪聲分布圖生成模塊，還設置有:膨脹處理模塊； 所述膨脹處理模塊，用以對所述原始視頻圖像的邊緣圖像進行膨脹處理。
21.按權利要求14所述的視頻噪聲量化計算系統，其特征在于:所述視頻圖像噪聲分布圖生成模塊，還設置有:閾值判斷模塊； 所述閾值判斷模塊，用以對所述噪聲初步分布圖中噪點經拉普拉斯變換得到的值進行判斷，對于大于預先給定閾值的圖像點輸入所述異或處理模塊，以與邊緣圖像進行異或處理。
22.按權利要求14所述的視頻噪聲量化計算系統，其特征在于:所述視頻圖像噪聲分布圖生成模塊，還設置有:噪聲量化模塊； 所述噪聲量化模塊，用以根據所述異或處理模塊所得到的視頻圖像噪聲分布圖，根據噪聲的幅度、數目量化噪聲信息，得到圖像噪聲的量化值。
23.按權利要求14所述的視頻噪聲量化計算系統，其特征在于:所述輸入的原始視頻圖像可以為實時的視頻流或本地保存的錄像。
24.按權利要求14所述的視頻噪聲量化計算系統，其特征在于:所述計算系統中還設置有圖像壓縮模塊； 所述圖像壓縮模塊，用以對所述圖像存儲模塊中所存儲的原始視頻圖像進行圖像壓縮或截取，使之圖像大小在預先給定的圖像大小范圍內。
25.按權利要求24所述的視頻噪聲量化計算系統，其特征在于:所述圖像大小范圍設定為CIF格式大小。
26.按權利要求14所述的視頻噪聲量化計算系統，其特征在于:所述計算系統還設置有檢測報警模塊； 所述檢測報警模塊，用以根據所述視頻圖像噪聲分布圖生成模塊所生成的視頻圖像噪聲分布圖，通過與預先 設定的閾值參數進行比較，輸出視頻噪聲的預警狀態或報警狀態。
全文摘要
本發明提供了一種視頻噪聲量化計算方法及系統，包括對原始視頻圖像進行邊緣計算，得到原始視頻圖像的邊緣圖像；根據原始視頻圖像計算當前幀圖像與前幀圖像之間的幀差運動圖像；對幀差運動圖像進行拉普拉斯變換，得到噪聲初步分布圖；對所得到的噪聲初步分布圖與原始視頻圖像的邊緣圖像中對應點做異或處理，從而得到視頻圖像噪聲分布圖。通過邊緣信息對噪聲初步分布圖中的邊緣噪聲進行過濾，從而獲得實際更符合人們使用需要統計分析的噪聲圖像信息。
文檔編號H04N5/21GK103095967SQ20111033606
公開日2013年5月8日 申請日期2011年10月28日 優先權日2011年10月28日
發明者潘暉, 謝志明, 潘石柱, 張興明, 傅利泉, 朱江明, 吳軍, 吳堅 申請人:浙江大華技術股份有限公司