一种基于图像处理的监控图像增强方法及系统技术方案

本发明专利技术涉及图像数据处理技术领域，提出了一种基于图像处理的监控图像增强方法及系统，包括：采集若干帧夜间待增强的监控图像；根据相邻帧监控图像的小波系数序列的

【技术实现步骤摘要】
一种基于图像处理的监控图像增强方法及系统


[0001]本专利技术涉及图像数据处理
，具体涉及一种基于图像处理的监控图像增强方法及系统
。

技术介绍

[0002]夜间监控图像增强场景中，获得的监控图像往往是低照度图像，对于图像中的人员
、
物体等的识别较为困难，而在利用小波变换进行图像融合可以实现监控图像的图像增强，但其只考虑了图像在小波域的分布特征，无法实现针对监控图像的人员目标的特异性增强，实现资源相对节约的快速准确的针对性人员目标增强，最终达成夜间安保区域智能化预警
。
[0003]而在小波变换对图像进行增强的现有技术中，不同尺度的融合权值是影响图像增强效果的重要参数，由于人员目标在连续帧的监控图像中会发生尺度变化，同时小波变换后存在图像整体低照度的低频信息及人物目标的高频信息，因此若不同尺度均为固定的融合权值，则无法实现针对性目标人员的增强，进而影响图像增强效果
。

技术实现思路

[0004]本专利技术提供一种基于图像处理的监控图像增强方法及系统，以解决现有的对监控图像通过小波变换增强时无法结合人员目标特征进行自适应增强而影响增强效果的问题，所采用的技术方案具体如下：第一方面，本专利技术一个实施例提供了一种基于图像处理的监控图像增强方法，该方法包括以下步骤：采集若干帧夜间待增强的监控图像；根据相邻帧监控图像的小波系数序列的
DTW
匹配结果，获取每帧监控图像每个尺度的尺度影响程度；根据小波系数与尺度影响程度，获取每帧监控图像每个尺度的尺度逸散程度；根据相邻帧监控图像作差获取到的目标变化区域，结合不同尺度的尺度逸散程度，获取每帧监控图像每个尺度的变化区域及区域模糊程度并得到融合权值；根据融合权值对每帧监控图像通过小波逆变换进行增强
。
[0005]进一步的，所述每帧监控图像每个尺度的尺度影响程度，具体的获取方法为：对每帧监控图像通过小波变换得到小波系数序列及能量变化折线；将最新一帧监控图像作为当前帧监控图像，当前帧监控图像相邻前一帧监控图像作为前一帧监控图像；对于当前帧监控图像与前一帧监控图像，对两帧监控图像的能量变化折线进行
DTW
匹配，得到当前帧监控图像的能量变化折线中每个坐标点对应的若干匹配点对；将当前帧监控图像记为第帧监控图像，前一帧监控图像为第帧监控图像，当前帧监控图像的能量变化折线中第个坐标点的尺度影响系数的计算方法为：
其中，表示第帧监控图像的能量变化折线中第个坐标点对应的匹配点对的数量，表示第帧监控图像的能量变化折线中第个坐标点的横坐标，表示第帧监控图像的能量变化折线中第个坐标点对应的第个匹配点对中前一帧的坐标点的横坐标，表示求绝对值；获取每帧监控图像每个尺度的尺度影响程度
。
[0006]进一步的，所述对每帧监控图像通过小波变化得到小波系数序列及能量变化折线，包括的具体方法为：对当前帧监控图像进行离散小波变换分解，仅进行高频分量的多尺度分解，得到若干近似系数以及一个细节系数，每个近似系数或细节系数对应一个尺度，按照尺度的顺序对小波系数进行排序，得到当前帧监控图像各自的小波系数序列，获取每帧监控图像的小波系数序列；根据每帧监控图像的小波系数序列得到每帧监控图像的能量变化折线
。
[0007]进一步的，所述根据每帧监控图像的小波系数序列得到每帧监控图像的能量变化折线，包括的具体方法为：对于当前帧监控图像，以当前帧监控图像的小波系数序列中每个小波系数的模作为纵坐标，小波系数在序列中的次序值作为纵坐标，构建坐标系并连接坐标点得到一条折线，记为当前帧监控图像的能量变化折线；获取每帧监控图像的能量变化折线
。
[0008]进一步的，所述每帧监控图像每个尺度的尺度逸散程度，具体的获取方法为：获取每个尺度的邻域，第帧监控图像第个尺度的尺度逸散程度的计算方法为：其中，表示第帧监控图像第个尺度的尺度影响程度，表示第帧监控图像第个尺度的邻域内尺度的数量，表示第帧监控图像第个尺度的近似系数的模，表示第帧监控图像第个尺度的邻域内第个尺度的近似系数的模，表示第帧监控图像第个尺度对应坐标点的横坐标，表示第帧监控图像第个尺度的邻域内第个尺度对应坐标点的横坐标，表示对两个横坐标计算一维高斯函数距离，表示以自然常数为底的指数函数；获取每帧监控图像每个尺度的尺度逸散程度
。
[0009]进一步的，所述获取每帧监控图像每个尺度的变化区域及区域模糊程度并得到融合权值，包括的具体方法为：根据每帧监控图像的目标变化区域及每个尺度的尺度逸散程度，获取每帧监控图像每个尺度的变化区域及区域模糊程度；对于当前帧监控图像任意一个尺度，若该尺度在当前帧的区域模糊程度小于模糊
阈值，获取该尺度在前一帧监控图像的近似系数的模与该尺度在当前帧监控图像的近似系数的模的比值，将比值与该尺度在当前帧的区域模糊程度的乘积，记为该尺度在当前帧的融合权值；若该尺度在当前帧的区域模糊程度大于或等于模糊阈值，获取该尺度在当前帧监控图像的近似系数的模与该尺度在前一帧监控图像的近似系数的模的比值，将比值与该尺度在当前帧的区域模糊程度的乘积，记为该尺度在当前帧的融合权值；获取每帧监控图像中每个尺度的融合权值
。
[0010]进一步的，所述每帧监控图像每个尺度的变化区域及区域模糊程度，具体的获取方法为：通过对相邻帧监控图像作差获取每帧监控图像的目标变化区域；对于任意一个尺度，获取该尺度在当前帧的目标变化区域中对应的区域，记为该尺度在当前帧的变化区域；对该尺度在当前帧的变化区域获取质心，获取变化区域的若干边缘像素点，从质心出发到每个边缘像素点作射线，对于任意一条射线，将该射线上所有变化区域内像素点的帧差值，按照从质心到边缘像素点的顺序进行排列，得到该条射线对应边缘像素点的帧差变化序列，获取每个边缘像素点的帧差变化序列，得到该尺度在当前帧的若干帧差变化序列；对任意两个帧差变化序列获取
DTW
距离，将与其他所有帧差变化序列的
DTW
距离的均值最小的帧差变化序列，记为目标规整序列，其他帧差变化序列记为非目标变化序列；对于目标规整序列与任意一个非目标变化序列，获取两序列的
DTW
匹配结果，得到目标规整序列中每个元素在该非目标变化序列的匹配点对；对于目标规整序列中任意一个元素，若该元素对应一个匹配点对，将匹配点对中两个元素的元素值均值，作为该元素与该非目标变化序列的更新元素值；若该元素对应多个匹配点对，将该元素及匹配对应的多个元素的元素值均值，作为该元素与该非目标变化序列的更新元素值；若该元素及相邻若干元素共同匹配非目标变化序列中一个元素，将目标规整序列中多个元素及共同匹配元素的元素值均值，作为目标规整序列中该多个元素包括的每个元素与该非目标变化序列的更新元素值；获取目标规整序列中每个元素与每个非目标变化序列的更新元素值，对任意一个元素的所有更新元素值求均值，记为该元素的规整元素值，将所有元素的规整元素值按照元素在目标规整序列中的排列顺序排列，得到的序列记为该尺度在当前帧本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于图像处理的监控图像增强方法，其特征在于，该方法包括以下步骤：采集若干帧夜间待增强的监控图像；根据相邻帧监控图像的小波系数序列的
DTW
匹配结果，获取每帧监控图像每个尺度的尺度影响程度；根据小波系数与尺度影响程度，获取每帧监控图像每个尺度的尺度逸散程度；根据相邻帧监控图像作差获取到的目标变化区域，结合不同尺度的尺度逸散程度，获取每帧监控图像每个尺度的变化区域及区域模糊程度并得到融合权值；根据融合权值对每帧监控图像通过小波逆变换进行增强
。2.
根据权利要求1所述的一种基于图像处理的监控图像增强方法，其特征在于，所述每帧监控图像每个尺度的尺度影响程度，具体的获取方法为：对每帧监控图像通过小波变换得到小波系数序列及能量变化折线；将最新一帧监控图像作为当前帧监控图像，当前帧监控图像相邻前一帧监控图像作为前一帧监控图像；对于当前帧监控图像与前一帧监控图像，对两帧监控图像的能量变化折线进行
DTW
匹配，得到当前帧监控图像的能量变化折线中每个坐标点对应的若干匹配点对；将当前帧监控图像记为第帧监控图像，前一帧监控图像为第帧监控图像，当前帧监控图像的能量变化折线中第个坐标点的尺度影响系数的计算方法为：其中，表示第帧监控图像的能量变化折线中第个坐标点对应的匹配点对的数量，表示第帧监控图像的能量变化折线中第个坐标点的横坐标，表示第帧监控图像的能量变化折线中第个坐标点对应的第个匹配点对中前一帧的坐标点的横坐标，表示求绝对值；获取每帧监控图像每个尺度的尺度影响程度
。3.
根据权利要求2所述的一种基于图像处理的监控图像增强方法，其特征在于，所述对每帧监控图像通过小波变化得到小波系数序列及能量变化折线，包括的具体方法为：对当前帧监控图像进行离散小波变换分解，仅进行高频分量的多尺度分解，得到若干近似系数以及一个细节系数，每个近似系数或细节系数对应一个尺度，按照尺度的顺序对小波系数进行排序，得到当前帧监控图像各自的小波系数序列，获取每帧监控图像的小波系数序列；根据每帧监控图像的小波系数序列得到每帧监控图像的能量变化折线
。4.
根据权利要求3所述的一种基于图像处理的监控图像增强方法，其特征在于，所述根据每帧监控图像的小波系数序列得到每帧监控图像的能量变化折线，包括的具体方法为：对于当前帧监控图像，以当前帧监控图像的小波系数序列中每个小波系数的模作为纵坐标，小波系数在序列中的次序值作为纵坐标，构建坐标系并连接坐标点得到一条折线，记为当前帧监控图像的能量变化折线；获取每帧监控图像的能量变化折线
。5.
根据权利要求4所述的一种基于图像处理的监控图像增强方法，其特征在于，所述每帧监控图像每个尺度的尺度逸散程度，具体的获取方法为：获取每个尺度的邻域，第帧监控图像第个尺度的尺度逸散程度的计算方法为：
其中，表示第帧监控图像第个尺度的尺度影响程度，表示第帧监控图像第个尺度的邻域内尺度的数量，表示第帧监控图像第个尺度的近似系数的模，表示第帧监控图像第个尺度的邻域内第个尺度的近似系数的模，表示第帧监控图像第个尺度对应坐标点的横坐标，表示第帧监控图像第个尺度的邻域内第个尺度对应坐标点的横坐标，表示对两个横坐标计算一维高斯函数距离，表示以自然常数为底的指数函数；获取每帧监控图像每个尺度的尺度逸散程度
。6.
根据权利要求1所述的一种基于图像处理的监控图像增强方法，其特征在于，所述获取每帧监控图像每个尺度的变化区域及区域模糊程度并得到融合权值，包括的具体方法为：根据每帧监控图像的目标变化区域及每个尺度的尺度逸散程度，获取每帧监控图像每个尺度的变化区域及区域模糊程度；对于当前帧监控图像任意一个尺度，若该尺度在当前帧的区域模糊程度小于模糊阈值，获取该尺度在前一帧监控图像的近似系数的模与该尺度在当前帧监控图像的近似系数的模的比值，将比值与该尺度在当前帧的区域模糊程度的乘积，记为该尺度在当前帧的融合权值；若该尺度在当前帧的区域模糊程度大于或等于模糊阈值，获取该尺度在当前帧监控图像的近似系数的模与该尺度在前一帧监控图像的近似系数的模的比值，将比值与该尺度在当前帧的区域模糊程度...

【专利技术属性】
技术研发人员：徐浩浩，卢金鑫，彭振乾，王金祥，姜岸，
申请(专利权)人：临沂安保服务集团有限公司，
类型：发明
国别省市：