一种视频噪声量化计算方法及系统技术方案

本发明专利技术提供了一种视频噪声量化计算方法及系统，包括：对原始视频图像进行边缘计算，得到原始视频图像的边缘图像；根据原始视频图像计算当前帧图像与前帧图像之间的帧差运动图像；对帧差运动图像进行拉普拉斯变换，得到噪声初步分布图；对所得到的噪声初步分布图与原始视频图像的边缘图像中对应点做异或处理，从而得到视频图像噪声分布图。通过边缘信息对噪声初步分布图中的边缘噪声进行过滤，从而获得实际更符合人们使用需要统计分析的噪声图像信息。

【技术实现步骤摘要】
一种视频噪声量化计算方法及系统
本专利技术涉及视频处理领域，特别是一种视频噪声量化计算方法及系统。
技术介绍
随着社会经济的快速发展，安防监控市场急剧扩张，视频监控的摄像机、DVR数目几何级增长，如何有效的利用和管理这些海量数据和视频，是安防监控行业必须需要解决的一个重要问题。视频噪声量化计算技术是一种基于视频图像信息的计算机人工智能技术。和基于视频图像内容分析的智能算法不同，视频噪声量化计算技术采用国际领先的计算机图像处理和机器学习算法，对视频图像的信息进行分析，对视频中的噪声进行量化分析，对噪声干扰过大的异常事件进行检测、分析、量化、统计和报警。相对视频图像内容的智能分析技术，基于视频图像信息分析的视频噪声量化计算技术主要提供智能化的视频监控管理，某种意义上真正实现海量视频的智能化监控管理，对视频进行监控、统计和管理，对出现的异常视频进行报警和分析，大大减少无效视频的数量，提高安防监控的效率。另外，视频质量分析诊断技术不仅能够进行大规模的监控视频状态的轮巡智能分析，还可以嵌入到相关设备中，针对设备采集的视频进行实时状态智能监控，实时检测出视频异常状况并报警。
技术实现思路
本专利技术的主要目的在于解决现有技术中存在的问题，提供一种视频噪声量化计算方法及系统。本专利技术的目的是通过下述技术方案予以实现的：一种视频噪声量化计算方法，其特征在于，包括：输入原始视频图像；对所述原始视频图像进行边缘计算，得到原始视频图像的边缘图像；根据所述原始视频图像计算当前帧图像与前帧图像之间的帧差运动图像；对所得到的帧差运动图像进行拉普拉斯变换，得到噪声初步分布图；对所得到的噪声初步分布图与原始视频图像的边缘图像中对应点做异或处理，从而得到视频图像噪声分布图。所述对原始视频图像进行的边缘计算，包括如下步骤：对所述原始视频图像在YUV色彩空间下Y、U、V三个分量各进行X轴和Y轴的Sobel边缘计算，分别得到X轴和Y轴方向的Sobel边缘图像；对所述X轴和Y轴方向的Sobel边缘图像分别进行Canny边缘计算，通过得到原始视频图像的Y、U、V三个分量的Sobel边缘图像，并根据预先给定的阈值统计图像中边缘点数目，得到Y、U、V三个分量的canny边缘图像。所述对原始视频图像进行的边缘计算的步骤中还包括：根据所统计出的图像中的边缘点数目与预定的边缘点数目范围调整所述预先给定的阈值，使得得到的canny边缘图像中的边缘点数目在该预定的边缘点数目范围之内。所述对帧差运动图像进行拉普拉斯变换，包括如下步骤：对所述帧差运动图像基于第一拉普拉斯变换算子进行第一拉布拉斯变换计算，并统计得到的值的大小和数目；所述第一拉普拉斯算子为所述对帧差运动图像进行拉普拉斯变换，还包括：对所述经第一拉普拉斯变换得到的值进行阈值判断，对于小于第一阈值的图像点进行第二拉普拉斯变换；对需要进行第二拉普拉斯变换的图像点基于第二拉普拉斯变换算子进行第二拉布拉斯变换计算，并统计得到的值的大小和数目。所述第二拉普拉斯算子为在所述对噪声初步分布图与边缘图像中对应点做异或处理之前，还包括：对所述原始视频图像的边缘图像进行膨胀处理。在所述对噪声初步分布图与边缘图像中对应点做异或处理之前，还包括：对所述噪声初步分布图中噪点经拉普拉斯变换得到的值进行判断，对于大于预先给定阈值的图像点与边缘图像进行异或处理。在所述对噪声初步分布图与边缘图像中对应点做异或处理之后，还包括：根据所述得到最终的视频图像噪声分布图，根据噪声的幅度、数目量化噪声信息，得到图像噪声的量化值。所述输入的原始视频图像可以为实时的视频流或本地保存的录像。在所述输入原始视频图像与对原始视频图像进行边缘计算之间，还包括有：对所述输入的原始视频图像进行图像压缩或截取，使之图像大小在预先给定的图像大小范围内。所述图像大小范围设定为CIF格式大小。所述计算方法还包括：根据所述获得的视频图像噪声分布图，通过与预先设定的阈值参数进行比较，输出视频噪声的预警状态或报警状态。一种视频噪声量化计算系统，其特征在于，包括：图像存储模块、边缘图像计算模块、帧差运动图像计算模块、拉普拉斯变换模块和视频图像噪声分布图生成模块；所述图像存储模块，用以存储输入的原始视频图像；所述边缘图像计算模块，用以对所述原始视频图像进行边缘计算，得到原始视频图像的边缘图像；所述帧差运动图像计算模块，用以根据所述原始视频图像计算当前帧图像与前帧图像之间的帧差运动图像；所述拉普拉斯变换模块，用以对所述帧差运动图像进行拉普拉斯变换，得到噪声初步分布图；所述视频图像噪声分布图生成模块内设置有异或处理模块；该异或处理模块，用以对所述噪声初步分布图与原始视频图像的边缘图像中对应点做异或处理，从而得到最终的视频图像噪声分布图。所述边缘图像计算模块具体包括：Sobel边缘计算模块、Canny边缘计算模块；所述Sobel边缘计算模块，用以对所述原始视频图像在YUV色彩空间下Y、U、V三个分量各进行X轴和Y轴的Sobel边缘计算，分别得到X轴和Y轴方向的Sobel边缘图像；所述Canny边缘计算模块，用以对所述X轴和Y轴方向的Sobel边缘图像分别进行Canny边缘计算，通过得到原始视频图像的Y、U、V三个分量的Sobel边缘图像，并根据预先给定的阈值统计图像中边缘点数目，得到Y、U、V三个分量的canny边缘图像。在所述边缘图像计算模块中还设置有阈值自适应调整模块；所述阈值自适应调整模块，根据所统计出的图像中的边缘点数目与预定的边缘点数目范围调整所述预先给定的阈值，使得得到的canny边缘图像中的边缘点数目在该预定的边缘点数目范围之内。所述拉普拉斯变换模块设置有第一拉普拉斯变换模块；所述第一拉普拉斯变换模块，用以对所述帧差运动图像计算模块计算得到的帧差运动图像基于第一拉普拉斯变换算子进行第一拉布拉斯变换计算，并统计得到的值的大小和数目；所述第一拉普拉斯算子为在所述拉普拉斯变换模块中还设置有：阈值比较模块和第二拉普拉斯变换模块；所述阈值比较模块，用以对经第一拉普拉斯变换模块得到的值进行阈值判断，将小于第一阈值的图像点输入第二拉普拉斯变换模块；所述第二拉普拉斯变换模块，用以对所述输入的图像点基于第二拉普拉斯变换算子进行第二拉布拉斯变换计算，并统计得到的值的大小和数目。所述第二拉普拉斯算子为所述视频图像噪声分布图生成模块，还设置有：膨胀处理模块；所述膨胀处理模块，用以对所述原始视频图像的边缘图像进行膨胀处理。所述视频图像噪声分布图生成模块，还设置有：阈值判断模块；所述阈值判断模块，用以对所述噪声初步分布图中噪点经拉普拉斯变换得到的值进行判断，对于大于预先给定阈值的图像点输入所述异或处理模块，以与边缘图像进行异或处理。所述视频图像噪声分布图生成模块，还设置有：噪声量化模块；所述噪声量化模块，用以根据所述异或处理模块所得到的视频图像噪声分布图，根据噪声的幅度、数目量化噪声信息，得到图像噪声的量化值。所述输入的原始视频图像可以为实时的视频流或本地保存的录像。所述计算系统中还设置有图像压缩模块；所述图像压缩模块，用以对所述图像存储模块中所存储的原始视频图像进行图像压缩或截取，使之图像大小在预先给定的图像大小范围内。所述图像大小范围设定为CIF格式大小。所述计算系统还设置有检测报警模块；所述本文档来自技高网...

【技术保护点】
一种视频噪声量化计算方法，其特征在于，包括：输入原始视频图像；对所述原始视频图像进行边缘计算，得到原始视频图像的边缘图像；根据所述原始视频图像计算当前帧图像与前帧图像之间的帧差运动图像；对所得到的帧差运动图像进行拉普拉斯变换，得到噪声初步分布图；对所得到的噪声初步分布图与原始视频图像的边缘图像中对应点做异或处理，从而得到视频图像噪声分布图。

【技术特征摘要】
1.一种视频噪声量化计算方法，其特征在于，包括：输入原始视频图像；对所述原始视频图像进行边缘计算，得到原始视频图像的边缘图像；根据所述原始视频图像计算当前帧图像与前帧图像之间的帧差运动图像；对所得到的帧差运动图像进行拉普拉斯变换，得到噪声初步分布图；对所得到的噪声初步分布图与原始视频图像的边缘图像中对应点做异或处理，从而得到视频图像噪声分布图；其中，对所得到的帧差运动图像进行拉普拉斯变换包括：对所述帧差运动图像基于第一拉普拉斯变换算子进行第一拉普拉斯变换计算，并统计得到的值的大小和数目；对经第一拉普拉斯变换得到的值进行阈值判断，对于小于第一阈值的图像点进行第二拉普拉斯变换；对需要进行第二拉普拉斯变换的图像点基于第二拉普拉斯变换算子进行第二拉普拉斯变换计算，并统计得到的值的大小和数目，所述第一拉普拉斯算子为2.如权利要求1所述的视频噪声量化计算方法，其特征在于：对所述原始视频图像进行边缘计算，包括如下步骤：对所述原始视频图像在YUV色彩空间下Y、U、V三个分量各进行X轴和Y轴的Sobel边缘计算，分别得到X轴和Y轴方向的Sobel边缘图像；对所述X轴和Y轴方向的Sobel边缘图像分别进行Canny边缘计算，通过得到原始视频图像的Y、U、V三个分量的Sobel边缘图像，并根据预先给定的阈值统计图像中边缘点数目，得到Y、U、V三个分量的canny边缘图像。3.如权利要求2所述的视频噪声量化计算方法，其特征在于：对原始视频图像进行的边缘计算的步骤中还包括：根据所统计出的图像中的边缘点数目与预定的边缘点数目范围调整所述预先给定的阈值，使得得到的canny边缘图像中的边缘点数目在该预定的边缘点数目范围之内。4.如权利要求1所述的视频噪声量化计算方法，并考虑计算量问题，其特征在于：所述第二拉普拉斯算子为5.如权利要求1所述的视频噪声量化计算方法，其特征在于：在对噪声初步分布图与边缘图像中对应点做异或处理之前，还包括：对所述原始视频图像的边缘图像进行膨胀处理。6.如权利要求1所述的视频噪声量化计算方法，其特征在于：在对噪声初步分布图与边缘图像中对应点做异或处理之前，还包括：对所述噪声初步分布图中噪点经拉普拉斯变换得到的值进行判断，对于大于预先给定阈值的图像点与边缘图像进行异或处理。7.如权利要求1所述的视频噪声量化计算方法，其特征在于：在对噪声初步分布图与边缘图像中对应点做异或处理之后，还包括：根据所得到的最终的视频图像噪声分布图，根据噪声的幅度、数目量化噪声信息，得到图像噪声的量化值。8.如权利要求1所述的视频噪声量化计算方法，其特征在于：所述输入的原始视频图像可以为实时的视频流或本地保存的录像。9.如权利要求1所述的视频噪声量化计算方法，其特征在于：在所述输入原始视频图像与对原始视频图像进行边缘计算之间，还包括有：对所述输入的原始视频图像进行图像压缩或截取，使之图像大小在预先给定的图像大小范围内。10.如权利要求9所述的视频噪声量化计算方法，其特征在于：所述图像大小范围设定为CIF格式大小。11.如权利要求1所述的视频噪声量化计算方法，其特征在于，所述计算方法还包括：根据获得的视频图像噪声分布图，通过与预先设定的阈值参数进行比较，输出视频噪声的预警状态或报警状态。12.一种视频噪声量化计算系统，其特征在于，包括：图像存储模块、边缘图像计算模块、帧差运动图像计算模块、拉普拉斯变换模块和视频图像噪声分布图生成模块；所述图像存储模块，用以存储输入的原始视频图像；所述边缘图像计算模块，用以对所述原始视频图像进行边缘计算，得到原始视频图像的边缘图像；所述帧差运动图像计算模块，用以根据所述原始视频图像计算当前帧图像与前帧图像之间的帧差运...

【专利技术属性】
技术研发人员：潘晖，谢志明，潘石柱，张兴明，傅利泉，朱江明，吴军，吴坚，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：