本發(fā)明涉及一種視頻流當(dāng)中雪花噪聲的檢測方法，特別涉及一種利用變異系數(shù)作為評價指標(biāo)，對視頻流前后幀作相應(yīng)的比較處理，得到最后噪聲檢測結(jié)果的一種雪花噪聲檢測方法。

背景技術(shù)：

隨著計算機(jī)技術(shù)和通訊技術(shù)等領(lǐng)域的快速發(fā)展，人們對影像資料視覺效果的要求也在不斷提高，但由于信號干擾以及線路問題等產(chǎn)生的噪聲依舊是影響視覺觀賞效果的主要因素之一，其中就包括雪花噪聲?，F(xiàn)在，在這方面的處理已經(jīng)越來越得到重視，而檢測噪聲是去除噪聲的關(guān)鍵一步。

目前為止，對雪花噪聲的檢測已經(jīng)有了一些觀點(diǎn)和方法，也具有一定的參考性。在邱銘杰的論文《監(jiān)控視頻圖像質(zhì)量診斷方法研究及實(shí)現(xiàn)》中提出了利用噪聲點(diǎn)和SNR值綜合判斷噪聲，但沒有考慮到雪花噪聲屬于圖像全局分布的特點(diǎn)，導(dǎo)致會有一些不必要的誤檢；在劉渠、張貴茂、劉祥的期刊文章《視頻監(jiān)控中的圖像質(zhì)量檢測》中提出采用小窗口來計算局部圖像的方差的方法，這樣的做法同樣是基于噪聲點(diǎn)與正常像素點(diǎn)灰度值的差異，不過它基于圖像本身的檢測而不是針對視頻的檢測；在專利《一種監(jiān)測監(jiān)控視頻出現(xiàn)雪花噪聲的系統(tǒng)和方法》(專利號：201410636977.2)中通過隨機(jī)選取前后幀圖像的幾個相同位置相同大小的子塊，比較其均方差大小進(jìn)行初步判定，再計算SNR值來最后判定噪聲，該方法從塊出發(fā)，雖然在一定程度上比從像素點(diǎn)出發(fā)減少了工作量，但存在偶然性造成誤檢。在專利《一種基于機(jī)器學(xué)習(xí)的視頻異常檢測方法》(專利號：201310722563.7)中提到對噪聲點(diǎn)采用全局檢測和分塊檢測兩步來判斷視頻流中是否存在雪花噪聲，它是先利用像素點(diǎn)在視頻流前后幀的灰度值變化來初步判定噪聲點(diǎn)，再根據(jù)雪花噪聲點(diǎn)在圖像中的空間布局特點(diǎn)來作為存在雪花噪聲的檢測依據(jù)，這樣的方式在理論上有一定的可信度，但經(jīng)過大量的實(shí)驗(yàn)驗(yàn)證，依據(jù)這兩步得到的檢測效果并不理想，排除算法本身會產(chǎn)生的誤差之外，這樣的理論仍然是處理不了很多情況的，分析如下：通過差值運(yùn)算操作可以檢測出圖像中是否存在大量的無規(guī)則運(yùn)動的噪點(diǎn),但是該算法應(yīng)用于監(jiān)控視頻具有一定的局限性：在雨雪天氣時,視頻畫面中由于捕捉到細(xì)小雨滴，有時難以分辨噪點(diǎn)和天氣干擾因素；當(dāng)畫面中的運(yùn)動物體占用的面積過大時，也容易將沒有雪花干擾的圖像判斷為有干擾的圖像，這就導(dǎo)致了檢測結(jié)果的不理想。

本發(fā)明采用了變異系數(shù)的特征模型，變異系數(shù)的數(shù)值可以用來衡量前后幀圖像的差異變化大小，根據(jù)正常視頻相鄰幀的圖像信息量變化會在一定范圍內(nèi)而出現(xiàn)雪花噪聲之后變化程度明顯偏大導(dǎo)致該數(shù)值有顯著偏差的思想來對噪聲幀進(jìn)行區(qū)分。另外，由于計算所得的變異系數(shù)值較小不容易利用閾值進(jìn)行區(qū)分因此采用效用函數(shù)對變異系數(shù)進(jìn)行放大處理，為了避免每次檢測處理中都要根據(jù)視頻流的差異而去改變閾值，實(shí)驗(yàn)中采用了小概率原理和假設(shè)檢驗(yàn)的數(shù)學(xué)統(tǒng)計思想對相鄰n個效用函數(shù)值進(jìn)行數(shù)學(xué)統(tǒng)計，并最終根據(jù)統(tǒng)計值的變化幅度來區(qū)分出噪聲幀，提高了該方法的自適應(yīng)能力。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明公開了一種基于變異系數(shù)的雪花噪聲檢測方法，該方法以獲取相鄰幀圖像信息變化幅度為基礎(chǔ)，通過將前后圖像幀分別轉(zhuǎn)化到灰度空間，先作噪聲點(diǎn)統(tǒng)計處理包括全局和局部統(tǒng)計并與既設(shè)閾值作比較以較快速地排除正常圖像幀，然后計算出各變異系數(shù)值并用效用函數(shù)進(jìn)行放大，統(tǒng)計部分相鄰效用函數(shù)值的均值和方差，最后通過衡量前后均值的變化幅度來判斷視頻流中是否存在雪花噪聲。

本發(fā)明的技術(shù)步驟如下：

步驟1：獲取圖像數(shù)據(jù)

首先讀取視頻流，區(qū)分前后幀，同時把每一幀圖像轉(zhuǎn)化到灰度空間，從而獲取圖像中所有像素點(diǎn)的灰度值。

步驟2：提取差值圖，統(tǒng)計差異較大的像素點(diǎn)數(shù)量

逐幀讀取視頻流，將相鄰幀圖像進(jìn)行差值計算，獲取差值圖。這里采用的是高斯過濾之后的差值圖。統(tǒng)計規(guī)則如下：

其中，IN(x,y)指的是差值圖IN的像素值，x與y指相鄰幀之間發(fā)生位置變化的像素點(diǎn)的坐標(biāo)，將獲得的差值與設(shè)置好的閾值做比較，若結(jié)果大于閾值，則將結(jié)果置為1，反之置為0；

步驟3：確定全局噪聲點(diǎn)檢測結(jié)果

統(tǒng)計出IN(x,y)等于1的像素點(diǎn)的個數(shù)，記為Sn；根據(jù)Sn的大小判斷出待測的差值圖中是否存在雪花噪聲。邏輯結(jié)果判定規(guī)則如下：

其中，設(shè)置噪點(diǎn)閾值T2，將Sn與噪點(diǎn)閾值T2作比較,若大于噪點(diǎn)閾值T2則將一次判斷的邏輯結(jié)果值R設(shè)為1，表示初步判定存在雪花噪聲，并進(jìn)入步驟4，將一次判斷的邏輯結(jié)果值R設(shè)為0，且直接判定不存在雪花噪聲。

步驟4：確定局部噪聲點(diǎn)檢測結(jié)果

將初步判定為有雪花噪聲的待測的差值圖幀平均劃分為N*N，其中N大于等于4；即平均劃分為4*4(或者分的更細(xì))共16等塊，對劃分后的每個等塊分別進(jìn)行噪聲點(diǎn)統(tǒng)計的操作，同時每個等塊的閾值將相應(yīng)地設(shè)置為全局閾值的1/16，如果檢測結(jié)果為每個等塊都符合雪花噪聲分布，則判定為該幀圖像存在雪花噪聲或者特殊情況，并進(jìn)入步驟5，否則判定為非雪花噪聲因素引起的全局檢測的誤判。

步驟5：計算變異系數(shù)值，用效用函數(shù)進(jìn)行放大

變異系數(shù)原公式為：σ/u，應(yīng)用在圖像前后幀處理中變形為：

其中，P(x,y)指的是參考圖像幀，而R(x,y)指的是待測圖像幀，由于求出來的數(shù)值太小不容易比較，因此引入效用函數(shù)的公式g＝kx²，這個函數(shù)用來衡量影響因子x對源圖像的影響程度大小，而x代表的就是變異系數(shù)，那么效用函數(shù)就變形為：

其中，系數(shù)k用來放大計算值使得處理的計算值更易于觀察。根據(jù)這兩個公式計算出對應(yīng)相鄰幀之間的效用函數(shù)值。

步驟6：對效用函數(shù)值進(jìn)行數(shù)學(xué)統(tǒng)計，衡量變化幅度。

為避免不同視頻流閾值不同而需要重新設(shè)置的情況，考慮小概率原理和假設(shè)檢驗(yàn)的思想來提高檢測的自適應(yīng)性，即計算當(dāng)前幀的相鄰前k幀正常視頻幀的效用函數(shù)值計算出其均值u₁和標(biāo)準(zhǔn)差σ₁，再計算包括當(dāng)前幀在內(nèi)的k+1幀效用函數(shù)值的均值u₂和標(biāo)準(zhǔn)差σ₂，根據(jù)小概率原理，若滿足|u₁-u₂|＜3σ₁，則說明當(dāng)前幀對之前k幀的影響可以忽略從而判定其為正常幀，否則認(rèn)為是噪聲幀。

步驟3中，全局檢測得到的噪聲點(diǎn)統(tǒng)計值可以表示像素值變化較大的點(diǎn)所占的比例，考慮到雪花噪聲全局覆蓋的特點(diǎn)，這樣就可以排除大部分正常圖像幀，也為整個檢測過程節(jié)省了時間。

在步驟4中，分塊的意義同樣在于快速排除正常幀，其作用在于防止在步驟3全局檢測中有快速移動的物體干擾或者其他特殊場景造成誤檢。分塊的大小沒有具體規(guī)定，不宜過大而達(dá)不到局部檢測要求，也不宜過小而大程度地增大計算量。

在步驟5中，當(dāng)需要比較兩組數(shù)據(jù)離散程度大小的時候，如果兩組數(shù)據(jù)的測量尺度相差太大，或者數(shù)據(jù)量綱的不同，直接使用標(biāo)準(zhǔn)差來進(jìn)行比較不合適，此時就應(yīng)當(dāng)消除測量尺度和量綱的影響，而變異系數(shù)可以做到這一點(diǎn)，但這里的計算值太小而不好比較，引入效用函數(shù)就可以很好地解決這一點(diǎn)。

在步驟6中，小概率原理考慮的就是噪聲幀在一段視頻中出現(xiàn)的頻次總是占極少數(shù)，那么在正常幀的切換中其計算值均值和標(biāo)準(zhǔn)差的變化總是會在正常范圍內(nèi)，因此這里假設(shè)了浮動范圍在3倍原標(biāo)準(zhǔn)差之內(nèi)，顯然噪聲幀對其的影響是可以被檢測出來的。

本發(fā)明的有益效果：

該方法對監(jiān)控視頻中雪花噪聲的檢測有很好的效果，它從雪花噪聲對正常圖像的灰度影響出發(fā)，并考慮到雪花噪聲全局分布的特點(diǎn)將噪聲點(diǎn)統(tǒng)計置于前兩步，減少了計算量，加快了檢測速度，對于大部分視頻都可以準(zhǔn)確的識別檢測；

發(fā)明中使用的小概率原理針對的是正常幀的變化幅度，且計算過程盡量控制在一個場景中，這樣就使得該檢測過程可以排除雨雪天氣等特殊場景的誤判，大大提高了檢測正確率和檢測范圍；

附圖說明

圖1為檢測程序流程圖。

圖2為本發(fā)明實(shí)驗(yàn)中為圖像幀加噪處理的展示圖。

圖3為本發(fā)明實(shí)驗(yàn)中包含雪花幀的部分檢測結(jié)果圖。

圖4為本發(fā)明實(shí)驗(yàn)中雨雪天氣情況下的部分檢測結(jié)果圖。

圖5為本發(fā)明實(shí)驗(yàn)中所有監(jiān)控視頻的檢測結(jié)果總結(jié)圖。

具體實(shí)施方式

下面結(jié)合附圖，對本發(fā)明的具體實(shí)施方案作進(jìn)一步詳細(xì)描述。關(guān)于檢測過程的建立其具體步驟描述如圖1-圖5所示：

步驟1：讀取視頻流，以lastFrame和currentFrame區(qū)分前后幀，將每一幀的圖像轉(zhuǎn)化到灰度空間，獲取每個像素點(diǎn)的灰度值；

步驟2：對所有待檢測視頻流利用其前后幀的像素點(diǎn)變化特征進(jìn)行噪聲點(diǎn)的統(tǒng)計與判定，這一過程利用幀差值與既設(shè)閾值比較，超過閾值則認(rèn)為是“噪聲點(diǎn)”，先是全局范圍的檢測，用來較快地篩選出正常的圖像幀，這里設(shè)置全局噪聲點(diǎn)閾值為0.3，即表示當(dāng)差值圖中統(tǒng)計到的噪聲點(diǎn)數(shù)達(dá)到總像素點(diǎn)的30％的時候需要進(jìn)入分塊檢測，否則直接認(rèn)為沒有噪聲。像素點(diǎn)的比較算法為：

步驟3：將超過全局閾值的圖像幀進(jìn)行4*4分塊，分別檢測每一塊的噪聲點(diǎn)分布，相應(yīng)地這里的局部閾值就是全局閾值的1/16，根據(jù)雪花噪聲點(diǎn)全覆蓋分布且位置隨機(jī)變化的特點(diǎn)，若每一塊的統(tǒng)計值均超過局部閾值，才能判定為是雪花噪聲幀或者特殊情況，不滿足這一條件說明前后幀的某些部分變化過大，可能處于場景切換或者存在較大的背景物體，而不是噪聲影響，需要將這部分誤檢的情況排除。排除的規(guī)則算法如下：

步驟4：讀取前一幀和后一幀視頻幀，采用變形后的變異系數(shù)計算公式和效用函數(shù)的計算公式計算出每個相鄰幀的效用函數(shù)值。

步驟5：將前5幀默認(rèn)為正常幀，計算初始均值u₁和標(biāo)準(zhǔn)差σ₁，繼續(xù)檢測下一幀，計算包含該幀在內(nèi)的6幀效用函數(shù)值的均值u₂和標(biāo)準(zhǔn)差σ₂，利用小概率原理進(jìn)行衡量當(dāng)前幀的變化幅度，滿足條件時認(rèn)為是正常幀，然后更新均值和標(biāo)準(zhǔn)差；否則認(rèn)為是噪聲幀，此時噪聲幀不在比較范圍內(nèi)，因此不需要更新，具體流程如下：

如圖2-5所示，本發(fā)明對監(jiān)控視頻中雪花噪聲的檢測有很好的效果，它從雪花噪聲對正常圖像的灰度影響出發(fā)，并考慮到雪花噪聲全局分布的特點(diǎn)將噪聲點(diǎn)統(tǒng)計置于前兩步，減少了計算量，加快了檢測速度，對于大部分視頻都可以準(zhǔn)確的識別檢測。

發(fā)明中使用的小概率原理針對的是正常幀的變化幅度，且計算過程盡量控制在一個場景中，這樣就使得該檢測過程可以排除雨雪天氣等特殊場景的誤判，參看圖4和5，從而大大提高了檢測正確率和檢測范圍。