本發(fā)明屬于視頻質(zhì)量診斷領(lǐng)域，具體涉及一種會(huì)議視頻馬賽克檢測(cè)方法。
背景技術(shù)：
：視頻、圖像中的馬賽克具體表現(xiàn)為整體或局部色彩、灰度單一的多個(gè)塊狀區(qū)域。由于前端設(shè)備不良、線路接觸不好等原因?qū)е伦杩共黄ヅ洹⑾到y(tǒng)輸出電平過(guò)低等硬件原因產(chǎn)生的馬賽克是易于消除的故障，而由于信號(hào)受到干擾或解碼器停止解碼等原因造成的圖像馬賽克則是難于消除的。不論馬賽克產(chǎn)生的原因是什么，它都會(huì)影響視頻內(nèi)容的理解和分析。本發(fā)明提供了一種基于外接矩形的會(huì)議視頻馬賽克檢測(cè)方法，可以給視頻會(huì)議系統(tǒng)的維護(hù)人員提供有效技術(shù)參考與支持。目前主流的馬賽克檢測(cè)方法有兩類：基于邊緣檢測(cè)的方法和基于區(qū)域分析的檢測(cè)方法。現(xiàn)有的馬賽克檢測(cè)方法原理有以下幾種：1、利用塊邊界的周期性，根據(jù)全局像素的一階或二階差分統(tǒng)計(jì)分析，來(lái)檢測(cè)塊邊界的準(zhǔn)確位置；2、基于圖像空域的二階差分算法，利用快邊界像素的二階差分的過(guò)零性來(lái)檢測(cè)塊邊界；3、利用正常幀和異常幀圖像的區(qū)別，做有參考圖像的塊效應(yīng)檢測(cè)算法；4、模板匹配算法，制作塊效應(yīng)模板，對(duì)全局圖像進(jìn)行遍歷匹配。上述這些方法所存在的問(wèn)題有：1、故障發(fā)生時(shí)，塊效應(yīng)的大小不能確定，造成模板方法漏檢，且過(guò)多的模板，時(shí)間復(fù)雜度高；2、視頻內(nèi)容的復(fù)雜性，實(shí)邊緣和紋理豐富的區(qū)域，二階差分算法響應(yīng)豐富，造成誤檢；3、有參考圖像的塊效應(yīng)檢測(cè)算法對(duì)參考圖像質(zhì)量高，且在會(huì)議過(guò)程中，人員走動(dòng)等場(chǎng)景的變換影響大。技術(shù)實(shí)現(xiàn)要素：針對(duì)現(xiàn)有馬賽克檢測(cè)方法存在的問(wèn)題，本發(fā)明提供了一種應(yīng)用于會(huì)議視頻的馬賽克檢測(cè)方法。采用本發(fā)明所述的方法能夠有效檢測(cè)會(huì)議視頻幀中是否存在馬賽克。為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案是：基于外接矩形的會(huì)議視頻馬賽克檢測(cè)方法，算法流程如圖1所示，包括以下步驟：(1)將待檢測(cè)會(huì)議視頻幀轉(zhuǎn)換為灰度圖，進(jìn)行邊緣檢測(cè)，獲取只具有輪廓信息的邊緣圖像；(2)對(duì)邊緣圖像進(jìn)行輪廓描述，確定出每個(gè)輪廓的最小外接正矩形和最小外接矩形，并提取出最小外接正矩形和最小外接矩形的特征；(3)進(jìn)行最小外接正矩形和最小外接矩形幾何特征的相似度檢測(cè)，統(tǒng)計(jì)符合相似度檢測(cè)的矩形個(gè)數(shù)N；(4)設(shè)置閾值T，若N<T，則判定結(jié)果為正常，否則為馬賽克視頻幀。步驟(1)中的邊緣檢測(cè)采用改進(jìn)的分?jǐn)?shù)階Canny邊緣檢測(cè)方法。Canny算子是目前最流行的邊緣檢測(cè)方法，其對(duì)圖像細(xì)節(jié)保留較為完整，且在抑制噪聲方面具有較好的效果。Canny邊緣檢測(cè)算法包含了一些可以調(diào)整的參數(shù)，因此可以通過(guò)設(shè)置不同參數(shù)來(lái)適應(yīng)各種不同的場(chǎng)景圖像。Canny邊緣檢測(cè)算法步驟包括：①用高斯濾波器平滑圖像；②用一階偏導(dǎo)有限差分計(jì)算梯度幅值和方向；③對(duì)梯度幅值進(jìn)行非極大值抑制；④用雙閾值算法檢測(cè)和連接邊緣。Canny算法為了抑制噪聲使用了高斯濾波器平滑圖像，這必然會(huì)導(dǎo)致一些細(xì)小的圖像邊緣細(xì)節(jié)丟失。在選取圖像掩模時(shí)，掩模的寬度越大，其抗噪性越好，但檢測(cè)精度會(huì)越低。為了平衡Canny算法的抗噪性與檢測(cè)精度，本發(fā)明利用分?jǐn)?shù)階對(duì)Canny邊緣檢測(cè)算法進(jìn)行改進(jìn)。目前主流的一階邊緣檢測(cè)算子有：RobertsCross算子，Prewitt算子，Sobel算子等。二階邊緣檢測(cè)算子有：LoG算子、Laplacian算子等。信號(hào)的分?jǐn)?shù)階微分的物理意義可以理解為廣義的調(diào)幅調(diào)相，其振幅隨頻率呈分?jǐn)?shù)階冪指數(shù)變化，如圖2所示。通過(guò)信號(hào)微分的幅頻特性曲線發(fā)現(xiàn)，分?jǐn)?shù)階微分可以大幅提升信號(hào)高頻成分，增強(qiáng)信號(hào)的中頻成分、非線性保留信號(hào)的甚低頻，據(jù)此得出分?jǐn)?shù)階微分應(yīng)用于圖像邊緣檢測(cè)將使圖像邊緣信息更加明顯、紋理更加清晰和平滑區(qū)域信息更加完整，從而得到較傳統(tǒng)整數(shù)階微分更加完整、連續(xù)、清晰的圖像邊緣。因此，利用分?jǐn)?shù)階對(duì)Canny邊緣算法進(jìn)行改進(jìn)能在一定程度上提高檢測(cè)算法的效率。邊緣圖像是圖像輪廓的矩陣形式，進(jìn)行輪廓描述是為了更清晰地表達(dá)輪廓的空間信息。在對(duì)輪廓進(jìn)行描述時(shí)，首先需要確定像素點(diǎn)之間的鄰接關(guān)系。常見(jiàn)的鄰接關(guān)系有兩種：四鄰接和八鄰接。四鄰接有四個(gè)點(diǎn)，即位于像素上、下、左、右四個(gè)方向的四個(gè)點(diǎn)，如圖3a所示。八鄰接有八個(gè)點(diǎn)，在四鄰接的基礎(chǔ)上還包括了對(duì)角線位置的點(diǎn)，即像素周圍的八個(gè)點(diǎn)，如圖3b所示。為考慮馬賽克區(qū)域的邊緣檢測(cè)結(jié)果不一定為嚴(yán)格的方塊，所以本發(fā)明采用八鄰接的方式描述邊緣檢測(cè)圖像的所有輪廓，并記錄所描述輪廓的相關(guān)信息。輪廓信息包括：輪廓總數(shù)，每個(gè)輪廓包含的像素點(diǎn)數(shù)以及每個(gè)輪廓像素對(duì)應(yīng)的圖像坐標(biāo)。輪廓描述步驟包括：①首先采用行掃描方式確定輪廓的起始點(diǎn)(值為1的像素點(diǎn))，記錄當(dāng)前點(diǎn)的位置信息；②掃描與當(dāng)前輪廓點(diǎn)相鄰接的8個(gè)像素點(diǎn)，若掃描到周圍存在輪廓點(diǎn)則跳轉(zhuǎn)到這一輪廓點(diǎn)并記錄相關(guān)信息后重復(fù)步驟②，若周圍不存在輪廓點(diǎn)則執(zhí)行步驟③；③標(biāo)記當(dāng)前點(diǎn)為輪廓結(jié)束點(diǎn)，終止本次描述。由輪廓描述確定出每個(gè)輪廓的最小外接正矩形與最小外接矩形，然后提取兩種外接矩形的特征，特征包括：角度、面積、邊長(zhǎng)。最小外接矩形即包含所有點(diǎn)集最小面積的矩形，這個(gè)矩形允許有偏轉(zhuǎn)角度。最小外接正矩形即角偏為零并包含點(diǎn)集的最小面積的矩形。圖4中，圖a為一曲線，圖b為圖a曲線的最小外接正矩形，圖c為圖a曲線的最小外接矩形。圖5中，a為馬賽克邊緣，圖b為圖a曲線的最小外接正矩形，圖c為圖a曲線的最小外接矩形。由圖4可知，馬賽克邊緣的最小外接正矩形和最小外接矩形相等，由此可以區(qū)別出輪廓是否為馬賽克。步驟(3)進(jìn)行最小外接正矩形和最小外接矩形幾何特征的相似度檢測(cè)，檢測(cè)依據(jù)為步驟(2)中提取的角度、面積、邊長(zhǎng)等特征。相似度檢測(cè)包括以下內(nèi)容：①最小外接矩形的旋轉(zhuǎn)角度；②最小外接正矩形面積與最小外接矩形面積之比；③最小外接正矩形與最小外接矩形的邊寬之比；④最小外接正矩形與最小外接矩形的邊高之比。馬賽克區(qū)域在經(jīng)過(guò)邊緣檢測(cè)后呈現(xiàn)出的特征為完整方塊或缺邊方塊，其最小外接正矩形應(yīng)等于最小外接矩形。因此，馬賽克區(qū)域的最小外接矩形的角偏應(yīng)為0或360°，其最小外接正矩形面積與最小外接矩形面積之比、邊寬之比、邊高之比原則上都應(yīng)為1:1。通過(guò)設(shè)置限制條件即可識(shí)別當(dāng)前輪廓是否為馬賽克，并統(tǒng)計(jì)出屬于馬賽克輪廓的數(shù)量N。步驟(4)中，通過(guò)設(shè)置合適的閾值T來(lái)判定待測(cè)視頻幀是否存在馬賽克，若N<T，則判定結(jié)果為正常，否則為馬賽克視頻幀。本發(fā)明的馬賽克檢測(cè)方法針對(duì)現(xiàn)有方法存在的弊端，采用了具有創(chuàng)新性的檢測(cè)方式，通過(guò)與現(xiàn)有檢測(cè)方法對(duì)比可知，本發(fā)明的方法檢測(cè)精度高，準(zhǔn)確性良好，實(shí)施較為方便，具備良好的推廣應(yīng)用價(jià)值。本發(fā)明的其他優(yōu)點(diǎn)、目標(biāo)和特征在某種程度上將在隨后的說(shuō)明書(shū)中進(jìn)行闡述，并且在某種程度上，基于對(duì)下文的考察研究對(duì)本領(lǐng)域技術(shù)人員而言將是顯而易見(jiàn)的，或者可以從本發(fā)明的實(shí)踐中得到教導(dǎo)。本發(fā)明的目標(biāo)和其他優(yōu)點(diǎn)可以通過(guò)下面的說(shuō)明書(shū)和權(quán)利要求書(shū)來(lái)實(shí)現(xiàn)和獲得。附圖說(shuō)明為了使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步的詳細(xì)描述，其中：圖1是本發(fā)明所述的方法流程圖；圖2為信號(hào)微分的幅頻特性曲線圖；圖3為四連通和八連通示意圖；圖4為一曲線的最小外接矩形與最小外接正矩形示意圖；圖5為馬賽克邊緣的最小外接矩形與最小外接正矩形示意圖；圖6為采用空域二階差分算法進(jìn)行馬賽克檢測(cè)的實(shí)例照片；圖7為采用模板匹配算法進(jìn)行馬賽克檢測(cè)的實(shí)例照片；圖8為采用本發(fā)明的方法進(jìn)行馬賽克檢測(cè)的實(shí)例照片。具體實(shí)施方式以下將參照附圖，對(duì)本發(fā)明的優(yōu)選實(shí)施例進(jìn)行詳細(xì)的描述。應(yīng)當(dāng)理解，優(yōu)選實(shí)施例僅為了說(shuō)明本發(fā)明，而不是為了限制本發(fā)明的保護(hù)范圍。如圖1所示，本發(fā)明的方法包括以下步驟：(1)獲得待檢測(cè)圖像，即從會(huì)議視頻中獲取視頻幀圖像，將該圖像簡(jiǎn)稱為原始圖像；(2)將原始圖像轉(zhuǎn)換為對(duì)應(yīng)的灰度圖像，將該圖像簡(jiǎn)稱為灰度圖像；(3)對(duì)灰度圖像進(jìn)行分?jǐn)?shù)階Canny邊緣檢測(cè)，獲得對(duì)應(yīng)的輪廓圖像，將該圖像簡(jiǎn)稱為輪廓圖像；Canny算子是目前最流行的邊緣檢測(cè)方法，其對(duì)圖像細(xì)節(jié)保留較為完整，且在抑制噪聲方面具有較好的效果。Canny邊緣檢測(cè)算法包含了一些可以調(diào)整的參數(shù)，因此可以通過(guò)設(shè)置不同參數(shù)來(lái)適應(yīng)各種不同的場(chǎng)景圖像。Canny算法為了抑制噪聲使用了高斯濾波器平滑圖像，這必然會(huì)導(dǎo)致一些細(xì)小的圖像邊緣細(xì)節(jié)丟失。在選取圖像掩模時(shí)，掩模的寬度越大，其抗噪性越好，但檢測(cè)精度會(huì)越低。因此，本發(fā)明利用分?jǐn)?shù)階對(duì)Canny邊緣算法進(jìn)行改進(jìn)以提高檢測(cè)算法的效率。本例實(shí)施中，輪廓圖像為二值圖像。(4)提取圖像的輪廓，得到圖像的輪廓集合；本例實(shí)施中，輪廓集合包含所有的輪廓，每個(gè)輪廓包含構(gòu)成該輪廓的所有像素點(diǎn)的位置。(5)提取輪廓集合中的每個(gè)輪廓的最小外接正矩形；本例實(shí)施中，提取輪廓的最小外接正矩形具有寬、高特征。(6)提取輪廓集合中的每個(gè)輪廓的最小外接矩形；本例實(shí)施中，提取到輪廓的最小外接矩形具有旋轉(zhuǎn)角度，寬、高特征；(7)利用(5)(6)中的最小外接正矩形和最小外接矩形特征，進(jìn)行相似度檢測(cè)；本例實(shí)施中，對(duì)相似度的定義為：①最小外接矩形的旋轉(zhuǎn)角度為0°或360°；②最小外接正矩形面積與最小外接矩形面積之比應(yīng)在設(shè)定閾值范圍內(nèi)；③最小外接正矩形與最小外接矩形的邊寬之比應(yīng)在設(shè)定閾值范圍內(nèi)；④最小外接正矩形與最小外接矩形的邊高之比應(yīng)在設(shè)定閾值范圍內(nèi)；通過(guò)以上相似度的定義，將符合定義的最小外接正矩形與最小外接矩形判定為相似；否則，判定為不相似。將判定結(jié)果為不相似輪廓從輪廓集合中剔除，保留判定結(jié)果為相似的輪廓。(8)剔除輪廓集合中存在的噪點(diǎn)；根據(jù)(7)，由于噪點(diǎn)形成的輪廓，其最小外接正矩形與最小外接矩形相似度形成的誤判，因此本例實(shí)施中，將最小外接正矩形面積小于設(shè)定閾值的輪廓從輪廓集合中剔除，到達(dá)提純的目的。(9)判定視頻幀圖像是否存在馬賽克；根據(jù)(7)(8)，本例實(shí)施中，統(tǒng)計(jì)符合相似度檢測(cè)的矩形個(gè)數(shù)，將矩形數(shù)小于設(shè)定閾值的判定該幀圖像不存在馬賽克，否則判定該幀圖像存在馬賽克。具體實(shí)施例如圖6-圖8所示，通過(guò)采用不同的方法對(duì)6段存在馬賽克的會(huì)議視頻進(jìn)行實(shí)驗(yàn)，采用的方法包括對(duì)比算法1(空域二階差分算法)、對(duì)比算法2(模板匹配算法)以及本申請(qǐng)的算法。首先，手動(dòng)標(biāo)記出存在馬賽克及不存在馬賽克的幀圖像；其次，驗(yàn)證對(duì)比算法及本專利算法，各算法將檢測(cè)到的馬賽克幀做標(biāo)記；最后，通過(guò)手動(dòng)標(biāo)記的先驗(yàn)數(shù)據(jù)及算法各算法的檢測(cè)結(jié)果數(shù)據(jù)進(jìn)行對(duì)比。定義：標(biāo)記的馬賽克幀記做P，標(biāo)記的非馬賽克幀記做N，檢測(cè)到的馬賽克幀記做T，檢測(cè)到的非馬賽克幀記做F，測(cè)試結(jié)果：手動(dòng)標(biāo)記的先驗(yàn)數(shù)據(jù)：P+NPN90689808088算法實(shí)驗(yàn)結(jié)果數(shù)據(jù)：TPFPTNPDRMDRFDR對(duì)比算法176721315378.2653％21.7347％1.89169％對(duì)比算法280517512682.1428％17.8572％1.55786％提出的算法923577094.1837％5.81633％0.86548％最后說(shuō)明的是，以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案而非限制，盡管參照較佳實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對(duì)本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，而不脫離本技術(shù)方案的宗旨和范圍，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求范圍當(dāng)中。當(dāng)前第1頁(yè)1 2 3