安防视频监控图像处理的技术与方法

　　中值滤波

　　中值滤波是一种区处理方法，但它不属于卷积。中值滤波也是一种根据邻域中各像素的值来决定中心像素值大小的方法，但它并不需要根据邻域值用算术方法计算出新像素值，而是一种按邻域中的像素排序后的中位像素(即排序后处于正中的那个像素值)作为中心像素新值的方法。

　　经过中值滤波后，图像中的随机噪声将被有效地消除。这是因为邻域中亮度值发生随机突变的像素，经过排序后，要么排在队列的队首，要么排在队列的队尾。而中心像素的新值，是取自队列中位的那个像素值。理论与实践证明，许多图像经过中值滤波处理后，都能得到较好的视觉效果。

　　Sobel边缘检测法增强

　　Sobel边缘检测算法，是一种非线性边缘检测算法，该算法效率很高，而且用途很广。Sobel边缘检测算法中计算两个不同的卷积核，即 

　　计算检测出来的边界强度和方向的公式为

　　强度 22xy = + ;方向 arctan( / ) yx = (8)用Sobel边缘检测算法对图像中每一个像素进行处理后，得到的输出图像通常还要进行同值化处理。当中心像素新值(即所计算的差值绝对值的最大值)等于或大于给定的阈值时，输出像素为白;小于给定的阈值时，则输出像素为黑。经过Sobel算法和阈值处理后，最后的结果是一幅只包含边缘信息的黑白二值图。

　　视频图像的帧处理的技术与方法

　　图像的帧处理是用视频信号的前后帧(一帧或多帧)来处理本帧，它广泛应用于视频压缩中，例如运动补偿、帧内插等。

　　在静态图像中，哪一个目标是运动的，或者说哪部分图像是目标，并不容易确定。而在视频中，却可以通过分析前后帧变化来确定运动的部分图像或目标。限于篇幅，这里仅讨论基于两帧图像差(即帧差)的目标运动与轨迹探测方法。

　　帧差模型分析

    相邻帧图像的目标位置变化示意图两帧图像相减的情形如图4所示。一般，可以把图像分成目标和背景两大部分，目标可以是多个，这里只画出了一个。当目标和背景运动时，目标和背景的相对位置和形状就会发生改变。在两帧图像相减时，可以把图像分成几个不同的区域。目标重叠区表示两帧中都有目标内容的区域，目标覆盖区表示该区域在上一帧为背景而本帧为目标的区域，目标暴露区则表示上一帧为目标而本帧为背景的区域，背景重叠区则表示两帧都为背景的区域。当然，也有背景覆盖区和背景暴露区，由于都在图像边缘，位置固定，所以不必单独详细讨论。

　　对于运动目标探测，主要讨论目标重叠区、目标覆盖区和目标暴露区的情况。

　　在图4中，设目标以速度υm运动，设背景以速度υb运动，它们都是时间t的函数。同时，由于只是平移，图像分布函数的形式不变，只是在位置上发生了变化，在数学函数上表现为位置变量随时间变化。设p0表示原始起点位置，目标图像可以表示为式(9)，背景图像可以表示为式(10)。经过时间Δt后，目标和背景图像可以分别表示为式(11)和式(12)。式(9)和式(10)中目标图像是覆盖在背景上的，两者不能在同一区域同时出现，如图4(a)和(b)所示。在以后的讨论中，位置p0和υm, υb都是向量，具有方向属性。

　　fm( p,t)=fm( p0+υmt) (9)fb( p,t)=fb( p0+υbt) (10)fm( p,t+Δt) =fm[ p0+υm(t+Δt)] (11)

　　fb( p,t+Δt)=fb[ p0+υb(t+Δt)] (12)当图4(a)、(b)两帧图像相减时，其结果在不同的区域，表示式不同。在目标重叠区的结果如式(13)所示，在目标覆盖区的结果如式(14)所示，在目标暴露区的结果如式(15)所示。在背景重叠区的结果如式(16)所示。为了便于讨论，在这些表达式中，设背景和目标图像函数的一阶导数处处存在。

　　Δfmm(p,t+Δt)= fm[p0+υm(t+Δt)] fm(p0+υmt)

　　= f′m(p0+υmt)•(υm•Δt) (13)

　　Δfmb(p,t+Δt)=fm[p0+υm(t+Δt)]fb(p0+υbt) (14)

　　= f′m(p0+υmt)•(υm•Δt)+fm(p0+υmt)fb(p0+υbt)

　　Δfbm(p,t+Δt)= fb[p0+υb(t+Δt)]fm(p0+υmt)

　　= f′b(p0+υbt)•(υb•Δt)+ fb(p0+υbt)fm(p0+υm(15)

　　Δfbb(p,t+Δt)= fb[p0+υb(t+Δt)]fb(p0+υbt)

　　= f′b ( p0+υbt)•(υb•Δt) (16)

　　在目标重叠区和背景重叠区，相减的结果就是各自运动图像的一阶微分与运动速度和时间间隔的乘积。在图像上表现为边缘增强运算，在图像各区域的边界上，出现较大的数值，在灰度缓变区，出现很小的数值。

　　在目标覆盖区和目标暴露区，除了微分外，还有目标和背景的差值。只有目标和背景的运动速度(包括方向)完全相同，且在交界处目标和背景的取值(或极限)相等，差值才随时间连续变化，即当Δt→0时，Δf→0。

　　目标和背景运动的帧差分析

　　下面分别讨论目标和背景在不同的移动速度时，前后两幅图像相减的不同结果。

　　背景不动，目标移动：这时帧相减就能很好地探测出目标，且给出目标的运动过程。由于背景图像不变，因此相减后背景区除了随机噪声外，都接近于0。而在目标叠加区，目标图像区的高频信息显示出来。特别是在目标与背景交界处，信息特别明显，这是由于目标与背景在交界处不能保持一阶连续，其差值是较大的。从式(14)和式(15)可以看出，在不同的时刻，[fb( p0+υbt)-fm( p0+υmt)]总有较大的数值。

　　目标和背景以不同的速度和方向移动：这时相减结果也可以探测出运动目标，但是有较大的背景噪声。因为背景的高频信息同时显示出来了。如果把相减的结果，再进行一次连续相减，那么在得到的结果中，背景区噪声几乎完全去掉了。这时相当于背景图像的二阶微分运算，因为摄像机得到的图像都是较平滑的，其二阶导数的变化和数值要小得多。实践结果表明，虽然目标信息也有所消弱，但是比背景要强得多。

　　仔细分析式(15)和式(16)，可以明白其中的道理。这时因为在目标覆盖区和目标暴露区，二次相减只相当于目标图像和背景图像的一阶微分，所以仍能保持较大的数值。即使是运动目标是原背景图像的一部分，从原视频系列中几乎难以发现目标，但通过一次和二次相减后，目标及其运动过程能清晰地显露出来。目标发生多种运动：当目标和背景以不同的速度和方向移动时，这与上一种情况基本相同。差别是由于目标的转动，增加了目标的信息，使目标更为明显。即使在目标和背景移动速度相同或都不运动时，如果目标有转动，相减一般也能得到很好的结果。如果目标是特殊形状(如完全对称的回转体)，以特殊形式运动(如以回转体轴线转动)，那么前后两帧图像是没有什么差别的，简单相减并不能探测出该目标。这时，就要考虑其他补充信息的探测。

声明:

凡文章来源标注为"CPS中安网"的文章版权均为本站所有，如需转载请务必注明出处为"CPS中安网"，违反者本网将追究相关法律责任。非本网作品均来自互联网，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。