基于ViBe模型消除光学闪烁像素的光学图像处理方法

摘要

本发明公开一种基于ViBe模型消除光学闪烁像素的光学图像处理方法。本发明的具体步骤如下：(1)获取光学视频信息；(2)计算视频第一帧帧图像中像素点距离权值；(3)利用欧式距离权值建立第一帧图像的ViBe模型；(4)选取除第一帧之外的一帧未选过的帧图像；(5)所选像素点二值化；(6)判断是否已选完所选帧图像中所有像素点；(7)使用形态学算法进行闪烁像素点消除；(8)判断是否已选完所有帧图像；(9)输出消除闪烁像素点后的目标检测图像。本发明具有提高目标检测准确性，以及视频图像中多样性变化背景的鲁棒性的优点。

权利要求

1.一种基于ViBe模型消除光学闪烁像素的光学图像处理方法，其特征在于，利用欧氏距离权值建立第一帧图像的ViBe模型，利用形态学算法通过ViBe模型与视频帧图像对比生成的二值图像来消除闪烁像素点；该方法的步骤包括如下：(1)获取光学视频信息：

从输入的光学视频中获取每帧光学视频的帧宽、帧高、帧率信息；

(2)计算第一帧图像中像素点的距离权值：

(2a)从第一帧图像中任意选取一个大小为5×5个像素点的像素块，计算所选像素块中心位置的像素点与该像素块中其余每个像素点的欧氏距离，将所选像素块的所有欧氏距离组成距离图；

(2b)利用下式，计算每个像素点的欧氏距离权值：

其中，Sk表示该像素块其余像素点中第k个像素点的欧氏距离权值，dk表示该像素块其余像素点中第k个像素点与像素块中心像素点的欧氏距离，∑表示求和操作，i表示该像素块其余像素点中的第i个像素点，di表示该像素块其余像素点中第i个像素点与像素块中心像素点的欧氏距离；

(2c)将欧氏距离权值由大到小进行排序；

(3)利用欧氏距离权值建立第一帧图像的ViBe模型：(3a)从第一帧图像中任选一个未选过的像素点；

(3b)选取以所选像素点为中心的5×5个像素点的像素块，计算所选像素块中心位置的像素点与该像素块中其余每个像素点的欧氏距离，将所选像素块的所有欧氏距离组成距离图，从该距离图的欧氏距离权值排序的前20个像素点的像素值，组成所选像素点的样本数量为20的ViBe模型；

(3c)判断是否选完第一帧图像中的所有像素点，若是，则执行步骤(3d)，否则，执行步骤(3a)；

(3d)将第一帧图像中的所有像素点的ViBe模型，组成第一帧图像ViBe模型；

(4)选取除第一帧之外的一帧未选过的帧图像；

(5)所选像素点二值化：

(5a)从所选的帧图像中任选一个未选过的像素点；

(5b)利用样本差值公式，计算所选像素点与其所在ViBe模型中每个样本的差值；

(5c)利用下式，计算所选像素点的标识值：

其中，S(x,y)表示位于(x,y)坐标处所选像素点的标识值，V(x,y,m)表示位于(x,y)坐标处所选像素值与ViBe模型中第m个样本的差值，R表示像素点的距离阈值，该距离阈值的取值范围为[12,30]，min表示样本集阈值；

(5d)判断所选像素点的S(x,y)是否为0，若是，则执行步骤(5e)，否则，执行步骤(5f)；

(5e)将所选像素点表示为背景像素点，将背景像素点的像素值更改为0；

(5f)将所选像素点表示为前景像素点，将前景像素点的像素值更改为255；

(6)判断是否已选完所选帧图像中所有像素点，若是，则将所选帧图像中所有前景像素点和背景像素点组成二值图像后执行步骤(7)，否则，执行步骤(5)；

(7)使用形态学算法消除闪烁像素点：

将二值图像依次进行形态学开运算操作，形态学闭运算操作，得到所选帧图像消除闪烁像素点后的目标检测图像；

(8)判断是否已选完所有帧图像，若是，则执行步骤(9)，否则，执行步骤(4)；

(9)输出消除闪烁像素点后的目标检测图像。

2.根据权利要求1所述的基于ViBe模型消除光学闪烁像素的光学图像处理方法，其特征在于，步骤(5b)中所述样本差值公式如下：V(x,y,m)＝I(x,y)-M(x,y,m)

其中，V(x,y,m)表示位于(x,y)坐标处的像素值与ViBe模型中第m个样本的差值，I(x,y)表示位于(x,y)坐标处的像素值，M(x,y,m)表示位于(x,y)坐标处像素点的ViBe模型中第m个样本的值。

3.根据权利要求1所述的基于ViBe模型消除光学闪烁像素的光学图像处理方法，其特征在于，步骤(5c)中所述样本集阈值是指，ViBe模型中的最小样本总数。

说明书

基于ViBe模型消除光学闪烁像素的光学图像处理方法

技术领域

[0001] 本发明属于计算机技术领域，更进一步涉及光学视频图像动目标检测技术领域中的一种基于ViBe模型消除光学闪烁像素的光学图像处理方法。本发明可应用于安防系统、智能交通监控系统进行目标检测时视频帧图像中光学闪烁像素点的快速消除。

背景技术

[0002] 安防系统、智能交通监控系统进行目标检测时视频帧图像中存在的闪烁像素点将影响后续检测以及视觉观测效果。因此，安防系统、智能交通监控系统应用中，精准的目标检测方法在计算机技术领域具有重要意义。

[0003] 安徽大学在其申请的专利文献“一种改进的运动目标检测VIBE算法”(专利申请号：201810498273.1，公开号：CN108805897A)中提出了一种改进VIBE算法的视频图像目标检测方法。该方法利用VIBE算法来区分静止区域是鬼影还是静止目标，并描述当前像素与背景模型中样本之间的差异程度，且对像素判别时动态调整判别模型中半径的大小，使得视频图像中场景变化时检测出更多前景点；最后，通过对前景点进行二值化处理实现运动目标检测。相比其他光学视频图像目标检测方法，该方法具有更快速的目标检测与鬼影抑制效率。但是，该方法仍然存在的不足之处是：用8个邻域像素点建立样本数量为20的ViBe模型时ViBe模型中样本值重复率高。因此该方法针对视频图像中目标检测准确性不高。

[0004] 江南大学在其申请的专利文献“一种基于改进型ViBe的鬼影和静止目标抑制方法”(专利申请号：201711200955.1，公开号：CN107977983A)中提出了一种改进型ViBe的鬼影和静止目标抑制方法。该方法先将连续两帧图像分别与背景模型进行ViBe前景提取，提取的共有部分即为检测出的鬼影和静止目标区域，然后通过比较该区域当前帧像素值方差和背景模型像素值方差的大小从而判断该区域存在鬼影还是静止目标，最后通过不同策略更新背景模型，以达到抑制鬼影和静止目标的目的。该方法对视频图像目标检测结果中的鬼影具有快速抑制的效果，但是该方法仍然存在的不足之处是：在视频背景存在微动时，检测结果中将出现闪烁像素点。因此该方法对视频图像中多样性变化的背景不具有很好的鲁棒性。

发明内容

[0005] 本发明的目的是针对上述现有技术的不足，提出一种基于ViBe模型消除光学闪烁像素的光学图像处理方法。本发明与现有技术的ViBe目标检测方法相比，能够利用欧式距离权值建立图像的ViBe模型，再使用形态学算法对二值图像进行闪烁像素点消除，以提高目标检测准确性和鲁棒性。

[0006] 实现本发明目的的思路是：先计算视频第一帧帧图像中像素点距离权值，利用降序排序后的欧式距离权值建立第一帧图像的ViBe模型，将所选帧图像中像素点与ViBe模型中样本进行一一比较得到二值图像，使用形态学算法进行闪烁像素点消除，输出消除闪烁像素点后的目标检测图像。

[0007] 本发明的具体步骤包括如下：

[0008] (1)获取光学视频信息：

[0009] 从输入的光学视频中获取每帧光学视频的帧宽、帧高、帧率信息；

[0010] (2)计算第一帧图像中像素点的距离权值：

[0011] (2a)从第一帧图像中任意选取一个大小为5×5个像素点的像素块，计算所选像素块中心位置的像素点与该像素块中其余每个像素点的欧氏距离，将所选像素块的所有欧氏距离组成距离图；

[0012] (2b)利用下式，计算每个像素点的欧氏距离权值：

[0013]

[0014] 其中，Sk表示该像素块其余像素点中第k个像素点的欧氏距离权值，dk表示该像素块其余像素点中第k个像素点与像素块中心像素点的欧氏距离，∑表示求和操作，i表示该像素块其余像素点中的第i个像素点，di表示该像素块其余像素点中第i个像素点与像素块中心像素点的欧氏距离；

[0015] (2c)将欧氏距离权值由大到小进行排序；

[0016] (3)利用欧氏距离权值建立第一帧图像的ViBe模型：

[0017] (3a)从第一帧图像中任选一个未选过的像素点；

[0018] (3b)选取以所选像素点为中心的5×5个像素点的像素块，计算所选像素块中心位置的像素点与该像素块中其余每个像素点的欧氏距离，将所选像素块的所有欧氏距离组成距离图，从该距离图的欧氏距离权值排序的前20个像素点的像素值，组成所选像素点的样本数量为20的ViBe模型；

[0019] (3c)判断是否选完第一帧图像中的所有像素点，若是，则执行步骤(3d)，否则，执行步骤(3a)；

[0020] (3d)将第一帧图像中的所有像素点的ViBe模型，组成第一帧图像ViBe模型；

[0021] (4)选取除第一帧之外的一帧未选过的帧图像；

[0022] (5)所选像素点二值化：

[0023] (5a)从所选的帧图像中任选一个未选过的像素点；

[0024] (5b)利用样本差值公式，计算所选像素点与其所在ViBe模型中每个样本的差值；

[0025] (5c)利用下式，计算所选像素点的标识值：

[0026]

[0027] 其中，S(x,y)表示位于(x,y)坐标处所选像素点的标识值，V(x,y,m)表示位于(x,y)坐标处所选像素值与ViBe模型中第m个样本的差值，R表示像素点的距离阈值，该距离阈值的取值范围为[12,30]，min表示样本集阈值；

[0028] (5d)判断所选像素点的S(x,y)是否为0，若是，则执行步骤(5e)，否则，执行步骤(5f)；

[0029] (5e)将所选像素点表示为背景像素点，将背景像素点的像素值更改为0；

[0030] (5f)将所选像素点表示为前景像素点，将前景像素点的像素值更改为255；

[0031] (6)判断是否已选完所选帧图像中所有像素点，若是，则将所选帧图像中所有前景像素点和背景像素点组成二值图像后执行步骤(7)，否则，执行步骤(5)；

[0032] (7)使用形态学算法消除闪烁像素点：

[0033] 将二值图像依次进行形态学开运算操作，形态学闭运算操作，得到所选帧图像消除闪烁像素点后的目标检测图像；

[0034] (8)判断是否已选完所有帧图像，若是，则执行步骤(9)，否则，执行步骤(4)；

[0035] (9)输出消除闪烁像素点后的目标检测图像。

[0036] 本发明与现有的技术相比具有以下优点：

[0037] 第一，由于本发明利用欧式距离权值建立第一帧图像的ViBe模型，从欧氏距离权值排序前20个像素点的像素值，组成所选像素点的样本数量为20的ViBe模型，克服了现有技术用8个邻域像素点建立样本数量为20的ViBe模型时，背景模型中样本值重复率高的缺点，使得本发明提高了目标检测准确性。

[0038] 第二，由于本发明使用使用形态学算法消除闪烁像素点，克服了现有技术在视频图像背景存在微动时，目标检测图像中将出现闪烁像素点的缺点，使得本发明提高了视频图像中多样性变化背景的鲁棒性。

附图说明

[0039] 图1是本发明的流程图；

[0040] 图2是本发明5×5个像素点的像素块中像素点中心与邻域像素点的欧氏距离示意图；

[0041] 图3是本发明所采集视频的第18帧、54帧、74帧、109帧图像；

[0042] 图4是现有技术的ViBe目标检测方法的实验结果图；

[0043] 图5是本发明目标检测方法的实验结果图；

具体实施方式

[0044] 下面结合附图对本发明的作进一步详细描述。

[0045] 参照图1，对本发明的具体实现步骤作进一步详细描述。

[0046] 步骤1，获取光学视频信息。

[0047] 从输入的光学视频中获取每帧光学视频的帧宽、帧高、帧率信息。

[0048] 步骤2，计算第一帧图像中像素点的距离权值。

[0049] 参照图2，对本发明5×5个像素点的像素块中像素点中心与邻域像素点的欧氏距离示意图进行描述。

[0050] 图2中像素块中心表示所选像素点的位置，数字1、 均表示像素块中心位置像素点与该像素块中其余每个像素点分别对应的欧式距离，将所选像素块的所有欧氏距离组成距离图。

[0051] 利用下式，计算每个像素点的欧氏距离权值。

[0052]

[0053] 其中，Sk表示该像素块其余像素点中第k个像素点的欧氏距离权值，dk表示该像素块其余像素点中第k个像素点与像素块中心像素点的欧氏距离，∑表示求和操作，i表示该像素块其余像素点中的第i个像素点，di表示该像素块其余像素点中第i个像素点与像素块中心像素点的欧氏距离。

[0054] 将欧氏距离权值由大到小进行排序。

[0055] 步骤3，利用欧式距离权值建立第一帧图像的ViBe模型。

[0056] (3.1)从第一帧图像中任选一个未选过的像素点。

[0057] (3.2)选取以所选像素点为中心的5×5个像素点的像素块，计算所选像素块中心位置的像素点与该像素块中其余每个像素点的欧氏距离，将所选像素块的所有欧氏距离组成距离图，从该距离图的欧氏距离权值排序的前20个像素点的像素值，组成所选像素点的样本数量为20的ViBe。

[0058] (3.3)判断是否选完第一帧图像中的所有像素点，若是，则执行本步骤的(3.4)，否则，执行本步骤的(3.1)。

[0059] (3.4)将第一帧图像中的所有像素点的ViBe模型，组成第一帧图像ViBe模型。

[0060] 步骤4，选取除第一帧之外的一帧未选过的帧图像。

[0061] 步骤5，所选像素点二值化。

[0062] (5.1)从所选的帧图像中任选一个未选过的像素点。

[0063] (5.2)利用样本差值公式，计算所选像素点与其所在ViBe模型中每个样本的差值。

[0064] (5.3)利用下式，计算所选像素点的标识值。

[0065]

[0066] 其中，S(x,y)表示位于(x,y)坐标处所选像素点的标识值，V(x,y,m)表示位于(x,y)坐标处所选像素值与ViBe模型中第m个样本的差值，R表示像素点的距离阈值，该距离阈值的取值范围为[12,30]，min表示样本集阈值。

[0067] (5.4)判断所选像素点的S(x,y)是否为0，若是，则执行本步骤的(5.5)，否则，执行本步骤的(5.6)。

[0068] (5.5)将所选像素点表示为背景像素点，将背景像素点的像素值更改为0。

[0069] (5.6)将所选像素点表示为前景像素点，将前景像素点的像素值更改为255。

[0070] 步骤6，判断是否已选完所选帧图像中所有像素点，若是，则将所选帧图像中所有前景像素点和背景像素点组成二值图像后执行步骤7，否则，执行步骤5。

[0071] 步骤7，使用形态学算法消除闪烁像素点。

[0072] 将二值图像依次进行形态学开运算操作，形态学闭运算操作，得到所选帧图像消除闪烁像素点后的目标检测图像。

[0073] 步骤8，判断是否已选完所有帧图像，若是，则执行步骤9，否则，执行步骤4。

[0074] 步骤9，输出消除闪烁像素点后的目标检测图像。

[0075] 本发明的效果可以通过以下仿真实验进一步说明。

[0076] 1.仿真条件：

[0077] 本发明的仿真实验的硬件平台为：处理器为Intel Core CPU i7-4790，主频为3.6GHz，内存12GB。

[0078] 本发明仿真实验的软件平台为：Windows 10操作系统，Visual Studio 2013，OpenCV3.0。

[0079] 本发明仿真实验所使用的输入视频为罗技C270拍摄的光学视频，该光学视频数据采集自陕西省西安市雁塔区光华路实验室内，拍摄时间为2019年3月，图像大小为544×960个像素，视频共包含518帧，视频格式为MP4。

[0080] 2.仿真内容与其结果分析：

[0081] 本发明仿真实验是采用本发明和现有技术的ViBe目标检测方法，分别对输入的光学视频图像进行目标检测，获得目标检测结果图。

[0082] 在仿真实验中，采用的现有技术是指：

[0083] 所述现有技术的ViBe目标检测方法出自安徽大学在其申请的专利文献“一种改进的运动目标检测VIBE算法”(专利申请号：201810498273.1，公开号：CN108805897A)。

[0084] 图3是对本发明进行目标检测所选的视频帧图像，图3中(a)、(b)、(c)、(d)分别为所选视频的第18帧、54帧、74帧、109帧图像，该4帧图像为实时接收的帧图像。

[0085] 图4是利用现有技术的ViBe目标检测方法对图3的4幅帧图像进行目标检测，分别得到图4(a)、(b)、(c)、(d)的目标检测结果图。

[0086] 图4(a)是待检测的目标由静止状态变为运动状态时得到的目标检测结果图，可见图4(a)中存在大量闪烁像素点。图4(b)和图4(c)分别为待检测的目标已离开视频区域时得到的目标检测结果图，可见两个图中均存在闪烁像素点。图4(d)为待检测的目标再次出现在视频区域时得到的目标检测结果图，可见图中待检测的目标周围仍存在大量闪烁像素点。

[0087] 图5是利用本发明目标检测方法对图3的4幅帧图像进行目标检测，分别得到图5(a)、(b)、(c)、(d)消除闪烁像素点后的目标检测图。

[0088] 图5(a)是待检测的目标由静止状态变为运动状态时得到的目标检测结果图，可见图5(a)中存在闪烁像素点。图5(b)和图5(c)分别为待检测的目标已离开视频区域时得到的目标检测结果图，可见两个图中闪烁像素点逐渐减少，且仅剩极少数闪烁像素点存在。图5(d)为待检测的目标再次出现在视频区域时得到的目标检测结果图，可见图中待检测的目标周围无任何闪烁像素点，目标被清晰检测出。

[0089] 通过分别对图4、图5的目标检测结果图进行分析，可知本发明的目标检测结果图更清晰、闪烁像素点消除更快、更彻底。现有技术的ViBe目标检测方法结果图中始终存在大量闪烁像素点。因此本发明方法的动目标检测效果更好。

[0090] 综上所述，本发明利用欧氏距离权值建立ViBe模型，再对所选二值图像进行多次形态学运算操作，有效的提高了目标检测准确性和鲁棒性。