一种无参考视频条纹失真的检测方法

条纹失真是降低视频图像质量的一个重要因素。现有的条纹失真去除算法需要已知条纹方向等先验知识,如何自动地判断和获取条纹失真图像以及条纹的方向有重要的研究意义。提出一种检测无参考视频图像中单一方向条纹失真的方法,并获取条纹与水平正方向的夹角。算法的核心思想基于条纹图像的频率特性,即图像中的条纹的频谱能量值会在频域空间中沿着与空域中条纹方向正交的方向附近聚集,且在对应的频率分量处会出现峰值。针对单一方向的条纹失真视频图像,实验结果表明,提出的算法具有很好的检测效果,且能够较准确地确定条纹的方向。另一方面,算法对随机噪声不敏感,对低对比度条纹仍具有较高的检测率。     

监控视频横向条纹扰动快速盲检测算法

针对视频中可能出现的横向条纹扰动会导致大量信息丢失的问题,提出一种基于时空域特性的快速条纹扰动盲检测算法。该方法首先总结了条纹颜色、形状以及运动性三方面特征。通过利用条纹的颜色和形状特征,计算行累计分布和行方差分布,得到空域内的条纹检测指标。再利用条纹的移动特性,通过帧间差分法和基于对称性的滤波获得条纹滤波图像,进而计算行方向的数据分布,得到时域内的检测指标。最后通过对时空域内检测结果的融合完成对条纹扰动的最终检测。实验结果表明该方法鲁棒性高、速度快、能够准确地检测视频条纹扰动。     

基于DFT基的矿井视频监控图像分块压缩感知方法

针对矿井视频监控图像受噪声干扰影响大,采用常规的图像采样和压缩方法存在图像模糊和传输时间过长等问题,提出了一种矿井视频监控图像分块压缩感知方法。该方法通过建立矿井视频监控图像分块压缩感知模型,在井下图像采集节点利用稀疏随机矩阵进行压缩采样,然后在地面监控中心利用正交匹配追踪( OMP )算法重构图像。研究结果表明,采用本文算法的重构图像误差小、重构时间短,所需信号采样点数少;与扰频Hadamard矩阵相比,采用稀疏随机矩阵和高斯随机矩阵作为观测矩阵对图像信号重构的峰值信噪比( PSNR)提高4 dB~5 dB;本文算法与基于小波基的算法相比,信号重构的PSNR提高1 dB~4 dB,重构时间缩短至少80％以上。     

一种基于Radon变换及快速傅里叶变换的图像配准方法

针对现有的图像配准方法的低鲁棒性问题,提出一种对噪声不敏感的多畸变图像配准方法,通过Radon变换估计旋转角度,利用快速傅里叶变换求解平移与伸缩。实验结果表明该方法有效提高各类图像配准的精度,并且具有较高的鲁棒性,可以有效抵抗噪声信号的干扰,具有较高的实用价值。     

一种煤矿井下监控视频图像预处理方法

针对煤矿井下照度低、粉尘大、强光干扰多而导致监控视频图像模糊、容易出现目标检测失误等问题,提出了一种煤矿井下监控视频图像预处理方法。引入直方图均衡化算法将灰度值从集中在某段灰度级区域的非均匀分布状态变换为均匀分布状态,扩展像素灰度值的动态范围;采用多特征判断法即通过灰度阈值、差分阈值、尺寸阈值3个方面判断检测到的目标是否为光斑。实验结果表明,该方法能有效增强图像对比度,改善图像质量,识别并滤除光斑,从而提高目标检测的有效性。     

图像监控系统浅议——公安视频图像监控联网平台

国内公安视频监控系统从最开始的单点监视到现在全城，全国范围的联网视频监控，监控系统已经从规模到功能上都发生了巨大的变化。本文结合目前的联网平台技术发展方向，深度剖析了视频图像监控联网所面临的问题。[编者按]     

一种快速线性时频变换方法

信号的频率含量在很多应用中是非常重要的,很多算法在这方面进行了研究。普通的S变换可以同时提供时间和频率信息,但需要的计算要求较高。本文介绍了一种线性时频变换方法,包括傅里叶变换（FT）、短时傅里叶变换（STFT）和S变换（ST）。它是一种离散的,可逆的,无冗余的变换算法,具有快速傅里叶变换（FFT）相同的计算复杂度。经过合理的调试和仿真,该方法有效地对非平稳信号频谱进行采样和加窗过滤,得到连续S变换频谱,说明在信号分析中具有可行性和适用性。     

一种新型煤矿视频监控图像滤波算法

针对煤矿视频监控图像存在噪声强度高且对比度低等问题,提出了一种新型煤矿视频监控图像滤波算法。该算法首先采用自适应Canny算子对图像进行边缘检测,实现边缘图像和非边缘图像的有效分离;然后对边缘图像引入直方图均衡化算法进行处理,以突出图像边缘信息,提高图像对比度;从滤波器的构建、结构元素的设计方面对经典数学形态学滤波算法进行改进,将其应用于非边缘图像的滤波;最后对处理后的边缘图像和非边缘图像引入图像融合机制进行加权融合。实验结果表明,与小波阈值法、经典数学形态学滤波算法相比,该算法具有较好的滤波效果。     

基于噪声方差估计的伪造图像盲检测方法

针对不同来源合成伪造数字图像提出了一种盲检测方法,不同数字图像背景噪声存在差异,因而伪造图像区域噪声方差不同。从待测图像小波分解后的高频子带中去除相应边缘区域的高频干扰,改进了噪声方差估计算法,并对所得噪声图像进行分块处理估计每一个分块的噪声方差,将方差相近的块进行融合,最后比较图像中纹理接近的同质区域,找出方差异常的位置。通过实验研究了方差估计精度,对不同来源的伪造图像进行了检测,结果表明算法提高了图像噪声方差的估计精度,在图像纹理接近的同质区域中可以定位图像的伪造区域。     

FRFT域的数字图像chirp噪声抑制方法

针对含有chirp噪声的图像,应用传统的滤波方法难以实现有效的信噪分离,提出了一种基于分数阶傅里叶变换域的数字图像chirp噪声的抑制方法。该方法是将chirp信号分数阶傅里叶域的滤波算法引入到数字图像的处理中,是一种新的改善图像质量的手段。仿真结果表明,对于含有chirp噪声干扰这一特定退化模型的图像,采取最优估计下的分数阶傅里叶变换相比普通傅里叶变换和线性平滑滤波,图像恢复的效果更佳,它能有效地去除图像中的chirp噪声。     

面向监视视频实时分析的快速行人检测方法

为解决监视视频实时分析应用中行人检测效率低的问题,提出一种快速行人检测方法。首先,采用运动侦测方法提取运动区域,并结合行人检测要求对运动区域进行尺寸扩展、归一化和拼接操作;然后,在拼接图像上结合积分图快速提取各运动区域的Haar特征,并采用双支持向量机实现快速的特征分类;最后,结合包围盒相交策略进行帧间滤波,降低行人误检现象。实验表明,本文方法不仅可以实时检测行人目标,而且检测错误率低于现有主流方法。     

视频监控场景下的面部遮挡检测

提出了一种监控场景下的面部遮挡检测方法。基于AdaBoost算法进行人脸验证,通过面部划分,分块分析是否存在遮挡情况。首先判断是否有人进入,在有人进入的情况下进行面部遮挡检测,对眼部区域采用AdaBoost方法及墨镜特征提取方法判断是否遮挡,而对嘴部区域采用高斯肤色模型进行判断。实验结果表明,该方法能实时检测面部遮挡的情况,并达到了较好的效果,适用于银行ATM等监控场景,具有较高的应用价值。     

基于光源颜色和噪声的图像拼接篡改检测方法

数字图像拼接篡改是一种常见的图像伪造手段.在图像取证中,检测拼接伪造仍然是一项艰巨的任务.现有的拼接伪造检测方法多根据一种图像特性的不一致检测并定位篡改区域,而实际拼接篡改伪造往往会造成多种图像特性的改变.针对现有单一特征提取不能充分反映拼接图像特性导致检测精确率低的问题,提出一种通过提取光源颜色和噪声的混合特征来定位...     

基于空间域的图像噪声检测技术

图像质量检测技术可以代替人工巡检的方式对视频质量进行自动检测,对监控系统中视频图像出现的异常进行准确分析、判断和报警,以保障规模不断扩大的网络视频监控系统的正常运行。基于空间域的图像噪声检测技术,利用图像的邻域信息特征与各类噪声异常在空间域上的轮廓和方向分布,并结合OpenCV图像处理技术,实现对噪点、雪花和条纹异常的检测。空间域噪声检测算法,与人的视觉感知相一致,可以用于监控视频的实时检测。     

一种交通监控场景下的多车道检测方法

为自动有效地获取交通监控场景中的多车道信息,提出一种利用骨架化边缘的多车道检测算法,以克服视频处理对固定场景和明确的先验车道位置信息的依赖。算法主要针对静态的交通背景图处理,采用背景提取、滤波和数字形态学预处理等,由Hough变换确定车道位置的骨架线;由行车方向约束车道线角度,利用车道线几何成像特性检测出准车道线,获取车道线和车道区域。实验表明,对不同的交通场景和不同光照条件,该方法能有效检测多车道,鲁棒性强,具有较高的工程应用价值。     

分布式视频编码中相关噪声分布的非参数估计

目的 针对分布式视频编码系统中相关噪声（CN）分布难以准确模拟的问题,提出了一种CN的非参数估计方法。方法 根据CN分布的特点,提出CN的非参数估计方法,建立了基于最优窗宽的核密度估计-均匀分布模型（KDEUDM）,比较了变换域Wyner-Ziv（TDWZ）系统中CN的参数估计法和非参数估计法所建立的噪声模型对系统性能的影响。结果 实验结果表明,非参数估计方法能较准确地模拟CN的分布,与参数估计法相比,用非参数估计法建立的噪声模型能使WZ帧编码在高码率下最高能节约10%的码率。结论 非参数估计法是TDWZ系统中有效的相关噪声估计方法。     

基于量化噪声的JPEG图像篡改检测

JPEG图像篡改引入的双重压缩会导致篡改区域的原始压缩特性发生改变,因此可以利用篡改区域压缩特性的不一致性来检测图像的篡改。利用该原理,提出了一种基于量化噪声的JPEG图像篡改检测算法。算法对待检测图像进行分块,计算每块的量化噪声,求取图像块的量化噪声服从均匀分布和高斯分布的概率,从而检测出篡改过的双重压缩区域。实验结果表明：该算法能有效检测双重压缩的JPEG图像篡改,并能定位出篡改区域。     

一种混合噪声图像去噪方法

首先分析了含有高斯白噪声和脉冲噪声的图像必须采用不同去噪方法的原因;然后分别给出了小波变换后的低频子带图像与高频子带图像的去噪方法：用改进的邻域平均法对低频子带图像进行去噪处理。对高频子带图像采用中值滤波、阀值处理、小波系数增强方法去除脉冲噪声;最后对经过处理后的各子带图像进行小波逆变换得到恢复图像;实验结果证明了理论分析的正确性。