视频质量诊断算法研究与实现

论文摘要

随着计算机视觉技术,数字图像处理技术,电子技术等的不断发展,智能视频监控系统作为安全防卫的一种重要手段,正越来越受到人们的重视.然而随着视频监控点的不断增多,仅靠人眼对故障画面逐个排查不仅劳动强度大,显然还是低效、滞后、不可靠的；而且无论是视频监控还是视频分析,首先得保证摄像机传输过来的视频是正确的,若摄像机的视频信号受到干扰或破坏,那么基于视频内容的监控和分析将失去意义.因此,能够实时,高效的诊断视频质量对于智能监控具有重要的意义.本文首先对视频质量诊断的相关研究进行简单的概述,然后提取出三个常见的对视频质量诊断影响较大的因素：图像噪声、图像清晰度、摄像机干扰.最后针对这三个主要因素,设计并实现了视频质量诊断算法.在图像噪声检测中,根据像素点和周围点的信息,提出一种基于方向算子的图像噪声检测算法,该方法首先根据八个不同方向算子来初步判断噪声点,然后通过局部模糊隶属度函数对检测出的噪声点进行二次判断,实验结果表明该方法在相当大的范围内是精确的.本文针对图像清晰度检测问题,提出一种基于边缘过渡宽度的图像清晰度检测算法,利用图像边缘信息和概率相关知识,给出了图像清晰度检测模型,并对算法模型进行测试,实验结果表明,本文提出的算法可以有效检测图像的清晰度并具有一定的鲁棒性.在摄像机干扰检测方面,提出一种新的摄像机干扰检测算法,区别于已有的算法,本文提出的算法能够区分摄像机移动和遮挡,将特征检测与匹配应用于摄像机干扰检测方面,采用统计分析的相关知识检测摄像机移动和遮挡.本算法具有检测准确,误检率低且不受光照变化等特点.

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 选题背景及意义
• 1.2 概述及发展现状
• 1.2.1 视频质量诊断概述
• 1.2.2 国内外研究现状
• 1.3 论文主要工作与安排
• 1.3.1 论文的主要工作
• 1.3.2 论文的内容安排
• 第2章 视频质量诊断相关理论
• 2.1 图像噪声理论
• 2.1.1 图像噪声模型
• 2.1.2 传统的图像噪声检测算法
• 2.2 图像清晰度评价函数
• 2.2.1 梯度函数
• 2.2.2 频率域函数
• 2.2.3 信息学函数
• 2.2.4 边缘特征函数
• 2.3 摄像机干扰检测算法
• 2.3.1 基于像素处理的场景变化检测
• 2.3.2 基于代数运算的场景变化检测
• 2.3.3 基于结构特征分析的场景变化检测
• 2.4 本章小结
• 第3章 图像噪声检测
• 3.1 引言
• 3.2 基于方向算子的图像噪声检测算法
• 3.2.1 八方向算子
• 3.2.2 局部隶属度函数
• 3.3 模拟试验和结果分析
• 3.4 本章小结
• 第4章 图像清晰度检测
• 4.1 引言
• 4.2 基于边缘宽度的图像清晰度检测算法
• 4.2.1 边缘提取
• 4.2.2 分块处理
• 4.2.3 计算边缘过渡宽度
• 4.2.4 建立清晰度检测模型
• 4.3 模拟试验和结果分析
• 4.3.1 图像清晰度衡量标准
• 4.3.2 结果分析
• 4.4 本章小结
• 第5章 摄像机干扰检测
• 5.1 引言
• 5.2 基于统计分析的摄像机干扰检测算法
• 5.2.1 特征检测与匹配
• 5.2.2 特征统计分析
• 5.3 模拟试验和结果分析
• 5.4 本章小结
• 第6章 总结与展望
• 6.1 研究内容回顾
• 6.2 研究工作展望
• 参考文献
• 致谢