[发明专利]一种单帧无参考自适应的视频雪花噪声检测方法

说明书

本发明公开了一种单帧无参考自适应的视频雪花噪声检测方法，属于视频图像处理技术领域，该方法包括：S1、视频图像预处理；S2、初步判断：计算图像中的所有灰度值的方差值，若所述方差值大于设定阈值，则判定视频图像中存在雪花噪声；若所述方差值不大于设定阈值，则进入步骤S3；S3、二次判断：对图像进行自适应二值化处理，剔除边缘点后获取图像噪声点，计算图像噪声点占图像的比例，并根据图像噪声点占图像的比例判断该视频图像是否存在雪花噪声；本检测方法可适应不同噪声场景的雪花噪声检测，准确判断雪花噪声，大幅减少误报。

技术领域

本发明涉及视频图像处理技术领域，更具体地说，涉及一种单帧无参考自适应的视频雪花噪声检测方法。

背景技术

在安防监控领域，监控视频的质量尤为重要，但由于天气原因，信号干扰及设备故障等原因，图像噪声将会使视频质量大幅下降，严重时表现为雪花噪声。在大规模监控场景中，如只依赖工巡检方式定期排查监控视频故障，需要耗费大量人力、物力。因此使用较小成本进行视频诊断的自动化检测，逐渐成为监控安防领域一个迫切需求的功能。

在视频异常检测的技术上，不需要对原正常场景进行标定的成为无参考检测。无参考的雪花噪声检测，具有易操作，通用性强，无需进行场景标定等优点，但针对不同相机、不同场景，往往容易出现误报。这是由于雪花噪声阈值的判定往往是由对图像噪声的统计演变而成，图像噪声越大，更易导致雪花噪声的视频诊断报警。这就导致雪花噪声的阈值往往与图像噪声成正比。如通常的监控在白天使用正常曝光下的彩色图像进行监控，夜晚则使用红外补光监控，由于夜晚红外图像较暗，且极易出现噪声，适用于白天的雪花噪声阈值到晚上则极易产生误报。若调大报警阈值来抑制误报，则算法对在白天时，对图像噪声较低，但又存在真正的雪花噪声视频可能又会产生漏报。

CN104539936A仅用信噪比评价当前图像是否为雪花噪声，在一些噪声较大的场景（如夜晚监控，有太阳反射的水面监控）易误报，需针对场景人工调整阈值。CN106303512A使用边缘检测带（即图像分块）中边缘点的垂直、水平坐标的方差来判断是否存在均匀分布的噪声，在特定的具有密集规律边缘的场景易产生误报。如在密集铁丝网后布置的监控，由于密集铁丝网往往是密集均匀排布，这种情况下正常视频也易产生雪花报警。CN103996177A使用滤波后图像与滤波前的图像差的大小来判定是否存在雪花噪声，这种方法类似于使用信噪比来判定是否存在雪花噪声的方法，对于较大噪声的场景同样易产生误报。

发明内容

针对现有技术的不足，本发明的目的在于提供一种单帧无参考自适应的视频雪花噪声检测方法，可适应不同噪声场景的雪花噪声检测，准确判断雪花噪声，大幅减少误报。

本发明的目的可以通过以下技术方案实现：

一种单帧无参考自适应的视频雪花噪声检测方法，包括如下步骤：

S1、视频图像预处理：获取视频数据中帧视频图像，随机选取一帧视频图像并转为原始灰度图像1，并对原始灰度图像1进行3*3窗口的中值滤波，得到滤波后的图像2，将原始灰度图像1逐像素点减去图像2，并取绝对值后，获得图像3；

S2、初步判断：计算图像3中的所有灰度值的方差值std，若所述方差值大于设定阈值k，则判定该帧视频图像中存在雪花噪声；若所述方差值不大于设定阈值k，则进入步骤S3；

S3、二次判断：对原始灰度图像1进行自适应二值化处理，剔除边缘点后获取图像噪声点，计算图像噪声点数占原始灰度图像1像素总数的比例，并根据该比例判断该帧视频图像是否存在雪花噪声；

其中，所述步骤S3具体包括：

S301：使用二值化方法提取对比度较大像素点，其包含雪花噪声点及真正的物体边缘点，对原始灰度图像1进行二值化处理，获得图像4，具体公式为：