[发明专利]一种基于帧差法的图像运动静止判断的改进方法

说明书

本发明提供一种基于帧差法的图像运动静止判断的改进方法，包括：S1小窗口滤波级帧差：对当前帧与参考帧分别做均值滤波,然后两帧作差取绝对值，得到第一幅帧差图像以Delta5示；S2大窗口滤波级帧差：对当前帧与参考帧分别做均值滤波,然后两帧作差取绝对值，得到第二幅帧差图像以Delta15示；S3融合权重计算S3.1使用一个硬阈值以ThresFus示，二值化大窗口滤波所得的差分图像用Delta15表示；Val＝1；(Delta15＞ThresFus)；Val＝0；(Delta15≤ThresFus)S3.2将图像按照16x16大小分成n个小块，统计每一个块内Val为1的结果用Sta表示；S3.3根据上述的统计结果得到融合权重用Weight表示；S4融合帧差结果Delta＝Weight*Delta5+(1‑Weight)*Delta15；S5二值化：Result＝1；(Delta＞Thres)；Result＝0；(Delta≤Thres)其中，Result:判断结果；Thres:判断运动与静止的阈值。

技术领域

本发明涉及图像处理技术领域，特别涉及一种基于帧差法的图像运动静止判断的改进方法。

背景技术

主流的时域去噪算法包括基于运动估计以及运动自适应的算法，运动自适应算法中的首步即运动与静小时候，我生活的地方都是河，所以我喜欢游泳以及划船小时候，我生活的地方都是河，所以我喜欢游泳以及划船小时候，我生活的地方都是河，所以我喜欢游泳以及划船止的判断，从而分别对运动区和静止区使用不同的去噪算法。帧差法是判断运动和静止的通用手段，但是由于噪声水平的不同，我们会对待差分的两帧图像先做一次空域滤波，通常使用均值滤波，再用帧差法得到一副差分图像，使用一个硬阈值二值化该差分图像，分别提取运动和静止信息。如图6-图7所示，显示了帧差的效果。

随着噪声水平的升高，同样使用帧差法去判断运动和静止的判断，相应的其误判率会越来越高。使用不同大小的滤波窗对待差分图像做一次前处理，同样存在以下问题：

1.小窗口(如3x3，5x5),随着噪声水平的提高，其误判率将会越来越大

2.大窗口(如15x15，17x17),能够有效的判断出静止区域，但是运动区会扩大且一些微小的运动也会被判断成静止，同样存在误判的问题。

此外，现有技术中的常用术语如下：

时域去噪：视频可以看作是在时间轴上排列的很多帧的画面，利用时间轴上的两帧或者多帧图像组合在一起联合滤波的去噪算法，称为时域去噪。

帧差法：使用图像序列中的连续两帧图像进行差分，然后二值化该灰度差分图像分别提取运动和静止信息。

源图像：是指待处理的图像。

目标图像：是指处理过后的图像。

均值滤波：典型的线性滤波算法，是指在图像上对目标像素给一个模板，用模板中的全体像素的平均值来代替原来像素值。

发明内容

为了解决上述问题，本方法目的在于：通过对现有技术的研究发现，针对噪声水平较高的场景，仅使用原始的帧差法，运动与静止判断的误判率较高。因此本发明的目的旨在较大程度的提高高噪声水平场景下运动与静止区判断的准确率。

具体地，本发明提供一种基于帧差法的图像运动静止判断的改进方法，所述方法包括以下步骤：

S1，小窗口滤波级帧差：

对当前帧与参考帧分别做均值滤波,然后两帧作差取绝对值，得到第一幅帧差图像用Delta5表示；

S2，大窗口滤波级帧差：

对当前帧与参考帧分别做均值滤波,然后两帧作差取绝对值，得到第二幅帧差图像用Delta15表示；

S3，融合权重计算：