[发明专利]基于背景特征点运动分析的图像质量检测方法

摘要

本发明涉及基于背景特征点运动分析的图像质量检测方法，属于图像处理技术领域。具体步骤包括特征点提取、特征点描述、特征点跟踪及跟踪特征提取、通构造多分类器，检测图像质量异常。本发明对特征点进行跟踪提取运动特征，构造SVM分类器，对图像质量异常进行识别和分类，实现图像质量检测功能。

主权项

1.基于背景特征点运动分析的图像质量检测方法，其特征在于，步骤如下：第一步：图像特征点提取采用Good Feature To Track方法提取图像的特征点，计算每一帧读入的视频图像上的Shi‑Tomasi角点；(1.1)首先利用水平方向的差分算子与垂直方向的差分算子对图像的所有像素点进行滤波，滤波后的矩阵分别为I_x和I_y，同时计算出I_x²、I_y²、I_xI_y和I_yI_x，组成2×2的矩阵；(1.2)对步骤(1.1)中的2×2矩阵进行高斯滤波，滤波后矩阵为A；计算矩阵A的特征值λ₁和λ₂，根据条件λ₁≥λ₂且λ₂≥kλ_2max，提取出图像的粗特征点；其中，k为常数，λ_2max是图像的所有像素点特征值λ₁和λ₂中小的特征值其自身的最大值；在提取出粗特征点后，根据预先设定的阈值、所需提取的特征点数量及特征点之间相邻的最小距离，筛选出特征点中的局部极大特征点，即为最终特征点；筛选方法如下：将粗特征点按特征值降序方式进行排序，从特征点质量最高的特征点开始，将该特征点邻域内的其它特征点删除，对剩下的特征点再次进行降序排列并筛选；以此类推，对降序排序的序列中每个特征点分别进行筛选，最后返回所需提取的特征点数量对应的局部极大特征点，得到最终特征点；第二步：图像特征点描述利用简化的Brief特征描述子对第一步提取的局部极大特征点进行描述，用于判断记录第一帧图像与最后一帧图像相同位置特征点是否相互匹配；步骤如下：(2.1)为减少噪声干扰，先对图像进行高斯滤波；然后以特征点为中心，选取特征点的邻域窗口；在邻域窗口的每条边界上的两个端点及中心点中均匀选取两个点作为一组，其中，两条边界的交点视为同一点，比较两个点像素的大小，按照公式(1)进行二进制赋值；其中，p(x)和p(y)分别是随机点x＝(u₁,v₁)和y＝(u₂,v₂)的像素值；τ(p；x,y)为选取的点对中二者像素大小比较后的取值；(2.2)在特征点邻域窗口的边缘上均匀选取多对点对，按照步骤(2.1)的方法重复进行二进制幅值，最后形成的二进制编码即为特征点的描述子；并计算特征点的描述子之间的汉明距离；第三步：特征点跟踪及运动特征提取采用LK光流法对第一步中提取的特征点进行跟踪，在对特征点跟踪的同时，提取特征点的以下运动特征：(a)图像中提取的特征点总数N；(b)当前跟踪的点仍然为局部极大特征点的个数N₁，计算N₁/N；(c)根据设置的距离阈值参数d_Th，将特征点移动距离进行分为大范围和小范围两类，如果特征点移动距离d＞d_Th，则特征点为大范围运动，记录大范围运动的特征点个数N₂；否则，特征点为小范围运动，小范围运动的特征点个数为N₃＝N‑N₂；计算N₂/N和N₃/N；(d)在运动方向上，按照9个Canny方向，计算每个方向上特征点的个数C_i，统计特征点的运动方向分布；找出C_i的最大值C_max，即沿着i方向运动特征点个数最多，记录K_i＝C_i/N；9个Canny方向分别为8个边缘梯度方向与1个非边缘方向；(e)参照特征点移动距离判断方法，根据设置的速度阈值参数v_Th，将特征点运动分为大速度运动与小速度运动，如果特征点移动距离v＞v_Th，则特征点为大速度运动，记录大速度运动的特征点个数N4，否则，特征点为小速度运动，小速度运动的特征点个数为N₅＝N‑N₄，并计算N₄/N和N₅/N；计算所有特征点的平均移动速度V₀；(f)根据LK光流法的状态标记，统计跟踪停止特征点的个数M，计算跟踪停止特征点的个数所占总特征点个数的比例M/N；(g)计算所有跟踪停止特征点的平均轨迹长度d_s；(h)根据预先设定的距离阈值和速度阈值，记录跟踪停止特征点中大范围运动特征点个数及小范围运动特征点个数分别为N₆和N₇，并计算N₆/N和N₇/N；(i)根据第二步中的特征点描述子之间的汉明距离，记录第一帧图像与最后一帧图像之间相匹配的特征点个数N₈，不能相匹配的特征点个数N₉＝N‑N₈；第四步：构造多分类器，检测图像质量异常通过实际应用系统提供的模拟摄像机正常、模糊、遮挡和移位四种情况下视频图像的样本数据，并根据第三步中不同图像质量情况下提取的所有特征点的运动特征，采用OpenCV中的已经封装好的方法构造SVM多分类器，定义不同的图像质量情况，再应用到系统中检测图像质量异常并将异常进行分类。