一種變電站場景視頻噪聲的智能檢測方法與流程
2023-09-12 16:28:05 1
本發明涉及一種視頻噪聲的智能檢測方法，尤其是涉及一種變電站場景視頻噪聲智能檢測方法。
背景技術：
在攝像時，光學系統的失真或者傳輸過程中因硬體設備原因所帶來的圖像模糊、圖像質量下降等現象，都可以看成是由視頻噪聲所引起的。合理地估計噪聲區域並進行降噪聲，是恢復圖像質量的重要手段。視頻噪聲智能檢測是直接依據視頻圖像特徵來分析視頻噪聲水平，可模擬人的視覺特性，替代以往由人工完成的視頻故障檢巡工作。
但，現有的視頻噪聲檢測方法存在檢測結果不夠準確的不足之處。
技術實現要素：
本發明所要解決的技術問題，就是提供一種檢測結果準確的變電站場景視頻噪聲的智能檢測方法。
解決上述技術問題，本發明所採用的技術方法如下：
一種變電站場景視頻噪聲的智能檢測方法，其特徵是包括以下步驟：
S1,獲取變電站場景視頻的原始碼流，進行視頻解碼，得到YUV420標準的Y、U、V數據；
S2，獲取碼流中前後兩幀圖像，將當前幀與前一幀兩幀圖像的Y、U、V數據進行差分，得到前景圖，也包括噪聲信息；
S3,計算YUV420圖像Y數據Canny圖，對Canny圖進行膨脹處理，根據該圖過濾掉當前前景區域，使用拉普拉斯算子進行卷積運算，算子公式：得到噪聲區域；根據噪聲區域的文理信息，將這些文理信息轉化成SIFT特徵，使用RANSAC算法進行篩選出候選區域，在此區域上使用噪點置信度進行統計噪聲值；
S4，輸出結果。
所述的步驟S3濾掉當前前景區域以及篩選出候選區域具體為使用deeplearning學習前景樣本進行；對噪聲區域進行卷積得到噪聲邊緣具體為使用用sobel算法進行邊緣檢測，使用Sobel卷積因子對噪聲區域進行卷積得到噪聲邊緣。
所述的步驟S2的差分從色彩還原性、峰值信噪比、均方誤差信噪比三個維度進行：
色彩還原性:色彩還原性用於評價攝像機對色彩的還原能力，採用24色色卡的測試方法，保證光線照度為600Lux，正負偏差為100Lux，整個測試版表面的亮度差值小於20％的情況下，色卡中各色塊在CIE LAB色空間的色差應不超過35％；
彩色標板上每塊色板的CIE LAB色差計算方法為：
ΔEab＝[(Lm-Ln)2+(am-an)2+(bm-bn)2]1/2；
上式中：
ΔEab——彩色標板上每塊色板的CIE LAB色差；
Lm、am、bm——CIE LAB色空間的明度指數(L)和色品指數(a、b)的測量值；
Ln、an、bn——CIE LAB色空間的明度指數(L)和色品指數(a、b)的標準值；
按上述算法，得到前後兩幀圖像的ΔEab值；
峰值信噪比:峰值信噪比是最大信號量與噪聲強度的比值，該參數根據均方誤差的計算結果為依據，評價處理圖像對原始圖像的還原性；
按算法：得到前後兩幀圖像的PSNR值；
式中：MSE——均方誤差值，n——取值為8；
均方誤差信噪比:通過計算原始圖像與處理圖像的像素差值的均方差，採用均方差的大小評價圖像失真程度；
計算方法如下：
按算法：得到前後兩幀圖像的MSE值；
式中：
M——表示圖像的長度，
N——表示圖像的寬度，
i——表示圖像的橫軸像素坐標，
J——表示圖像的縱軸像素坐標，
f——表示原始圖像某個像素點的像素值，
f』——表示處理圖像某個像素點的像素值；
按照採集到的前後兩幀(P1、P2)圖像的ΔEab值、PSNR值、MSE值及標準圖像(P0)的ΔEab值、PSNR值、MSE值進行差分比較，按照以下檢測標準檢測並輸出結果；
(ΔEab(P0)*X-|ΔEab(P1)-ΔEab(P2)|)<＝0.05ΔEab；
(PSNR(P0)*Y-|PSNR(P1)-PSNR(P2)|)<＝0.08PSNR；
(MSE(P0)*Y-|MSE(P1)-MSE(P2)|)<＝0.26MSE。
有益效果：本發明使用了改善圖像質量的圖像增強技術-空間域法，空間域法實用性廣及實時性高，在圖像增強技術中被大量採用。相比於正常圖像而言，噪聲圖像含有更多的邊緣文理等細節信息，可以採用傳統的邊緣檢測手段進行估計。拉普拉斯變換是一種各向同性的線性算子，並且對噪聲敏感，可以作為噪聲估計的工具；同時，為了濾除噪聲圖像中存在的非噪聲目標，可以結合運動目標的幀差信息進行過濾。
附圖說明
圖1為本發明的視頻噪聲智能檢測方法流程圖。
具體實施方式
下面結合具體實施例對本發明作進一步的說明。
本發明的視頻噪聲智能檢測方法實施例，包括以下步驟：
第一步：獲取變電站內模擬攝像機及網絡攝像機的原始碼流，通過RPU(站端處理單元)，將原始碼流傳輸給噪聲檢測裝置；噪聲檢測裝置將獲取到的原始碼流進行視頻解碼，按照YUV420標準，分別得到Y、U、V數據；
第二步：獲取碼流中前後兩幀圖像，並分別對兩幀圖像的Y、U、V數據進行差分：從色彩還原性、峰值信噪比、均方誤差信噪比三個維度進行；
色彩還原性:色彩還原性用於評價攝像機對色彩的還原能力，採用24色色卡的測試方法，保證光線照度為600Lux(正負偏差為100Lux)，整個測試版表面的亮度差值小於20％的情況下，色卡中各色塊在CIE LAB色空間的色差應不超過35％；
彩色標板上每塊色板的CIE LAB色差計算方法為：
ΔEab＝[(Lm-Ln)2+(am-an)2+(bm-bn)2]1/2
上式中：
ΔEab——彩色標板上每塊色板的CIE LAB色差；
Lm、am、bm——CIE LAB色空間的明度指數(L)和色品指數(a、b)的測量值；
Ln、an、bn——CIE LAB色空間的明度指數(L)和色品指數(a、b)的標準值；
按上述算法，得到前後兩幀圖像的ΔEab值；
峰值信噪比:峰值信噪比是最大信號量與噪聲強度的比值，該參數根據均方誤差的計算結果為依據，評價處理圖像對原始圖像的還原性；
按算法：得到前後兩幀圖像的PSNR值；
MSE——均方誤差值，n——取值為8；
均方誤差信噪比:通過計算原始圖像與處理圖像的像素差值的均方差，採用均方差的大小評價圖像失真程度；
計算方法如下：
按算法：得到前後兩幀圖像的MSE值；
M——表示圖像的長度；
N——表示圖像的寬度；
i——表示圖像的橫軸像素坐標；
J——表示圖像的縱軸像素坐標；
f——表示原始圖像某個像素點的像素值；
f』——表示處理圖像某個像素點的像素值；
按照採集到的前後兩幀(P1、P2)圖像的ΔEab值、PSNR值、MSE值及標準圖像(P0)的ΔEab值、PSNR值、MSE值後進行差分比較，按照以下檢測標準檢測：
(ΔEab(P0)*X-|ΔEab(P1)-ΔEab(P2)|)<＝0.05ΔEab；
(PSNR(P0)*Y-|PSNR(P1)-PSNR(P2)|)<＝0.08PSNR；
(MSE(P0)*Y-|MSE(P1)-MSE(P2)|)<＝0.26MSE；
第三步：計算YUV420圖像Y數據Canny圖，對Canny圖進行膨脹處理，根據該圖過濾掉當前前景區域，使用拉普拉斯算子進行卷積運算，算子公式：得到噪聲區域；
根據噪聲區域的文理信息，將這些文理信息轉化成SIFT特徵，使用RANSAC算法進行篩選出候選區域，在此區域上使用噪點置信度進行統計噪聲值。
對噪聲區域使用邊緣檢測手段進行估計，用sobel算法進行邊緣檢測，使用Sobel卷積因子對噪聲區域進行卷積得到噪聲邊緣。
第四步：輸出檢測結果。