一种实时监测视频噪声干扰的方法技术

本发明专利技术公开了一种实时监测视频噪声干扰的方法，包括以下步骤：(1)输入图像；(2)将输入的图像进行分块处理；(3)计算分块后的图像的八方向算子卷积绝对值的最小值N；(4)根据N值判断该图像是否为疑似噪声点；(5)通过多尺度噪声判断的方法进一步判断像素点是否存在噪声点；(6)输出噪声点并结束。本发明专利技术提供了一种实时监测视频噪声干扰的方法，采用卷积算子和多尺度算子相结合的方法来进行图像噪声检测，使得噪声检测更有针对性，能够更好的检测出脉冲噪声、高斯噪声和白噪声，大大提高了对视频中噪声检测的效果与效率。

【技术实现步骤摘要】

本专利技术属于视频噪声检测领域，具体是指一种实时监测视频噪声干扰的方法。
技术介绍
在图像信号的一系列处理中，无论是图像信号的采集、转换、存储、传输或者其它的处理方式，都避免不了受到各类噪声的干扰。一方面，噪声导致人眼视觉系统对图像的视觉质量的感受变差；另一方面，噪声还会降低后续图像处理算法(图像分割、压缩、特征提取、检测识别等)的效果；严重的噪声污染甚至会使得某些图像处理算法完全失效或者失去原来的意义。图像中的微量噪声在视觉上的影响还不明显，然而这些微量噪声却足以大大降低图像压缩的效率。另外，对于数字图像的传输通信过程而言，噪声带来的恶劣影响则更为严重，尤其是在通信系统前端引入的噪声，其功率会被后续系统逐步放大，使得后续模块接收到的图像中的噪声密度非常大，以至于人眼都很难识别图像本身的内容。因此，对于视频监控系统而言，及时检测到视频图像中出现的噪声，是有着重要意义的。从信号处理的角度来讲，噪声可以分为白噪声，低频噪声，高频噪声和单频噪声等。按照概率密度函数模型又可以分为高斯噪声、脉冲噪声(椒盐噪声)、瑞利噪声、伽马噪声、指数噪声、均匀分布噪声等。根据实际工程测试发现，视频监控图像中出现脉冲噪声、高斯噪声和白噪声的概率较大，出现其它噪声的概率相对小很多。所以，现如今需要一种方法来完成对视频监控图像中出现的脉冲噪声、高斯噪声和白噪声进行检测。本专利技术重点主要涉及一种采用卷积算子和多尺度算子相结合的方法来进行图像噪声检测。
技术实现思路
本专利技术的目的在于克服上述问题，提供了一种实时监测视频噪声干扰的方法，采用卷积算子和多尺度算子相结合的方法来进行图像噪声检测，使得噪声检测更有针对性，能够更好的检测出脉冲噪声、高斯噪声和白噪声，大大提高了对视频中噪声检测的效果与效率。本专利技术的目的通过下述技术方案实现：一种实时监测视频噪声干扰的方法，包括以下步骤：(1)输入图像；(2)将输入的图像进行分块处理；(3)计算分块后的图像的八方向算子卷积绝对值的最小值N；(4)根据N值判断该图像是否为疑似噪声点，若不是疑似噪声点则为正常图像像素点，若是疑似噪声点则进入步骤(5)；(5)通过多尺度噪声判断的方法进一步判断像素点是否存在噪声点，若不存在则为正常像素点，若存在噪声点则进入步骤(6)；(6)输出噪声点并结束。步骤(3)是通过采用八个方向算子来粗略检测图像中是否存在噪声点；其中，将中心黑色像素点取值为8，灰色像素点取值为-1，白色像素点取值为0；八个方向算子对应着不同的边缘方向，为了方便描述，将这八个方向算子的标示为Ki，i＝1，2，……，8；设待检测数字图像X的大小为M×N，其中像素点(x，y)处的像素值为fxy，以点(x，y)为中心的9x9检测窗口内所有像素灰度值构成集合W为：W＝{fx+s，y+t丨-2≤s≤2，-2≤t≤2，(x，y)∈X本文档来自技高网...

【技术保护点】
一种实时监测视频噪声干扰的方法，其特征在于：包括以下步骤：(1)输入图像；(2)将输入的图像进行分块处理；(3)计算分块后的图像的八方向算子卷积绝对值的最小值N；(4)根据N值判断该图像是否为疑似噪声点，若不是疑似噪声点则为正常图像像素点，若是疑似噪声点则进入步骤(5)；(5)通过多尺度噪声判断的方法进一步判断像素点是否存在噪声点，若不存在则为正常像素点，若存在噪声点则进入步骤(6)；(6)输出噪声点并结束。

【技术特征摘要】
1.一种实时监测视频噪声干扰的方法，其特征在于：包括以下步骤：(1)输入图像；(2)将输入的图像进行分块处理；(3)计算分块后的图像的八方向算子卷积绝对值的最小值N；(4)根据N值判断该图像是否为疑似噪声点，若不是疑似噪声点则为正常图像像素点，若是疑似噪声点则进入步骤(5)；(5)通过多尺度噪声判断的方法进一步判断像素点是否存在噪声点，若不存在则为正常像素点，若存在噪声点则进入步骤(6)；(6)输出噪声点并结束。2.根据权利要求1所述的一种实时监测视频噪声干扰...

【专利技术属性】
技术研发人员：朱小军，钟慧，薛晓利，柳斌，
申请(专利权)人：成都市高博汇科信息科技有限公司，
类型：发明
国别省市：四川;51