【技术实现步骤摘要】
一种基于滑窗梯度熵的视频帧清晰度检测方法
[0001]本专利技术涉及图像处理领域，尤其涉及一种基于滑窗梯度熵的视频帧清晰度检测方法。
技术介绍
[0002]视频监控系统是构成安全技术防范系统的重要部分，但是由于大量的模糊图像的出现，导致视频可利用性大大降低，甚至很多模糊图像还会带给人们错误的信息。因此，对视频监控系统进行实时的图像清晰度检测显得十分重要。
[0003]当前，对于图像的质量评价有两种方法。分别为主观评价和客观评价。主观评价是由人类的视觉效果直接判断图像。客观评价则是通过数学模型的建立判断图像。目前常见的图像客观评价方法有3种，分别为：全参考质量评价、弱参考质量评价、无参考质量评价。
[0004]在无参考质量评价中，基于传统数字图像清晰度评价方法，目前较为常见且具有代表性的清晰度算法的是基于梯度函数的评价方法，Brenne梯度函数法、Tenengrad、Laplacian梯度函数法以及能量梯度函数法。
[0005]虽然这些算法都具有良好的性能，但是这些算法都存在的共同的问题。由于这些算法都...
【技术保护点】
【技术特征摘要】
1.一种基于滑窗梯度熵的视频帧清晰度检测方法，其特征在于：其包括以下步骤：S1：针对监控摄像头持续输入的视频流，在每个设定时段周期起始时刻触发视频帧清晰度异常检测；S2：抽取参考视频帧以及待检测视频帧：每时段起始时刻连续抽取若干视频帧作为参考视频帧用于计算清晰度度量特征参考值；每时段按照设定的抽取周期抽取视频流中若干视频帧，作为待检测视频帧；S3：对于抽取的视频帧进行图像分块并构建梯度熵矩阵；S4：计算获取参考视频帧的梯度熵矩阵取平均后的结果；S5：判断当前时段是否存在参考值；是则，执行步骤S6；否则，将参考视频帧的梯度熵矩阵取平均后的结果作为当前参考值并执行步骤S7；S6：将参考视频帧的平均梯度熵矩阵各元素分别与当前对应时段的参考值比较判断是否在允许变化范围内；是则，与原元素值加权合并作为当前参考值；否则，保持原元素值作为当前参考值；S7：计算待检测视频帧图像块清晰度异常情况并输出清晰度异常度量矩阵：将每时段待检测视频帧的梯度熵矩阵与该时段参考值进行元素级比较，当梯度熵矩阵元素值在参考值允许变化区间范围内，则判定为正常图像块；否则判定为异常图像块，并根据图像块是否异常设定标志位构建清晰度异常度量矩阵并输出。2.根据权利要求1所述的一种基于滑窗梯度熵的视频帧清晰度检测方法，其特征在于：S1中以每一小时为一个时段周期。3.根据权利要求1所述的一种基于滑窗梯度熵的视频帧清晰度检测方法，其特征在于：S2具体包括：S2
‑
1：在第t个时段，设抽取K帧作为参考帧，构成参考帧集合F
K
＝{f1,
…
,f
K
}，其中f1,
…
,f
K
表示该时段起始时刻的前K帧视频帧；S2
‑
2：在第t个时段，设抽取待检测帧间隔为Δf，即每间隔Δf帧抽取一帧作为待检测帧，则待检测帧集合F
D
＝{f
K+1+Δf
,
…
,f
K+1+n
·
Δf
}，其中n表示抽取的第n个待检测帧。4.根据权利要求1所述的一种基于滑窗梯度熵的视频帧清晰度检测方法，其特征在于：S3中将视频帧转化为灰度图像，根据设定的滑窗窗口从左到右、从上到下滑动裁剪得到若干图像块；计算每个图像块的梯度熵，根据图像块在对应视频帧灰度图像中的位置构建该帧梯度熵矩阵。5.根据权利要求1所述的一种基于滑窗梯度熵的视频帧清晰度检测方法，其特征在于：S3具体包括以下步骤：S3
‑
1：对于参考帧集合中任一帧f
k
，k＝1,
…
,K；或者待检测帧集合中任一帧f
d
，d＝K+1+Δf,
…
,K+1+n
·
Δf；将其转化为对应的灰度图像g
k
及g
d
；S3
‑
2：设定滑动窗口尺寸为h*w像素，横向滑动步长为x，纵向滑动y；则从左到右、从上到下对灰度图像g
k
及g
d
滑动裁剪得到M个图像块，每个图像块记为G
k，i
及G
d，i
，其中i＝1，2，
…
，M；横向滑动步长为x，纵向滑动y计算方式如下：
其中，α和β为各...
【专利技术属性】
技术研发人员：徐哲鑫，许智杰，詹仁辉，陈亮，
申请(专利权)人：福建师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。