发明名称 |
一种基于图像复杂度分析方法的特定场景下电力视频图像模糊检测方法 |
摘要 |
本发明公开了一种基于图像复杂度分析方法的特点场景下电力视频图像模糊检测方法,图像模糊用于描述对图像中对象的特征表现是否足够清晰,通常表征了图像边缘效应的高低,步骤如下:对原始视频图片进行处理后转换为灰度图片,后续处理基于该灰度图片;采用基于3*3滑窗计算灰度图片总的特征参数,特征参数包括了像素亮度、像素梯度、图片平均亮度、图片平均梯度等;采用基于3*3滑窗,分别获取基于不同边缘阈值情况下的边缘图片,并分别计算每个边缘图片的特征参数,特征参数包括了图片边缘占空比、边缘点平均亮度、边缘平均梯度等;根据图片总的特征参数、每个边缘图片的特征参数,计算图像复杂度评价参数,最后获取图像模糊评价参数。电力视频图像模糊检测方法对于电力视频设备的故障检测具有重要意义。 |
申请公布号 |
CN104794702B |
申请公布日期 |
2016.02.17 |
申请号 |
CN201410521582.8 |
申请日期 |
2014.10.08 |
申请人 |
江苏省电力公司电力科学研究院;南京音视软件有限公司 |
发明人 |
姚楠;蔡越;吴奕;陈松石;王禹;赵春雷 |
分类号 |
G06T7/00(2006.01)I |
主分类号 |
G06T7/00(2006.01)I |
代理机构 |
|
代理人 |
|
主权项 |
一种基于图像复杂度分析方法的特定场景下电力视频图像模糊检测方法,其特征在于:该方法包括步骤如下:S1:对原始视频图片转换为灰度图像,采用3*3滑窗方式,并计算获取灰度图片总的特征参数,所述图片总的特征参数计算方法包括步骤如下:S11:将原始图片转换为灰度图片;S12:切除灰度图片的部分边缘,得到新的灰度图片;S13:采用3*3滑窗计算灰度图片每个像素的梯度值;S14:根据每个像素的梯度值,计算总的图片平均梯度值;S15:计算图片每个像素点的亮度值,并根据每个每个像素点的亮度值,计算总的图片的平均亮度值;S16:所有计算值作为图片总的特征参数;S2:按照不同的阈值,采用3*3滑窗方式,计算并获取不同阈值情况下的边缘图片,所述不同阈值情况下的边缘图片的获取方法包括如下步骤:S21:采用3*3滑窗计算灰度图片每个像素的梯度值;S22:根据测试经验值,设置不同边缘条件下的边缘阈值;S23:根据像素梯度值以及边缘阈值,分别生成不同阈值的边缘图片,该边缘图片用于计算不同边缘图片的特征参数;S3:根据不同阈值情况下的边缘图片,计算不同边缘图片的特征参数,所述不同边缘图片的特征参数的计算方法包括步骤如下:S31:针对边缘图片,根据边缘总的点数,计算边缘点数对应的占空比;S32:根据边缘点亮度值,计算边缘点平均亮度值;S33:采用3*3滑窗,计算每个边缘点的梯度值,得到边缘点平均梯度值;S34:计算的边缘点数对应的占空比、边缘点平均亮度值、边缘点平均梯度值作为不同边缘图片的特征参数;S4:根据图片总的特征参数、不同边缘图片的特征参数计算图像复杂度评价参数以及图像模糊评价参数,所述图像复杂度评价参数以及图像模糊评价参数的计算方法包括步骤如下:S41:综合所有参数,通过测试验证的方法,得到图片总的特征参数、不同边缘图片的特征参数对计算图像复杂度评价参数的影响因子;S42:根据图片总的特征参数、不同边缘图片的特征参数以及影响因子计算得到图像复杂度评价参数;S43:根据图像复杂度评价参数计算图像模糊评价参数。 |
地址 |
210003 江苏省南京市江宁区帕维尔路1号5楼 |