一種基于圖像復(fù)雜度分析方法的特定場景下電力視頻圖像模糊檢測方法
【專利說明】—種基于圖像復(fù)雜度分析方法的特定場景下電力視頻圖像模糊檢測方法
[0001]
技術(shù)領(lǐng)域
[0002]本發(fā)明屬于圖像檢測領(lǐng)域，設(shè)計圖像處理和計算機等技術(shù)，特使是涉及電力視頻的圖像模糊故障檢測方法及圖像模糊評價值。
【背景技術(shù)】
[0003]電力視頻監(jiān)控系統(tǒng)廣泛應(yīng)用于電力生產(chǎn)、安防、應(yīng)急、營銷、基建等各個業(yè)務(wù)應(yīng)用中，受電力變電站強磁場干擾的環(huán)境特殊性影響，視頻設(shè)備容易出現(xiàn)條紋異常，嚴(yán)重影響了視頻監(jiān)控系統(tǒng)的可用性、實用性，因此，如何有效實現(xiàn)對視頻設(shè)備的模糊故障的檢測，為電力視頻設(shè)備的檢修提供依據(jù)，將為電力視頻的各項應(yīng)用提供更加有效的技術(shù)支撐。
[0004]對于視頻圖像模糊故障，采用人工識別的方式能夠輕易地區(qū)分出故障情況，然而，由于電力前端視頻設(shè)備數(shù)量的龐大，若采用人工巡查的方法，需要花費大量的人力，且工作效率降低，因此，采用計算機技術(shù)、圖像分析技術(shù)實現(xiàn)電力視頻圖像模糊故障檢測方法對于視頻設(shè)備的故障檢測具有重要意義。
[0005]若采用常用的邊緣檢測方法，容易受圖像中對象的復(fù)雜性影響，無法準(zhǔn)確做出對圖像模糊的判斷，采用簡單的邊緣檢測方法無法適用于多種應(yīng)用場景下的模糊檢測。因此，采用對場景的圖像復(fù)雜度評價，能夠最大限度地提高圖像模糊檢測的準(zhǔn)確性和適用性。

【發(fā)明內(nèi)容】

[0006]發(fā)明目的:本發(fā)明所要解決的技術(shù)問題是針對現(xiàn)有技術(shù)的不足，提供一種基于圖像復(fù)雜度分析方法的特定場景下電力視頻圖像模糊檢測方法。
[0007]為了解決上述技術(shù)問題，本發(fā)明提供的基于圖像復(fù)雜度分析方法的特定場景下電力視頻圖像模糊檢測方法，包括獲計算獲取灰度圖片總的特征參數(shù)、計算并獲取不同閾值情況下的邊緣圖片、計算不同邊緣圖片的特征參數(shù)、計算圖像復(fù)雜度評價參數(shù)以及圖像模糊評價參數(shù)四個過程，該方法包括步驟如下:
51:對原始視頻圖片轉(zhuǎn)換為灰度圖像，采用3*3滑窗方式，并計算獲取灰度圖片總的特征參數(shù)；
52:按照不同的閾值，采用3*3滑窗方式，計算并獲取不同閾值情況下的邊緣圖片；
53:根據(jù)不同閾值情況下的邊緣圖片，計算不同邊緣圖片的特征參數(shù)。
[0008]S4:根據(jù)圖片總的特征參數(shù)、不同邊緣圖片的特征參數(shù)計算圖像復(fù)雜度評價參數(shù)以及圖像模糊評價參數(shù)。
[0009]其中，獲取灰度圖片總的特征參數(shù)具體步驟如下:
511:將原始圖片轉(zhuǎn)換為灰度圖片；
512:切除灰度圖片的部分邊緣，得到新的灰度圖片； 513:采用3*3滑窗計算灰度圖片每個像素的梯度值；
514:根據(jù)每個像素的梯度值，計算總的圖片平均梯度值；
S15:計算圖片每個像素點的亮度值，并根據(jù)每個每個像素點的亮度值，計算總的圖片的平均亮度值。
[0010]S16:所有計算值作為圖片總的特征參數(shù)。
[0011]其中，獲取不同閾值情況下的邊緣圖片具體步驟如下:
521:采用3*3滑窗計算灰度圖片每個像素的梯度值；
522:根據(jù)測試經(jīng)驗值，設(shè)置不同邊緣條件下的邊緣閾值；
523:根據(jù)像素梯度值以及邊緣閾值，分別生成不同閾值的邊緣圖片，該邊緣圖片用于計算不同邊緣圖片的特征參數(shù)。
[0012]其中，計算不同邊緣圖片的特征參數(shù)具體步驟如下:
531:針對邊緣圖片，根據(jù)邊緣總的點數(shù)，計算邊緣點數(shù)對應(yīng)的占空比；
532:根據(jù)邊緣點亮度值，計算邊緣點平均亮度值；
533:采用3*3滑窗，計算每個邊緣點的梯度值，得到邊緣點平均梯度值；
S34:計算的邊緣點數(shù)對應(yīng)的占空比、邊緣點平均亮度值、邊緣點平均梯度值作為不同邊緣圖片的特征參數(shù)。
[0013]其中，計算圖像復(fù)雜度評價參數(shù)以及圖像模糊評價參數(shù)具體步驟如下:
541:綜合所有參數(shù)，通過測試驗證的方法，得到圖片總的特征參數(shù)、不同邊緣圖片的特征參數(shù)對計算圖像復(fù)雜度評價參數(shù)的影響因子；
542:根據(jù)圖片總的特征參數(shù)、不同邊緣圖片的特征參數(shù)以及影響因子計算得到圖像復(fù)雜度評價參數(shù)；
543:根據(jù)圖像復(fù)雜度評價參數(shù)計算圖像模糊評價參數(shù)。
[0014]本發(fā)明的方法，具備對視頻圖像中所監(jiān)控的電力應(yīng)用場景為復(fù)雜場景或簡單場景時，結(jié)合圖像復(fù)雜度評價參數(shù)，對圖像的模糊程度及模糊故障進(jìn)行檢測的能力。若采用常用的邊緣檢測方法，容易受圖像中對象的復(fù)雜性影響，無法準(zhǔn)確做出對圖像模糊的判斷，采用簡單的邊緣檢測方法無法適用于多種應(yīng)用場景下的模糊檢測。因此，采用對場景的圖像復(fù)雜度評價，能夠最大限度地提高圖像模糊檢測的準(zhǔn)確性和適用性。本發(fā)明采用了基于圖片總的特征參數(shù)、不同邊緣圖片的特征參數(shù)計算得出圖像復(fù)雜度評價參數(shù)以及計算圖像模糊評價參數(shù)，用于對圖像的模糊程度及模糊故障進(jìn)行檢測，本發(fā)明的方法易于實現(xiàn)和應(yīng)用，主要可以應(yīng)用于:
(O電力視頻設(shè)備故障檢測系統(tǒng)，通過對已安裝的視頻設(shè)備圖像的獲取，通過在線對視頻圖像的模糊故障評價值進(jìn)行計算，從而得出視頻設(shè)備是否存在模糊故障，從而為視頻設(shè)備檢修提供直接依據(jù)。
[0015](2)該方法不僅適用于在電力行業(yè)的視頻設(shè)備故障檢測，同樣適用于其他行業(yè)的應(yīng)用，包括了:交通視頻、安防視頻、銀行視頻等。
[0016]
【附圖說明】
[0017]下面結(jié)合附圖和【具體實施方式】對本發(fā)明做更進(jìn)一步的具體說明，本發(fā)明的上述和/或其他方面的優(yōu)點將會變得更加清楚。
[0018]圖1為本發(fā)明的流程框圖。
[0019]
【具體實施方式】
[0020]下面結(jié)合附圖詳細(xì)說明本發(fā)明技術(shù)方法中所涉及的各個細(xì)節(jié)問題。應(yīng)指出的是，所描述的實施例僅旨在便于對本發(fā)明的理解，而對其不起任何限定作用。
[0021]本發(fā)明采用了基于圖片總的特征參數(shù)、不同邊緣圖片的特征參數(shù)計算得出圖像復(fù)雜度評價參數(shù)以及計算圖像模糊評價參數(shù)，用于對圖像的模糊程度及模糊故障進(jìn)行檢測。圖1所示為基于圖像復(fù)雜度分析方法的特定場景下電力視頻圖像模糊檢測方法的流程框圖，本方法分為計算獲取灰度圖片總的特征參數(shù)、計算并獲取不同閾值情況下的邊緣圖片、計算不同邊緣圖片的特征參數(shù)、計算圖像復(fù)雜度評價參數(shù)以及圖像模糊評價參數(shù)四個過程。
[0022]所述的計算獲取灰度圖片總的特征參數(shù)包括步驟:將原始圖片轉(zhuǎn)換為灰度圖片；切除灰度圖片的部分邊緣，得到新的灰度圖片；采用3*3滑窗計算灰度圖片每個像素的梯度值；根據(jù)每個像素的梯度值，計算總的圖片平均梯度值；計算圖片每個像素點的亮度值，并根據(jù)每個每個像素點的亮度值，計算總的圖片的平均亮度值；所有計算值作為圖片總的特征參數(shù)。
[0023]所述的計算并獲取不同閾值情況下的邊緣圖片包括步驟:采用3*3滑窗計算灰度圖片每個像素的梯度值；根據(jù)測試經(jīng)驗值，設(shè)置不同邊緣條件下的邊緣閾值；根據(jù)像素梯度值以及邊緣閾值，分別生成不同閾值的邊緣圖片，該邊緣圖片用于計算不同邊緣圖片的特征參數(shù)。
[0024]所述的計算不同邊緣圖片的特征參數(shù)包括步驟:針對邊緣圖片，根據(jù)邊緣總的點數(shù)，計算邊緣點數(shù)對應(yīng)的占空比；根據(jù)邊緣點亮度值，計算邊緣點平均亮度值；采用3*3滑窗，計算每個邊緣點的梯度值，得到邊緣點平均梯度值；計算的邊緣點數(shù)對應(yīng)的占空比、邊緣點平均亮度值、邊緣點平均梯度值作為不同邊緣圖片的特征參數(shù)。
[0025]所述的計算圖像復(fù)雜度評價參數(shù)以及圖像模糊評價參數(shù)包括步驟:綜合所有參數(shù)，通過測試驗證的方法，得到圖片總的特征參數(shù)、不同邊緣圖片的特征參數(shù)對計算圖像復(fù)雜度評價參數(shù)的影響因子；根據(jù)圖片總的特征參數(shù)、不同邊緣圖片的特征參數(shù)以及影響因子計算得到圖像復(fù)雜度評價參數(shù)；根據(jù)圖像復(fù)雜度評價參數(shù)計算圖像模糊評價參數(shù)。
[0026]本發(fā)明的方法需要的硬件最低配置為:P4、3