摘  要： 針對(duì)視頻監(jiān)控圖像中存在各類條紋噪聲的問(wèn)題，根據(jù)條紋特性和受干擾圖像幀的頻域特征，提出了一種快速檢測(cè)監(jiān)控錄像周期性條紋的算法。根據(jù)相對(duì)距離將頻譜圖分成兩個(gè)子塊，再運(yùn)用行列累積函數(shù)或閾值檢測(cè)各子帶是否存在異常亮點(diǎn)，進(jìn)而確定圖像幀是否存在條紋噪聲。利用頻率譜中異常點(diǎn)的對(duì)稱特性可減少遍歷次數(shù)，有效提高了算法的運(yùn)行效率。實(shí)驗(yàn)結(jié)果表明，該算法對(duì)監(jiān)控視頻序列中的多種周期性條紋具有良好的檢測(cè)效果，并提高了計(jì)算速度。
關(guān)鍵詞： 視頻監(jiān)控圖像；條紋噪聲；傅里葉變換；累積分布函數(shù)

　隨著網(wǎng)絡(luò)、視頻通信技術(shù)的快速發(fā)展和視頻監(jiān)控系統(tǒng)的廣泛應(yīng)用，監(jiān)控圖像的質(zhì)量評(píng)價(jià)正成為新的研究熱點(diǎn)。由于視頻監(jiān)控系統(tǒng)通常布控范圍較大，因此前端圖像采集設(shè)備長(zhǎng)期連續(xù)工作及受各種外因影響，監(jiān)控錄像易受條紋噪聲干擾而質(zhì)量下降。由于條紋干擾類型各異(如有橫條紋、列條紋、斜條紋、粗或細(xì)以及周期條紋等)，而起因又各不相同，如因工頻干擾、系統(tǒng)內(nèi)部電壓不平衡或傳輸問(wèn)題等外因所致，或因監(jiān)控?cái)z像機(jī)長(zhǎng)期外露、不間斷的工作特點(diǎn)引起圖像傳感器校準(zhǔn)偏差、內(nèi)部電流不平衡以及系統(tǒng)噪聲或振動(dòng)等產(chǎn)生。因此，對(duì)監(jiān)控系統(tǒng)條紋干擾的研究尤為重要。條紋噪聲不僅降低了視頻監(jiān)控圖像的質(zhì)量和可解釋性，而且容易引發(fā)不可預(yù)測(cè)的故障。
　目前針對(duì)實(shí)時(shí)視頻圖像條紋干擾檢測(cè)的文獻(xiàn)較少，而靜止圖像的條紋噪聲檢測(cè)大多是基于濾波方法。如采用方向模板的結(jié)構(gòu)光條紋中心檢測(cè)[1]，通過(guò)可變方向模板檢測(cè)結(jié)構(gòu)光條紋中心；針對(duì)航空?qǐng)D像水面尾跡的檢測(cè)，利用方向極傅里葉頻譜二維主成分降維提取特征和支持向量機(jī)分類檢測(cè)尾跡[2]；針對(duì)遙感圖像條紋噪聲檢測(cè)方法，通過(guò)Canny邊緣檢測(cè)、線條跟蹤和閾值三步定位條紋[3]；針對(duì)結(jié)構(gòu)光條紋的邊緣檢測(cè)，通過(guò)自適應(yīng)中值濾波器平滑圖像，方向可調(diào)濾波器提取結(jié)構(gòu)光條紋邊緣點(diǎn)兩步檢測(cè)光條紋[4]；根據(jù)頻域條紋噪聲的功率譜特性，建立小波鏡像正則反演濾波器抑制和去除條紋[5]；以及基于穩(wěn)健統(tǒng)計(jì)的抗差估計(jì)濾波檢測(cè)和去除靜態(tài)圖像中脈沖噪聲引起的干擾條紋[6]。但上述方法都針對(duì)某種單一特征條紋及特定環(huán)境檢測(cè)，并不適用于視頻監(jiān)控系統(tǒng)。通過(guò)分析大量監(jiān)控視頻圖像的干擾條紋特征，本文提出了一種自適應(yīng)檢測(cè)算法，將監(jiān)控視頻幀圖像變換到頻譜空間，將頻譜分量分成兩類子塊，即擴(kuò)展頻譜帶和周邊區(qū)域頻帶，根據(jù)不同子塊特性，通過(guò)離散行列累積分布函數(shù)找出異常峰值點(diǎn)或設(shè)置閾值找出異常亮點(diǎn)，進(jìn)而檢測(cè)干擾條紋。
1 監(jiān)控圖像條紋干擾特性
　圖1(a)是由監(jiān)控系統(tǒng)附近很強(qiáng)的干擾源引起條紋干擾的一幀圖像，圖1(b)是二維傅里葉變換后的頻譜圖，圖1(c)是圖像傳感器故障引起條紋干擾的一幀圖像，圖1(d)是其頻譜圖。通過(guò)分析發(fā)現(xiàn)，條紋噪聲在空域中具有以下特征：

　(1)條紋噪聲具有一定的方向性，在某個(gè)方向有較強(qiáng)的灰度變化。
　(2)條紋噪聲分布具有準(zhǔn)周期性，明暗交替出現(xiàn)，此類干擾大多由不同頻率噪聲引起。
　(3)干擾源的多樣性，使得條紋干擾可能出現(xiàn)在不同方向上，并形成疊加。
　圖1(b)、圖1(d)中的明亮突起部分是由準(zhǔn)周期條紋噪聲導(dǎo)致的，通過(guò)分析發(fā)現(xiàn)，條紋噪聲在頻域中具有以下特征：(1)空域中有幾條不同周期的條紋噪聲，頻域中就有幾個(gè)與之對(duì)應(yīng)的“十”字形異常亮點(diǎn)。(2)條紋噪聲周期和角度不同，對(duì)應(yīng)的頻譜中異常亮點(diǎn)區(qū)域也不同，可能落在具有暗背景的周邊區(qū)域(如圖1(b)所示)，也可能落在亮帶附近(如圖1(d)所示)。因此，對(duì)監(jiān)控視頻幀圖像進(jìn)行傅里葉變換后，檢測(cè)“十”字形異常亮點(diǎn)是解決問(wèn)題的關(guān)鍵。為去除中間亮帶對(duì)“十”字形亮點(diǎn)檢測(cè)的干擾，將頻譜圖分為兩塊，亮帶附近區(qū)域稱為擴(kuò)展調(diào)頻帶[7]，暗背景區(qū)域稱為周邊區(qū)域頻帶。擴(kuò)展調(diào)頻帶上的“十”字形亮點(diǎn)通過(guò)行列累積分布函數(shù)進(jìn)行檢測(cè)，而周邊區(qū)域頻帶可通過(guò)設(shè)置閾值檢測(cè)“十”字形亮點(diǎn)。
2 條紋檢測(cè)算法原理

　計(jì)算幀圖像列方向和行方向上的累積分布函數(shù)，其中頻譜圖的橫軸是行數(shù)或列數(shù)，縱軸與之對(duì)應(yīng)的是列方向或行方向的頻譜幅度累加值[5]。利用頻譜圖對(duì)稱性，只需計(jì)算圖像一半的行列累積分布函數(shù)。
　圖3顯示了擴(kuò)展調(diào)頻帶區(qū)域異常亮點(diǎn)的檢測(cè)方法，原圖是一幀視頻傳輸線路阻抗不匹配造成的等間距斜紋(即圖4的C類紋)。式(4)和式(5)確定的子塊圖3(a)和圖3(c)分別是行擴(kuò)展條頻帶和列擴(kuò)展條頻帶。圖3(b)是式(6)計(jì)算的列方向累計(jì)分布函數(shù)，圖3(d)是式(7)計(jì)算的行方向累計(jì)分布函數(shù)?？梢?jiàn)，圖3(b)的列方向累積分布函數(shù)中有異常峰值P，由此檢測(cè)出擴(kuò)展調(diào)頻帶區(qū)域有異常亮點(diǎn)。

3 算法描述
　算法的具體步驟如下：
　(1)初始化處理。根據(jù)監(jiān)控視頻時(shí)長(zhǎng)和幀播放速率，設(shè)置采樣間隔抽取待測(cè)幀，規(guī)格化幀圖像為320×240，并轉(zhuǎn)為灰度圖像，以提高運(yùn)算速度。
　(2)頻譜圖分塊處理。根據(jù)2.2部分的算法原理將視頻幀圖像分為周邊區(qū)域頻帶和擴(kuò)展調(diào)頻帶兩個(gè)子塊。
　(3)周邊區(qū)域頻帶異常亮點(diǎn)檢測(cè)。用模板(5×5)對(duì)頻譜圖進(jìn)行增強(qiáng)處理，突出異常亮點(diǎn)幅度值。若周邊區(qū)域頻帶幅度值大于閾值α(α取175)，表明周邊區(qū)域頻帶存在條紋干擾。
(4)擴(kuò)展調(diào)頻帶異常亮點(diǎn)檢測(cè)。根據(jù)2.3部分的算法原理求得列方向和行方向的離散累積分布函數(shù)，檢測(cè)是否存在異常峰值，若有，則表明幀圖像的擴(kuò)展調(diào)頻帶存在條紋干擾。
(5)對(duì)視頻序列的抽取幀依次運(yùn)用上述方法檢測(cè)，評(píng)價(jià)視頻段是否存在條紋噪聲干擾。
4 實(shí)驗(yàn)結(jié)果與分析
　為了驗(yàn)證算法的有效性，從不同場(chǎng)景，720×576分辨率的監(jiān)控視頻中選取6個(gè)5 min的RGB視頻片斷作為測(cè)試樣本，其中1個(gè)視頻無(wú)條紋干擾，5個(gè)視頻分別存在斜條紋、橫條紋等噪聲干擾，如圖4所示。設(shè)置視頻播放速率為25 幀/s，幀抽取速率為0.2 幀/s，幀圖片規(guī)格化為320×240。分別采用本文提出的算法、基于Canny邊緣算子檢測(cè)法[3]和基于光條紋方向模板法[1]檢測(cè)條紋噪聲，結(jié)果如表1所示。

　圖4中，A類條紋指監(jiān)控系統(tǒng)受強(qiáng)干擾導(dǎo)致的斜紋噪聲，B類條紋指圖像傳感器故障引起的等間距橫紋噪聲，C類條紋指視頻傳輸線路阻抗不匹配造成的等間距斜紋噪聲，D類條紋指低頻干擾引起的水平散狀細(xì)小條紋，E類指工頻干擾引起的雪花疊加斜紋噪聲。另外，表1中的“1”表示檢測(cè)出條紋，“0”表示沒(méi)有檢測(cè)出條紋，“-1”表示誤檢?？梢?jiàn)，基于Canny邊緣算子的條紋檢測(cè)只適用于水平或垂直細(xì)條紋的檢測(cè)[3]；方向模板法只能檢測(cè)出B類條紋，易受背景干擾導(dǎo)致對(duì)無(wú)條紋圖像的誤檢；而提出的算法能有效檢測(cè)出除D類外的多種周期性干擾條紋，D類條紋因散狀細(xì)小且無(wú)周期性，造成頻域沒(méi)有異常亮點(diǎn)，故檢測(cè)不出。表2所示為檢測(cè)B類條紋時(shí)三種算法的計(jì)算時(shí)間，本算法與方向模板法時(shí)間較為接近，基于Canny邊緣算子的條紋檢測(cè)法計(jì)算時(shí)間最長(zhǎng)。綜上所述，本算法能有效檢測(cè)出監(jiān)控視頻序列中的多種準(zhǔn)周期性條紋且運(yùn)算效率較高。

　通過(guò)分析視頻監(jiān)控圖像中條紋噪聲的頻域特性，本文提出了一種能夠快速檢測(cè)監(jiān)控圖像周期性條紋干擾的算法。根據(jù)相對(duì)距離將視頻幀頻譜圖分成周邊區(qū)域頻帶和擴(kuò)展調(diào)頻帶兩個(gè)子塊，再計(jì)算行列累計(jì)函數(shù)檢測(cè)子帶或閾值，判斷各子塊是否存在異常亮點(diǎn)，進(jìn)而確定幀圖像是否存在條紋噪聲；通過(guò)頻率譜的對(duì)稱性，大大減少了異常點(diǎn)的遍歷次數(shù)，提高了算法的運(yùn)行速度。實(shí)驗(yàn)結(jié)果表明，本文提出的算法能有效檢測(cè)出監(jiān)控視頻序列中的準(zhǔn)周期性條紋，適應(yīng)具有不同方向的多種周期性條紋的檢測(cè)，但對(duì)無(wú)周期性的散亂條紋和細(xì)小條紋不適用，這也是下一步研究的重點(diǎn)。
參考文獻(xiàn)
[1] 胡斌，李德華，金剛，等.基于方向模板的結(jié)構(gòu)光條紋中心檢測(cè)方法[J].計(jì)算機(jī)工程與應(yīng)用，2002(11)：59-60.
[2] 汪海洋，潘德?tīng)t，夏德深，等.基于方向極傅里葉頻譜2DPCA的尾跡檢測(cè)[J].自動(dòng)化學(xué)報(bào)，2008，34(9)：1053-1059.
[3] Fuan Tsai， Chen W W. Striping noise detection and correction of remote sensing images[J]. IEEE Transactions on Geoscience and Remote Sensing， 2008，46(12)： 4122- 4131.
[4] Chen Yanjun， Zheng Jun， Wang Kuanquan， et al. Structured light stripe boundary detection using steerable filters[C]. 2010 International Conference on Computer Application and System Modeling (ICCANS)， 2010：22-24.
[5] Wang Zuoguan. Frequency-domain regularized deconvolution for images with stripe noise[C]. Proceeding of the Fourth International Conference on Image and Graphics， ICIG′07， Chengdu： 2007：110-115.
[6] VIJAYKUMAR V R， VANATHI P T， XANAGASABAPATHY P， et al. An efficient algorithm to remove scratches stripes and blotches in still images[C]. International Conference on Intelligent and Advanced Systems， ICIAS 2007， Kuala Lumpur： Proceeding of the 2007 IEEE， 2007：605-610.
[7] 孫穎，張志佳.基于頻域?yàn)V波的自適應(yīng)條帶噪聲去除算法[J].儀表技術(shù)與傳感器，2006(2)：57-59．
[8] 鄒園園，葛慶平，韓煜，等.基于頻域?yàn)V波的THz圖像條紋噪聲處理[J].計(jì)算機(jī)工程與應(yīng)用，2009，45(17)：241-24.