图像处理方法、装置、计算设备和存储介质与流程

文档序号:21369266发布日期:2020-07-04 04:45阅读:153来源:国知局
图像处理方法、装置、计算设备和存储介质与流程

本申请涉及图像处理技术领域,特别涉及一种图像处理方法、装置、计算设备和存储介质。



背景技术:

在各种灾害中,火灾是威胁公众安全和社会发展的主要灾害之一。随着科技的发展,火灾监测技术发展迅速,准确的预警与分析可以指导灭火人员快速灭火,挽回很多损失。

目前,红外热成像技术在火情监测中有一定程度的应用,通过不断监测以及分析火情特征,分析起火点、火势蔓延趋势等,以便客观、准确评估火灾损失,组织救灾等。但是,由于自身成像和检测原理,红外热成像图像具有对比度低、信噪比低等不足,需要对其进行后期图像处理才能便于监测、预警以及分析火情。

因此,如何改进图像处理,以为实现快速、准确地进行火情预警以及火情分析提供支持,成为亟需解决的技术问题。



技术实现要素:

本申请的目的是提供一种图像处理方法、装置、计算设备和存储介质,以为实现快速、准确地进行火情预警以及火情分析提供支持。

第一方面,本申请实施例提供了一种图像处理方法,包括:

对火情视频的待处理的目标图像的灰度图像进行显著性分析,得到显著性灰度图像;

基于所述显著性灰度图像中像素的灰度值,对所述显著性灰度图像进行阈值分割处理,得到显著性二值图像;

基于所述显著性二值图像,得到所述目标图像对应的目标二值图像。

在一个实施例中,对所目标图像的灰度图像进行显著性分析得到显著性灰度图像,包括:

分析所述目标图像的灰度图像的灰度直方图,确定该灰度图像中各像素对应的灰度级以及各灰度级对应的灰度级频率;

基于各像素的灰度级以及各灰度级对应的灰度级频率,对所述目标图像的灰度图像中的每个像素的灰度值进行处理,以得到所述显著性灰度图像。

在一个实施例中,基于各像素的灰度级以及各灰度级对应的灰度级频率,对所述目标图像的灰度图像中的每个像素的灰度值进行处理,以得到所述显著性灰度图像,包括:

针对每个像素,确定所述像素的灰度级与其余灰度级的欧式距离;

将所述像素的灰度级对应的灰度级频率,与该像素的灰度级与其余灰度级的欧式距离的乘积之和,确定为所述像素的灰度值,以得到所述显著性灰度图像。

在一个实施例中,基于所述显著性二值图像,得到所述目标图像对应的目标二值图像,包括:

将所述显著性二值图像与所述目标图像对应的g分量二值图像进行与运算,以得到所述目标二值图像,其中,所述g分量二值图像是从所述目标图像中提取g分量通道得到的。

在一个实施例中,所述方法还包括:

基于自适应灰度直方图均衡化算法对所述目标图像进行增强处理。

在一个实施例中,在得到所述目标二值图像,和/或得到经过增强处理后的目标图像之后,所述方法还包括:

将经过处理后得到的多帧目标二值图像合成为相应的目标二值视频;以及/或者

将经过增强处理后得到的多帧目标图像合成为相应的增强目标视频。

在一个实施例中,将图像合成为相应的视频,包括:

若所述火情视频的帧率大于或等于预设的视频输出帧率,则基于所述火情视频的帧率,将所述目标二值图像或者经过增强处理后得到的目标图像合成为相应的视频;

若所述火情视频的帧率小于预设的视频输出帧率,则基于所述视频输出帧率,将所述目标二值图像或者经过增强处理后得到的目标图像合成为相应的视频。

在一个实施例中,所述火情视频为红外热成像视频,所述目标图像为红外热成像图像。

第二方面,本申请实施例提供了一种图像处理装置,所述装置包括:

显著性分析单元,用于对火情视频的待处理的目标图像的灰度图像进行显著性分析,得到显著性灰度图像;

阈值分割单元,用于基于所述显著性灰度图像中像素的灰度值,对所述显著性灰度图像进行阈值分割处理,得到显著性二值图像;

图像处理单元,基于所述显著性二值图像,得到所述目标图像对应的目标二值图像。

在一个实施例中,所述显著性分析单元用于:

分析所述目标图像的灰度图像的灰度直方图,确定该灰度图像中各像素对应的灰度级以及各灰度级对应的灰度级频率;

基于各像素的灰度级以及各灰度级对应的灰度级频率,对所述目标图像的灰度图像中的每个像素的灰度值进行处理,以得到所述显著性灰度图像。

在一个实施例中,所述灰度值处理单元用于:

针对每个像素,确定所述像素的灰度级与其余灰度级的欧式距离;

将所述像素的灰度级对应的灰度级频率,与该像素的灰度级与其余灰度级的欧式距离的乘积之和,确定为所述像素的灰度值,以得到所述显著性灰度图像。

在一个实施例中,所述图像处理单元用于:

将所述显著性二值图像与所述目标图像对应的g分量二值图像进行与运算,以得到所述目标二值图像,其中,所述g分量二值图像是从所述目标图像中提取g分量通道得到的。

在一个实施例中,所述装置还包括:

增强处理单元,用于基于自适应灰度直方图均衡化算法对所述目标图像进行增强处理。

在一个实施例中,所述装置还包括视频合成单元,用于:

将经过处理后得到的多帧目标二值图像合成为相应的目标二值视频;以及/或者

将经过增强处理后得到的多帧目标图像合成为相应的增强目标视频。

在一个实施例中,视频合成单元,用于:

若所述火情视频的帧率大于或等于预设的视频输出帧率,则所述视频合成单元基于所述火情视频的帧率,将所述目标二值图像或者经过增强处理后得到的目标图像合成为相应的视频;

若所述火情视频的帧率小于预设的视频输出帧率,则所述视频合成单元基于所述视频输出帧率,将所述目标二值图像或者经过增强处理后得到的目标图像合成为相应的视频。

在一个实施例中,所述火情视频为红外热成像视频,所述目标图像为红外热成像图像。

第三方面,本申请另一实施例还提供了一种计算设备,包括至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请实施例提供的任一图像处理方法。

第四方面,本申请另一实施例还提供了一种计算机存储介质,其中,所述计算机存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行本申请实施例中的任一图像处理方法。

本申请实施例提供的图像处理方案,通过设计一种简洁且复杂度低的算法结构,以较小的计算量,有效综合多种图像特征信息,来提高图像分割的精确度,从而为提高火情监测和/或火情分析的效率提供支持。并且,该图像处理方案,能够实现对火情视频的处理操作自动化,而不需要人工辅助操作,能够极大地减少人工成本。

本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,显而易见地,下面所介绍的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。

图1为根据本申请一个实施例的应用环境的示意图;

图2为根据本申请一个实施例的图像处理方法的流程示意图;

图3a、图3b、图3c为根据本申请实施例的处理后的图像的例子;

图4为根据本申请一个实施例的图像处理流程的示意图;

图5a、图5b为根据本申请实施例的处理后的图像的例子;

图6为根据本申请一个实施例的图像增强处理流程示意图;

图7为根据本申请实施例的处理后的图像的例子;

图8为根据本申请一个实施例的图像处理系统的实现原理的示意图;

图9为根据本申请一个实施例的图像处理装置的示意图;

图10为根据本申请一个实施例的计算设备的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。

图1为根据本申请一个实施例的应用环境的示意图。

如图1所示,该应用环境可以包括至少一个服务器20和多个终端设备10。终端设备10可以经由网络40实现与服务器20的信息收发。服务器20可以通过访问数据库30来获取终端设备10所需的内容。终端设备之间(例如,10_1与10_2或10_n之间)也可以经由网络40彼此通信。网络40可以是广义上的用于信息传递的网络,可以包括一个或多个通信网络,诸如无线通信网络、因特网、私域网、局域网、城域网、广域网或是蜂窝数据网络等。在一个实施例中,网络40也可以包括卫星网络,由此将终端设备10的gps信号传送给服务器20。应当注意,如果向图示环境中添加附加模块或从其中去除个别模块,不会改变本发明的示例实施例的底层概念。另外,虽然为了方便说明而在图中示出了从数据库30到服务器20的双向箭头,但本领域技术人员可以理解的是,上述数据的收发也是可以通过网络40实现的。

终端设备10是可用来进行网络访问的任何合适的电子设备,包括但不限于计算机、笔记本电脑、智能电话、平板电脑或是其它类型的设备。服务器20则是能够通过网络访问的提供交互服务所需信息的任何服务器。并且在随后的描述中会选择其中的一个或部分终端设备加以描述(例如,终端设备10-1),但是本领域技术人员应该理解的是,上述单个终端设备旨在表示真实网络中存在的大量终端,示出的单个服务器20和数据库30旨在表示本发明的技术方案可以涉及服务器及数据库的操作。对特定编号的终端设备以及单个服务器和数据库加以详述至少为了说明方便,而非暗示对移动端和服务器的类型或是位置等具有限制。

在一个实施例中,终端设备能够获取目标图像,也能够输出目标图像或是相应的视频。用于进行图像处理的系统能够被配置在图1所示的终端设备侧,也能够被配置在服务器侧,还可以是部分功能配置在终端设备侧部分功能配置在服务器侧,本申请对此不做限制。

图2为根据本申请一个实施例的图像处理方法的流程示意图。

如图2所示,在步骤s210,对火情视频的待处理的目标图像的灰度图像进行显著性分析,得到显著性灰度图像。

在此,火情视频可以为在任何火情监测应用场景中采集到的视频,例如林火监测场景、加油站日常监控场景、秸秆焚烧场景等。并且,火情视频可以是基于摄像设备实时采集的,也可以是从相关存储介质中获取的历史视频数据,本申请对此不做限制。

在一个实施例中,该火情视频可以为基于红外热成像技术采集到的红外热成像视频,待处理的目标图像可以为红外热成像图像。以林火监测场景为例,所获得的目标图像可以为如图3a所示红外热成像图像。红外成像技术能够根据探测到的物体的辐射能量的高低,经系统处理转变为目标物体的热图像,即得到被测目标的温度分布从而判断物体所处的状态。基于红外热成像技术,若被监测的地点(例如森林、加油站、居民楼等)发生起火事件,即可通过所采集到的红外热成像视频或图像分析火情特征,从而分析起火点、火势蔓延趋势等,以便客观、准确评估火灾损失,组织救灾等。针对所采集到的火情视频,可以通过提取视频帧的方式,从该火情视频中获取待处理的目标图像。实施时,例如可以从火情视频中逐帧获取视频帧作为待处理的目标图像。应当理解的是,在此仅是对获取目标图像的举例说明而非限定,在其它实施例中,例如也可以根据需求,以跳帧的方式(例如每隔24帧)获取目标图像,本申请对此不做限制。

之后,可以将提取到的目标图像转换为灰度图像。作为示例,例如可以通过下述灰度转换公式(1),将目标图像转换为相应的灰度图像。

gi=(ri*299+gi*587+bi*114+500)/1000(1)

其中,gi为像素i的灰度值,ri、gi、bi分别表示该红外热成像图像的r、g、b三通道数值,m表示目标图像的总像素数目,i、m为正整数,且1≤i≤m。应当理解的是,上述灰度转换公式仅是对具体灰度转换的示例说明而非任何限定,在其它实施例中,可以采取常规灰度转换公式,或者也可以根据业务需要对灰度转换公式中所涉及的详细参数进行调整,本申请对此不做限制。

应当理解的是,在本申请实施例中,从视频中获取目标图像并将目标图像转换为相应的灰度图像,仅是对本申请所要处理的灰度图像的获取方式的举例说明而非任何限定,在其它实施例中,例如也可以直接获取目标图像的灰度图像,并对所获取的灰度图像进行后续的图像处理,在此不再赘述。

为了保障后续图像处理的准确性,在得到目标图像的灰度图像之后,对目标图像的灰度图像进行显著性分析之前,例如还可以对目标图像的灰度图像进行形态学滤波处理,以去除图像噪声。例如对图3a所示的目标图像进行形态学滤波处理后,得到的图3b所示的图像。其中,形态学滤波处理例如可以为对目标图像的灰度图像进行形态学腐蚀操作、形态学膨胀操作等。在其它实施例中,也可以是对目标图像的灰度图像进行其它去噪或增强处理,例如中值滤波处理、均值滤波处理等,本申请对此不做限制。

之后,即可对目标图像对应的灰度图像进行显著性分析,以得到显著性灰度图像。

实施时,可以通过分析所述目标图像的灰度图像的灰度直方图,确定该灰度图像中各像素对应的灰度级以及各灰度级对应的灰度级频率,并基于各像素的灰度级以及各灰度级对应的灰度级频率,对所述目标图像的灰度图像中的每个像素的灰度值进行处理,以得到所述显著性灰度图像。

具体的,可以分析灰度图像的灰度直方图,统计图像灰度级范围l,针对灰度图像中的每个像素i,可以确定所述像素i的灰度级li与其余灰度级lj的欧式距离,将所述像素i的灰度级li对应的灰度级频率fi,与该像素的灰度级与其余灰度级lj的欧式距离d(li,lj)的乘积之和,确定为所述像素的灰度值。例如如下公式(2)所示,

其中,s(lj)表示灰度级lj对应的显著值,在本申请中表示为显著性灰度图像中像素的灰度值。d(li,lj)表示灰度级li与灰度级lj的欧氏距离,fi表示灰度级li对应的灰度级频率,其中,表示灰度级li对应的像素数目,0≤l≤255,0≤li≤255,0≤lj≤255。

由此,简化显著值的计算公式,只需统计各像素对应的灰度级并计算各灰度级对应的灰度级频率,任两个像素对应的灰度级之间的欧式距离也可以被计算和记录,可以避免重复计算,从而加快图像处理速度。

在步骤s220,基于所述显著性灰度图像中像素的灰度值,对所述显著性灰度图像进行阈值分割处理,得到显著性二值图像(如图3c所示)。该显著性二值图像中包括两部分,即监测到的火情区域以及背景区域。

作为示例,例如可以通过最大类间方差法(ostu)对显著性灰度图像进行阈值分割处理。

仍以以红外热成像图像为例,若监测到火情,采集到的目标图像中作为目标的火情区域与背景区域两部分之间的差异较大。而最大类间方差法(ostu)是特性则是目标与背景两部分之间的差异越大,则类间方差值越大。采用最大类间方差法(ostu),可以通过遍历显著性灰度图像中的所有灰度值,选择类内方程最小而类间方程最大的灰度值作为图像分割的阈值,将该图像分成目标(即火情区域)和背景两部分。由此,不仅计算量小,还可以降低错误分割的概率,提高阈值分割的准确性,为提高后续进行火情监测和/或火情分析的准确率提供支持。

在步骤s230,基于所述显著性二值图像,得到所述目标图像对应的目标二值图像。

在此,可以以该显著性二值图像作为目标对象对应目标二值图像。该目标二值图像综合考量了目标图像的灰度信息和显著性信息,能够提高后续图像分割的准确度。并且,在阈值分割前还可以对图像进行形态学滤波处理,能够提高视频图像的信噪比以及对噪声的鲁棒性,也能够为后续提高图像分割的准确度提供支持,以便更好地进行火情监测和/或火情分析。

在一个实施例中,在上述图像处理过程中,还可以获取目标图像更多的特征信息,以提高图像分割的准确度。例如,可以对目标图像提取分量通道信息,并结合所提取的分量通道信息,得到目标二值图像。

以红外热成像图像为例,考虑到红外热成像图像的成像与分析原理,可以通过对目标图像提取g分量通过得到目标对象的g分量图像,并对该g分量图像进行形态学阈值处理以及阈值分割处理,得到相应的g分量二值图像。之后,将所述显著性二值图像与所述目标图像对应的g分量二值图像进行与运算,以得到目标图像对应的目标二值图像。

图4为根据本申请一个实施例的图像处理流程的示意图。

如图4所示,在步骤s401,可以获取待处理的目标图像。例如从摄像设备或者存储介质中获取火情视频,从火情视频中逐帧获取视频帧作为待处理的目标图像。

如图4左侧所示,根据图2所示的处理流程获取显著性二值图像。具体为,在步骤s402,将目标图像转换为灰度图像。在步骤s403,对目标图像的灰度图像进行形态学滤波处理。在步骤s404,对滤波处理后的灰度图像进行显著性分析,得到显著性灰度图像。在步骤s405,采用ostu阈值分割算法,对显著性灰度图像进行阈值分割处理,得到显著性二值图像。

如图4右侧所示,获取目标图像对应的g分量二值图像。具体为,在步骤s406,提取目标图像的g分量通道,以得到g分量图像。在步骤s407,对获取到的g分量图像进行形态学滤波处理,得到处理后的g分量图像。在步骤s408,采用ostu阈值分割算法,对滤波处理后的g分量图像进行阈值分割处理,得到g分量二值图像,如图5a所示。

之后,在步骤s409,将显著性二值图像与所述目标图像对应的g分量二值图像进行与运算,以得到所述目标二值图像。如图5b所示,为将图3c所示的显著性二值图像与图5a所示的g分量二值图像进行与运算后得到的目标二值图像。

所得到的目标二值图像中可以包括目标区域(例如火情区域)和背景区域两部分,基于该目标二值图像,则可以通过分析火情特征,监测火情、分析起火点、火势蔓延程度等。

与运算可以是预先根据算法设置的,本申请对其具体实现不做限制。

例如,与运算例如可以为,若显著性二值图像与g分量二值图像在相同像素位置处的像素点的取值同为1,则将目标二值图像在该像素位置处的像素点的取值确定为1。若显著性二值图像与g分量二值图像在相同像素位置处的像素点的取值不同或者同为0,则将目标二值图像在该像素位置处的像素点的取值确定为0。这样,所得到的目标二值图像即是背景为黑色,火情区域为白色的图像,通过对这些白色像素点的特征分析,即可进行火情监测和/或火情分析。

或者,与运算也可以设定为,若显著性二值图像与g分量二值图像在相同像素位置处的像素点的取值同为0,则将目标二值图像在该像素位置处的像素点的取值确定为0。若显著性二值图像与g分量二值图像在相同像素位置处的像素点的取值不同或者同为1,则将目标二值图像在该像素位置处的像素点的取值确定为1。这样,所得到的目标二值图像即是背景为白色、火情区域为黑色的图像,通过对这些白色像素点的特征分析,即可进行火情监测和/或火情分析。

由此,本申请如上所述的实施例,通过设计一种简洁且复杂度低的算法结构,以较小的计算量,有效综合多种图像特征信息,来提高图像分割的精确度,从而为提高火情监测和/或火情分析的效率提供支持。并且,该图像处理方案,能够实现对火情视频的处理操作自动化,而不需要人工辅助操作,能够极大地减少人工成本。

另外,本申请实施例中,例如还可以对目标图像进行增强处理,以提高图像的局部对比度,增强图像边缘信息。增强处理后的目标图像能够被可视化输出,以便辅助进行火情监测和/或火情分析。

图6为根据本申请一个实施例的图像增强处理流程示意图。其中,例如可以基于自适应灰度直方图均衡化算法对所述目标图像进行增强处理,并且,下述的一些处理手段与图4所示的步骤相同或相似,详细可参见上文结合图4的相关描述,下文将不再赘述。

参见图6,在步骤s601,可以获取待处理的目标图像。在步骤s602,对目标图像进行形态学滤波处理。在步骤s603,基于自适应灰度直方图均衡化算法(ahe)对形态学滤波处理后的图像进行增强处理,将输入的图像均分为多个矩形的局部区域,并通过计算图像多个局部区域的直方图,并重新分布图像的亮度值,改变图像对比度,提高图像的局部对比度、增强图像边缘信息等,得到增强处理后的目标图像。例如,如图7所示,为基于ahe算法将图3a所示的目标图像进行增强后得到的图像。

由此,通过增强处理,提高目标图像的对比度,该图像可以作为附加功能,以便更好地区分图像中的火情区域和背景区域,以便更好地进行火情监测和/或火情分析。

另外,本申请实施例中,所设计的整个图像处理系统的算法结构,可以是以火情视频作为输入,目标二值图像相应的目标二值视频、以及增强处理后的目标图像对应的增强目标视频作为输出。该算法结构能够自动化实现对火情视频的处理操作,而不需要人工辅助操作。相关人员可以根据输出的目标二值视频和/或增强目标视频以及图像处理过程中所确定的火情特征,分析起火点、火势蔓延趋势等,以便客观、准确评估火灾损失,组织救灾等。

图8为根据本申请一个实施例的图像处理系统的实现原理的示意图。

如图8所示,该图像处理系统800例如可以包括图像获取模块810、二值图像处理模块820、图像增强处理模块830、视频合成模块840。其中,图中的连线表示各单元模块之间存在信息交互,上述连线可以是有线连接、无线连接,或是能够进行信息传送的任何形式的连接。

与前述的图像处理方法的相关描述相似,图像获取模块810可以用于获取待处理的目标图像。其中,该图像获取模块810可以从摄像设备或存储介质中获取火情视频,并从火情视频中获取目标图像。二值图像处理模块820可以用于目标二值图像。图像增强处理模块830可以对目标图像进行增强处理,以提高目标图像对比度和信噪比等。视频合成模块840可以将经过处理后得到的多帧目标二值图像合成为相应的目标二值视频,还可以将经过增强处理后的多帧目标图像合成为相应的增强目标视频。所得到的目标二值视频和增强目标视频能够被存储,并可以被可视化输出,以便进行火情监测和/或火情分析。

在一个实施例中,由于设备规格或性能等的差异,火情视频的帧率,与可视化输出视频所对应的帧率可能不完全适配。因此,为保障所得到的视频的播放的流畅度,视频合成模块840在合成相应的视频时,可以判断所获取的火情视频的帧率是否小于预设的视频输出帧率,例如25帧/秒或者30帧/秒。

若火情视频的帧率大于或等于预设的视频输出帧率,则可以基于火情视频的帧率,将所述目标二值图像或者经过增强处理后得到的目标图像合成为相应的视频。若火情视频的帧率小于预设的视频输出帧率,则可以基于所述视频输出帧率,将所述目标二值图像或者经过增强处理后得到的目标图像合成为相应的视频。由此,以保障合成后的视频的播放流畅度。

实施时,若火情视频的帧率小于预设的视频输出帧率且通过预设的视频输出帧率合成视频,虽然能够提高视频的流畅性,但其通过压缩合成的方式,使得所得到的视频相比于原火情视频的播放时间也会缩短,而这会对火情分析时间点等信息带来误导,严重影响火情分析的准确性。

为此,针对火情视频的帧率小于预设的视频输出帧率的情况,在实际合成相应的视频时,例如可以通过插帧的方式,对每秒视频中不足的帧数进行补齐。例如,若火情视频的帧率为16帧/秒,而预设的视频输出帧率为25帧/秒,则合成视频时,每秒视频中需要补充9帧画面。由于16/9=1,则可以每隔一帧画面复制一帧画面来进行补齐,若剩余最后一帧画面仍未能补齐,则仍可复制最后一帧画面来进行补齐。

例如,以字母表示每秒视频中的1帧画面,对于原火情视频,帧率为16帧/秒,每秒视频包括的多帧画面为:abcdefghijklmnop。基于预设的视频输出帧率25帧/秒堆叠图像来合成相应的视频后,每秒视频包括的多帧画面为:abcdefghijklmnopqrstuvwxy,最后合成得到的视频相比于原火情视频的时长缩短。而若基于预设的视频输出帧率25帧/秒以及补齐帧画面的方式来合成相应的视频,每秒视频包括的多帧画面则为:aabccdeefgghiijkklmmnoopp,这样,将尽可能地保证原视频时长未缩短,避免对火情分析时间点等信息产生误导。同时,由于原视频采集时,相邻的两帧画面的差别极小,通过复制帧画面插帧以补齐视频帧数的方式,也不会对基于此的火情监测和/或火情分析带来较大的误差。

由此,经过图像处理后得到的目标二值视频和增强目标视频,在保障视频播放流畅性的基础上,也能够尽可能地与原火情视频的视频时长保持一致,避免对火情分析时间点等信息产生误导,从而保障火情监测和/或火情分析的准确性。

至此,已经结合图1-图8详细说明了本申请的图像处理方案,通过设计一种简洁且复杂度低的算法结构,以较小的计算量,有效综合多种图像特征信息,来提高图像分割的精确度,从而为提高火情监测和/或火情分析的效率提供支持。并且,该图像处理方案,能够实现对火情视频的处理操作自动化,而不需要人工辅助操作,能够极大地减少人工成本。

基于相同的构思,本申请实施例还提供了一种图像处理装置。

图9为根据本申请一个实施例的图像处理装置的示意图。

如图9所示,该图像处理装置900可以包括:

显著性分析单元910,用于对火情视频的待处理的目标图像的灰度图像进行显著性分析,得到显著性灰度图像;

阈值分割单元920,用于基于所述显著性灰度图像中像素的灰度值,对所述显著性灰度图像进行阈值分割处理,得到显著性二值图像;

图像处理单元930,基于所述显著性二值图像,得到所述目标图像对应的目标二值图像。

在一个实施例中,所述显著性分析单元用于:

分析所述目标图像的灰度图像的灰度直方图,确定该灰度图像中各像素对应的灰度级以及各灰度级对应的灰度级频率;

基于各像素的灰度级以及各灰度级对应的灰度级频率,对所述目标图像的灰度图像中的每个像素的灰度值进行处理,以得到所述显著性灰度图像。

在一个实施例中,所述灰度值处理单元用于:

针对每个像素,确定所述像素的灰度级与其余灰度级的欧式距离;

将所述像素的灰度级对应的灰度级频率,与该像素的灰度级与其余灰度级的欧式距离的乘积之和,确定为所述像素的灰度值。

在一个实施例中,所述图像处理单元用于:

将所述显著性二值图像与所述目标图像对应的g分量二值图像进行与运算,以得到所述目标二值图像,其中,所述g分量二值图像是从所述目标图像中提取g分量通道得到的

在一个实施例中,所述装置还包括:

增强处理单元,用于基于自适应灰度直方图均衡化算法对所述目标图像进行增强处理。

在一个实施例中,所述装置还包括视频合成单元,用于:在得到所述目标二值图像,和/或得到经过增强处理后的目标图像之后,将经过处理后得到的多帧目标二值图像合成为相应的目标二值视频;以及/或者将经过增强处理后得到的多帧目标图像合成为相应的增强目标视频。

在一个实施例中,若所述火情视频的帧率大于或等于预设的视频输出帧率,则所述视频合成单元基于所述火情视频的帧率,将所述目标二值图像或者经过增强处理后得到的目标图像合成为相应的视频;

若所述火情视频的帧率小于预设的视频输出帧率,则所述视频合成单元基于所述视频输出帧率,将所述目标二值图像或者经过增强处理后得到的目标图像合成为相应的视频。

在一个实施例中,所述火情视频为红外热成像视频,所述目标图像为红外热成像图像。

该图像处理装置及其功能模块可以实现上述图像处理方案,相关实现细节可参见上文结合图1-图8的相关描述,在此不再赘述。

在介绍了本申请示例性实施方式的一种图像处理方法和装置之后,接下来,介绍根据本申请的另一示例性实施方式的计算设备。

所属技术领域的技术人员能够理解,本申请的各个方面可以实现为系统、方法或程序产品。因此,本申请的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。

在一些可能的实施方式中,根据本申请的计算设备可以至少包括至少一个处理器、以及至少一个存储器。其中,存储器存储有程序代码,当程序代码被处理器执行时,使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的图像处理方法中的步骤。例如,处理器可以执行如图2、图4、图6所示的步骤。

下面参照图10来描述根据本申请的这种实施方式的计算设备130。图10显示的计算设备130仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。

如图10所示,计算设备130以通用计算设备的形式表现。计算设备130的组件可以包括但不限于:上述至少一个处理器131、上述至少一个存储器132、连接不同系统组件(包括存储器132和处理器131)的总线133。

总线133表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。

存储器132可以包括易失性存储器形式的可读介质,例如随机存取存储器(ram)1321和/或高速缓存存储器1322,还可以进一步包括只读存储器(rom)1323。

存储器132还可以包括具有一组(至少一个)程序模块1324的程序/实用工具1325,这样的程序模块1324包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。

计算设备130也可以与一个或多个外部设备134(例如键盘、指向设备等)通信,还可与一个或者多个使得用户能与计算设备130交互的设备通信,和/或与使得该计算设备130能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口135进行。并且,计算设备130还可以通过网络适配器136与一个或者多个网络(例如局域网(lan),广域网(wan)和/或公共网络,例如因特网)通信。如图所示,网络适配器136通过总线133与用于计算设备130的其它模块通信。应当理解,尽管图中未示出,可以结合计算设备130使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。

在一些可能的实施方式中,本申请提供的一种图像处理方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在计算机设备上运行时,程序代码用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的一种图像处理方法中的步骤,例如,计算机设备可以执行如图2、图4、图6所示的步骤。

程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。

本申请的实施方式的用于图像处理的程序产品可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码,并可以在计算设备上运行。然而,本申请的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、有线、光缆、rf等等,或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如java、c++等,还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

应当注意,尽管在上文详细描述中提及了装置的若干单元或子单元,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之,上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。

此外,尽管在附图中以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。

本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1