[发明专利]基于自动判别策略的低照度图像变化检测方法及装置

说明书

本发明公开了一种基于自动判别策略的低照度图像变化检测方法及装置，方法包括：输入两幅低照度环境下多时相监控图像，提出了一种自适应对数比算子用于生成一幅差异图；使用TVL1模型降低差异图中的噪声，使差异图更平滑；使用自动判别策略判断两幅多时相监控图像间是否存在变化，根据判别结果对获得的差异图进行自适应压缩获得压缩差异图，并对压缩差异图进行中值滤波获得最终的差异图；采用K‑means算法对最终的差异图进行聚类得到变化区域和未变化区域。装置包括：生成模块、降噪与平滑模块、判别模块、及聚类模块，本发明能够实时准确稳定的检测出低照度监控场景中的变化，在多时相监控图像间反映的场景没有发生变化时不会导致误报警。

技术领域

本发明涉及监控图像领域，尤其涉及一种基于自动判别策略的低照度图像变化检测方法及装置。

背景技术

监控摄像头已经被广泛应用于公共安全领域。在一些特殊的场景下，有时需要对几十或上百个人员不能进入的区域进行监控，这要求保卫人员对多个显示器呈现的不同区域的视频图像同时进行观察。由于多种原因使得图像中的一些异常情况不能被及时发现，因此采用视频图像变化检测方法来代替保安人员用人眼观察视频图像变化就显得非常的必要。

通常，两时相图像变化检测是一种在未知目标先验知识的情况下，通过对比某一场景下不同时刻所拍摄的图像，从场景中检测出变化区域的过程。这在遥感图像变化检测中已经获得了广泛的应用。例如：环境监测、城市研究、土地利用、农业调查、灾害评估等。同样的在监控场景中可以对两时相监控图像进行变化检测，从而第一时间获得两时相监控图像间的变化并发出警报，从而避免违规或危险事件的发生。

然而，在低照度监控环境中信噪比较低，摄像头所捕获的图像会受到传感器噪声的严重影响。这些噪声会干扰图像变化检测的结果导致误报警。此外，现有的变化检测方法大多是基于两幅多时相图像间反映的场景存在变化进行检测的。然而，在监控场景中多时相监控图像间反映的场景往往是没有发生变化的。

此时，由于缺少变化区域的对比，图像间噪声的差异更明显，对图像变化检测的干扰更严重，容易导致误报警。

发明内容

本发明提出了一种基于自动判别策略的低照度图像变化检测方法及装置，能够实时准确稳定的检测出低照度监控场景中的变化，同时在多时相监控图像间反映的场景没有发生变化时不会导致误报警，详见下文描述：

第一方面，一种基于自动判别策略的低照度图像变化检测方法，所述方法包括：

输入两幅低照度环境下多时相监控图像，提出了一种自适应对数比算子用于生成一幅差异图；

使用TVL1模型降低差异图中的噪声，同时使差异图更平滑；

使用自动判别策略判断两幅多时相监控图像间是否存在变化，根据判别结果对获得的差异图进行自适应压缩获得压缩差异图，并对压缩差异图进行中值滤波获得最终的差异图；

采用K-means算法对最终的差异图进行聚类得到变化区域和未变化区域。

在一种实现方式中，所述TVL1模型为：

TVL1模型的离散形式如下：

其中，第一项为保真项，第二项为正则项；V表示有限维向量空间；参数λ为平衡因子；F_L表示差异图，u表示去噪后图像。

第二方面，一种基于自动判别策略的低照度图像变化检测装置，所述装置包括：

生成模块，用于输入两幅低照度环境下多时相监控图像，提出了一种自适应对数比算子用于生成一幅差异图；

降噪与平滑模块，用于使用TVL1模型降低差异图中的噪声，同时使差异图更平滑；