论文部分内容阅读
随着宽带通信网网络传输的日益发展,视频业务大量普及,对于视频监控在安防监控行业以及高速公路监控领域的应用提出了更高的要求。图像视频质量是视频监控的前提,只有清晰的图像才能反映视频监控区域的真实情况,所以对于视频质量诊断的研究越来越成为人们关注的焦点。本课题来源于实验室与北京蛙视通信技术有限公司的合作项目,利用蛙视公司现有网络视频传输系统,实现了对于网络传输中视频图像质量的诊断。论文主要工作如下：1、视频图像分析的本质内容是对于图像所具有的特征进行分析,因此,本人首先对于图像特征的分类以及不同类型图像特征的提取算法进行了深入研究,实现了图像颜色特征、纹理特征、角点特征以及图像小波变换等图像特征的提取。这是图像分析的基础,也是本文的基础。在此基础之上才能快速准确的实现图像类别的区分,进而进行视频质量的诊断。2、深入研究了图像对比算法和机器学习算法,对于图像处理开源库opencv进行了系统的学习,实现了对于任意2幅视频图像相同性的快速精确判定,实现了对于相邻几帧视频图像运动方向的判定,利用opencv搭建BP神经网络学习环境。3、完成了视频诊断系统,设计4种类型的BP神经网络,实现了对于视频信号清晰度异常,偏色,亮度过亮或过暗以及条纹噪声等4种视频质量故障的诊断。采取将2幅视频画面相似性进行对比分析的方法,实现了对于视频信号画面消失和画面冻结2种类型故障的诊断。通过检测在PTZ转动时相邻几帧视频画面的运动方向来判断PTZ转动是否异常。本人从蛙视公司现有的城市监控网络截取了大量图像数据,对视频诊断系统的功能进行全面测试,结果表明此系统对于上述7类视频故障检测,均具有很高的正确率,具有非常高的应用价值。