硅谷杂志：图像分块匹配技术在台标检测中的应用 |
| 2012-07-08 19:14 作者：刘冬 王香平 来源：硅谷网 HV： 编辑： 【搜索试试】
|
|
硅谷网7月8日消息 （原文载于《硅谷》杂志6月刊）介绍图像分块匹配技术在有线电视信号检测的台标检测中的应用。我们在图像匹配技术的基础上提出图像分块匹配的思想，把需要匹配的台标分割成多个图像区域，然后在针对每个区域进行形状特征提取后再进行匹配比对，最后系统运用匹配原则找到目标台标。
广播电视技术经过多年的蓬勃发展，其适用范围早己覆盖了人类日常生活、工作的各个领域。为了保证广播电视节目不被非法信号干扰，我国广电系统开始推广广播电视信号监测系统。该系统是在原有的机房设备的基础上采用多画面合成、图像压缩等技术手段实现对上百套有线、无线、卫星广播电视信号进行全方位多路信号实时监听监看及报警功能，当信号出现问题时可以在第一时间被发现并且通过屏幕显示、声音播报、短信息等多种方法迅速告知电视台值班人员，同时系统还会具备实时视频播放和录像视频播放功能方便故障查询。而台标检测技术是完成电视信号检测的重要技术之一。通常，各电视台会使用台标对播出的电视信号进行唯一标识。如果工作人员使用人工方式对台标进行识别，就会极大的影响工作效率，所以，我们要选择一种合适的算法对台标进行识别。
1常用的台标识别方法
目前阶段，各个广播电视信号检测系统对台标进行识别的常用方法主要包括：直方图法、普通Hu不变矩法、模板匹配法等。
直方图法统计了图像的每一个灰度级的概率分布，反映了图像灰度分布的概貌。识别台标使用直方图法时，系统需要先从图像画面中提取出台标的直方图，接下来用这个直方图与系统中已存储的数据进行欧式距离比对，最后得到目标台标。但是采用直方图法进行台标识别时，对颜色相近或是透明的台标效果很不理想。
普通Hu不变矩法对图像形状特征的描述方法可分为基于物体边界的形状描述和基于物体覆盖区域的形状描述。普通Hu不变矩法对封闭和不封闭结构不能直接计算矩的特征，需要先构造区域，这种算法是基于区域的，使用这种方法对台标识别时，要对其形状特征进行比对，这与图像的灰度值息息相关，识别率相对较低，另外若对图像进行普通Hu不变矩法时会发生高阶距计算不稳定等问题。
模板匹配法是利用某种算法对待识别图像进行匹配计算获得图像中是否含有该模板的信息和坐标。使用这种方法对图像进行识别时，需要抽取相同成像条件下的不同时刻的同一事物的两张以上的关键帧图像，然后，将获取到的图像从空间上对准或从数据库中取出模板图像进行相似性比对度量。
2图像分割
电视信号监测系统在对台标是否异常的故障排查时，需要对台标进行提取，这就需要利用图像分割技术。图像分割是根据应用需求，依照图像的结构，把一张待分析的图像按需分割成若干互不相交的小区域，而这些小区域又是相同属性的连通集合。比如，我们对一张风景图像进行分割，可以分割成天空、山川、树木等。常用的图像分割法有阈值法、模板匹配法、区域生长法和区域聚合法等。
进行图像分割时，灰度阈值分割法是一种最为广泛应用的图像分割技术。灰度阈值分割法是通过设置不同的灰度门限值将图像按不同的灰度级进行区域划分，然后从图像中提取目标。可以使用灰度直方图法选择阈值，因为通过灰度直方图法处理的图像有明显的双峰值，且双峰值相差相对较大。阈值的选择一定要恰当，选择时可以通过每个小区域在灰度上的差异进行选择。阈值确定后，如果需要判断某个像素属于哪个区域，我们就可以把各像素的特征属性与阈值进行比对，得到目标结果，最终达到区域分割的目的。
另外，由于图像的边缘轮廓可以体现图像的灰度变化，所以另一个重要的图像处理工作是对图像的边缘提取。每个灰度图像的内部一般灰度值是相似的，但是它的边缘上灰度值是不连续的，它强度常常会突变，因此我们使用检测亮度值的方法对图像边缘进行检测，有突变的位置一般就是图像的边缘，即一个区域的终点也是另一个区域的起点。以这个方法，我们可以有效区别图像的内部和边缘。
监测系统在进行图像分割时，常会需要寻找相似性的像素群，这时我们可以使用区域跟踪分割法。使用这种方法进行图像分割时是用点来组成区域，需要先从待分割的图像区域中选择一个像素作为搜索的起点，然后从这个起点开始出发，逐步搜索以这个起点开始的所有的邻近点的灰度值为，逐渐增加区域像素，使用区域生长。系统一边搜索一边要判断区域像素分布是否均匀，如果像素分布均匀就把该像素扩充进已完成的区域。当新的点被合并到区域中后，再继续搜索其他邻近点重复上述过程，直到没有邻近点时过程结束。
3图像分块匹配技术在台标检测中的应用
基于以上分析，本文提出采用图像分块匹配的技术在台标检测中的应用思想。上文中介绍的图像匹配技术是利用图像匹配算法在两张以上的图像中找出各个图像间的差异度。而在台标检测的应用中，我们在图像匹配技术的基础上提出图像分块匹配的思想，把需要匹配的台标分割成多个图像区域，然后在针对每个区域进行形状特征提取后再进行匹配比对，最后系统运用匹配原则找到最佳目标。
现在将图像分块匹配技术应用于电视信号检测系统的台标监测，我们研究一幅图像中是否存在一张已经存储在数据库中的台标模板。台标模板是为了检测图像中的不变区域特性而设计的阵列，已经预先进行了存储。比如，我们现在需要判断电视画面（图1a））的图像中是否存在台标“CCTV”（图1b））的图像。如果电视画面中存在台标图像，且电视画面中这个台标的尺寸、方向都与模板相同，我们就可以通过相关的函数计算找到台标的位置。
图1电视画面及台标示例图
系统在对台标进行检测之前，电视台工作人员要先把各个电视台的台标进行收集、整理，并把各台的台标制作成模板存储在数据库中。制作台标的模板时，应选择一种纯色为台标模板背景，因为纯色背景色彩简单，有利于对图像的特征值提取。我国大多数的电视台的台标都显示在屏幕的左上角，而目前台标的种类主要有半透明、固定彩色、旋转台标等种类，所有的台标都有一个共同的特点，就是他们都有边缘轮廓，这些特点非常有利于我们对台标位置的判断。另外，节目在播出时，台标的位置和台标的像素一般不会被改变，所以在建立台标数据库时，同时也应把台标所在的坐标位置进行记录。当系统对台标进行检测时，首先会从视频图像中提取规定的时间间隔内的连续N帧画面。然后，再对台标部分进行分割、二值化处理及分块。进行台标分块时，块要符合台标的形状特征，要划分适中，块的边缘应尽量贴近台标边缘。经过这样的处理，我们就可以把各个小块和数据库中存储的台标模板进行比对计算相似度，结果差值越小的台标就是目标台标。在系统结束对连续的N帧画面里所有的台标比对后，就可以判断台标是否发生异常了。判断时，可以比较结果值和阈值的差距得到。当然，确定阈值也是关键。阈值的选择通常是利用直方图。这种图像分块匹配技术可以充分利用每个台标形状特点，减小了计算量。
4结论
将图像分块匹配技术应用在有线电视监测的台标检测技术中后，经过对台标的识别结果分析发现，此方法充分利用了台标自身的特征，具有快速、准确的特点，有效处理了电视信号监测的台标异常报警工作，完成了台标图像的自动分析，提高了工作效率，保证了广播电视节目的安全播出。
|
|
|
|
【对“硅谷杂志：图像分块匹配技术在台标检测中的应用”发布评论】 |
版权及免责声明：
① 本网站部分投稿来源于“网友”，涉及投资、理财、消费等内容，请亲们反复甄别，切勿轻信。本网站部分由赞助商提供的内容属于【广告】性质，仅供阅读，不构成具体实施建议，请谨慎对待。据此操作，风险自担。
② 内容来源注明“硅谷网”及其相关称谓的文字、图片和音视频，版权均属本网站所有，任何媒体、网站或个人需经本网站许可方可复制或转载，并在使用时必须注明来源【硅谷网】或对应来源，违者本网站将依法追究责任。
③ 注明来源为各大报纸、杂志、网站及其他媒体的文章，文章原作者享有著作权，本网站转载其他媒体稿件是为传播更多的信息，并不代表赞同其观点和对其真实性负责，本网站不承担此类稿件侵权行为的连带责任。
④ 本网站不对非自身发布内容的真实性、合法性、准确性作担保。若硅谷网因为自身和转载内容，涉及到侵权、违法等问题，请有关单位或个人速与本网站取得联系（联系电话：01057255600），我们将第一时间核实处理。
|
|
|
|
