感兴趣视频区域的智能缩放

摘 要：感兴趣视频区域的智能缩放在医学，工业，金融等多方面得到了广泛的运用。为了提取视频中的感兴趣区域，本文选取运算简单，效益较高的帧间差分法来提取视频图像中的运动区域，并使用最邻近插值算法将提取出的运动区域进行缩放，实现感兴趣视频区域的智能缩放功能。

关键词：感兴趣区域的提取 最邻近插值算法 帧间差分法

中图分类号：TP391.1 文献标识码：A 文章编号：1672-3791（2012）11（a）-0197-02

有效地提取视频图像中的重要信息并进行智能的缩放在实际的生产生活中非常的重要。因为全局的缩放无法将视频中的重要信息提取出来，反而会增加缩放结果的失真度，所以ROI区域的缩放在多个领域给人们带来众多的便利。因此对视频图像中的运动目标进行检测，在序列图像中检测出变化区域并将运动目标从背景图像中提取出来，通过缩放方式实现感兴趣视频区域的智能缩放。

1 运动目标检测的基本原理

运动目标检测是指在序列图像中检测出变化区域并将运动目标从背景图像中提取出来。实际生活中，对于一些视频图像的后期处理过程仅仅考虑视频图像中对应于运动目标的像素区域，因此运动目标的正确检测与分割对于视频图像的后期处理很重要。然而，由于场景的动态变化和外在因素的影响，运动目标的检测与分割变得相当复杂。一般根据摄像头是否保持静止，运动检测可分为静态背景和运动目标检测。但是绝大多数视频监控系统是摄像头固定的，因此静态背景下运动目标检测算法受到广泛关注。本文将使用帧间差分法来检测运动目标，并且运用最邻近插值算法实现区域的缩放。

1.1 光流法

光流法在适当的平滑性约束条件下，根据图像序列的时空梯度估算运动场，根据运动场的变化对目标和场景进行检测与分割。虽然计算量小，快速灵活的，但噪声、多光源、阴影和遮挡等因素会对光流场分布的计算结果造成严重影响；而且光流法计算复杂，很难实现实时处理。

1.2 背景减除法

背景减除法是一种有效的运动对象检测算法，是利用背景的参数模型来近似背景图像的像素值，将当前帧与背景图像进行差分比较实现对运动区域的检测，其中区别较大的像素区域是运动区域，而较小的像素区域是背景区域。非回归背景建模算法是动态的利用从某一时刻开始到当前一段时间内存储的新近观测数据作为样本来进行背景建模。而回归算法在背景估计中无需维持保存背景估计帧的缓冲区，它们是通过回归的方式基于输入的每一帧图像来更新某个时刻的背景模型。

1.3 帧间差分法

1.3.1 基本原理

帧差法就是在图像序列相邻两帧间采用基于像素的时间差分通过闭值化来提取出图像中的运动区域。

（1）将相邻帧图像对应像素值相减得到差分图像Pt（x，y），其中：

Pt（x，y）=|ft（x，y）-ft-1（x，y）| （1）

式中：ft（x，y）为t时刻的帧；ft-1（x，y）为t-1时刻的帧。

（2）选择合适的阀值，对上述差分图像进行二值化处理，得到二值化图像PKt（x，y），其中：

（2）

如果对应像素值变化小于事先确定的阀值时，则认为此处为背景像素，取值为0；如果图像区域的像素值变化很大，则认为这是由于图像中运动物体引起的，将这些区域标记为前景像素，取值为1。本文利用标记的不同像素区域来确定视频中的运动图像，从而提取出感兴趣的视频区域。

1.3.2 算法特征

由于相邻两帧的时间间隔很短，用前一帧图像作为当前帧的背景模型具有较好的实时性，其背景不积累，且更新速度快、算法简单、计算量小。

而劣势在于对环境噪声较为敏感，阀值的选择相当关键，选择过低无法抑制图像中的噪声，过高则忽略了图像中的变化。对于较大的、颜色一致的运动目标，有可能产生空洞，无法完整地提取运动目标。

2 插值算法的研究

2.1 原理分析

根据算法是否利用图像的边缘信息可将其分为两类。

（1）是不基于边缘的图像缩放算法，在这类算法中，新得到的像素值与图像的边缘信息无关，只与其位置和其邻域的像素值有关。这类算法常用的有最近邻域法、双线性插值、样条插值等算法。

（2）是基于边缘的图像插值算法，这类算法新得到的像素点的灰度值与源图像的边缘相关，可得到比第1类算法更满意的视觉效果，但它们算法复杂，实际应用较少。本文选用较为简单的最邻近插值法对感兴趣区域实现缩放。

2.1.1 最邻近插值法

设：一个四点领域的点分别为（i，j）、（i，j+1）、（i+1，j）、（i+1，j+1）；其灰度值分别为g（i，j）、g（i，j+1）、g（i+1，j）、g（i+1，j+1）；求这四个像素点中间的某一个点（u，v）的灰度值。而最邻近插值法是通过比较这点和周围四个点之间的距离，然后与（u，v）距离最近的那个点的灰度值作为（u，v）的灰度值，并将将其距离记为D[（u，v），（i，j）]，其计算公式如下：

D[（u，v），（i，j）]=min{D[（u，v），（i，j）]，D[（u，v），（i，j+1）]，D[（u，v），（i+1，j）]，D[（u，v），（i+1，j+1）]} （3）

求得与（u，v）距离最近的那个点（p，q）之后，有最邻近法确定（u，v）的灰度值为g（u，v），其计算公式如下：

g（u，v）=g（p，q） （4）

但是最邻近插值法容易产生马赛克，当在一个四点领域内需要产生更多个像素点，这一缺点更为明显。

3 实验结果与分析

3.1 感兴趣区域的提取

采用帧间差分法来提取视频中的感兴趣区域，即在序列图像中检测出变化的区域，并将运动目标从背景图像中提取出来。（1）选取适当的阀值，（2）对差分图像进行二值化处理，区分背景像素和前景像素。但是实际的视频图像在进行差分处理时，会受到外界不可抗拒的干扰，导致提取的感兴趣区域并不完整，本文通过matlab软件进行帧差处理，结果如图1、图2所示。

结果分析：图1表明的是通过帧间差分法提取的第21帧ROI区域；图2表明的是通过帧间差分法提取的第79帧感兴趣区域。实验表明，采用帧间差分法可以有效地提取出视频图像中重要的信息，但是由于光照，阀值的选择，图像的选取等客观因素的存在，使得在用帧间差分法判断背景像素和前景像素时产生了误差，导致感兴趣区域的提取不完整，影响实验效果。

3.2 缩放结果

本文选用最邻近插值法实现图像的缩放，结果如图3所示。

结果分析：图3显示的是对提取出的ROI区域进行智能缩放的结果。实验表明，采用最邻近插值法可以有效地对提取出来的ROI区域进行缩放，算法简单，速度快，但是基于该种算法是不基于边缘的，所以缩放的结果会出现部分图像的失真，影响缩放效果。

4 结论

本文提出了一种对视频中的感兴趣区域实现智能缩放的方法。这种方法首先对视频图像进行帧间差分法的处理，通过合适的阀值对视频图像进行前景像素和北京像素的区分，然后再采用最邻近插值法将提取出来的ROI区域进行均匀的缩放。实验表明，该种方法可以有效地提取出视频图像中重要的信息并进行缩放，算法简单，速度较快，大大的提高了人们在生产生活中对于信息的获取效率。

参考文献

[1]李业伟.基于感兴趣区域的图像处理算法研究[D].山东师范大学硕士学位论文.

[2]张雄，毕笃彦，杨宝强.一种保持图像边缘的插值方法[J].空军工程大学学报.

[3]高岚，方康玲，付旭，等.一种边缘保护的灰度图像插值算法[J].武汉科技大学学报.

[4]党向盈，吴锡生，赵勇.基于边缘最大梯度的多方向优化插值算法[J].计算机应用研究.

[5]党向盈，吴锡生，赵勇.新的基于边缘检测提高图像质量的插值.

[6]吴锡生，党向盈，赵勇.基于阈值控制的边缘自适应快速图像插值算法[J].计算机工程.