红外监控图像红眼检测与消除

《红外监控图像红眼检测与消除》由会员分享，可在线阅读，更多相关《红外监控图像红眼检测与消除（3页珍藏版）》请在装配图网上搜索。

1、红外监控图像红眼检测与消除 摘要：主动式红外摄像机在夜视监控视频中极易出现红眼效应，在图像中留下明显的亮圆斑。针对此缺陷，提出一种自动红眼检测与消除算法。首先对红外夜视监控图像进行边缘检测和形态学闭运算，形成连通域；然后通过分析亮圆斑的几何特征提出三个限制条件，筛选出红眼所在的连通域，输出红眼掩膜；最后对红眼区域用灰度替换和平滑滤波方法进行消除处理。该方法无需人脸检测，无需利用色彩信息，实验结果说明，红眼消除效果良好，速度快，为红外灰度图像优化提供了有效的方法。关键词：红眼效应；红外监控摄像机；红眼定位；红眼消除?34；TP391.4文献标识码：A文章编号：1004?373X202117?00

2、65?03Detectionandeliminationofred?eyeininfraredmonitoringimagesCHENJianpei1，ZHUWeizhan2，CAIZhigang11.StateKeyLaboratoryofOptoelectronicMaterialsandTechnologies，SunYat?senUniversity，Guangzhou510275，China；2.GuangdongBeseenDigitalTechnologyLimitedCompany，Guangzhou510663，ChinaAbstract：Sincered?eyeeffect

3、isliabletoappearinnightvisionmonitoringvideoofactiveinfraredcamera，theobviousbrightandroundspotswillbeleftindigitalimages.Forthisdefect，analgorithmwhichcandetectandeliminatered?eyefastandeffectively，whichprovidesaneffectivemethodfortheoptimizationofinfraredgrayscaleimages.Keywords：red?eyeeffect；infr

4、aredmonitoringcamera；red?eyelocation；red?eyeelimination0引言随着社会对安防的重视，视频监控技术特别是红外夜视监控得到了空前应用。国内外在夜视监控技术领域，普遍使用的是低照度摄像机加红外补光照明技术，但是由于红眼效应，瞳孔位置会在监控图像上形成一个明亮的圆斑，破坏图像的真实性。为了解决此缺陷，本文从红眼检测和红眼消除两方面进行研究，以提高红外夜视监控质量。从1989年Hutchinson发现近红外光源摄像的红眼效应开始【1】，红眼检测开展迅速，日渐成熟。张昌明，Rizon，Yoo，Chen等大多数研究员都在人脸特征检测的根底上，缩小范围再定

5、位红眼2?5。Gaubatz和Ali研究团队结合颜色和强度变化创立检测掩膜实现红眼检测，得到了很好的监测效果6?7，由于红外监控是灰度图像，没有颜色信息，此方法并不适用。陈春波和Morimoto等人利用近轴光照射瞳孔的亮状态和远轴光照射瞳孔的暗状态对两张图像进行差分处理8?9，很好地提取出人眼位置，但该方法需要复杂的设备，并不适合室外夜视监控。Zhao和王基帆在室内理想条件下拍摄红眼图片，使用数理形态学的开运算或者Quoit滤波处理红外图像并与原图像进行差分，从而实现瞳孔定位，具有很好的参考价值10?11。柯达公司的Dobbs和Goodwin最早提出采用图像处理方法进行红眼消除12，之后DeL

6、uca，Steinberg等人申请了大量消除红眼效应的专利，Schettini，赵全友，路明等国内外研究人员都致力于研究自动红眼消除算法13?17，并取得了一定效果，但这些方法都是基于RBG或者YUV颜色空间的，并不能直接应用于红外监控图像。由于受到室外夜视环境和成像系统本身等多种因素的影响，主动式红外监控图像无色彩信息，人脸检测难度大，前人研究方法都无法直接应用，所以本文针对红外夜视监控图像的特点提出具有可靠性的红眼检测和红眼消除新方法。1红眼检测一般情况下，为了保证室外监控范围，监控图像中的人物都比拟小，加之黑暗条件下，摄像系统为取得适宜亮度而提高感光度引起图像噪声，导致人物图像模糊，人脸

7、特征不明显，无法检测人脸。但是红眼效应所产生的明亮小圆斑，其“亮、“圆特征非常明显，通过图1所示的流程，根本上可以剔除复杂的背景干扰，准确得到红眼位置的掩膜。1对输入的红外监控图像采用Canny算子进行边缘检测。Canny算法在检测前会进行高斯滤波，有效地抑制噪声；使用4个mask检测水平、垂直以及对角线方向的边缘，没有方向性，对圆形的检测最有效果，能够精确检测出红眼效应的边缘。2将边缘图像进行形态学闭操作，即先膨胀后腐蚀操作，形成封闭的连通域。3对所有的连通域进行条件筛选，通过分析红眼亮斑特征，其判定内容分别为：连通域的长短轴之比、连通域面积、连通域平均灰度值。根据连通域的形状，可以计算得到

8、与该区域具有相同标准二阶中心矩的椭圆的长轴a和短轴b像素意义下，对于标准的圆形来说，长短轴之比K=ab=1，虽然红眼效果在图像上产生一个圆斑，但是由于环境影响，K值在1，2之间都是可能出现的。红外夜视图像的红眼效应产生的圆斑是有一定面积的，对连通域的面积进行限制，可以抑制环境背景中出现圆形物体的干扰，更重要的是可以剔除高亮噪点。其面积大小A应该根据监控范围以及摄像机像素大小确定，一般情况下A值在10，100之间。边缘检测会提取出所有明显的边界，包括光亮和灰暗的边界，所以需要通过连通域的平均灰度值S大小剔除暗圆斑连通域，调查发现图像亮度适中情况下，红眼效应的圆斑平均灰度值S普遍大于150。以上三

9、个判定条件虽然都比拟粗糙，但是各自独立，结合在一起可以严格筛选出红眼亮斑。算法采用的门限为1K2，10A100，S150，符合条件的连通域即为红眼所在位置，输出为红眼掩膜，为下一步的红眼消除提供依据。2红眼消除国内外研究人员多数致力于彩色图像的红眼消除，主要用G，B颜色信息对红眼位置的R分量进行矫正，几乎没有涉及到灰度图像的红眼消除，但是夜视红外监控图像的红眼效应非常明显，给观测者带来不舒服的视感刺激，所以解决此问题对提高监控质量还是很有必要的。在夜视红外监控中，红眼效应已经完全破坏了眼睛位置的真实信息，本文只能凭借人们的观察习惯，用人脸的灰度值作为参考，对红眼进行矫正消除。首先对红眼掩膜用3

10、3大小的正方形为结构元素进行膨胀操作，提选出红眼周围宽为3个像素的圆环，作为矫正参考区域。该区域避开眼睛，但在人脸范围内，如图2所示。然后计算矫正参考区域的灰度平均值V，并将红眼区域的像素灰度值修改为V2。这样眼睛位置要比人脸稍暗一点，但是修正后的红眼边界过渡不自然，通过高斯平滑处理使边界模糊到达目的。平滑范围包括修正后的眼睛和作为矫正参考的区域，使用如下33高斯算子：3实验结果实验在室外树林环境下进行，截取其中一张夜视红外监控图像进行处理分析。图3a是直接从摄像机输出的原始监控图像，人脸模糊，环境复杂，但是红眼效应产生的明亮圆斑非常明显。经过Canny算子边缘检测和闭运算后，图3b中显示了树

11、叶复杂轮廓对红眼检测带来一定的干扰。但是对连通域进行1K2，10A100，S150三个条件筛选限定后，只留下了红眼连通域，形成红眼掩膜，如图3c所示。图3d是将该红眼掩膜在原图中标记出来，可见定位非常准确，为红眼消除提供了准确依据。通过本文提出的红眼消除算法处理后，得到图3e结果，通过放大图可以看出消除效果是理想的，过渡平滑，红眼不再突出。不过由于左边的人佩戴眼镜造成反光，带来一定的影响。另外，对一段视频共150帧图片进行实验，94%的红眼能够检测出并被修正，到达了很好的效果。但也有8%的图片出现了误检，将图片中类似于红眼效应的亮斑进行了错误的修正。4结语针对红外夜视监控图像出现的红眼效应，本文在前人的研究根底上提出一种新颖的红眼检测及消除算法。该算法无需利用颜色信息，也不用对人脸进行检测，针对红外监控图像直接判断出红眼所在位置，防止了人脸检测带来的误判，同时也大大减少了对人脸检测所消耗的时间，为实时检测提供了有力工具。而且红眼消除算法简单，消除后具有良好的视觉效果，实用性强。不过该算法会将图像中任何与红眼效应相似的明亮圆斑消除掉，这是需要继续改良?computerinteractionusingeye?gazeinputJ.IEEETran?sactionsonSystems，ManandCybernetics，1989，196：1527?1534.