摘 要：感興趣視頻區(qū)域的智能縮放在醫(yī)學，工業(yè)，金融等多方面得到了廣泛的運用。為了提取視頻中的感興趣區(qū)域，本文選取運算簡單，效益較高的幀間差分法來提取視頻圖像中的運動區(qū)域，并使用最鄰近插值算法將提取出的運動區(qū)域進行縮放，實現(xiàn)感興趣視頻區(qū)域的智能縮放功能。

關鍵詞：感興趣區(qū)域的提取 最鄰近插值算法 幀間差分法

中圖分類號：TP391.1 文獻標識碼：A 文章編號：1672-3791（2012）11（a）-0197-02

有效地提取視頻圖像中的重要信息并進行智能的縮放在實際的生產(chǎn)生活中非常的重要。因為全局的縮放無法將視頻中的重要信息提取出來，反而會增加縮放結(jié)果的失真度，所以ROI區(qū)域的縮放在多個領域給人們帶來眾多的便利。因此對視頻圖像中的運動目標進行檢測，在序列圖像中檢測出變化區(qū)域并將運動目標從背景圖像中提取出來，通過縮放方式實現(xiàn)感興趣視頻區(qū)域的智能縮放。

1 運動目標檢測的基本原理

運動目標檢測是指在序列圖像中檢測出變化區(qū)域并將運動目標從背景圖像中提取出來。實際生活中，對于一些視頻圖像的后期處理過程僅僅考慮視頻圖像中對應于運動目標的像素區(qū)域，因此運動目標的正確檢測與分割對于視頻圖像的后期處理很重要。然而，由于場景的動態(tài)變化和外在因素的影響，運動目標的檢測與分割變得相當復雜。一般根據(jù)攝像頭是否保持靜止，運動檢測可分為靜態(tài)背景和運動目標檢測。但是絕大多數(shù)視頻監(jiān)控系統(tǒng)是攝像頭固定的，因此靜態(tài)背景下運動目標檢測算法受到廣泛關注。本文將使用幀間差分法來檢測運動目標，并且運用最鄰近插值算法實現(xiàn)區(qū)域的縮放。

1.1 光流法

光流法在適當?shù)钠交约s束條件下，根據(jù)圖像序列的時空梯度估算運動場，根據(jù)運動場的變化對目標和場景進行檢測與分割。雖然計算量小，快速靈活的，但噪聲、多光源、陰影和遮擋等因素會對光流場分布的計算結(jié)果造成嚴重影響；而且光流法計算復雜，很難實現(xiàn)實時處理。

1.2 背景減除法

背景減除法是一種有效的運動對象檢測算法，是利用背景的參數(shù)模型來近似背景圖像的像素值，將當前幀與背景圖像進行差分比較實現(xiàn)對運動區(qū)域的檢測，其中區(qū)別較大的像素區(qū)域是運動區(qū)域，而較小的像素區(qū)域是背景區(qū)域。非回歸背景建模算法是動態(tài)的利用從某一時刻開始到當前一段時間內(nèi)存儲的新近觀測數(shù)據(jù)作為樣本來進行背景建模。而回歸算法在背景估計中無需維持保存背景估計幀的緩沖區(qū)，它們是通過回歸的方式基于輸入的每一幀圖像來更新某個時刻的背景模型。

1.3 幀間差分法

1.3.1 基本原理

幀差法就是在圖像序列相鄰兩幀間采用基于像素的時間差分通過閉值化來提取出圖像中的運動區(qū)域。

（1）將相鄰幀圖像對應像素值相減得到差分圖像Pt（x，y），其中：

Pt（x，y）=|ft（x，y）-ft-1（x，y）| （1）

式中：ft（x，y）為t時刻的幀；ft-1（x，y）為t-1時刻的幀。

（2）選擇合適的閥值，對上述差分圖像進行二值化處理，得到二值化圖像PKt（x，y），其中：

（2）

如果對應像素值變化小于事先確定的閥值時，則認為此處為背景像素，取值為0；如果圖像區(qū)域的像素值變化很大，則認為這是由于圖像中運動物體引起的，將這些區(qū)域標記為前景像素，取值為1。本文利用標記的不同像素區(qū)域來確定視頻中的運動圖像，從而提取出感興趣的視頻區(qū)域。

1.3.2 算法特征

由于相鄰兩幀的時間間隔很短，用前一幀圖像作為當前幀的背景模型具有較好的實時性，其背景不積累，且更新速度快、算法簡單、計算量小。

而劣勢在于對環(huán)境噪聲較為敏感，閥值的選擇相當關鍵，選擇過低無法抑制圖像中的噪聲，過高則忽略了圖像中的變化。對于較大的、顏色一致的運動目標，有可能產(chǎn)生空洞，無法完整地提取運動目標。

2 插值算法的研究

2.1 原理分析

根據(jù)算法是否利用圖像的邊緣信息可將其分為兩類。

（1）是不基于邊緣的圖像縮放算法，在這類算法中，新得到的像素值與圖像的邊緣信息無關，只與其位置和其鄰域的像素值有關。這類算法常用的有最近鄰域法、雙線性插值、樣條插值等算法。

（2）是基于邊緣的圖像插值算法，這類算法新得到的像素點的灰度值與源圖像的邊緣相關，可得到比第1類算法更滿意的視覺效果，但它們算法復雜，實際應用較少。本文選用較為簡單的最鄰近插值法對感興趣區(qū)域?qū)崿F(xiàn)縮放。

2.1.1 最鄰近插值法

設：一個四點領域的點分別為（i，j）、（i，j+1）、（i+1，j）、（i+1，j+1）；其灰度值分別為g（i，j）、g（i，j+1）、g（i+1，j）、g（i+1，j+1）；求這四個像素點中間的某一個點（u，v）的灰度值。而最鄰近插值法是通過比較這點和周圍四個點之間的距離，然后與（u，v）距離最近的那個點的灰度值作為（u，v）的灰度值，并將將其距離記為D[（u，v），（i，j）]，其計算公式如下：

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）

求得與（u，v）距離最近的那個點（p，q）之后，有最鄰近法確定（u，v）的灰度值為g（u，v），其計算公式如下：

g（u，v）=g（p，q） （4）

但是最鄰近插值法容易產(chǎn)生馬賽克，當在一個四點領域內(nèi)需要產(chǎn)生更多個像素點，這一缺點更為明顯。

3 實驗結(jié)果與分析

3.1 感興趣區(qū)域的提取

采用幀間差分法來提取視頻中的感興趣區(qū)域，即在序列圖像中檢測出變化的區(qū)域，并將運動目標從背景圖像中提取出來。（1）選取適當?shù)拈y值，（2）對差分圖像進行二值化處理，區(qū)分背景像素和前景像素。但是實際的視頻圖像在進行差分處理時，會受到外界不可抗拒的干擾，導致提取的感興趣區(qū)域并不完整，本文通過matlab軟件進行幀差處理，結(jié)果如圖1、圖2所示。

結(jié)果分析：圖1表明的是通過幀間差分法提取的第21幀ROI區(qū)域；圖2表明的是通過幀間差分法提取的第79幀感興趣區(qū)域。實驗表明，采用幀間差分法可以有效地提取出視頻圖像中重要的信息，但是由于光照，閥值的選擇，圖像的選取等客觀因素的存在，使得在用幀間差分法判斷背景像素和前景像素時產(chǎn)生了誤差，導致感興趣區(qū)域的提取不完整，影響實驗效果。

3.2 縮放結(jié)果

本文選用最鄰近插值法實現(xiàn)圖像的縮放，結(jié)果如圖3所示。

結(jié)果分析：圖3顯示的是對提取出的ROI區(qū)域進行智能縮放的結(jié)果。實驗表明，采用最鄰近插值法可以有效地對提取出來的ROI區(qū)域進行縮放，算法簡單，速度快，但是基于該種算法是不基于邊緣的，所以縮放的結(jié)果會出現(xiàn)部分圖像的失真，影響縮放效果。

4 結(jié)論

本文提出了一種對視頻中的感興趣區(qū)域?qū)崿F(xiàn)智能縮放的方法。這種方法首先對視頻圖像進行幀間差分法的處理，通過合適的閥值對視頻圖像進行前景像素和北京像素的區(qū)分，然后再采用最鄰近插值法將提取出來的ROI區(qū)域進行均勻的縮放。實驗表明，該種方法可以有效地提取出視頻圖像中重要的信息并進行縮放，算法簡單，速度較快，大大的提高了人們在生產(chǎn)生活中對于信息的獲取效率。

參考文獻

[1]李業(yè)偉.基于感興趣區(qū)域的圖像處理算法研究[D].山東師范大學碩士學位論文.

[2]張雄，畢篤彥，楊寶強.一種保持圖像邊緣的插值方法[J].空軍工程大學學報.

[3]高嵐，方康玲，付旭，等.一種邊緣保護的灰度圖像插值算法[J].武漢科技大學學報.

[4]黨向盈，吳錫生，趙勇.基于邊緣最大梯度的多方向優(yōu)化插值算法[J].計算機應用研究.

[5]黨向盈，吳錫生，趙勇.新的基于邊緣檢測提高圖像質(zhì)量的插值.

[6]吳錫生，黨向盈，趙勇.基于閾值控制的邊緣自適應快速圖像插值算法[J].計算機工程.