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》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、红外监控图像红眼检测与消除陈健沛1，朱炜湛2，蔡志岗1（1.中山大学光电材料与技术国家重点实验室，广东广州510275；2.广州本致科技有限公司，广东广州510663）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

2、，实验结果表明，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。.jyqkoto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Goodask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

3、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

4、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。以上三个判定条件虽然都比较粗糙，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1?K?2,10?A?100,S?150，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

5、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3×3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，

6、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达到目的。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3×3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3（a）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3（b）中显示了树叶复杂轮廓对红眼检测带来

7、一定的干扰。但是对连通域进行1?K?2,10?A?100,S?150三个条件筛选限定后，只留下了红眼连通域，形成红眼掩膜，如图3（c）所示。图3（d）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3（e）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，达到了很好的效果。但也有8%的图片出现了误检，将图片中类似于红眼效

8、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，本文在前人的研究基础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，避免了人脸检测带来的误判，同时也大大减少了对人脸检测所耗费的时间，为实时检测提供了有力工具。而