陸 旭，丁洪偉，程海杰,王 涌,郭 嘉

(1.云南大學(xué) 信息學(xué)院，昆明 650091；2.云南省廣播電視局 科技處，昆明 650041)

采用PCNN對馬賽克進行檢測

陸 旭1，丁洪偉1，程海杰1,王 涌2,郭 嘉2

(1.云南大學(xué) 信息學(xué)院，昆明 650091；2.云南省廣播電視局 科技處，昆明 650041)

質(zhì)量監(jiān)管技術(shù)作為交互式網(wǎng)絡(luò)電視、手機電視監(jiān)管技術(shù)的一個重要部分，在一定程度上決定著人們觀看視頻的質(zhì)量。質(zhì)量監(jiān)管是從業(yè)務(wù)質(zhì)量的層面對傳輸質(zhì)量、質(zhì)量內(nèi)容和用戶體驗質(zhì)量等進行監(jiān)管。文中針對節(jié)目內(nèi)容監(jiān)管中的馬賽克檢測做相應(yīng)的研究?？紤]到馬賽克的錯誤區(qū)域和其鄰域存在不光滑的界面，故馬賽克的檢測采用脈沖耦合神經(jīng)網(wǎng)絡(luò)的灰度圖像邊緣檢測進行。仿真的結(jié)果表明，提取出的圖像有很清晰的矩形框或方格狀，與其他部位明顯不同。

馬賽克檢測；脈沖耦合神經(jīng)網(wǎng)絡(luò)；誤碼；邊緣提取

隨著交互式網(wǎng)絡(luò)電視(internet protocol television，IPTV)、手機電視的不斷發(fā)展，人們對視頻的質(zhì)量要求越來越高，故對質(zhì)量監(jiān)管技術(shù)也提出了更高的要求。通過調(diào)研發(fā)現(xiàn)，影響視頻質(zhì)量的因素主要有：黑場、靜幀、馬賽克等。現(xiàn)有一些研究已實現(xiàn)了對它們的檢測。本文對馬賽克的檢測采用脈沖耦合神經(jīng)網(wǎng)絡(luò)的灰度圖像邊緣檢測技術(shù)進行。

1 馬賽克產(chǎn)生的原因

馬賽克的產(chǎn)生有許多原因。例如，在調(diào)制或解調(diào)的過程中出現(xiàn)了誤碼或者數(shù)據(jù)的丟失，且誤碼的位置不同產(chǎn)生的圖像畸變會有差別，也可能是傳輸?shù)倪^程中噪聲的干擾或者傳輸介質(zhì)出現(xiàn)了故障等。以下是一些造成馬賽克的具體原因：

1)同步字節(jié)錯誤(sync byte)造成馬賽克。

2)連續(xù)計數(shù)錯誤(continuity) 造成馬賽克。

3) PCR抖動錯誤造成馬賽克。

4)調(diào)制誤碼率(modulation error ratio，MER)取值過低或者誤碼(bit error rate，BER)取值過大造成馬賽克。例如,對64QAM，要求MER≥29 dB。

5) 數(shù)字頻道受到組合互調(diào)噪聲(數(shù)字頻道與模擬頻道間的非線性產(chǎn)物)干擾時，會表現(xiàn)為圖像頻繁的馬賽克。

6)網(wǎng)絡(luò)傳輸中出現(xiàn)故障會導(dǎo)致產(chǎn)生馬賽克。

7)用戶家中裝修鋪設(shè)的電視電纜及器件不合格，造成網(wǎng)絡(luò)的阻抗不匹配(信號反射過大)引起QAM信號嚴(yán)重畸變或信號功率電平衰減嚴(yán)重造成馬賽克。

2 馬賽克圖像的特征

1)馬賽克以塊狀的形式出現(xiàn)，形狀相對規(guī)整，塊內(nèi)色彩相對均勻，而塊間色彩會有突變，用圖像邊緣檢測法檢測圖像邊緣，會發(fā)現(xiàn)馬賽克部位邊界呈方格狀或不完整方格狀。

2)DC 系數(shù)偏大、偏小或運動向量錯誤造成錯誤域與鄰域的連續(xù)性被破壞的帶畸變的畫面[1]。

3)由于幀間預(yù)測造成的畸變區(qū)域的擴散, 隨著預(yù)測的不斷推進, 畸變區(qū)域也進行擴散, 但是畸變區(qū)域的條或塊狀特征會越來越不明顯[1]。

4)數(shù)字電視的馬賽克檢測的目的是發(fā)現(xiàn)演播等故障, 其產(chǎn)生的誤碼均為突發(fā)性誤碼, 其誤碼的數(shù)量往往較大, 所以，一般情況下其產(chǎn)生的畸變區(qū)域也具有較大的范圍[1]。

5)解碼器停止工作造成畸變區(qū)域內(nèi)部可能是黑色[1]。

3 馬賽克的檢測

基于馬賽克的特征并考慮到馬賽克的錯誤區(qū)域和其鄰域存在不光滑的界面[2]，對馬賽克的檢測采用脈沖耦合神經(jīng)網(wǎng)絡(luò)(pulse coupled neural network，PCNN)對圖像的亮度Y進行邊緣提取[3], 提取出邊緣后，對邊緣進行判斷。

3.1 馬賽克檢測的流程

首先，提取出一幀的數(shù)據(jù)；然后，對亮度數(shù)據(jù)采用PCNN進行邊緣提??；最后，觀察得到的圖像邊緣。如果圖像邊緣存在矩形框則判斷該幀存在馬賽克，如果沒有出現(xiàn)則表明沒有馬賽克，如圖1所示。此處矩形框表現(xiàn)為“邊為白色，中間黑色”。

圖1 馬賽克檢測流程圖

3.2 脈沖耦合神經(jīng)網(wǎng)絡(luò)

Eckhorn 等人在對貓的大腦視覺皮層的研究中，發(fā)現(xiàn)那些具有相似外部輸入的視覺皮層神經(jīng)元會發(fā)出同步震蕩的脈沖序列，提出了最早的 PCNN 模型[4]。Johnson在 Eckhorn模型基礎(chǔ)上提出了簡化的PCNN 模型，該模型可用離散數(shù)學(xué)方程描述如下：

(1)

(2)

Uj(n)= Fj(n)[1+βjLj(n)]

(3)

(4)

(5)

具體的PCNN模型圖像如圖2所示。

圖2 PCNN模型

實現(xiàn)過程為：

2)在調(diào)制域，Uj(t)為神經(jīng)元的內(nèi)部狀態(tài)值，是神經(jīng)元雙通道的非線性調(diào)制結(jié)果；βj為鏈接強度。

3.3 基于PCNN的灰度圖像邊緣檢測

用PCNN進行二維灰度圖像邊緣提取[6-7]時，為一單元二維的局部連接網(wǎng)絡(luò)，且所有神經(jīng)元的個數(shù)等于輸入圖像像素點的個數(shù)，神經(jīng)元與像素點一一對應(yīng)。每個神經(jīng)元F通道信號等于其對應(yīng)像素點的亮度值；每個神經(jīng)元與其領(lǐng)域內(nèi)的神經(jīng)元通過通道L相聯(lián)，L通道信號由其領(lǐng)域內(nèi)其他神經(jīng)元的輸出脈沖產(chǎn)生。在數(shù)字圖像中，邊緣有階躍邊緣和屋頂狀邊緣，即圖像灰度突變的部分或者是兩個明顯不同的灰度的邊界，邊緣處至少存在灰度的一次突變，領(lǐng)域內(nèi)的圖像灰度值不同，映射到PCNN點火圖上為領(lǐng)域內(nèi)的像素部分點火，部分不點火。

3.4 用Matlab編程實現(xiàn)

根據(jù)上述的理論分析和模型構(gòu)建，在Matlab下編寫相應(yīng)的程序，通過反復(fù)的修改調(diào)試程序，得到一個較為優(yōu)化的檢測程序。使用該程序?qū)σ恍┖旭R賽克的視頻進行檢測，檢測結(jié)果與理論分析的結(jié)果一致。實驗結(jié)果如圖3所示。

圖3 馬賽克檢測實驗仿真

由圖3的仿真結(jié)果可以看出，視頻中若存在馬賽克，不管是由PCNN分割出的圖像還是由邊緣提出的圖像，都可以明顯看出，圖像中有很清晰的矩形框或方格狀，與圖像的其他部位相比具有明顯的不同特征。

4 結(jié)束語

馬賽克是一種常見的視頻損傷，其特征表現(xiàn)為塊狀出現(xiàn)，形狀相對規(guī)整，塊內(nèi)色彩相對均勻，而塊間色彩會有突變，如果用圖像邊緣檢測法檢測圖像邊緣，則馬賽克部位邊界呈方格狀或不完整方格狀。基于這些特征，本文采用脈沖耦合神經(jīng)網(wǎng)絡(luò) 對圖像亮度Y進行邊緣提取，提取出邊緣后，對邊緣進行判斷。存在馬賽克的圖像做邊緣處理以后，馬塞克的邊緣形狀是一個“邊為白色，中間為黑色”的矩形框。通過仿真結(jié)果可以得出，提取出的圖像有很清晰的矩形框或方格狀，與其他部位明顯不同。在進行數(shù)據(jù)傳輸時檢測到馬賽克立即處理，能夠有效地提高數(shù)據(jù)傳輸?shù)男屎唾|(zhì)量。

[1]司文麗，朱鎮(zhèn)林.馬賽克故障圖像的分析與檢測[J].有線電視技術(shù),2008(5)：113-116.

[2]HAN Y H. Detection and correction of transmission errors in JPEG images [J]. IEEE Transactions Circuits System Video Technology, 1998, 8(2): 221～230.

[3]章化冰，凌堅，練益群.基于模板匹配的馬賽克視頻檢測方法研究[J].中國有線電視，2010(11):1254-1255.

[4]Eckhom R,Reitboeck H J, Amdt M. Feature linking via stimulus-evoked oscillation:experimental results from cat visual cortex and functional implications from a network model[J].Neural Networks,1989(1):723-730.

[5]馬義德，李廉，綻琨，等.脈沖耦合神經(jīng)網(wǎng)絡(luò)與數(shù)字圖像處理[M].北京：科學(xué)出版社，2008.

[6]譚穎芳，周冬明，趙東風(fēng)，等.Unit-Linking PCNN和圖像熵的彩色圖像分割與邊緣檢測[J].計算機工程與應(yīng)用，2009,45(12):174-180.

[7]鄒曉鵬，鐘宬，王楊，等.一種簡化PCNN模型在彩色圖像邊緣檢測上的應(yīng)用[J].西安電子科技大學(xué)學(xué)報：自然科學(xué)版，2012,39(6):1-11.

Detecting Mosaics by Using PCNN

LU Xu1, DING Hongwei1, CHENG Haijie1, WANG Yong2, GUO Jia2

(1. School of Information Science and Engineering, Yunnan University, Kunming 650091, China; 2.Department of Science and Technology, Yunnan Provincial Administration of Radio, Film and Television, Kunming 650041, China)

Quality Supervision Technology is an important part of IPTV (Internet Protocol Television) and Mobile TV Supervision Technology, it decides the quality which people watch video to some degree. Quality Supervision supervises the quality of transmission and content of quality and quality of users’experience from the level of business quality. This paper does relevant research based on mosaic detection of content supervision. Considering mosaic’s the error area and its neighborhood exists not smooth interface, so the detection of mosaic supervises information by the gray image edge of pause coupling neural network. It may extract a very clear rectangle or square shape which is obvious different from other parts by the result of simulation.

mosaic detection; pulse coupled neural network(PCNN);error code; edge detection

2014-01-17；修改日期: 2014-04-07

陸 旭(1993-)，男，本科在讀，專業(yè)方向：通信工程專業(yè)。

TP391;TN911.73

A

10.3969/j.issn.1672-4550.2015.02.072