采用PCNN对马赛克进行检测

陆 旭，丁洪伟，程海杰,王 涌,郭 嘉

(1.云南大学 信息学院，昆明 650091；2.云南省广播电视局 科技处，昆明 650041)

采用PCNN对马赛克进行检测

陆 旭1，丁洪伟1，程海杰1,王 涌2,郭 嘉2

(1.云南大学 信息学院，昆明 650091；2.云南省广播电视局 科技处，昆明 650041)

质量监管技术作为交互式网络电视、手机电视监管技术的一个重要部分，在一定程度上决定着人们观看视频的质量。质量监管是从业务质量的层面对传输质量、质量内容和用户体验质量等进行监管。文中针对节目内容监管中的马赛克检测做相应的研究。考虑到马赛克的错误区域和其邻域存在不光滑的界面，故马赛克的检测采用脉冲耦合神经网络的灰度图像边缘检测进行。仿真的结果表明，提取出的图像有很清晰的矩形框或方格状，与其他部位明显不同。

马赛克检测；脉冲耦合神经网络；误码；边缘提取

随着交互式网络电视(internet protocol television，IPTV)、手机电视的不断发展，人们对视频的质量要求越来越高，故对质量监管技术也提出了更高的要求。通过调研发现，影响视频质量的因素主要有：黑场、静帧、马赛克等。现有一些研究已实现了对它们的检测。本文对马赛克的检测采用脉冲耦合神经网络的灰度图像边缘检测技术进行。

1 马赛克产生的原因

马赛克的产生有许多原因。例如，在调制或解调的过程中出现了误码或者数据的丢失，且误码的位置不同产生的图像畸变会有差别，也可能是传输的过程中噪声的干扰或者传输介质出现了故障等。以下是一些造成马赛克的具体原因：

1)同步字节错误(sync byte)造成马赛克。

2)连续计数错误(continuity) 造成马赛克。

3) PCR抖动错误造成马赛克。

4)调制误码率(modulation error ratio，MER)取值过低或者误码(bit error rate，BER)取值过大造成马赛克。例如,对64QAM，要求MER≥29 dB。

5) 数字频道受到组合互调噪声(数字频道与模拟频道间的非线性产物)干扰时，会表现为图像频繁的马赛克。

6)网络传输中出现故障会导致产生马赛克。

7)用户家中装修铺设的电视电缆及器件不合格，造成网络的阻抗不匹配(信号反射过大)引起QAM信号严重畸变或信号功率电平衰减严重造成马赛克。

2 马赛克图像的特征

1)马赛克以块状的形式出现，形状相对规整，块内色彩相对均匀，而块间色彩会有突变，用图像边缘检测法检测图像边缘，会发现马赛克部位边界呈方格状或不完整方格状。

2)DC 系数偏大、偏小或运动向量错误造成错误域与邻域的连续性被破坏的带畸变的画面[1]。

3)由于帧间预测造成的畸变区域的扩散, 随着预测的不断推进, 畸变区域也进行扩散, 但是畸变区域的条或块状特征会越来越不明显[1]。

4)数字电视的马赛克检测的目的是发现演播等故障, 其产生的误码均为突发性误码, 其误码的数量往往较大, 所以，一般情况下其产生的畸变区域也具有较大的范围[1]。

5)解码器停止工作造成畸变区域内部可能是黑色[1]。

3 马赛克的检测

基于马赛克的特征并考虑到马赛克的错误区域和其邻域存在不光滑的界面[2]，对马赛克的检测采用脉冲耦合神经网络(pulse coupled neural network，PCNN)对图像的亮度Y进行边缘提取[3], 提取出边缘后，对边缘进行判断。

3.1 马赛克检测的流程

首先，提取出一帧的数据；然后，对亮度数据采用PCNN进行边缘提取；最后，观察得到的图像边缘。如果图像边缘存在矩形框则判断该帧存在马赛克，如果没有出现则表明没有马赛克，如图1所示。此处矩形框表现为“边为白色，中间黑色”。

图1 马赛克检测流程图

3.2 脉冲耦合神经网络

Eckhorn 等人在对猫的大脑视觉皮层的研究中，发现那些具有相似外部输入的视觉皮层神经元会发出同步震荡的脉冲序列，提出了最早的 PCNN 模型[4]。Johnson在 Eckhorn模型基础上提出了简化的PCNN 模型，该模型可用离散数学方程描述如下：

(1)

(2)

Uj(n)= Fj(n)[1+βjLj(n)]

(3)

(4)

(5)

具体的PCNN模型图像如图2所示。

图2 PCNN模型

实现过程为：

2)在调制域，Uj(t)为神经元的内部状态值，是神经元双通道的非线性调制结果；βj为链接强度。

3.3 基于PCNN的灰度图像边缘检测

用PCNN进行二维灰度图像边缘提取[6-7]时，为一单元二维的局部连接网络，且所有神经元的个数等于输入图像像素点的个数，神经元与像素点一一对应。每个神经元F通道信号等于其对应像素点的亮度值；每个神经元与其领域内的神经元通过通道L相联，L通道信号由其领域内其他神经元的输出脉冲产生。在数字图像中，边缘有阶跃边缘和屋顶状边缘，即图像灰度突变的部分或者是两个明显不同的灰度的边界，边缘处至少存在灰度的一次突变，领域内的图像灰度值不同，映射到PCNN点火图上为领域内的像素部分点火，部分不点火。

3.4 用Matlab编程实现

根据上述的理论分析和模型构建，在Matlab下编写相应的程序，通过反复的修改调试程序，得到一个较为优化的检测程序。使用该程序对一些含有马赛克的视频进行检测，检测结果与理论分析的结果一致。实验结果如图3所示。

图3 马赛克检测实验仿真

由图3的仿真结果可以看出，视频中若存在马赛克，不管是由PCNN分割出的图像还是由边缘提出的图像，都可以明显看出，图像中有很清晰的矩形框或方格状，与图像的其他部位相比具有明显的不同特征。

4 结束语

马赛克是一种常见的视频损伤，其特征表现为块状出现，形状相对规整，块内色彩相对均匀，而块间色彩会有突变，如果用图像边缘检测法检测图像边缘，则马赛克部位边界呈方格状或不完整方格状。基于这些特征，本文采用脉冲耦合神经网络 对图像亮度Y进行边缘提取，提取出边缘后，对边缘进行判断。存在马赛克的图像做边缘处理以后，马塞克的边缘形状是一个“边为白色，中间为黑色”的矩形框。通过仿真结果可以得出，提取出的图像有很清晰的矩形框或方格状，与其他部位明显不同。在进行数据传输时检测到马赛克立即处理，能够有效地提高数据传输的效率和质量。

[1]司文丽，朱镇林.马赛克故障图像的分析与检测[J].有线电视技术,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，凌坚，练益群.基于模板匹配的马赛克视频检测方法研究[J].中国有线电视，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]马义德，李廉，绽琨，等.脉冲耦合神经网络与数字图像处理[M].北京：科学出版社，2008.

[6]谭颖芳，周冬明，赵东风，等.Unit-Linking PCNN和图像熵的彩色图像分割与边缘检测[J].计算机工程与应用，2009,45(12):174-180.

[7]邹晓鹏，钟宬，王杨，等.一种简化PCNN模型在彩色图像边缘检测上的应用[J].西安电子科技大学学报：自然科学版，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

陆 旭(1993-)，男，本科在读，专业方向：通信工程专业。

TP391;TN911.73

A

10.3969/j.issn.1672-4550.2015.02.072