基于統(tǒng)計分類的臺標(biāo)識別相關(guān)技術(shù)研究

于 靜，高 飛,王沙沙，溫英新

(北京理工大學(xué) 信息與電子學(xué)院，北京100081)

電視臺標(biāo)是區(qū)分電視臺的重要標(biāo)識，臺標(biāo)有效識別將為視頻收視行為統(tǒng)計提供有力支持，同時，也是對各個電視臺進(jìn)行自動視頻分析、節(jié)目導(dǎo)向及內(nèi)容檢索的重要手段。目前，對臺標(biāo)識別已開展了廣泛的研究，從各種不同側(cè)面提出了一些臺標(biāo)識別的方法，在一定的條件下，這些方法可以較好地解決臺標(biāo)的正確識別[1-2]。

由于臺標(biāo)的透明度不同，臺標(biāo)可分為半透明臺標(biāo)和不透明臺標(biāo)兩類。半透明臺標(biāo)的像素點會隨著復(fù)雜背景變化，如中央電視臺和北京電視臺的臺標(biāo)。而不透明臺標(biāo)的像素點不會隨著背景改變，如湖南衛(wèi)視、東方衛(wèi)視等電視臺的臺標(biāo)[2]。若對上述兩種不同類型的臺標(biāo)采用同一種方法進(jìn)行識別，很難獲得令人滿意的效果。

本文通過對各種電視臺標(biāo)數(shù)據(jù)的分析，提出了一種基于統(tǒng)計分類的自動臺標(biāo)識別方法。該方法首先采用統(tǒng)計識別方法將不透明臺標(biāo)和半透明臺標(biāo)進(jìn)行有效分類。在此基礎(chǔ)上，針對兩種類型臺標(biāo)的各自特點，采用不同的臺標(biāo)分割方法將臺標(biāo)進(jìn)行正確分割。然后對分割的臺標(biāo)采用基于小波變換、奇異值分解的方法進(jìn)行特征提取和識別。經(jīng)大量實驗數(shù)據(jù)驗證，該方法識別精度高，具有較強的適應(yīng)性。

1 臺標(biāo)統(tǒng)計分類

為了實現(xiàn)臺標(biāo)的正確識別，首要任務(wù)是將上述兩類臺標(biāo)進(jìn)行有效分類。

由于臺標(biāo)位置的時空不變性[3]，而臺標(biāo)區(qū)域的背景變化相對較大，因此，可以采用基于多幀疊加及統(tǒng)計平均的方法使臺標(biāo)本身的信息獲得增強，同時弱化背景信息。但是，由于兩類臺標(biāo)的透明度不同，半透明臺標(biāo)的像素點會隨背景變化而改變，不透明臺標(biāo)的像素點不會隨著背景變化。因此，這種基于多幀疊加及統(tǒng)計平均的方法對于兩類臺標(biāo)的增強程度是不同的。

通過分析，構(gòu)成半透明臺標(biāo)有效部分的像素點都是偏向于白色的，偏白色像素點的R、G、B 3個分量的值都是偏大的。而不透明臺標(biāo)主要由彩色像素點構(gòu)成，基本不含有偏白色像素點或只含有一部分偏白色像素點，彩色像素點的R、G、B 3個分量不會同時取得較大值。因此，兩類臺標(biāo)所含偏白色像素點的數(shù)量相差較大，半透明臺標(biāo)含有更多的偏白色像素點。這是兩類臺標(biāo)的關(guān)鍵特性差異，基于這種差異可以對兩類臺標(biāo)進(jìn)行有效分類。

本文對視頻圖像數(shù)據(jù)的處理是針對每一幀數(shù)據(jù)左上角包含所有電視臺標(biāo)的盡量小的公共區(qū)域。

（1）對視頻圖像序列，連續(xù)采集 200幀數(shù)據(jù)，將 200幀視頻圖像數(shù)據(jù)分為10組，依序每隔10幀抽取1幀數(shù)據(jù)，組成1組，每一組中均含有在時間軸上不連續(xù)的20幀視頻圖像數(shù)據(jù)。

（2）對于每一組視頻數(shù)據(jù)，將 20幀圖像的 R、G、B 3個分量分別相加再取統(tǒng)計平均，所得均值分別記為SRi、SGi、SBi，i=1，2，…，10。

對于每一組在時間軸上不連續(xù)的20幀視頻圖像，臺標(biāo)本身不會隨背景改變（不透明臺標(biāo)）或僅有較小變化（半透明臺標(biāo)），而背景部分有較大改變，因此，通過多幀疊加再取平均的方法可以加強臺標(biāo)本身，同時弱化背景。

（3）經(jīng)過上述處理，獲得10組視頻圖像的 R、G、B分量的均值 SRi、SGi、SBi，i=1，2，…，10。 設(shè)定經(jīng)驗閾值，用該閾值分別對所得的均值 SRi、SGi、SBi進(jìn)行判別，將小于閾值的像素點置為0，而大于等于閾值的像素點保持不變。

（4）再將10組視頻圖像數(shù)據(jù)經(jīng)過上述處理的 SRi、SGi、SBi分別相加再取平均，得到均值 SR、SG、SB，采用（3）中的經(jīng)驗閾值分別對其進(jìn)行判別，將小于閾值的像素點置為0，而大于等于閾值的像素點保持不變。

（5）這時SR、SG、SB中保留的非零像素點分別為視頻圖像R、G、B分量取值較大的像素點，綜合利用經(jīng)過處理的均值SR、SG、SB將這三者相加再取平均，所得均值記為M,設(shè)定門限T。M中大于門限T的像素點即認(rèn)定為偏白的像素點，統(tǒng)計M中偏白像素點的數(shù)量，若大于某個閾值 (通過反復(fù)試驗求得最佳閾值)，則認(rèn)定這200幀視頻圖像的臺標(biāo)屬于半透明臺標(biāo)，否則認(rèn)為是不透明臺標(biāo)。臺標(biāo)統(tǒng)計分類方法的效果如圖1所示。

圖1 臺標(biāo)統(tǒng)計分類實驗結(jié)果

由此，通過統(tǒng)計分類的方法實現(xiàn)了半透明和不透明兩類臺標(biāo)的有效分類。

2 臺標(biāo)特征識別

上述預(yù)處理主要用于將半透明臺標(biāo)和不透明臺標(biāo)的有效分類。在分類的基礎(chǔ)上，對每類臺標(biāo)分別采用針對該類臺標(biāo)自身特點的方法實現(xiàn)臺標(biāo)的正確分割，然后采用基于小波變換和奇異值分解相結(jié)合的方法實現(xiàn)臺標(biāo)的有效表示和正確識別。

在臺標(biāo)特征識別中，僅對視頻臺標(biāo)區(qū)域的灰度圖像進(jìn)行處理。

2.1 臺標(biāo)分割

2.1.1 不透明臺標(biāo)分割

不透明臺標(biāo)各像素點與背景無關(guān)，僅受隨機噪聲干擾，取值基本不變，而背景部分變化較大。據(jù)此，采用迭代相減的方法去掉背景，將不透明臺標(biāo)的有效部分提取出來，實現(xiàn)臺標(biāo)的正確分割。具體做法是：

（1）在臺標(biāo)統(tǒng)計分類中，對于已經(jīng)判定歸為不透明臺標(biāo)一類的200幀視頻圖像序列進(jìn)行分組，將這200幀視頻的灰度圖像分為20組,每相鄰10幀視頻圖像數(shù)據(jù)組成1組。

（2）將每一組視頻中的10幀灰度圖像數(shù)據(jù)相加再取統(tǒng)計平均，所得均值分別記為 SNi，i=1，2，…，20。 經(jīng)統(tǒng)計平均后，可以加強不會隨背景改變的臺標(biāo)本身。各組的SNi在臺標(biāo)區(qū)域的像素點取值相近，而在背景區(qū)域的像素點取值相差較大。據(jù)此，可以實現(xiàn)不透明臺標(biāo)的分割。

（3）采用迭代相減的方法去除背景。首先，用SN2減去SN1，所得差值大于經(jīng)驗閾值D1的區(qū)域就判定為背景，將SN2中相應(yīng)的區(qū)域置為0。這樣，可以去掉一部分的背景。然后用SN3減去已去掉部分背景的SN2，并執(zhí)行與SN2減去SN1后相同的操作，這樣可以進(jìn)一步地去掉背景。以此類推，直至完成。此時，已將判定為背景的區(qū)域全部置為0。最后，認(rèn)定SN20保留的非零像素點構(gòu)成的區(qū)域即為有效臺標(biāo)部分，至此，實現(xiàn)了不透明臺標(biāo)的有效分割。不透明臺標(biāo)分割方法的效果如圖2所示。

圖2 東方衛(wèi)視臺標(biāo)分割實驗結(jié)果

2.1.2 半透明臺標(biāo)分割

半透明臺標(biāo)各像素點的取值會隨背景的變化而改變，針對這個特點，在分割半透明臺標(biāo)時，需要使用迭代相減和小波重構(gòu)兩種方法共同完成。具體做法是：

（1）在臺標(biāo)統(tǒng)計分類中，對于已經(jīng)判定歸為半透明臺標(biāo)一類的200幀視頻圖像序列進(jìn)行分組，將這200幀視頻的灰度圖像分為20組,每相鄰10幀視頻圖像數(shù)據(jù)組成1組。

（2）將每一組視頻中的10幀灰度圖像數(shù)據(jù)相加再取統(tǒng)計平均，所得均值分別記為STi，i=1，2，…，20。 經(jīng)統(tǒng)計平均后,可以加強會隨背景變化有較小改變的臺標(biāo)本身。

但是，由于半透明臺標(biāo)本身會隨背景改變，這種基于多幀疊加和統(tǒng)計平均的方法對半透明臺標(biāo)的加強沒有對不透明臺標(biāo)的效果好。因此，還需要對得到的STi進(jìn)行小波重構(gòu)，進(jìn)一步加強半透明臺標(biāo)[4]。

具體做法是：對STi進(jìn)行小波變換，并對得到的低頻小波系數(shù)進(jìn)行倍乘操作，再用倍乘后的低頻小波系數(shù)進(jìn)行小波逆變換，實現(xiàn)小波重構(gòu)。這樣可以使半透明臺標(biāo)的有效部分得到進(jìn)一步加強。經(jīng)小波重構(gòu)后的各組STi在臺標(biāo)區(qū)域的像素點取值相近，而在背景區(qū)域的像素點取值相差較大。據(jù)此，可以實現(xiàn)半透明臺標(biāo)的正確分割。

（3）對于小波重構(gòu)后的各組 STi，采用迭代相減的方法去除背景。首先，用ST2減去ST1，所得差值大于經(jīng)驗閾值D2的區(qū)域就判定為背景，將ST2中相應(yīng)的區(qū)域置為0。這樣，可以去掉一部分的背景。然后用ST3減去已去掉部分背景的ST2，并執(zhí)行與 ST2減去 ST1后相同的操作，這樣可以進(jìn)一步去掉背景。以此類推，直至完成。此時，已將判定為背景的區(qū)域全部置為0。最后，認(rèn)定ST20保留的非零像素點構(gòu)成的區(qū)域即為有效臺標(biāo)部分，至此，實現(xiàn)了半透明臺標(biāo)的正確分割。半透明臺標(biāo)分割方法的效果如圖3所示。

圖3 中央新聞臺標(biāo)分割實驗結(jié)果

2.2 臺標(biāo)特征提取及識別

以上已經(jīng)分別完成兩類臺標(biāo)的分割，接下來就要提取臺標(biāo)的有效特征并進(jìn)行識別。在此，以不透明臺標(biāo)為例，半透明臺標(biāo)的特征提取和識別采用相同的方法。

首先對分割出的臺標(biāo)進(jìn)行小波變換，得到小波系數(shù)的低頻分量。該分量集中反映了臺標(biāo)的主要特征，同時又可以起到去除噪聲和減少后續(xù)處理數(shù)據(jù)量的作用。

小波系數(shù)的低頻部分可以從多種層面反映臺標(biāo)的特征，如通常采用的方差、中心矩等。本文采用了一種新的方法，即對小波低頻系數(shù)矩陣進(jìn)行奇異值分解（SVD）[5]。

在奇異值分解理論中，任何m×n階矩陣M(假定m＞n），秩為 r（r≤n），則存在 m×m 正交陣 U 和 n×n 正交陣 V，使得:

其中，Σ=diag(λ1,λ2,…,λr)是對角矩陣，其對角元素為矩陣M的奇異值。

對小波低頻系數(shù)矩陣進(jìn)行奇異值分解，得到的奇異值作為臺標(biāo)的特征參數(shù)向量，如式(2)。

不同臺標(biāo)的小波低頻系數(shù)矩陣的特征值存有較大差異，因此，可將由式(2)得到的特征參數(shù)向量用于區(qū)分臺標(biāo)。

為了完成臺標(biāo)的識別，本研究中預(yù)先建有不透明類臺標(biāo)的知識庫S1(半透明類臺標(biāo)預(yù)先建有知識庫S2，S1與S2獨立)，臺標(biāo)知識庫中存有臺標(biāo)特征參數(shù)向量、電視臺名稱等相關(guān)知識。計算待識別臺標(biāo)與臺標(biāo)庫S1中各臺標(biāo)模板之間差值的2-范數(shù)，最小者即為候選臺標(biāo)。

在此,待識別臺標(biāo)只與本類臺標(biāo)知識庫中的各臺標(biāo)模板相比較，而不需與所有臺標(biāo)模板進(jìn)行比較，這樣可以減少臺標(biāo)識別的計算量。

3 實驗結(jié)果及分析

本文共采集中央新聞、北京衛(wèi)視、東方衛(wèi)視、天津衛(wèi)視和湖南衛(wèi)視等5個頻道,每個頻道30個樣本,共計150個樣本，每個樣本時長為8 s(視頻的幀速率為25幀/s)，樣本視頻圖像大小為640×480。統(tǒng)一提取視頻幀圖像左上角包含臺標(biāo)、大小為50×120的子圖作為分析對象。其中，中央新聞、北京衛(wèi)視兩個頻道的臺標(biāo)屬于半透明臺標(biāo)，東方衛(wèi)視、天津衛(wèi)視、湖南衛(wèi)視三個頻道的臺標(biāo)屬于不透明臺標(biāo)。臺標(biāo)識別算法實驗結(jié)果如表1所示。

表1 臺標(biāo)識別算法實驗結(jié)果

從表1中可以看出，本文算法對臺標(biāo)的正確識別率較高，特別是對半透明臺標(biāo)的識別精度可以達(dá)到100%。實驗中，影響不透明臺標(biāo)識別精度的原因是：每個待識別視頻樣本時長僅為8 s，當(dāng)視頻樣本臺標(biāo)區(qū)域的背景幾乎不變時，本文算法不能將不透明臺標(biāo)的有效部分從背景中提取出來，也就不能正確識別臺標(biāo)。

電視臺標(biāo)是區(qū)分電視臺的重要標(biāo)識，自動臺標(biāo)識別技術(shù)是對各個電視臺進(jìn)行自動視頻分析、節(jié)目導(dǎo)向及內(nèi)容檢索的重要手段。本文通過研究分析半透明和不透明兩類臺標(biāo)的共性和兩者的差異性，首先通過統(tǒng)計分類的方法將兩類臺標(biāo)分開，再針對兩類臺標(biāo)各自的特點，分別采用不同的方法實現(xiàn)每類臺標(biāo)的分割，最后對分割得到的臺標(biāo)用基于小波變換和奇異值分解的方法完成臺標(biāo)識別。實驗表明，該算法識別精度較高、適應(yīng)性較強，具有工程應(yīng)用價值，但對不透明臺標(biāo)的識別精度有待進(jìn)一步提高。在今后的研究中，將進(jìn)一步改進(jìn)不透明臺標(biāo)的分割方法，提高識別精度。

[1]周獻(xiàn)中，史迎春，王韜.基于HSV顏色空間加權(quán) Hu不變矩的臺標(biāo)識別[J].南京理工大學(xué)學(xué)報，2005，29(3)：363-367.

[2]張博洋，曾向榮，劉振中.基于神經(jīng)網(wǎng)絡(luò)的靜態(tài)臺標(biāo)識別系統(tǒng)設(shè)計與實現(xiàn)[J].計算機仿真，2009，26(1):212-215.

[3]TEKALP A M.數(shù)字視頻處理[M].崔之祐，江春，陳麗鑫,譯.北京：電子工業(yè)出版社，1998.

[4]CASTLEMAN K R.數(shù)字圖像處理[M].朱志剛，林學(xué)訚，石定機,等譯.北京：電子工業(yè)出版社，1998.

[5]張顯全，李國祥，秦芳遠(yuǎn).基于小波變換和奇異值分解的剪紙紋樣識別[J].計算機工程與設(shè)計，2010，31(10):2280-2282,2286.