基于帧间预测的去水印算法的制作方法

本发明涉及视频处理技术领域。具体地说，本发明涉及一种基于帧间预测的去水印算法，更具体地说，本发明涉及一种快速识别静态参考物、通过预测图片运动模式来填充水印区域的方法。

背景技术：

在多媒体技术快速发展的时代中，大量的视频文件被生产出来。在一些视频文件中，制作者为了进行广告宣传或是出于对视频的版权进行保护以及侵权行为跟踪等，往往会以水印标记这些视频。但这些被标记了水印的视频往往会降低到观众的观看体验，此外对于视频传播者来说，也不希望传播视频的同时，将其他人的水印作为视频内容的一部分进行传播。因此，在视频处理中产生了一项去除视频水印的技术。目前的去水印方式，主要是采取的像素模糊化或者反色水印填充的方式去把水印消除，视觉效果较差，具有违和感。

技术实现要素：

本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。

本发明还有一个目的是提供一种基于帧间预测的去水印算法，其采用预测视频运动方式，采用前后帧的数据来填充，来保证数据尽量接近之前的像素。

为了实现根据本发明的这些目的和其它优点，提供了一种基于帧间预测的去水印算法，包括：

通过目标检测算法识别视频中的目标帧图像的静态参考物，读取目标帧图像一定数量的前后帧图像，筛选能够识别所述静态参考物的有效帧图像，计算所述静态参考物与时间轴对应的运动轨迹；

人工输入自开始像素至结束像素形成的带水印的矩形区域，根据所述静态参考物的运动轨迹，预测带水印的矩形区域的所有像素的运动轨迹，若有效帧图像均未预测到某一像素，则将取该像素周围像素值的平均值作为该像素的预测值，反之则取预测到该像素的有效帧图像的该像素的像素值的平均值作为该像素的预测值；

获取每一帧图像的带水印的矩形区域的所有像素的预测值并随视频时间轴显示。

优选的是，目标检测算法为ssd算法。

优选的是，一定数量的前后帧图像为前后1-5帧。

优选的是，一定数量的前后帧图像为前后2帧。

优选的是，一定数量的前后帧图像为后1-5帧。

优选的是，一定数量的前后帧图像为前1-5帧。

本发明至少包括以下有益效果：

本发明采用预测视频运动方式，采用前后帧的数据来填充，来保证数据尽量接近之前的像素，水印去除效果好，水印区域与周围区域平滑过渡、前后帧衔接自然，保证原视频观看的舒适性。

本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

附图说明

图1为本发明实例中第1帧图像基于运动预测后的水印像素的示意图；

图2为本发明实例中第2帧图像基于运动预测后的水印像素的示意图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不配出一个或多个其它元件或其组合的存在或添加。

需要说明的是，下述实施方案中所述实验方法，如无特殊说明，均为常规方法，所述试剂和材料，如无特殊说明，均可从商业途径获得。

通常视频的水印覆盖的区域相对固定，随着一帧帧图像的播放，水印覆盖的区域下的像素实际发生位移，想要达到去水印的效果，就需要在视频的水印覆盖的区域持续显示预测的像素值，本发明提供一种基于帧间预测的去水印算法，包括：

通过目标检测算法识别视频中的目标帧图像的静态参考物，静态参考物为视频中出现的轮廓完整的背景物体，作为静态参考物，连续多帧图像能够识别是比较理想的，这样更容易计算静态参考物的运动轨迹，通过ssd算法得到物体矩形轮廓及物体特征参数，然后随机选取其中一个作为静态参照物，将视频划分成一帧帧图像，逐一进行水印去除，选择目标帧图像，读取目标帧图像前后1-5帧的图像，随视频时间轴形成共2-10帧的图像集合(不含目标帧)，由于视频是动态的，静态参考物可能部分或全部在图像中消失，也就是没有识别静态参考物的图像认为是无效帧，予以丢弃，筛选能够识别所述静态参考物的有效帧图像，计算所述静态参考物与时间轴对应的运动轨迹，即目标帧的像素均遵循该运动轨迹，例如参照物矩形区域在某一帧(a)中的位置与目标帧的参照物区域相比偏移(x，y)个像素，那么将a帧偏移(-x，-y)后落在水印区域的像素就是a帧的估算像素，该算法可以处理偏移，缩放，旋转运动模式；

在实际计算过程中，读取目标帧图像前后2帧的图像，即随视频时间轴形成共4帧的图像集合(不含目标帧)，便可实现较为准确和理想的预测结果；如果目标帧为视频的第1帧，则仅需计算后1-5帧，从而预测第1帧的运动轨迹，同理，如果目标帧为视频的最后1帧，则仅需计算前1-5帧，从而预测最后1帧的运动轨迹。

人工输入自开始像素至结束像素形成的带水印的矩形区域，根据所述静态参考物的运动轨迹，预测带水印的矩形区域的所有像素(即被带水印的矩形区域覆盖的像素)的运动轨迹，各有效帧图像有可能预测到像素，也有可能无法预测到部分像素(超出图像范围即为无法预测)，若有效帧图像均未预测到某一像素，可以采用周围像素使用高斯模糊获取，高斯模糊将正态分布(即“高斯分布”)用于图像处理，将高斯模板“中心点”的每一个像素的值都用周边像素的平均值代替，即“中间点”取“周围点”的平均值，则将取该像素周围像素值的平均值作为该像素的预测值，反之有部分或全部有效帧图像预测到该像素，忽略未预测到该像素的有效帧图像，则取预测到该像素的有效帧图像的该像素的像素值的平均值作为该像素的预测值；

例如，目标帧为第3帧，识别目标帧的静态参考物，读取目标帧图像前后2帧的图像，即第1帧、第2帧、第4帧、第5帧，其中仅有第1帧、第2帧能够识别所述静态参考物，即作为有效帧，计算静态参考物的运动轨迹，人工输入带水印的矩形区域，假设水印占1、2、3、4四个像素，在第1帧、第2帧图像中预测目标帧中带水印的矩形区域覆盖的所有像素，第1帧图像基于运动预测后的水印像素如图1所示，其中1、2、3没有预测到像素，4根据运动获取到像素，第2帧图像基于运动预测后的水印像素如图2所示，1、2没有预测到像素，3、4根据运动获取到像素。那么对于目标帧的4像素来说，是取图1及图2的4像素值的平均值，作为目标帧的4像素的预测值，对于目标帧的3像素来说，由于图1的3像素没有预测到，只选择图2的3像素的像素值，作为目标帧的3像素的预测值，对于目标帧的1、2像素来说，由于图1、2的1、2像素没有预测到，均只能取周围像素的像素值的平均值，作为目标帧的1、2像素的预测值。

获取每一帧图像的带水印的矩形区域的所有像素的预测值并随视频时间轴显示，即每一帧图像逐一计算并显示带水印的矩形区域的所有像素预测值，形成连续帧即完整视频带水印的矩形区域的预测。

相较之前的将水印区域设为空白，全部通过高斯模糊估算，会造成水印区域的模糊问题。本算法可以根据运动模式直接采取前后帧的像素补充，尽最大限度将空白的区域限制到最小，保证高斯模糊估算的区域很小，避免了大区域估算造成的模糊现象。

这里说明的设备数量和处理规模是用来简化本发明的说明的。对本发明的应用、修改和变化对本领域的技术人员来说是显而易见的。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。