視覺傳達技術的模糊艦船圖像增強分析范文

本站小編為你精心準備了視覺傳達技術的模糊艦船圖像增強分析參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要:圖像作為海量點的集合反映不同信息，常規方法由于只考慮單一視覺角度，預處理后的圖像缺失部分像素點，影響圖像增強質量，以模糊艦船圖像為目標，研究基于視覺傳達技術的增強方法。該方法從運動模糊圖像和待去霧模糊圖像兩方面入手，預處理模糊艦船圖像；利用灰度級修正算法增強模糊艦船圖像，完善整個圖像細節。測試結果表明，與原圖像和高頻強調濾波增強方法處理后的圖像相比，新方法處理后的艦船圖像峰值信噪比和圖像對比度更高，可見基于視覺傳達技術的增強方法，能夠獲得更加清晰的艦船圖像。

關鍵詞：視覺傳達；艦船圖像；去模糊；圖像增強

0引　言

大數據監測背景下，為了獲得更多有用信息和關鍵性數據，艦船出海航行任務中對于大數據監測工作的要求越來越嚴格，其中對艦船航行環境可視化研究的工作尤為重視，通過最優插值算法處理航行過程中的監測信息，采用LOD動態調度技術，實現對環境要素的可視化處理，通過點、線、面、體相結合以及真實圖像實時反饋的方式，展現不同航行區域內的環境信息[1]。但海洋環境是復雜多樣的，加之海域中其他過往船只的影響，監測海洋環境信息更加艱難，為進一步加強船體航行安全，根據傳感器獲得的探測數據，模擬定位艦船所在位置，在Q函數的幫助下設計航行避障策略，規劃航行路徑[2]。這一過程由于水流的影響，會使船體本身產生搖晃動作，加上空氣中存在較多雜質時，都會導致監測圖像內容模糊、不清晰，針對這一問題，研究基于視覺傳達技術的模糊艦船圖像增強方法。

1基于視覺傳達技術的模糊艦船圖像增強

1.1圖像去模糊

由于圖像運動模糊是由于勻速運動和非勻速運動導致的，而非勻速運動的計算復雜，所以研究考慮模糊艦船圖像是由于勻速運動造成的，通過下列公式描述運動模糊圖像：T=U⊗σ+z。(1)σzσU式中：T和U分別表示模糊圖像和待處理的清晰圖像；表示模糊核；表示噪聲。根據上述計算以輸入模糊圖像T和模糊核為起始條件，以輸出清晰圖像為目標，通過傅里葉變換得到：F(T)=H(T)•{1G(T)•|G(T)|2|G(T)|2+γ}。(2)H(T)γTα¯FF(∂x)F(∂y)U式中：表示退化函數；表示圖像與噪聲功率譜的比值。設置圖的梯度為，模糊核的傅里葉變換共軛為，假設橫縱坐標兩個方向梯度的傅里葉變換復共軛分別用和表示，則清晰圖像通過下列公式獲得：U=F−1αF(T)F(σ)+µF(εx)F(∂x)+µF(εy)F(∂y)αF(σ)F(σ)+µF(∂x)F(∂x)+µF(∂y)F(∂y)。(3)µF(εx)F(εy)TUTWW式中：表示常數值，從2開始迭代翻倍；，表示傅里葉變換下的變量。通過上述過程去除圖像運動模糊。船體航行過程中，容易受空氣中的水汽、塵粒等雜質的影響，一些艦船圖像表面看起來霧蒙蒙的一片，遮擋了大量關鍵數據[3]。根據式（1），以輸入待去霧模糊圖像為起始條件，以輸出去霧圖像得到清晰結果為目標，計算模糊圖像的暗通道圖并進行均值濾波操作，得到暗通道圖的像素均值，公式為：¯W(T)=1−s(T)Ab。(4)s(x)Ab(0,1)A式中：表示透射率；表示全局大氣光系數；表示一個范圍在內的數。根據上述公式導出系數，得到去霧后的圖像U=A(G(T)−L(T))A−L(T)。(5)式中：L(T)表示環境光。通過上述兩階段過程對模糊艦船圖像去霧。綜合圖像去運動模糊和圖像去霧2種技術，預處理模糊艦船圖像。

1.2灰度級修正模糊艦船圖像

經過圖像處理后，采用灰度級修正算法增強模糊艦船圖像，該算法的計算公式為：λ(x,y)=βq(x,y)+θ(K(x,y)−q(x,y))+φ。(6)βθφq(x,y)φβ<1β>1θ<1θ>1θ>1θ>1K(x,y)p0(x,y)p1(x,y)R式中：表示實數值；表示像素灰度值平均值[4]。根據式（7）可知，的主要作用為控制圖像整體灰度值。當實數時，艦船圖像變暗；當實數時，艦船圖像變亮。當實數時，圖像邊緣會更光滑；當實數時，圖像邊緣更銳利。此時增強圖像會導致實數，已經處理過的圖像再次出現大量噪聲，所以當實數時調整公式，假設圖像為，平均圖像為，根據視覺傳達技術定義圖像像素的平均運算為，則得到：{p1(x,y)=R(p0(x,y))，pn(x,y)=R(pn−1(x,y))。(7)根據圖中所有像素對應的點，將算法轉變為下列公式所示的計算格式：log(λ′(x,y))=n∑k=1ηk(log(pk−1(x,y))−log(pn(x,y)))+δlog(pn(x,y))。(8)δηkkθ式中：為確定范圍的參數；為控制處節點噪聲的參數；其他參數與上述公式的解釋一致。上述過程中，根據實數確定算法的運行過程，以灰度級修正算法增強模糊艦船圖像。

2應用測試與效果分析

2.1模糊圖像增強效果分析

將本文研究的基于視覺傳達方法獲得的艦船增強圖像、常規高頻強調濾波增強方法獲得的艦船增強圖像，與原圖像進行對比，根據增強后的圖像生成灰度直方圖，討論不同方法對模糊艦船圖像的增強效果，如圖1所示。已知艦船原圖像的對比度較低，2組方法均提高了圖像對比度，但像素灰度兩極分化嚴重，所以增強后的圖像出現過度明亮和過度黑暗的現象。本文方法利用灰度級修正算法增強模糊艦船圖像后，提高了圖像本身的對比度，并且對應的直方圖，也直接顯示了圖像的灰度分布特征，圖像視覺質量大幅度提升。

2.2模糊圖像增強質量評價

為了獲得更加準確的模糊圖像增強效果，設置圖像對比度（D）和峰值信噪比（PSNR）2個指標，通過公式評價模糊圖像增強質量。其中指標D反應圖像清晰程度，該值較大說明圖像的清晰程度較高。PSNR是評價圖像去噪質量的參數，該值較大說明圖像的去噪效果較好。2個指標的公式為：cd2i(s,r)ikcmnI(x,y)B(x,y)式中：表示鄰域；表示像素在第個鄰域中的差值；表示與對應的其他鄰域；表示圖像的尺寸；表示原始艦船圖像；表示去噪后的圖像。根據上述公式評價不同方法的模糊圖像增強質量，結果如表1所示。根據上述結果可知，本文方法的峰值信噪比和圖像對比度評價結果最高，說明經本文方法增強處理后的模糊艦船圖像噪聲更小、圖像更清晰。

3結　語

本文研究以常規圖像增強方法為對照，從視覺傳達的角度優化了圖像細節，通過比較不同方法對模糊圖像的增強效果和質量，驗證了視覺傳達技術可以優化圖像細節。但本文方法的計算較為復雜，這種情況下會影響該方法自身的運行速度，盡管不會浪費太多時間，但也會稍遜于其他方法。未來可以設計一個模糊去除模型，通過更少的運算直接去除不同的模糊狀態，加強對模糊圖像的快速處理。

作者：解鴻遠 單位：韓國慶一大學