视觉传达技术的模糊舰船图像增强分析范文

摘要:图像作为海量点的集合反映不同信息，常规方法由于只考虑单一视觉角度，预处理后的图像缺失部分像素点，影响图像增强质量，以模糊舰船图像为目标，研究基于视觉传达技术的增强方法。该方法从运动模糊图像和待去雾模糊图像两方面入手，预处理模糊舰船图像；利用灰度级修正算法增强模糊舰船图像，完善整个图像细节。测试结果表明，与原图像和高频强调滤波增强方法处理后的图像相比，新方法处理后的舰船图像峰值信噪比和图像对比度更高，可见基于视觉传达技术的增强方法，能够获得更加清晰的舰船图像。

关键词：视觉传达；舰船图像；去模糊；图像增强

0引　言

大数据监测背景下，为了获得更多有用信息和关键性数据，舰船出海航行任务中对于大数据监测工作的要求越来越严格，其中对舰船航行环境可视化研究的工作尤为重视，通过最优插值算法处理航行过程中的监测信息，采用LOD动态调度技术，实现对环境要素的可视化处理，通过点、线、面、体相结合以及真实图像实时反馈的方式，展现不同航行区域内的环境信息[1]。但海洋环境是复杂多样的，加之海域中其他过往船只的影响，监测海洋环境信息更加艰难，为进一步加强船体航行安全，根据传感器获得的探测数据，模拟定位舰船所在位置，在Q函数的帮助下设计航行避障策略，规划航行路径[2]。这一过程由于水流的影响，会使船体本身产生摇晃动作，加上空气中存在较多杂质时，都会导致监测图像内容模糊、不清晰，针对这一问题，研究基于视觉传达技术的模糊舰船图像增强方法。

1基于视觉传达技术的模糊舰船图像增强

1.1图像去模糊

由于图像运动模糊是由于匀速运动和非匀速运动导致的，而非匀速运动的计算复杂，所以研究考虑模糊舰船图像是由于匀速运动造成的，通过下列公式描述运动模糊图像：T=U⊗σ+z。(1)σzσU式中：T和U分别表示模糊图像和待处理的清晰图像；表示模糊核；表示噪声。根据上述计算以输入模糊图像T和模糊核为起始条件，以输出清晰图像为目标，通过傅里叶变换得到：F(T)=H(T)•{1G(T)•|G(T)|2|G(T)|2+γ}。(2)H(T)γTα¯FF(∂x)F(∂y)U式中：表示退化函数；表示图像与噪声功率谱的比值。设置图的梯度为，模糊核的傅里叶变换共轭为，假设横纵坐标两个方向梯度的傅里叶变换复共轭分别用和表示，则清晰图像通过下列公式获得：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：表示常数值，从2开始迭代翻倍；，表示傅里叶变换下的变量。通过上述过程去除图像运动模糊。船体航行过程中，容易受空气中的水汽、尘粒等杂质的影响，一些舰船图像表面看起来雾蒙蒙的一片，遮挡了大量关键数据[3]。根据式（1），以输入待去雾模糊图像为起始条件，以输出去雾图像得到清晰结果为目标，计算模糊图像的暗通道图并进行均值滤波操作，得到暗通道图的像素均值，公式为：¯W(T)=1−s(T)Ab。(4)s(x)Ab(0,1)A式中：表示透射率；表示全局大气光系数；表示一个范围在内的数。根据上述公式导出系数，得到去雾后的图像U=A(G(T)−L(T))A−L(T)。(5)式中：L(T)表示环境光。通过上述两阶段过程对模糊舰船图像去雾。综合图像去运动模糊和图像去雾2种技术，预处理模糊舰船图像。

1.2灰度级修正模糊舰船图像

经过图像处理后，采用灰度级修正算法增强模糊舰船图像，该算法的计算公式为：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：表示实数值；表示像素灰度值平均值[4]。根据式（7）可知，的主要作用为控制图像整体灰度值。当实数时，舰船图像变暗；当实数时，舰船图像变亮。当实数时，图像边缘会更光滑；当实数时，图像边缘更锐利。此时增强图像会导致实数，已经处理过的图像再次出现大量噪声，所以当实数时调整公式，假设图像为，平均图像为，根据视觉传达技术定义图像像素的平均运算为，则得到：{p1(x,y)=R(p0(x,y))，pn(x,y)=R(pn−1(x,y))。(7)根据图中所有像素对应的点，将算法转变为下列公式所示的计算格式：log(λ′(x,y))=n∑k=1ηk(log(pk−1(x,y))−log(pn(x,y)))+δlog(pn(x,y))。(8)δηkkθ式中：为确定范围的参数；为控制处节点噪声的参数；其他参数与上述公式的解释一致。上述过程中，根据实数确定算法的运行过程，以灰度级修正算法增强模糊舰船图像。

2应用测试与效果分析

2.1模糊图像增强效果分析

将本文研究的基于视觉传达方法获得的舰船增强图像、常规高频强调滤波增强方法获得的舰船增强图像，与原图像进行对比，根据增强后的图像生成灰度直方图，讨论不同方法对模糊舰船图像的增强效果，如图1所示。已知舰船原图像的对比度较低，2组方法均提高了图像对比度，但像素灰度两极分化严重，所以增强后的图像出现过度明亮和过度黑暗的现象。本文方法利用灰度级修正算法增强模糊舰船图像后，提高了图像本身的对比度，并且对应的直方图，也直接显示了图像的灰度分布特征，图像视觉质量大幅度提升。

2.2模糊图像增强质量评价

为了获得更加准确的模糊图像增强效果，设置图像对比度（D）和峰值信噪比（PSNR）2个指标，通过公式评价模糊图像增强质量。其中指标D反应图像清晰程度，该值较大说明图像的清晰程度较高。PSNR是评价图像去噪质量的参数，该值较大说明图像的去噪效果较好。2个指标的公式为：cd2i(s,r)ikcmnI(x,y)B(x,y)式中：表示邻域；表示像素在第个邻域中的差值；表示与对应的其他邻域；表示图像的尺寸；表示原始舰船图像；表示去噪后的图像。根据上述公式评价不同方法的模糊图像增强质量，结果如表1所示。根据上述结果可知，本文方法的峰值信噪比和图像对比度评价结果最高，说明经本文方法增强处理后的模糊舰船图像噪声更小、图像更清晰。

3结　语

本文研究以常规图像增强方法为对照，从视觉传达的角度优化了图像细节，通过比较不同方法对模糊图像的增强效果和质量，验证了视觉传达技术可以优化图像细节。但本文方法的计算较为复杂，这种情况下会影响该方法自身的运行速度，尽管不会浪费太多时间，但也会稍逊于其他方法。未来可以设计一个模糊去除模型，通过更少的运算直接去除不同的模糊状态，加强对模糊图像的快速处理。

作者：解鸿远 单位：韩国庆一大学