傅建明

(江西科技學(xué)院, 江西 南昌 330098)

0 引 言

由于船舶工作環(huán)境的特殊性，其在執(zhí)行出海任務(wù)時(shí)對(duì)各類信息的監(jiān)測(cè)要求更加嚴(yán)格，尤其是船舶的可視化信息，對(duì)于船舶安全出行來說更為重要[1-2]。但因?yàn)樗鞯臎_擊、水霧以及光照條件的影響，獲取的船舶實(shí)效圖像往往會(huì)出現(xiàn)模糊、顏色暗淡以及灰度化等分辨率低的問題[3-4]。為了獲取高分辨率的可視化信息，助力船舶安全行駛，就需要對(duì)獲取的船舶實(shí)效圖像進(jìn)行增強(qiáng)處理。

近年來，國內(nèi)外諸多學(xué)者關(guān)于船舶圖像增強(qiáng)問題進(jìn)行了研究，并取得了一定的研究成果。如黃寧淑等[5]利用剪裁的方式對(duì)船舶圖像目標(biāo)區(qū)域進(jìn)行提取，求得該區(qū)域內(nèi)像素間的距離，建立圖像物理坐標(biāo)，并依據(jù)坐標(biāo)信息對(duì)船舶圖像實(shí)施三維重建。在此基礎(chǔ)上，引入視覺傳達(dá)技術(shù)，對(duì)局部區(qū)域的亮度進(jìn)行調(diào)節(jié)，使圖像的光線分布更有層次感，進(jìn)而達(dá)到增強(qiáng)圖像的目的。成藻等[6]通過視覺傳達(dá)技術(shù)把船舶圖像劃分成三種秩序，即空間和時(shí)間、內(nèi)在和外在以及抽象和具象，并以此對(duì)圖像特征進(jìn)行提取，同時(shí)把圖像特征投射至聚類矩陣中，獲取聚類圖像，將高分辨率圖像當(dāng)作低分辨率圖像的優(yōu)化約束條件，確定目標(biāo)函數(shù)后重新建立聚類圖像，此時(shí)得到的圖像即為增強(qiáng)后的船舶圖像。上述2 種方法雖然對(duì)圖像起到了一定的增強(qiáng)作用，但是第1 種方法對(duì)于圖像光線的不均勻性可以進(jìn)行較好的處理，但在圖像細(xì)節(jié)方面則達(dá)不到理想的增強(qiáng)效果；第2 種方法則沒有考慮圖像增強(qiáng)的自適應(yīng)性，缺乏處理圖像的靈活性。

視覺傳達(dá)技術(shù)以交互體驗(yàn)與感受為重點(diǎn)，依據(jù)視覺規(guī)律，通過相關(guān)技術(shù)將視覺信息傳達(dá)出來，目前已在多個(gè)領(lǐng)域得到推廣。本文提出一種視覺傳達(dá)技術(shù)下船舶實(shí)效圖像自適應(yīng)增強(qiáng)方法，可以較好地實(shí)現(xiàn)船舶實(shí)效圖像的自適應(yīng)增強(qiáng)。

1 船舶實(shí)效圖像自適應(yīng)增強(qiáng)

1.1 船舶實(shí)效圖像亮度分量的校正處理

1.1.1 船舶實(shí)效圖像亮度分量的提取

由于采集到的原始船舶實(shí)效圖像屬于RGB 圖像，在RGB 空間中增強(qiáng)圖像的飽和度和亮度(灰度值)往往會(huì)使圖像出現(xiàn)顏色失真的現(xiàn)象；而在HSI 空間內(nèi)，是從色調(diào)(H)、飽和度(S)以及亮度(I)三個(gè)方面對(duì)圖像色彩特征進(jìn)行表述，并且I與H，S不存在任何關(guān)聯(lián)，也就是說，在該空間內(nèi)處理船舶實(shí)效圖像的亮度信息，則不會(huì)對(duì)其原來圖像的顏色產(chǎn)生影響。所以在對(duì)船舶實(shí)效圖像亮度進(jìn)行處理前，應(yīng)先將其轉(zhuǎn)換至HSV 空間中。對(duì)I的轉(zhuǎn)換可以描述為：

式中：RGB 圖像的紅、綠、藍(lán)分量分別用R，G，B描述。

1.1.2 基于伽馬校正的圖像亮度分量自適應(yīng)校正

伽馬校正屬于非線性操作，常用于圖像的預(yù)處理，該技術(shù)可以對(duì)圖像的光照和對(duì)比度進(jìn)行修正。而伽馬參數(shù)γ則是該技術(shù)中較為重要的參變量，利用對(duì)γ的調(diào)節(jié)，可以完成對(duì)圖像亮度分量的自適應(yīng)校正。當(dāng)γ是1 時(shí)，圖像沒有改變；當(dāng)γ小于1 時(shí)，圖像亮度會(huì)增大；當(dāng)γ大于1 時(shí)，圖像亮度會(huì)變小。本文依據(jù)船舶實(shí)效圖像光照分量的分布特點(diǎn)，對(duì)γ實(shí)施自適應(yīng)調(diào)節(jié)，進(jìn)而完成對(duì)船舶實(shí)效圖像亮度(灰度值)的自適應(yīng)校正。創(chuàng)建的伽馬校正函數(shù)描述為：

其中，γ描述為：

式中：光照分量亮度平均值用u描述；校正后亮度用Iout(x,y)描述；原圖像亮度用Iin∈[0,Imax]描述；Imax是最大亮度值；空間平面坐標(biāo)用x，y描述。

將轉(zhuǎn)換至HIS 空間的船舶實(shí)效圖像，通過上述操作，可以在顏色信息不流失的情況下，對(duì)其亮度進(jìn)行調(diào)節(jié)，進(jìn)而得到亮度適宜的船舶實(shí)效圖像。

1.2 基于Retinex 算法的船舶實(shí)效圖像增強(qiáng)

Retinex 算法屬于視覺傳達(dá)技術(shù)，該方法根據(jù)對(duì)人類視網(wǎng)膜和大腦皮層運(yùn)行過程的模擬，完成對(duì)圖像的增強(qiáng)，該過程可以表示為：

式中：E(x,y) 為經(jīng)過亮度校正后的船舶實(shí)效圖像用，L(x,y)為圖像中的光照分量用，D(x,y)為反射圖像用；且D(x,y)可以反映出船舶實(shí)效圖像的細(xì)節(jié)信息。

Retinex 算法的核心思想是：去除L(x,y)對(duì)圖像視覺效果造成的影響，保留能體現(xiàn)圖像本質(zhì)屬性的D(x,y)。單尺寸的Retinex 算法通過高斯函數(shù)對(duì)光照分量L(x,y)展開分析，消除L(x,y)對(duì)船舶實(shí)效圖像的影響，達(dá)到增強(qiáng)圖像的目的，描述為：

式中：卷積運(yùn)算用 *描述；高斯核函數(shù)用η(x,y)描述，且η(x,y)用公式表示為：

式中，歸一化系數(shù)用ζ描述，高斯環(huán)繞尺度用σ描述，e代表指數(shù)函數(shù)。

在Retinex 算法中，σ的取值至關(guān)重要，它直接關(guān)系到船舶實(shí)效圖像的增強(qiáng)效果。只有當(dāng)σ的取值適當(dāng)，才能使增強(qiáng)后的船舶實(shí)效圖像在動(dòng)態(tài)范圍的壓縮和對(duì)比度方面保持平衡，達(dá)到理想的圖像增強(qiáng)效果。為了使σ的取值更合理，本文利用粒子群算法(PSO)對(duì)σ值進(jìn)行自適應(yīng)選取。PSO 算法依據(jù)種群的連續(xù)迭代進(jìn)行全局求優(yōu)，即利用所有粒子之間的協(xié)作和競(jìng)爭(zhēng)來完成整體最佳位置的搜尋。粒子所處位置代表的就是σ的取值，算法最終尋得的整體最佳位置就是σ的最佳值。

設(shè)定存在于維度S空間中的種群，由數(shù)量是N的粒子構(gòu)建，描述為其中粒子i在該空間內(nèi)的位置用描述，代表問題的潛在解。該粒子的移動(dòng)速度用描述，個(gè)體極值用整體種群全局極值用描述。在迭代過程中，利用pg與pi對(duì)粒子的速度與位置進(jìn)行改變，該過程的更新模型可以描述為：

式中：粒子i的移動(dòng)速度用描述；位置用描述；目前迭代次數(shù)用t描述；慣性權(quán)重用ω描述；學(xué)習(xí)因子用λ1，λ2描述，隨機(jī)數(shù)用r1和r2描述，且二者的取值范圍為[0,1]。另外，為了避免粒子出現(xiàn)盲目搜尋的現(xiàn)象，需要對(duì)其速度與位置進(jìn)行設(shè)限，通常設(shè)限的范圍分別為[-Vmax,Vmax]和[-Qmax,Qmax]。

在PSO 算法中，需要利用適應(yīng)度值對(duì)粒子的優(yōu)良進(jìn)行評(píng)估，也是評(píng)價(jià)船舶實(shí)效圖像質(zhì)量好壞的依據(jù)。針對(duì)船舶實(shí)效圖像內(nèi)容模糊以及對(duì)比度低等特點(diǎn)，將信息熵H和標(biāo)準(zhǔn)差δ作為判斷船舶實(shí)效圖像質(zhì)量的指標(biāo)。其中，圖像中包含的信息量通過H描述，對(duì)比度特征用δ描述。將二者引入PSO 算法中，對(duì)船舶實(shí)效圖像增強(qiáng)問題的適應(yīng)度函數(shù)進(jìn)行構(gòu)建，描述為：

式中，常數(shù)用α1和α2描述，且二者的和是1。

通過對(duì)粒子適應(yīng)度的線性排列，可以對(duì)粒子進(jìn)行客觀評(píng)價(jià)。

傳統(tǒng)PSO 算法中，通常會(huì)出現(xiàn)粒子跟隨記憶搜尋，使算法過早收斂，出現(xiàn)局部極值的問題。為了避免出現(xiàn)類似的問題，可以將遺傳(GA)算法中的基因變異策略引入其中，對(duì)粒子位置更新方式進(jìn)行改進(jìn)，描述為：

式中，隨機(jī)數(shù)用r3和r4描述，目前和最大迭代次數(shù)分別用t和tmax描述，粒子變異幾率用h(t)描述。

通過上述方法對(duì)PSO 算法進(jìn)行改進(jìn)后，可以減少記憶性對(duì)粒子運(yùn)動(dòng)的干擾，防止出現(xiàn)重復(fù)路線，有效提升收斂速度，避免發(fā)生局部最優(yōu)的問題。

利用改進(jìn)后的PSO 算法可以得到Retinex 算法中σ的最優(yōu)值，從而提升Retinex 算法的性能，達(dá)到優(yōu)化Retinex 算法的目的。最后采用優(yōu)化后的Retinex 算法，去除光照分量L(x,y)對(duì)船舶實(shí)效圖像質(zhì)量產(chǎn)生的不良影響，獲取能反映圖像本質(zhì)屬性的D(x,y)，進(jìn)而實(shí)現(xiàn)船舶實(shí)效圖像的自適應(yīng)增強(qiáng)。

2 實(shí)驗(yàn)結(jié)果與分析

以某貨輪為實(shí)驗(yàn)對(duì)象，該貨輪長(zhǎng)50 m，寬6 m，深3.5 m，標(biāo)準(zhǔn)吃水1.3 m，運(yùn)載能力160 t，可用于遠(yuǎn)、近海的貨物運(yùn)輸。

為了驗(yàn)證本文方法的有效性，實(shí)驗(yàn)隨機(jī)選取該貨輪的實(shí)效圖像利用本文方法進(jìn)行了圖像增強(qiáng)操作。實(shí)驗(yàn)主要參數(shù)見表1，該貨輪實(shí)效圖像增強(qiáng)前后的效果，如圖1 所示。由圖1 可知，原船舶實(shí)效圖像整體較為灰暗，分辨率較低，不利于視覺信息的傳達(dá)和人眼的觀察。而經(jīng)過本文方法增強(qiáng)后的船舶實(shí)效圖像，極大地提升了圖像分辨率，清晰度高，無曝光點(diǎn)，細(xì)節(jié)豐富，達(dá)到了較好的視覺效果，為后續(xù)船舶實(shí)效圖像的應(yīng)用奠定了基礎(chǔ)。

圖1 船舶實(shí)效圖像增強(qiáng)效果圖Fig. 1 Enhanced effect of ship's actual image

表1 實(shí)驗(yàn)參數(shù)設(shè)置Tab. 1 Experimental parameter settings

為了驗(yàn)證本文所提優(yōu)化后粒子群算法的性能，實(shí)驗(yàn)對(duì)該算法的粒子適應(yīng)度進(jìn)行了測(cè)試，設(shè)定最大迭代次數(shù)為180，最佳適應(yīng)度為98，得到的結(jié)果如圖2 所示。由圖2 可知，利用本文方法得到的粒子適應(yīng)度曲線，隨著實(shí)驗(yàn)的進(jìn)行迅速向最佳值貼近。迭代次數(shù)為40 次時(shí)，適應(yīng)度曲線已接近最佳適應(yīng)度值；迭代次數(shù)為60 次時(shí)，適應(yīng)度曲線已處于收斂狀態(tài)。由此說明本文方法將GA 算法中的基因變異策略引入粒子群算法中，對(duì)其進(jìn)行了較好的改進(jìn)，可以快速實(shí)現(xiàn)算法的收斂，找到全局最優(yōu)值。

圖2 適應(yīng)度變化趨勢(shì)Fig. 2 Fitness variation trend

NIQE 即自然圖像質(zhì)量評(píng)估指標(biāo)，常用于對(duì)增強(qiáng)后圖像品質(zhì)的評(píng)價(jià)，其值越小，代表經(jīng)過增強(qiáng)的圖像與自然圖像差異越小。為了衡量本文方法的優(yōu)越性，實(shí)驗(yàn)在不同信噪比條件下，利用本文方法對(duì)船舶實(shí)效圖像進(jìn)行了自適應(yīng)增強(qiáng)，并通過NIQE 指標(biāo)對(duì)增強(qiáng)前后的船舶實(shí)效圖像質(zhì)量進(jìn)行了評(píng)價(jià)，得出的結(jié)果，如圖3所示?？芍?，經(jīng)過本文方法增強(qiáng)后的船舶實(shí)效圖像，在不同信噪比條件下的NIQE 值對(duì)比增強(qiáng)前的圖像得到了大幅度下降，尤其是信噪比為80 時(shí)，增強(qiáng)后船舶實(shí)效圖像的NIQE 已降低至2，即使信噪比為10 時(shí)，增強(qiáng)后圖像的NIQE 也未超過4。由此說明，利用本文方法對(duì)船舶實(shí)效圖像進(jìn)行適自應(yīng)增強(qiáng)后，圖像質(zhì)量有了顯著提升，進(jìn)而證明本文方法具有較好的性能。

圖3 不同信噪比條件下的NIQE 表現(xiàn)情況Fig. 3 NIQE performance under different signal-to-noise ratios

3 結(jié) 語

由于海洋環(huán)境比較復(fù)雜，同時(shí)還會(huì)有其他船舶在同海域中航行，這樣便導(dǎo)致對(duì)船舶的監(jiān)測(cè)增加了難度。為了得到高分辨率的船舶實(shí)效圖像，從中獲取更多的細(xì)節(jié)信息，本文提出基于視覺傳達(dá)技術(shù)下船舶實(shí)效圖像自適應(yīng)增強(qiáng)方法。該方法利用改進(jìn)PSO 算法對(duì)Retinex 算法中的高斯環(huán)繞尺度進(jìn)行自適應(yīng)取值，利用優(yōu)化后的Retinex 算法對(duì)船舶實(shí)效圖像實(shí)施了增強(qiáng)。通過實(shí)驗(yàn)證明，本文方法在增強(qiáng)船舶實(shí)效圖像方面有著較好表現(xiàn)，具有較強(qiáng)的應(yīng)用價(jià)值。