劉晉鋼，劉晉霞，曹小鳳

（1.太原工業(yè)學(xué)院 計(jì)算機(jī)工程系，山西 太原 030008；2.太原科技大學(xué)，山西 太原 030024）

0 引言

虛擬視景圖像是利用圖形圖像處理技術(shù)與虛擬現(xiàn)實(shí)技術(shù)等生成的符合人眼需求的視景圖像[1]。虛擬視景圖像具備較優(yōu)的感知性與交互性，在軍事與民用領(lǐng)域均有應(yīng)用[2]。通過應(yīng)用虛擬視景圖像，模擬艦船作戰(zhàn)場景，進(jìn)行艦船作戰(zhàn)演習(xí)，提升海軍的海上作戰(zhàn)能力[3]。當(dāng)艦船作戰(zhàn)虛擬視景圖像清晰度不夠時(shí)，則無法獲取更為精準(zhǔn)的目標(biāo)信息，影響判讀人員的目標(biāo)判定精度，降低對敵偵察效果，無法提升海軍的海上作戰(zhàn)能力。為此，需要研究圖像增強(qiáng)方法，解決上述問題。蘭蓉等[4]提出了自適應(yīng)直覺模糊相異直方圖裁剪的圖像增強(qiáng)算法，該方法可有效增強(qiáng)圖像，具備較優(yōu)的實(shí)用性。常戩等[5]通過自適應(yīng)多尺度Retinex 算法增強(qiáng)圖像，該方法可有效增強(qiáng)圖像，可有效提升圖像的亮度與清晰度。但上述方法直接處理彩色圖像的效果不夠理想，且僅能針對一種類型的圖像進(jìn)行增強(qiáng)處理。非完全Beta 函數(shù)能夠解決不同類型的圖像增強(qiáng)問題，具備較理想的圖像增強(qiáng)效果。為此，研究艦船作戰(zhàn)虛擬視景圖像自適應(yīng)增強(qiáng)方法，提升虛擬視景圖像增強(qiáng)效果。

1 虛擬視景圖像自適應(yīng)增強(qiáng)

1.1 艦船作戰(zhàn)虛擬視景圖像去噪

艦船作戰(zhàn)虛擬視景圖像生成過程中，受虛擬視景圖像生成軟件的影響，會(huì)導(dǎo)致虛擬視景圖像包含大量噪聲[6]，影響虛擬視景圖像自適應(yīng)增強(qiáng)效果。為此，利用視覺靈敏度的距離方向?yàn)V波器，對艦船作戰(zhàn)虛擬視景圖像進(jìn)行去噪處理。艦船作戰(zhàn)虛擬視景圖像I內(nèi)隨機(jī)一個(gè)像素點(diǎn)是s(i,j)=[sR(i,j),sG(i,j),sB(i,j)]，R、G、B代表I的RGB 分量；人眼視覺差別的臨界值為e，如果e值合理，那么s(i,j) 在[sR(i,j)±2e,sG(i,j)±2e,sB(i,j)±2e] 中的波動(dòng)，人眼無法觀察到。4×4窗口Q的中心點(diǎn)是s0(i,j)，如果在Q內(nèi)，令成立像素l的數(shù)量，在Q內(nèi)的占據(jù)比例較高，那么判定s0(i,j)為邊緣點(diǎn)，并非噪聲點(diǎn)，利于提升噪聲點(diǎn)判定精度。

距離濾波器窗口Aij尺寸是L=L1×L1，以位置(i,j)為Aij的中心位置，由上至下、由左至右排序Aij內(nèi)的像素，得到Aij={s1(i,j),s2(i,j),···,sL(i,j)}，因此，距離濾波器為：

式中：L為Aij內(nèi)的像素點(diǎn)總數(shù)；sk(i,j)第k個(gè)像素圖像；y(i,j)為去噪后的艦船虛擬視景圖像。

為提升艦船作戰(zhàn)虛擬視景圖像的去噪效果[7]，引入空間距離加權(quán)值w，改進(jìn)后的距離濾波器為：

其中，(o,q)為艦船作戰(zhàn)虛擬視景圖像的位置。

w的計(jì)算公式為：

式中：α1為調(diào)節(jié)w大小的函數(shù)；α1(L,d)為L與噪聲分布密度d的函數(shù)。

利用視覺靈敏度的距離方向?yàn)V波器，對艦船作戰(zhàn)虛擬視景圖像進(jìn)行去噪處理的具體步驟如下：

步驟1通過視覺靈敏度對判定I內(nèi)的噪聲點(diǎn)，獲取噪聲點(diǎn)判別矩陣U，并求解d。

步驟2確定Aij的尺寸L。

步驟3以U為起點(diǎn)，滑動(dòng)Aij。

步驟4分析Aij是否滑動(dòng)至U的最后位置，如果是，那么繼續(xù)步驟7，反之，繼續(xù)步驟5。

步驟5若U(i,j)=0，滑動(dòng)Aij至下一像素點(diǎn)，若U(i,j)=1，那么以s(i,j)為中心點(diǎn)，得到Aij內(nèi)像素點(diǎn)集合。

步驟6若像素點(diǎn)集合內(nèi)包含非噪聲點(diǎn)，那么利用改進(jìn)距離濾波器處理s(i,j)，同時(shí)令U(i,j)=0，若像素點(diǎn)集合內(nèi)全是噪聲點(diǎn)，那么滑動(dòng)Aij至下一像素點(diǎn)，返回步驟4。

步驟7分析U是否是0 矩陣，如果是，那么完成艦船作戰(zhàn)虛擬視景圖像去噪處理，如果不是，那么滑動(dòng)Aij至U的首位置，返回步驟5。

1.2 非完全Beta 函數(shù)的虛擬視景圖像自適應(yīng)增強(qiáng)

利用非完全Beta 函數(shù)，增強(qiáng)去噪后的艦船作戰(zhàn)虛擬視景圖像Y(i,j)。具體步驟如下：

步驟1歸一化處理Y(i,j) 的灰度值，并轉(zhuǎn)換至[0,1]區(qū)間內(nèi)，得到：

式中：Y′(i,j)為灰度值歸一化后的艦船作戰(zhàn)虛擬視景圖像；Zmax、Zmin分別為Y(i,j)的最大、最∫小灰度值。

步驟2非線性變換Beta 函數(shù)是其中，B(β,δ) 為Beta 函數(shù)；β、δ 為參數(shù)；t為時(shí)間。增強(qiáng)變換處理Y′(i,j)得到：

其中，c(i,j)為增強(qiáng)變換后的歸一化艦船作戰(zhàn)虛擬視景圖像。

為提升非完全Beta 函數(shù)的艦船作戰(zhàn)虛擬視景圖像增強(qiáng)效果，需要搜索合理的非完全Beta 變換函數(shù)，通過最佳β、δ擬合最佳的B(β,δ)。為此，利用改進(jìn)粒子群算法，自適應(yīng)選擇β、δ，提出改進(jìn)粒子群的非完全Beta 函數(shù)自適應(yīng)圖像增強(qiáng)方法，具體步驟如下：

步驟1生成初始種群，即艦船作戰(zhàn)虛擬視景圖像自適應(yīng)增強(qiáng)時(shí)，非完全Beta 變換函數(shù)β、δ的優(yōu)化值集合；令每個(gè)粒子均代表一組β、δ的優(yōu)化結(jié)果。

步驟2求解各粒子的適應(yīng)度，以艦船作戰(zhàn)虛擬視景圖像自適應(yīng)增強(qiáng)評(píng)價(jià)函數(shù)為適應(yīng)度，并更新局部極值pbest,iD(τ) 與全局極值gbest,iD(τ)。

步驟3分析粒子是否進(jìn)入死區(qū)，若進(jìn)入死區(qū)，通過Sharing 函數(shù)排斥進(jìn)入死區(qū)的粒子，并初始化粒子；若未進(jìn)入死區(qū)，則更新粒子速度與位置；Sharing 函數(shù)公式如下：

式中：λr為死區(qū)半徑；λ(i,a) 為第i個(gè)粒子和局部最優(yōu)點(diǎn)a間的距離。

排斥操作為：

步驟4分析算法是否達(dá)到最大迭代次數(shù)，若達(dá)到，則輸出艦船作戰(zhàn)虛擬視景圖像自適應(yīng)增強(qiáng)時(shí)，非完全Beta 變換函數(shù) β、δ 的最優(yōu)值，完成 β、δ的自適應(yīng)選擇；反之，令l=l+1，返回步驟2。

2 仿真實(shí)驗(yàn)結(jié)果與分析

以某艦船作戰(zhàn)虛擬視景圖像數(shù)據(jù)集為仿真實(shí)驗(yàn)對象，該數(shù)據(jù)集內(nèi)的圖像分辨率分別是640×480、1 024×768、1 600×1 200、2048×1 536。通過Matlab 仿真軟件，進(jìn)行艦船作戰(zhàn)虛擬視景圖像自適應(yīng)增強(qiáng)仿真實(shí)驗(yàn)，驗(yàn)證本文方法圖像自適應(yīng)增強(qiáng)效果。利用Matlab 仿真軟件，仿真驗(yàn)證圖像自適應(yīng)增強(qiáng)效果的具體步驟如下：

步驟1打開Matlab 仿真軟件，點(diǎn)擊Simulink 按鈕，進(jìn)入Simulink 仿真環(huán)境。

步驟2進(jìn)入主界面，并點(diǎn)擊File/New/Model，構(gòu)建并保存艦船作戰(zhàn)虛擬視景圖像自適應(yīng)增強(qiáng)模型的相關(guān)文件。

步驟3在Simulink 左側(cè)拖拽控件至Model 文件內(nèi)，同時(shí)設(shè)置連線。

步驟4檢查無誤后，點(diǎn)擊運(yùn)行按鈕，仿真分析本文方法的艦船作戰(zhàn)虛擬視景圖像自適應(yīng)增強(qiáng)效果。

在艦船作戰(zhàn)虛擬視景圖像數(shù)據(jù)集內(nèi)，隨機(jī)選擇一幅艦船作戰(zhàn)虛擬視景圖像，利用本文方法對該虛擬視景圖像進(jìn)行去噪處理，圖像去噪結(jié)果如圖1 所示。根據(jù)圖1(a)可知，原始艦船作戰(zhàn)虛擬視景圖像內(nèi)包含大量噪聲點(diǎn)，影響虛擬視景圖像的觀察效果。根據(jù)圖1(b)可知，本文方法可有效去除艦船作戰(zhàn)虛擬視景圖像內(nèi)的噪聲點(diǎn)，但去噪后的圖像亮度過高，色彩飽和度較低，清晰度不佳。為此，利用本文方法對去噪后的艦船作戰(zhàn)虛擬視景圖像進(jìn)行自適應(yīng)增強(qiáng)。

圖1 本文方法的去噪效果Fig.1 Denoising effect of the method in this article

去噪后的艦船作戰(zhàn)虛擬視景圖像自適應(yīng)增強(qiáng)結(jié)果如圖2 所示?？芍?，本文方法可有效自適應(yīng)增強(qiáng)艦船作戰(zhàn)虛擬視景圖像，且自適應(yīng)增強(qiáng)后的虛擬視景圖像的細(xì)節(jié)信息更顯著，清晰度較優(yōu)。仿真實(shí)驗(yàn)證明：本文方法具備艦船作戰(zhàn)虛擬視景圖像自適應(yīng)增強(qiáng)的可行性，且自適應(yīng)增強(qiáng)后的圖像清晰度較優(yōu)。

圖2 艦船作戰(zhàn)虛擬視景圖像自適應(yīng)增強(qiáng)結(jié)果Fig.2 Adaptive enhancement results of virtual scene images in ship operations

對比分析本文方法自適應(yīng)增強(qiáng)前后，該艦船作戰(zhàn)虛擬視景圖像的灰度直方圖，對比分析結(jié)果如圖3 所示。根據(jù)圖3(a)可知，自適應(yīng)增強(qiáng)前，艦船作戰(zhàn)虛擬視景圖像的灰度級(jí)基本集中在直方圖的后半部分，圖像亮度過大。根據(jù)圖3(b)可知，自適應(yīng)增強(qiáng)后，艦船作戰(zhàn)虛擬視景圖像的灰度級(jí)分布較均勻，基本分布在0～250 之間，具備較優(yōu)的灰度分布均勻性。

圖3 自適應(yīng)增強(qiáng)前后圖像的灰度直方圖Fig.3 Grayscale histograms of images before and after adaptive enhancement

3 結(jié)語

虛擬視景圖像的清晰度，直接影響艦船的作戰(zhàn)演習(xí)效果。為此研究艦船作戰(zhàn)虛擬視景圖像自適應(yīng)增強(qiáng)方法，提升虛擬視景圖像自適應(yīng)增強(qiáng)效果，為作戰(zhàn)人員提供更加清晰的虛擬視景圖像，便于其觀察圖像內(nèi)的細(xì)節(jié)信息，提升作戰(zhàn)能力。