李 姍

(1.河南省容錯(cuò)服務(wù)器工程技術(shù)研究中心，河南鄭州 450046；2.河南職業(yè)技術(shù)學(xué)院，河南鄭州 450046)

0 引言

海上交通的不斷發(fā)展，海上船舶的數(shù)量和類別不斷增加，海上交通管理部門為了快速、精準(zhǔn)完成海上目標(biāo)船舶的救援、目標(biāo)船舶的管理等[1–2]，會(huì)依據(jù)采集的海上船舶視覺圖像進(jìn)行目標(biāo)船舶的檢測。但是由于船舶處于移動(dòng)狀態(tài)下，并且海上的環(huán)境復(fù)雜，采集的圖像受到環(huán)境因素的影響以及船舶自身移動(dòng)的影響[3]，會(huì)存在模糊情況，導(dǎo)致目標(biāo)的識(shí)別精準(zhǔn)性降低。因此，為保證目標(biāo)的可靠檢測[4]，需對(duì)采集的船舶視覺圖像中的目標(biāo)進(jìn)行清晰處理，以此提升目標(biāo)的檢測精度。文獻(xiàn)[5]，針對(duì)船舶目標(biāo)重疊情況下的圖像處理需求，提出相關(guān)的圖像增強(qiáng)方法，該方法主要通過增強(qiáng)圖像的視覺效果，完成圖像清晰處理。但是該方法在應(yīng)用過程中，如果圖像中存在虛影現(xiàn)象時(shí)，其處理效果相對(duì)較差。文獻(xiàn)[6]為提升圖像的清晰度，以多尺度耦合的密集殘差網(wǎng)絡(luò)為基礎(chǔ)，進(jìn)行圖像分辨率的重構(gòu)處理后，實(shí)現(xiàn)圖像增強(qiáng)，提升圖像清晰度。但是該方法在應(yīng)用過程中，如果圖像目標(biāo)較小則處理效果不理想。

三維視覺是依據(jù)圖像中像素點(diǎn)之間的相似性，計(jì)算像素之間的位置偏差，并確定船舶視覺圖像三維空間在深度點(diǎn)信息。本文結(jié)合三維視覺優(yōu)勢(shì)，研究船舶三維視覺圖像模糊目標(biāo)清晰處理仿真方法。

1 圖像模糊目標(biāo)清晰處理

1.1 船舶視覺圖像特征三維信息獲取

為保證圖像模糊目標(biāo)的清晰處理結(jié)果，采用立體雙目視覺獲取船舶模糊圖像的三維信息。立體雙目視覺是通過2個(gè)視點(diǎn)對(duì)相同目標(biāo)進(jìn)行觀測，以此獲取同一個(gè)場景下的2幅圖像。2 個(gè)觀測面的模糊核路徑和三維空間內(nèi)的某種運(yùn)動(dòng)路徑相對(duì)應(yīng)，同時(shí)模糊核之間存在相對(duì)關(guān)聯(lián)性。結(jié)合船舶的線性運(yùn)動(dòng)，設(shè)定項(xiàng)集參變量映射矩陣，用P表示，3D齊次坐標(biāo)系內(nèi)的位置點(diǎn)用 (x,y,z,1)表示，將其進(jìn)行映射處理后使其位于2D觀測面內(nèi)，該觀測面內(nèi)坐標(biāo)系的點(diǎn)用 (u,v,1)表示，則(x,y,z,1) 和(u,v,1)之間的相對(duì)關(guān)聯(lián)性表達(dá)公式為：

式中，d為相機(jī)的景深。

模糊核路徑在不同觀測面內(nèi)也呈現(xiàn)不同的變化，因此，定義運(yùn)動(dòng)模糊核路徑為空間狀態(tài)，且該狀態(tài)不會(huì)發(fā)生變化，以此保證運(yùn)算效果。如果船舶在該空間內(nèi)運(yùn)動(dòng)，起點(diǎn)和終點(diǎn)分別為P和Q，P為可逆的，則依據(jù)式(1)計(jì)算得出 (x,y,z)。在該基礎(chǔ)上，對(duì)2個(gè)觀測面之間的運(yùn)動(dòng)映射關(guān)聯(lián)性進(jìn)行計(jì)算，如果2 個(gè)觀測面的投影分別為至至則模糊圖像3D空間內(nèi)船舶的運(yùn)動(dòng)位移計(jì)算公式為：

模糊圖像內(nèi)，將沿著圖像空間路徑運(yùn)動(dòng)的船舶目標(biāo)進(jìn)行投影處理，使其均位于不同的觀測面上。各個(gè)觀測面投影后的路徑存在一定區(qū)別，隨機(jī)選擇對(duì)空間路徑上的點(diǎn)進(jìn)行投影處理，以此可獲取一組點(diǎn)對(duì)并且兩者均位于各自對(duì)應(yīng)的模糊路徑上。對(duì)模糊核的軌跡進(jìn)行離散化處理，獲取該處理下模糊核路徑之間的關(guān)聯(lián)，其公式為：

式中，k表示離散編號(hào)。

通過上述內(nèi)容即可獲取船舶模糊圖像內(nèi)容特征之間的三維幾何信息B。

1.2 模糊目標(biāo)圖像分割

由于船舶處于運(yùn)行狀態(tài)下，因此會(huì)導(dǎo)致采集的船舶圖像中發(fā)生多個(gè)模糊運(yùn)動(dòng)區(qū)域，因此，需先確定船舶目標(biāo)的模糊區(qū)域[7]，并且進(jìn)行該區(qū)域的模糊分割，本文采用局部模糊探測方法完成。

該方法主要以像素的權(quán)重變量為基礎(chǔ)，實(shí)現(xiàn)船舶模糊圖像中模糊層分割，以此獲取模糊船舶目標(biāo)圖像。

如果權(quán)變量用W表示，依據(jù)W的船舶運(yùn)動(dòng)場景去模糊廣義能量模型表達(dá)公式為：

式中：Edata，Ereg分 別為數(shù)據(jù)保真項(xiàng)和正則化項(xiàng)；L和B分別為潛在清晰圖像和三維信息；K為模糊核矩陣集合；W為權(quán)重變量集合，其和K之間一一對(duì)應(yīng)。

Edata(L,W,K,B)可理解為多個(gè)模糊型數(shù)據(jù)項(xiàng)的加權(quán)和，其計(jì)算公式為：

式中：N為分割層數(shù)； ??表 原始船舶圖像的梯度。 λ為正則化參數(shù)的平衡因子；表示乘積運(yùn)算。

由 船舶運(yùn)動(dòng)場景在進(jìn)行模糊分割時(shí)具有顯著病態(tài)特征，因此在分割過程中，引入正則化項(xiàng)，確保分割后圖像的光滑性。對(duì)L，W，K分別添加正則化約束，其表達(dá)公式為：

通過全變分正則化項(xiàng)替代L的先驗(yàn)信息，圖像的分割組依據(jù)非局部正則化完成，分割公式為：

式中： ξ(x)為x的鄰域像素；g(x,y)為非局部相似性映射矩陣，用于描述x和y處像素之間的相似程度。

依據(jù)上述步驟即可獲取權(quán)重變量加大的圖像分層結(jié)果，該結(jié)果即為船舶模糊目標(biāo)圖像分割結(jié)果Iin。

1.3 目標(biāo)圖像清晰處理

完成船舶模糊目標(biāo)圖像分割后，采用殘差聚集網(wǎng)絡(luò)模型進(jìn)行模糊目標(biāo)清晰處理，獲取清晰的船舶目標(biāo)圖像。將分割后的船舶模糊目標(biāo)圖像輸入殘差聚集網(wǎng)絡(luò)模型中，采用中值濾波對(duì)其進(jìn)行濾波操作，從分割后的圖像中將低頻信息Il進(jìn)行分離處理，將Iin中的Il去除后即可獲取其中的高頻信息Ih，其計(jì)算公式為：

獲取Ih中的低維特征，其采用低維特征提取器完成，其計(jì)算公式為：

式中：Ts f為幾乎函數(shù)的組合操作；Fsf為輸出的特征圖。

為了提升模糊目標(biāo)的清晰處理效果，采用堆疊的方式對(duì)多個(gè)殘差模塊進(jìn)行處理，以此獲取圖像中目標(biāo)船舶的高維特征信息。依據(jù)該模塊的稠密連接性能，完成提取特征的連接，經(jīng)由殘差變換模塊的壓縮和蒸餾提取處理后，得出高維特征，其計(jì)算公式為：

式中：TRAB為 殘差模塊提取的特征；M為堆疊的殘差模塊數(shù)量；Ff f為高維特征的輸出結(jié)果。

通過殘差圖生成器對(duì)殘差圖Frm進(jìn) 行估算，其計(jì)算公式為：

式中，Trm為卷積和歸一化的組合操作。

將Frm從Iin中刪除，即可獲取清晰化處理后的高質(zhì)量目標(biāo)圖像，其計(jì)算公式為：

2 實(shí)驗(yàn)結(jié)果分析

為驗(yàn)證本文方法的應(yīng)用效果，在跨平臺(tái)計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)軟件庫-Op en CV 中進(jìn)行仿真測試，OpenCV 庫能夠提供多種語言接口，支持圖像處理和計(jì)算機(jī)視覺方面的應(yīng)用。在OpenCV 庫中進(jìn)行相關(guān)測試過程中，視覺分塊區(qū)域的大小為256×256×224，特征匹配系數(shù)為1.25，測試時(shí)的船舶圖像數(shù)量為200張，該數(shù)據(jù)是采用雙目立體視覺相機(jī)采集。

為驗(yàn)證本文方法對(duì)于船舶圖像模糊目標(biāo)的清晰化處理性能，文中采用圖像對(duì)比度 ψ、邊緣強(qiáng)度 η以及圖像方差 σ作為衡量標(biāo)準(zhǔn)，進(jìn)行相關(guān)測試，3 個(gè)指標(biāo)的計(jì)算公式為：

式中：S為相減的平方項(xiàng)；f(i,j)和f(k,l)均為灰度值，前者對(duì)應(yīng)像素點(diǎn) (i,j) ，后者對(duì)應(yīng)(i,j) 的四鄰域(k,l)；gi,j為邊緣點(diǎn)；Nedge為像素點(diǎn)數(shù)量，對(duì)應(yīng)邊緣區(qū)域；M×N為圖像大小；μ 為平均灰度值。

依據(jù)上述3個(gè)公式計(jì)算本文方法在不同像素點(diǎn)數(shù)量下，對(duì)圖像進(jìn)行清晰處理后，3個(gè)指標(biāo)的計(jì)算結(jié)果，如表1所示。3個(gè)指標(biāo)的取值均在0~1之間，越接近1表示應(yīng)用性能越佳。依據(jù)表1測試結(jié)果可知：隨著像素?cái)?shù)量的不斷增加，采用本文方法對(duì)圖像進(jìn)行清晰處理后，圖像的 ψ ， η以 及 σ的測試結(jié)果均在0.933以上，因此本文方法的應(yīng)用性能較好，能夠有效完成船舶圖像模糊目標(biāo)清晰處理。

表1 船舶圖像模糊目標(biāo)的清晰化處理性能Tab.1 Clear processing performance of blurred targets in ship image

為直觀驗(yàn)證本文方法的應(yīng)用效果，隨機(jī)抽取一組船舶模糊圖像進(jìn)行模糊目標(biāo)清晰處理，以圖像中標(biāo)記的客船作為目標(biāo)，本文方法處理后的結(jié)果如圖1所示。

依據(jù)圖1測試結(jié)果可知：本文方法具有較好的應(yīng)用效果，能夠有效完成船舶圖像中，模糊目標(biāo)的清晰處理，獲取清晰的目標(biāo)結(jié)果。因此，本文方法應(yīng)用性較好，可清晰呈現(xiàn)目標(biāo)船舶結(jié)果。

圖1 圖像模糊目標(biāo)處理結(jié)果Fig.1 Image blurred target processing results

3 結(jié)語

在進(jìn)行海上交通管理或者救援時(shí)，需精準(zhǔn)掌握目標(biāo)船舶的信息。但是由于海上環(huán)境變化較大，并且復(fù)雜程度較高，同時(shí)船舶的類別和數(shù)量較多，導(dǎo)致采集的船舶圖像中會(huì)存在模糊現(xiàn)象，直接影響目標(biāo)船舶的識(shí)別效果。因此，本文研究船舶三維視覺圖像模糊目標(biāo)清晰處理仿真方法。對(duì)該方法進(jìn)行相關(guān)測試后可知，本文方法具有較好的應(yīng)用性能，能夠有效完成模糊目標(biāo)的清晰處理，為海上交通管理提供可靠依據(jù)。