极端天气条件下舰船图像增强方法
发布时间：2021-06-09 12:25
针对雨雪、风沙、雾霾等极端天气下采用传统方法图像增强效果差的问题,提出极端天气条件下舰船图像增强方法。在计算机视觉中构建大气散射模型,描述极端天气下舰船图像的形成过程,确定介质透射率,真实反映出光线穿透极端天气的能力。将单幅图像转换为CIE-Lab颜色空间,由此设计无噪声清晰图像恢复流程。使用改进暗原色先检验方法处理雾霾图像;使用自适应直方图均衡方法处理沙尘图像;通过改进暗原色先检验方法实现雨雪图像的增强。由实验结果可知,该方法增强效果较好,为舰船提供高质量图像。
【文章来源】：舰船科学技术. 2020,42(12)北大核心
【文章页数】：3 页
【部分图文】：
原始矩阵变换为新矩阵Fig.2Theoriginalmatrixistransformedintoanewmatrix
验所选取的图片都来自百度图库，实验所用的工具为MatlabR2012b和Intel处理器，内存4GB。雾霾天气下的图像如图3（a）所示；当透射率接近于0时的图像3（b）所示；采用传统方法处理和极端天气条件下方法图像如图3（c）和图3（d）所示。可知，当透射率接近于0时，恢复的图像出现非常多的噪点，导致图像呈现黑色；采用传统方法虽然能大致看清远处的船只，但对于远方海洋情况却看不清；使用极端天气条件下方法不仅能够去除雾霾效果，而且还能看得清远处海洋情况。图3对比图像Fig.3Contrastimage基于上述内容，将2种方法的增强效果进行对比分析，结果如表1所示。表1两种方法增强效果Tab.1Enhancementeffectoftwomethods雾霾等级传统方法极端天气条件下方法极重污染51%91%严重污染40%88%重度污染25%85%综上所述，使用极端天气条件下舰船图像增强方法对图像增强效果较好，也证实了该方法的有效性。4结语大部分舰船图像采集工作都需要精准获取输入图像才能提取出图像特征，但在雨雪、风沙、雾霾等极端天气下想要获取高清晰图像较难，因此，提出一种极端天气条件下舰船图像增强方法，该方法能够有效解决图像亮度失衡问题。测试结果表明，该方法增强效果较好，具有广泛应用前景，尤其在颜色图像光晕方面也具有良好增强效果。参考文献：仇荣超,娄树理,李廷军,等.多波段红外图像的海面舰船目标检测[J].光谱学与光谱分析,2019,39(3):698–704.[1]王明春,张嘉峰,杨子渊,等.Beta分布下基于白化滤波的极化SAR图像海面舰船目标CFAR检测方法[J].电子学报,2019,8(9):1883–1890.[2]陈艳浩.基于全局背景减法滤波器与
依据式（1）可计算出复原清晰图像，如下式：d(x)=f(x)λλ(x)+λ。(2)2图像增强技术研究2.1恢复清晰图像ε依据大气散射模型获取的原始清晰图像包含噪声，对于输入单幅图像，需将其转换为CIE-Lab颜色空间，由此设定一个偏色因子，如果偏色因子小于设定的阈值，那么图像是一幅无噪声的清晰图像，无需再次处理；如果偏色因子大于设定的阈值，那么图像是低质图像[4]。根据色度分量大小区分图像是雨雪、风沙还是雾霾等极端天气下的图像。由此获取清晰图像流程如图1所示。图1无噪声清晰图像恢复流程Fig.1Noise-freeclearimagerestorationprocess2.2图像增强方案的实现由于传统增强技术图像子块为8×8，经常出现马赛克现象，导致增强效果较差，为了解决该问题，使用较大子块减少边界处的不连续现象，因此，使用多级二维离散余弦变换技术，以此提高舰船图像增强效果，具体实现步骤如下：步骤1针对舰船图像子块的划分，应使用多级二维离散余弦变换方式变换舰船图像子模块；步骤2构建舰船图像变换后的系数矩阵，在传统增强技术基础上，将各个频率系数按照大小依次排序；步骤3使用Harr变换方式确定不同子块间相关度，依据该相关度确定舰船图像增强系数；步骤4利用子块系数矩阵构造新的矩阵，使用Harr变换方式（见图2）；图2原始矩阵变换为新矩阵Fig.2Theoriginalmatrixistransformedintoanewmatrix步骤5依据能量值划分波段系数，依次确定能量对比关系；步骤6针对能量对比度设置结果，获取响应增强系数，确定舰船图像增强后的二维离散余弦变换系数。1）对于雾霾图像使用改进暗原色先检验方法，通过收集大量户外无雾图像，即在大多数局部区域内?
【参考文献】：
期刊论文
[1]Beta分布下基于白化滤波的极化SAR图像海面舰船目标CFAR检测方法[J]. 王明春,张嘉峰,杨子渊,刘涛. 电子学报. 2019(09)
[2]多波段红外图像的海面舰船目标检测[J]. 仇荣超,娄树理,李廷军,宫剑. 光谱学与光谱分析. 2019(03)
[3]基于全局背景减法滤波器与多形状特征的红外舰船检测算法[J]. 陈艳浩. 电子测量与仪器学报. 2018(10)
[4]基于视觉显著模型的遥感图像舰船快速检测[J]. 孙越娇,雷武虎,胡以华,赵楠翔,任晓东. 激光技术. 2018(03)
本文编号：3220574
【文章来源】：舰船科学技术. 2020,42(12)北大核心
【文章页数】：3 页
【部分图文】：
原始矩阵变换为新矩阵Fig.2Theoriginalmatrixistransformedintoanewmatrix
验所选取的图片都来自百度图库，实验所用的工具为MatlabR2012b和Intel处理器，内存4GB。雾霾天气下的图像如图3（a）所示；当透射率接近于0时的图像3（b）所示；采用传统方法处理和极端天气条件下方法图像如图3（c）和图3（d）所示。可知，当透射率接近于0时，恢复的图像出现非常多的噪点，导致图像呈现黑色；采用传统方法虽然能大致看清远处的船只，但对于远方海洋情况却看不清；使用极端天气条件下方法不仅能够去除雾霾效果，而且还能看得清远处海洋情况。图3对比图像Fig.3Contrastimage基于上述内容，将2种方法的增强效果进行对比分析，结果如表1所示。表1两种方法增强效果Tab.1Enhancementeffectoftwomethods雾霾等级传统方法极端天气条件下方法极重污染51%91%严重污染40%88%重度污染25%85%综上所述，使用极端天气条件下舰船图像增强方法对图像增强效果较好，也证实了该方法的有效性。4结语大部分舰船图像采集工作都需要精准获取输入图像才能提取出图像特征，但在雨雪、风沙、雾霾等极端天气下想要获取高清晰图像较难，因此，提出一种极端天气条件下舰船图像增强方法，该方法能够有效解决图像亮度失衡问题。测试结果表明，该方法增强效果较好，具有广泛应用前景，尤其在颜色图像光晕方面也具有良好增强效果。参考文献：仇荣超,娄树理,李廷军,等.多波段红外图像的海面舰船目标检测[J].光谱学与光谱分析,2019,39(3):698–704.[1]王明春,张嘉峰,杨子渊,等.Beta分布下基于白化滤波的极化SAR图像海面舰船目标CFAR检测方法[J].电子学报,2019,8(9):1883–1890.[2]陈艳浩.基于全局背景减法滤波器与
依据式（1）可计算出复原清晰图像，如下式：d(x)=f(x)λλ(x)+λ。(2)2图像增强技术研究2.1恢复清晰图像ε依据大气散射模型获取的原始清晰图像包含噪声，对于输入单幅图像，需将其转换为CIE-Lab颜色空间，由此设定一个偏色因子，如果偏色因子小于设定的阈值，那么图像是一幅无噪声的清晰图像，无需再次处理；如果偏色因子大于设定的阈值，那么图像是低质图像[4]。根据色度分量大小区分图像是雨雪、风沙还是雾霾等极端天气下的图像。由此获取清晰图像流程如图1所示。图1无噪声清晰图像恢复流程Fig.1Noise-freeclearimagerestorationprocess2.2图像增强方案的实现由于传统增强技术图像子块为8×8，经常出现马赛克现象，导致增强效果较差，为了解决该问题，使用较大子块减少边界处的不连续现象，因此，使用多级二维离散余弦变换技术，以此提高舰船图像增强效果，具体实现步骤如下：步骤1针对舰船图像子块的划分，应使用多级二维离散余弦变换方式变换舰船图像子模块；步骤2构建舰船图像变换后的系数矩阵，在传统增强技术基础上，将各个频率系数按照大小依次排序；步骤3使用Harr变换方式确定不同子块间相关度，依据该相关度确定舰船图像增强系数；步骤4利用子块系数矩阵构造新的矩阵，使用Harr变换方式（见图2）；图2原始矩阵变换为新矩阵Fig.2Theoriginalmatrixistransformedintoanewmatrix步骤5依据能量值划分波段系数，依次确定能量对比关系；步骤6针对能量对比度设置结果，获取响应增强系数，确定舰船图像增强后的二维离散余弦变换系数。1）对于雾霾图像使用改进暗原色先检验方法，通过收集大量户外无雾图像，即在大多数局部区域内?
【参考文献】：
期刊论文
[1]Beta分布下基于白化滤波的极化SAR图像海面舰船目标CFAR检测方法[J]. 王明春,张嘉峰,杨子渊,刘涛. 电子学报. 2019(09)
[2]多波段红外图像的海面舰船目标检测[J]. 仇荣超,娄树理,李廷军,宫剑. 光谱学与光谱分析. 2019(03)
[3]基于全局背景减法滤波器与多形状特征的红外舰船检测算法[J]. 陈艳浩. 电子测量与仪器学报. 2018(10)
[4]基于视觉显著模型的遥感图像舰船快速检测[J]. 孙越娇,雷武虎,胡以华,赵楠翔,任晓东. 激光技术. 2018(03)
本文编号：3220574
本文链接：https://www.wllwen.com/kejilunwen/chuanbolw/3220574.html
