舰船作战虚拟视景图像自适应增强方法

刘晋钢，刘晋霞，曹小凤

（1.太原工业学院 计算机工程系，山西 太原 030008；2.太原科技大学，山西 太原 030024）

0 引言

虚拟视景图像是利用图形图像处理技术与虚拟现实技术等生成的符合人眼需求的视景图像[1]。虚拟视景图像具备较优的感知性与交互性，在军事与民用领域均有应用[2]。通过应用虚拟视景图像，模拟舰船作战场景，进行舰船作战演习，提升海军的海上作战能力[3]。当舰船作战虚拟视景图像清晰度不够时，则无法获取更为精准的目标信息，影响判读人员的目标判定精度，降低对敌侦察效果，无法提升海军的海上作战能力。为此，需要研究图像增强方法，解决上述问题。兰蓉等[4]提出了自适应直觉模糊相异直方图裁剪的图像增强算法，该方法可有效增强图像，具备较优的实用性。常戬等[5]通过自适应多尺度Retinex 算法增强图像，该方法可有效增强图像，可有效提升图像的亮度与清晰度。但上述方法直接处理彩色图像的效果不够理想，且仅能针对一种类型的图像进行增强处理。非完全Beta 函数能够解决不同类型的图像增强问题，具备较理想的图像增强效果。为此，研究舰船作战虚拟视景图像自适应增强方法，提升虚拟视景图像增强效果。

1 虚拟视景图像自适应增强

1.1 舰船作战虚拟视景图像去噪

舰船作战虚拟视景图像生成过程中，受虚拟视景图像生成软件的影响，会导致虚拟视景图像包含大量噪声[6]，影响虚拟视景图像自适应增强效果。为此，利用视觉灵敏度的距离方向滤波器，对舰船作战虚拟视景图像进行去噪处理。舰船作战虚拟视景图像I内随机一个像素点是s(i,j)=[sR(i,j),sG(i,j),sB(i,j)]，R、G、B代表I的RGB 分量；人眼视觉差别的临界值为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] 中的波动，人眼无法观察到。4×4窗口Q的中心点是s0(i,j)，如果在Q内，令成立像素l的数量，在Q内的占据比例较高，那么判定s0(i,j)为边缘点，并非噪声点，利于提升噪声点判定精度。

距离滤波器窗口Aij尺寸是L=L1×L1，以位置(i,j)为Aij的中心位置，由上至下、由左至右排序Aij内的像素，得到Aij={s1(i,j),s2(i,j),···,sL(i,j)}，因此，距离滤波器为：

式中：L为Aij内的像素点总数；sk(i,j)第k个像素图像；y(i,j)为去噪后的舰船虚拟视景图像。

为提升舰船作战虚拟视景图像的去噪效果[7]，引入空间距离加权值w，改进后的距离滤波器为：

其中，(o,q)为舰船作战虚拟视景图像的位置。

w的计算公式为：

式中：α1为调节w大小的函数；α1(L,d)为L与噪声分布密度d的函数。

利用视觉灵敏度的距离方向滤波器，对舰船作战虚拟视景图像进行去噪处理的具体步骤如下：

步骤1通过视觉灵敏度对判定I内的噪声点，获取噪声点判别矩阵U，并求解d。

步骤2确定Aij的尺寸L。

步骤3以U为起点，滑动Aij。

步骤4分析Aij是否滑动至U的最后位置，如果是，那么继续步骤7，反之，继续步骤5。

步骤5若U(i,j)=0，滑动Aij至下一像素点，若U(i,j)=1，那么以s(i,j)为中心点，得到Aij内像素点集合。

步骤6若像素点集合内包含非噪声点，那么利用改进距离滤波器处理s(i,j)，同时令U(i,j)=0，若像素点集合内全是噪声点，那么滑动Aij至下一像素点，返回步骤4。

步骤7分析U是否是0 矩阵，如果是，那么完成舰船作战虚拟视景图像去噪处理，如果不是，那么滑动Aij至U的首位置，返回步骤5。

1.2 非完全Beta 函数的虚拟视景图像自适应增强

利用非完全Beta 函数，增强去噪后的舰船作战虚拟视景图像Y(i,j)。具体步骤如下：

步骤1归一化处理Y(i,j) 的灰度值，并转换至[0,1]区间内，得到：

式中：Y′(i,j)为灰度值归一化后的舰船作战虚拟视景图像；Zmax、Zmin分别为Y(i,j)的最大、最∫小灰度值。

步骤2非线性变换Beta 函数是其中，B(β,δ) 为Beta 函数；β、δ 为参数；t为时间。增强变换处理Y′(i,j)得到：

其中，c(i,j)为增强变换后的归一化舰船作战虚拟视景图像。

为提升非完全Beta 函数的舰船作战虚拟视景图像增强效果，需要搜索合理的非完全Beta 变换函数，通过最佳β、δ拟合最佳的B(β,δ)。为此，利用改进粒子群算法，自适应选择β、δ，提出改进粒子群的非完全Beta 函数自适应图像增强方法，具体步骤如下：

步骤1生成初始种群，即舰船作战虚拟视景图像自适应增强时，非完全Beta 变换函数β、δ的优化值集合；令每个粒子均代表一组β、δ的优化结果。

步骤2求解各粒子的适应度，以舰船作战虚拟视景图像自适应增强评价函数为适应度，并更新局部极值pbest,iD(τ) 与全局极值gbest,iD(τ)。

步骤3分析粒子是否进入死区，若进入死区，通过Sharing 函数排斥进入死区的粒子，并初始化粒子；若未进入死区，则更新粒子速度与位置；Sharing 函数公式如下：

式中：λr为死区半径；λ(i,a) 为第i个粒子和局部最优点a间的距离。

排斥操作为：

步骤4分析算法是否达到最大迭代次数，若达到，则输出舰船作战虚拟视景图像自适应增强时，非完全Beta 变换函数 β、δ 的最优值，完成 β、δ的自适应选择；反之，令l=l+1，返回步骤2。

2 仿真实验结果与分析

以某舰船作战虚拟视景图像数据集为仿真实验对象，该数据集内的图像分辨率分别是640×480、1 024×768、1 600×1 200、2048×1 536。通过Matlab 仿真软件，进行舰船作战虚拟视景图像自适应增强仿真实验，验证本文方法图像自适应增强效果。利用Matlab 仿真软件，仿真验证图像自适应增强效果的具体步骤如下：

步骤1打开Matlab 仿真软件，点击Simulink 按钮，进入Simulink 仿真环境。

步骤2进入主界面，并点击File/New/Model，构建并保存舰船作战虚拟视景图像自适应增强模型的相关文件。

步骤3在Simulink 左侧拖拽控件至Model 文件内，同时设置连线。

步骤4检查无误后，点击运行按钮，仿真分析本文方法的舰船作战虚拟视景图像自适应增强效果。

在舰船作战虚拟视景图像数据集内，随机选择一幅舰船作战虚拟视景图像，利用本文方法对该虚拟视景图像进行去噪处理，图像去噪结果如图1 所示。根据图1(a)可知，原始舰船作战虚拟视景图像内包含大量噪声点，影响虚拟视景图像的观察效果。根据图1(b)可知，本文方法可有效去除舰船作战虚拟视景图像内的噪声点，但去噪后的图像亮度过高，色彩饱和度较低，清晰度不佳。为此，利用本文方法对去噪后的舰船作战虚拟视景图像进行自适应增强。

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

去噪后的舰船作战虚拟视景图像自适应增强结果如图2 所示。可知，本文方法可有效自适应增强舰船作战虚拟视景图像，且自适应增强后的虚拟视景图像的细节信息更显著，清晰度较优。仿真实验证明：本文方法具备舰船作战虚拟视景图像自适应增强的可行性，且自适应增强后的图像清晰度较优。

图2 舰船作战虚拟视景图像自适应增强结果Fig.2 Adaptive enhancement results of virtual scene images in ship operations

对比分析本文方法自适应增强前后，该舰船作战虚拟视景图像的灰度直方图，对比分析结果如图3 所示。根据图3(a)可知，自适应增强前，舰船作战虚拟视景图像的灰度级基本集中在直方图的后半部分，图像亮度过大。根据图3(b)可知，自适应增强后，舰船作战虚拟视景图像的灰度级分布较均匀，基本分布在0～250 之间，具备较优的灰度分布均匀性。

图3 自适应增强前后图像的灰度直方图Fig.3 Grayscale histograms of images before and after adaptive enhancement

3 结语

虚拟视景图像的清晰度，直接影响舰船的作战演习效果。为此研究舰船作战虚拟视景图像自适应增强方法，提升虚拟视景图像自适应增强效果，为作战人员提供更加清晰的虚拟视景图像，便于其观察图像内的细节信息，提升作战能力。