视觉传达技术的模糊舰船图像加强分析.docx
视觉传达技术的模糊舰船图像加强分析摘要:图像作为海量点的集合反映不同信息，常规方法由于只考虑单一视觉角度，预处理后的图像缺失部分像素点，影响图像加强质量，以模糊舰船图像为目的，研究基于视觉传达技术的加强方法。该方法从运动模糊图像和待去雾模糊图像两方面入手，预处理模糊舰船图像；利用灰度级修正算法加强模糊舰船图像，完善整个图像细节。测试结果表明，与原图像和高频强调滤波加强方法处理后的图像相比，新方法处理后的舰船图像峰值信噪比和图像比照度更高，可见基于视觉传达技术的加强方法，能够获得愈加明晰的舰船图像。关键词：视觉传达；舰船图像；去模糊；图像加强0引言大数据监测背景下，为了获得更多有用信息和关键性数据，舰船出海航行任务中对于大数据监测工作的要求越来越严格，其中对舰船航行环境可视化研究的工作尤为重视，通过最优插值算法处理航行经过中的监测信息，采用LOD动态调度技术，实现对环境要素的可视化处理，通过点、线、面、体相结合以及真实图像实时反应的方式，展现不同航行区域内的环境信息1。但海洋环境是复杂多样的，加之海域中其他过往船只的影响，监测海洋环境信息愈加困难，为进一步加强船体航行安全，根据传感器获得的探测数据，模拟定位舰船所在位置，在Q函数的帮助下设计航行避障策略，规划航行途径2。这一经过由于水流的影响，会使船体本身产生摇摆动作，加上空气中存在较多杂质时，都会导致监测图像内容模糊、不明晰，针对这一问题，研究基于视觉传达技术的模糊舰船图像加强方法。1基于视觉传达技术的模糊舰船图像加强1.1图像去模糊由于图像运动模糊是由于匀速运动和非匀速运动导致的，而非匀速运动的计算复杂，所以研究考虑模糊舰船图像是由于匀速运动造成的，通过下列公式描绘运动模糊图像：T=U+z。(1)zU式中：T和U分别表示模糊图像和待处理的明晰图像；表示模糊核；表示噪声。根据上述计算以输入模糊图像T和模糊核为起始条件，以输出明晰图像为目的，通过傅里叶变换得到：F(T)=H(T)1G(T)|G(T)|2|G(T)|2+。(2)H(T)TFF(x)F(y)U式中：表示退化函数；表示图像与噪声功率谱的比值。设置图的梯度为，模糊核的傅里叶变换共轭为，假设横纵坐标两个方向梯度的傅里叶变换复共轭分别用和表示，则明晰图像通过下列公式获得：U=F1F(T)F()+F(x)F(x)+F(y)F(y)F()F()+F(x)F(x)+F(y)F(y)。(3)F(x)F(y)TUTWW式中：表示常数值，从2开场迭代翻倍；，表示傅里叶变换下的变量。通过上述经过去除图像运动模糊。船体航行经过中，容易受空气中的水汽、尘粒等杂质的影响，一些舰船图像外表看起来雾蒙蒙的一片，遮挡了大量关键数据3。根据式1，以输入待去雾模糊图像为起始条件，以输出去雾图像得到明晰结果为目的，计算模糊图像的暗通道图并进行均值滤波操作，得到暗通道图的像素均值，公式为：W(T)=1s(T)Ab。(4)s(x)Ab(0,1)A式中：表示透射率；表示全局大气光系数；表示一个范围在内的数。根据上述公式导出系数，得到去雾后的图像U=A(G(T)L(T)AL(T)。(5)式中：L(T)表示环境光。通过上述两阶段经过对模糊舰船图像去雾。综合图像去运动模糊和图像去雾2种技术，预处理模糊舰船图像。1.2灰度级修正模糊舰船图像经过图像处理后，采用灰度级修正算法加强模糊舰船图像，该算法的计算公式为：(x,y)=q(x,y)+(K(x,y)q(x,y)+。(6)q(x,y)111111K(x,y)p0(x,y)p1(x,y)R式中：表示实数值；表示像素灰度值平均值4。根据式7可知，的主要作用为控制图像整体灰度值。当实数时，舰船图像变暗；当实数时，舰船图像变亮。当实数时，图像边缘会更光滑；当实数时，图像边缘更锐利。此时加强图像会导致实数，已经处理过的图像再次出现大量噪声，所以当实数时调整公式，假设图像为，平均图像为，根据视觉传达技术定义图像像素的平均运算为，则得到：p1(x,y)=R(p0(x,y)，pn(x,y)=R(pn1(x,y)。(7)根据图中所有像素对应的点，将算法转变为下列公式所示的计算格式：log(x,y)=nk=1k(log(pk1(x,y)log(pn(x,y)+log(pn(x,y)。(8)kk式中：为确定范围的参数；为控制处节点噪声的参数；其他参数与上述公式的解释一致。上述经过中，根据实数确定算法的运行经过，以灰度级修正算法加强模糊舰船图像。2应用测试与效果分析2.1模糊图像加强效果分析将本文研究的基于视觉传达方法获得的舰船加强图像、常规高频强调滤波加强方法获得的舰船加强图像，与原图像进行比照，根据加强后的图像生成灰度直方图，讨论不同方法对模糊舰船图像的加强效果，如图1所示。已知舰船原图像的比照度较低，2组方法均提高了图像比照度，但像素灰度两极分化严重，所以加强后的图像出现过度亮堂和过度黑暗的现象。本文方法利用灰度级修正算法加强模糊舰船图像后，提高了图像本身的比照度，并且对应的直方图，也直接显示了图像的灰度分布特征，图像视觉质量大幅度提升。2.2模糊图像加强质量评价为了获得愈加准确的模糊图像加强效果，设置图像比照度D和峰值信噪比PSNR2个指标，通过公式评价模糊图像加强质量。其中指标D反响图像明晰程度，该值较大讲明图像的明晰程度较高。PSNR是评价图像去噪质量的参数，该值较大讲明图像的去噪效果较好。2个指标的公式为：cd2i(s,r)ikcmnI(x,y)B(x,y)式中：表示邻域；表示像素在第个邻域中的差值；表示与对应的其他邻域；表示图像的尺寸；表示原始舰船图像；表示去噪后的图像。根据上述公式评价不同方法的模糊图像加强质量，结果如表1所示。根据上述结果可知，本文方法的峰值信噪比和图像比照度评价结果最高，讲明经本文方法加强处理后的模糊舰船图像噪声更小、图像更明晰。3结语本文研究以常规图像加强方法为对照，从视觉传达的角度优化了图像细节，通过比拟不同方法对模糊图像的加强效果和质量，验证了视觉传达技术能够优化图像细节。但本文方法的计算较为复杂，这种情况下会影响该方法本身的运行速度，尽管不会浪费过多时间，但也会稍逊于其他方法。将来能够设计一个模糊去除模型，通过更少的运算直接去除不同的模糊状态，加强对模糊图像的快速处理。
