舰船作战虚拟视景图像自适应增强方法.pdf

第45卷第2 0 期2023年10 月舰船科学技术SHIP SCIENCEANDTECHNOLOGYVol.45,No.20Oct.,2023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0 30 0 0 8；2.太原科技大学，山西太原0 30 0 2 4）摘要：为提升虚拟视景图像的灰度分布均匀性，提出舰船作战虚拟视景图像自适应增强方法。利用视觉灵敏度，检测舰船作战虚拟视景图像内的噪声点，通过改进距离方向滤波器，滤除噪声点，完成舰船作战虚拟视景图像的去噪处理；通过改进粒子群算法，自适应选择非完全Beta函数的参数，设计改进粒子群的非完全Beta函数自适应图像增强方法，自适应增强去噪后的虚拟视景图像。仿真实验证明：该方法可有效滤除舰船作战虚拟视景图像的噪声，完成虚拟视景图像自适应增强；应用该方法自适应增强后，虚拟视景图像的灰度分布均匀性较优。关键词：舰船作战；虚拟视景图像；自适应增强；视觉灵敏度；滤波器；Beta函数中图分类号：TP391.9文章编号：16 7 2-7 6 49(2 0 2 3)2 0-0 2 0 2-0 4Adaptive enhancement method for virtual scene images of ship operations(1.Computer Engineering Department,Taiyuan Institute of Technology,Taiyuan 030008,China;2.Taiyuan University ofAbstract:To improve the gray level distribution uniformity of virtual visual images,an adaptive enhancement methodfor ship combat virtual visual images is proposed.Utilizing visual sensitivity to detect noise points in the virtual visual im-age of ship operations,and improving the distance direction filter to filter out noise points,completing the denoising processof ship operations virtual visual image;By improving the particle swarm optimization algorithm,adaptively selecting para-meters for non complete beta functions,designing an improved particle swarm algorithm for non complete beta function ad-aptive image enhancement,and adaptively enhancing the denoised virtual scene image.Simulation experiments have shownthat this method can effectively filter out the noise in the virtual visual image of ship combat,and achieve adaptive enhance-ment of the virtual visual image.After applying this method for adaptive enhancement,the gray level distribution uniformityof the virtual scene image is better.Key words:ship operations;virtual visual images;adaptive enhancement;visual sensitivity;filter;Beta function0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 。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，解决上述问收稿日期：2 0 2 3-0 5-19基金项目：山西省高等学校教学改革创新项目（J20221105）作者简介：刘晋钢（19 7 5-），女，副教授，研究方向为虚拟仿真及智能信息处理。文献标识码：Adoi:10.3404/j.issn.1672-7649.2023.20.039LIU Jin-gang,LIU Jin-xia,CAO Xiao-fengScience and Technology,Taiyuan 030024,China)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。第45卷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,Sc(i,j)2e,SB(i,j)2el中的波动，人眼无法观察到。44窗口Q的中心点是so(ij)，如果在Q内，令so(i,j)E(s%(i,j)2e,s(i,j)2e,sp(i,j)2e)成立像素l的数量，在Q内的占据比例较高，那么判定so(ij)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A尺寸是L=LiLI，以位置(i)为A;的中心位置，由上至下、由左至右排序Ai内的像素，得到Aij=(si(i,),s2(i,j),SL(i,j)，因此，距离滤波器为：Y(i,j)=arg minLlsi(i,j)-Sk(i,jlx式中：L为Ai;内的像素点总数；si(i,j)第k个像素图像；J(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，引人空间距离加权值w，改进后的距离滤波器为：Y(i,j)=argminLarccosIls(i,j)lIsk(i,j)l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：W=1-1+exp(a1 V(i-0)2+(j-q)2式中：i为调节w大小的函数；i(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，对舰船作战刘晋钢，等：舰船作战虚拟视景图像自适应增强方法LSi(i,j)sk(i,j)arccosIIsi(i,j)lIsk(i,jllSi(i,j)sk(i,j)1203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A;的尺寸L。步骤3以U为起点，滑动Aijo步骤4分析Ai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Ai,至下一像素点，若U(i,j)-1，那么以s(i,)为中心点，得到A,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A,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A,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(iji）。具体步骤如下：步骤1归一化处理Y(ij)的灰度值，并转换至0,1 区间内，得到:Y(i,j)-ZminY(i,j)=Zmax-Zmin(1)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、Zmi n 分别为Y(iji）的最大、最小灰度值。步骤 2 非线性变换 Beta 丽数是h=L-0diB(,0)其中，B(,)为Beta函数；、S为参数；t为时间。增强变换处理Y(i,j)得到：c(i,j)=h(Y(i,j)。其中，c(i,j)为增强变换后的归一化舰船作战虚拟视景(2)图像。步骤3按照Y(i,j)的灰度值范围，对c(i,j)展开反归一化变换处理，得到增强后的图像(i,j)为：Y(i,)=(2max-2min)c(i,j)+Zmin.(3)其中，Zmax、Zmi n 分别为Y(i,)的最大、最小灰度值。a2(L,d)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、8 拟合最佳的B(,)。为此，利用改进粒子群算法，自适应选择、，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：(4)(5)(6)204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、的优化值集合；令每个粒子均代表一组、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(t)与全局极值gbest,iD(t)。步骤3分析粒子是否进入死区，若进入死区，通过Sharing函数排斥进人死区的粒子，并初始化粒子；若未进人死区，则更新粒子速度与位置；Sharing函数公式如下：sharing(a(i,a)=式中：r为死区半径；(i,a)为第i个粒子和局部最优点a间的距离。排斥操作为：0f-new=1-sharing(a(i,a)式中：F-new为排斥后的新位置；F为第T次选代时的位置。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、S的最优值，完成、S的自适应选择；反之，令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6 40 48 0、10 2 4768、16 0 0 12 0 0、2 0 48 x 1536。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 进人主界面，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舰船科学技术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。入(i,a)(i,a)r,入0,A(i,a)r。第45卷(7)(a)原始图像图1本文方法的去噪效果Fig.1 Denoising effect of the method in this article(8)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.2Adaptive enhancement results of virtual scene images inship 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02 50 之间，具备较优的灰度分布均匀性。3结语虚拟视景图像的清晰度，直接影响舰船的作战演(b)去噪图像第45卷500450400350300250200150100500500450400350300250200150100500图3自适应增强前后图像的灰度直方图Fig.3 Grayscale histograms of images beforeand after adaptive enhancement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。参考文献：1程淑红，杨镇豪，王唱.多通道融合下的手势识别算法研究及船舶虚拟交互平台设计.计量学报，2 0 2 2,43(7)：8 56-8 6 2.CHENG Shu-hong,YANG Zhen-hao,WANG Chang.Research刘晋钢，等：舰船作战虚拟视景图像自适应增强方法Sinica,2022,43(7):856-862.2王晨,彭宗举，章联军,等.基于偏度和结构特征的无参考虚拟视点图像质量评价J.计算机应用，2 0 2 1,41(z2):226-233.WANG Chen,PENG Zong-ju,ZHANG Lian-jun,et al.No-ref-erence quality assessment for virtual view images based onskewness and structural featureJ.Journal of Computer Appli-cations,2021,41(z2):226-233.50100灰度级(a)自适应增强前的灰度直方图50100灰度级(b）自适应增强后的灰度直方图205on gesture recognition algorithm under multi-channel fusion anddesign of ship virtual interaction platformJ.Acta Metrologica1502001502002502503陈立家，王凯,李世刚，等.基于航空影像的航海模拟器视景快速建模方法J.系统仿真学报，2 0 2 1,33(7)：156 5-157 3.CHEN Li-jia,WANG Kai,LI Shi-gang,et al.Fast maritimesimulator scene modeling method based on aerial imagesJ.Journal of System Simulation,2021,33(7):1565-1573.4】兰蓉，贾亚雯.自适应直觉模糊相异直方图裁剪的图像增强算法J.控制与决策,2 0 2 1,36(12):2 919-2 92 8.LAN Rong,JIA Ya-wen.Adaptive intuitionistic fuzzy dissimi-lar histogram clipping image enhancement algorithmJ.Con-trol and Decision,2021,36(12):2919-2928.5常戳，刘鑫姝.空间转换与自适应灰度校正的低照度图像增强.计算机工程，2 0 2 3,49(6):193-2 0 0,2 0 7.CHANG Jian,LIU Xin-shu.Low illumination image enhancementwith spatial transformation and adaptive gray correction.Computer Engineering,2023,49(6):193-200,207.6王爱平，粟莲，杨海运，等.基于MVOtsu和鲸鱼自适应阈值的图像增强算法J控制工程,2 0 2 2,2 9(12):2 2 93-2 2 99.WANG Ai-ping,SU Lian,YANG Hai-yun,et al.Image en-hancement algorithm based on MVOtsu and whale adaptivethresholdJ.Control Engineering of China,2022,29(12):2293-2299.7】汤子麟，刘翔，张星.光照不均匀图像的自适应增强算法。计算机工程与应用,2 0 2 1,57(2 1):2 16-2 2 3.TANG Zi-lin,LIU Xiang,ZHANG Xing.Adaptive enhance-ment algorithm for non-uniform illumination imagesJ.Com-puter Engineering and Applications,2021,57(21):216-223.