一种基于CS优化的NSST域船舶视频图像增强方法

技术领域

本发明涉及船舶视频图像增强领域，具体涉及一种基于CS优化的NSST域船舶视频图像增强方法。

背景技术

船舶作为海上重要目标，基于视频处理的船舶目标检测识别为保障海上交通安全提供了有力的支撑。由于载荷成像机理、成像环境等因素影响，所采集到的视频图像往往呈现噪声干扰、对比度较低、船舶目标边缘轮廓不清晰、细节信息淹没等降质现象，为后续的船舶目标跟踪识别及其行为分析增加了一定的难度。因此，亟需一种有效的船舶视频图像增强方法。

传统的视频图像增强通常采用直方图均衡、Retinex等基于空域的方法实现，前者通过将视频图像的直方图变换为均匀分布的形式，增加了视频图像灰度值的动态范围，改善视频图像的整体对比度，但易导致增强后图像的灰度级减少，部分细节信息丢失，且针对存在集中亮度区间的视频图像，造成过分增强问题。后者基于恒常色原理对增强视频图像行，视频图像亮度过渡均匀，但是可能会存在“光晕”缺陷。导向滤波是一种实时性与滤波性能兼备的图像滤波器，具有运行速度快、边缘保持能力强、细节增强明显等优势。基于导向滤波的视频图像增强方法能够明显地提高视频图像的清晰度和对比度，但该类基于空域的视频图像增强方法依据像素点的灰度值大小进行增强处理，对噪声较为敏感。

发明内容

发明目的：针对现有船舶视频图像增强领域中存在的缺陷，进一步提高船舶视频图像增强的效果，本发明公开了一种基于CS优化的NSST域船舶视频图像增强方法。利用非线性增益函数变换滤除船舶视频图像高频分量中噪声的同时，增强纹理、边缘轮廓等细节；通过导向滤波增强低频分量，提高了图像的清晰度和对比度；最终经NSST逆变换得到船舶视频图像增强结果。为了提高方法的智能度和自动化水平，利用CS算法对导向滤波中涉及的相关参数进行了自适应寻优，进一步改善船舶视频凸显的增强效果。

技术方案：本发明公开了一种基于CS优化的NSST域船舶视频图像增强方法，包括如下步骤：

包括如下步骤：

步骤1，对待增强船舶视频图像进行非下采样变换操作，得到相应的高频分量和低频分量；

步骤2，对步骤1得到的高频分量进行增强处理；

步骤3，通过导向滤波对步骤1得到的低频分量进行增强，在增强过程中，引入布谷鸟搜索算法寻找最优的增强滤波参数；

步骤4，对增强后的高频分量和低频分量进行NSST逆变换得到最终的船舶视频图像增强结果。

步骤1包括：

所述非下采样变换操作包括多尺度分解和多方向分解，其中，所述多尺度分解采用无下采样金字塔对图像逐层划分，所述多方向分解通过改进的剪切滤波器对每一层高频分量进行方向细分(将传统的伪极化网络系统映射到笛卡尔坐标进行多方向分解，得到多个方向的子带系数，然后对每个子带系数进行傅里叶逆变换)；

多尺度分解过程通过对图像进行j次NSP分解后，得到与原图像尺寸相同的j+1个分量，包括1个低频分量和j个高频分量；

多方向分解过程通过剪切滤波器实现，最后经过逆傅里叶变换和二维卷积完成；

合成膨胀仿射系统(维数为2)表示为：

Μ

式中，x是输入信号，C为平移参数，

步骤2包括：利用下式对船舶视频图像高频分量进行非线性增益变换，得到的船舶视频图像高频分量增强结果：

式中，f

步骤3包括：

步骤3-1：导向滤波涉及的输入输出变量包括导向图像I、待滤波图像p和滤波输出图像q，设定导向图像I和待滤波图像p均为分解后的低频分量；设定在局部区域内，导向图像I和滤波输出图像q存在线性关系，则在中心像素点为k，窗口大小为(2r+1)×(2r+1)的正方形窗口w

式中，a

在当前窗口w

式中，p

式中，n

根据如下公式计算q

式中，

经导向滤波得到滤波输出图像后，利用下式对图像进行增强：

I

式中，I

步骤3-2：采用增强后图像的清晰度E

式中，I

步骤3-3：采用Lévy flight(莱维飞行，随机游走的一种)随机游走模式，利用下式随机获得新的鸟巢位置：

式中，λ、n

将鸟巢的位置完成更新，得到新的鸟巢位置后，比较各鸟巢位置的适应度函数值大小，更新鸟巢的最佳位置；

步骤3-4：依据发现概率随机淘汰鸟巢：随机产生发生概率比较阈值r

步骤3-5：对当前迭代次数做出判断，如果未达到最大迭代次数，当前迭代次数加1，转步骤3-3继续对滤波参数进行搜索，否则停止迭代，当前所得的最佳鸟巢位置即为导向滤波最佳增强参数，并以此对船舶视频图像低频分量进行导向滤波增强，得到船舶视频图像低频分量增强结果。

有益效果：与现有技术相比，本发明方法的优点在于：

(1)基于空域的增强方法依据像素点的灰度值大小进行增强处理，对噪声较为敏感。鉴于此，提出在NSST域内对船舶视频图像进行增强，通过NSST变换对高维几何结构进行稀疏表示，针对分量的不同特性采用相应策略增强变换后的高频、低频，改善船舶视频图像的质量。

(2)利用NSST变换得到的高频分量主要为图像的高频细节信息。由于高频分量中通常包含大量的细节信息以及噪声，对经NSST分解后的船舶视频图像高频分量进行非线性变换，以此在增强高频分量中细节信息的同时，降低噪声等干扰对船舶视频图像的影响。

(3)经NSST分解后的船舶视频图像低频分量，是对原始图像的的粗略描述，包含图像的主体结构，基本不含有噪声，本发明采用导向滤波对分解后的低频分量进行增强，避免了导向滤波在增强过程中易造成噪声放大的问题，有效强调图像“有用信息”，提高视频图像的清晰度和对比度。

(4)现有的导向滤波中涉及的盒滤波半径和正则化参数直接影响增强结果，但通常需人工手动设置，往往具有一定的主观性，为此，考虑引入CS算法对上述滤波参数进行自动寻优。

附图说明

下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。

图1是本发明的流程示意图。

图2是本发明的待增强船舶视频图像。

图3是本发明的NSST变换示意图。

图4是本发明的NSST频域剖分图。

图5是本发明的NSST频域支撑区间。

图6是本发明的船舶视频图像增强结果。

具体实施方式

本发明提供了一种基于CS优化的NSST(无下采样Shearlet变换，non-subsampledshearlet transform)域船舶视频图像增强方法。首先利用NSST将船舶视频图像分解成高频分量与低频分量；在NSST域内，对船舶视频图像的高频分量进行非线性增益函数变换，在增强边缘细节信息的同时，对噪声等干扰进行抑制；再通过导向滤波增强低频分量，避免了导向滤波在增强过程中易造成噪声放大的问题；最后结合增强后的高频分量和低频分量，经NSST逆变换得到最终的船舶视频图像增强结果。考虑到导向滤波中的盒滤波半径与正则化参数对增强结果有较大影响，采用CS算法搜索其最佳值，确保增强结果达到最优。

下面结合附图和具体实施方式，进一步阐明本发明。

实现本发明的流程示意图如图1所示，方法具体实施步骤如下：

步骤1：NSST变换。图3给出了NSST的分解流程，包括多尺度分解和多方向分解(图中用虚线框表示)。前者采用无下采样金字塔(NSP)对图像逐层划分；后者通过改进的剪切滤波器(SF)对每一层高频分量进行方向细分。NSST的多尺度分解过程通过对图像进行j次NSP分解后，得到与原图像尺寸相同的j+1个分量，包括1个低频分量(最底层)和j个高频分量。NSST的多方向分解过程主要通过改进的SF实现，最后经过逆傅里叶变换和二维卷积完成。由此避免了标准SF中需要进行下采样操作的问题，能有效克服Shearlet变换产生的伪吉布斯效应。

合成膨胀仿射系统(维数为2)表示为：

Μ

式中，

NSST是合成小波的一种特殊情况，其中

步骤2：由于高频分量中通常包含大量的细节信息以及噪声，本发明利用下式对经NSST分解后的船舶视频图像高频分量进行非线性增益变换，得到的船舶视频图像高频分量增强结果。以此在增强高频分量中细节信息的同时，降低噪声等干扰对图像的影响。

式中，f

步骤3：经NSST分解后的船舶视频图像低频分量中通常包含较多原始图像的主体信息，基本不含有噪声。因此本发明采用导向滤波对分解后的低频分量进行增强。导向滤波中涉及的窗半径r、正则化系数ε在很大程度上会影响增强结果的优劣。针对这个问题，本发明引入CS算法对上述提及的两项滤波参数的最佳值进行搜索，以此实现自适应参数调整，使增强效果始终处于最优。初始化布谷鸟算法相关参数。设置最大迭代次数为100，发现概率p

步骤3-1：设定导向图像I和待滤波图像p均为分解后的低频分量。设定在局部区域内，导向图像I和滤波输出图像q存在线性关系，则在中心像素点为k，窗口大小为(2r+1)×(2r+1)的正方形窗口w

式中，a

在窗口w

式中，ε是正则化参数，可对a

式中，n

得到a

式中，

经导向滤波得到滤波输出图像后，利用下式对图像进行增强。

I

式中，I

步骤3-2：采用增强后图像的清晰度E

式中，C

步骤3-3：采用Lévy flight随机游走模式，利用下式随机获得新的鸟巢位置：

式中，

将鸟巢的位置完成更新，得到新的鸟巢位置后，比较各鸟巢位置的适应度函数值大小，更新鸟巢的最佳位置。

步骤3-4：依据发现概率随机淘汰鸟巢。随机产生r

步骤3-5：对当前迭代次数做出判断，若未达到最大迭代次数，当前迭代次数加1，转步骤3-3继续对滤波参数进行搜索，否则停止迭代，当前所得的最佳鸟巢位置即为导向滤波最佳增强参数，并以此对船舶视频图像低频分量进行导向滤波增强，得到船舶视频图像低频分量增强结果。

步骤4：将步骤2所得的船舶视频图像高频分量增强结果和步骤3所得的船舶视频图像低频分量增强结果进行NSST逆变换，得到最终的船舶视频图像增强结果，如图6所示(图2是原始待增强船舶视频图像)。

本发明提供了一种基于CS优化的NSST域船舶视频图像增强方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。