0 引　言

舰船在航行过程中，需依靠采集的图像对舰船的航行监测，以保证舰船在海上的安全航行^[1]。但是由于海上环境具有显著的变化性以及复杂性，图像在采集过程中，受到大雾、降雨、光照等多种环境因素的影响^[2]，同时舰船处于运动状态下，因此，会导致采集的图像视觉质量较低^[3]，如边缘模糊、分辨率较低、图像灰度化等，影响舰船的航行安全监测效果。为提升舰船的监测效果，需对低质量舰船航行图像进行相关处理^[4]，优化图像质量。王兴瑞^[5]为提高图像质量，利用色彩空间转换亮度分量后，通过注意力机制复合残差网络进行分量融合，实现图像增强。但是该方法在应用过程中，对于图像边缘模糊现象的增强效果相对较差。吴建斌^[6]主要针对低光照图像增强展开研究，以图像自身的颜色信息感知为基础，通过空间和注意力生成对抗网络，实现图像颜色复原，完成低光照图像增强；但是该方法在应用过程中，对于光照度过强图像的增强效果较差。

视觉感知技术是利用双眼视觉器官，通过接收聚合光线获取目标的影像，并且能够分析目标的颜色，并可对图像进行非线性变换，调整图像的灰度值，进行图像色彩恢复，使其达到人眼视觉的愉悦区，以此实现图像增强。因此，本文为实现低质量舰船航行图像增强，设计基于视觉感知技术的低质量舰船航行图像增强系统。

1 低质量舰船航行图像增强 1.1 图像增强系统总体架构

为实现低质量舰船航行图像增强，本文设计基于视觉感知技术的低质量舰船航行图像增强系统，该系统以可编程门阵列(FPGA)为基础，通过PCI总线完成图像数据的传输，并利用视觉感知技术完成低质量图像增强，系统架构如图1所示。系统的整体原理为利用PCI总线将前段存储在PC机中的低质量舰船图像传送至图像增强处理模块中，利用视觉感知技术完成该图像的增强处理后，处理前后的图像均存储在同步动态随机存取内存(SDRAM)中，通过SDRAM控制模块对控制图像的存储和传输。依据FPGA的现场可编辑特性，可在进行图像处理的同时和通信模块进行交涉，并获取SDRAM中的存储的图像或者将增强后的图像存储至SDRAM中。最终通过PCI总线将增强的低质量舰船航行图像回传至PC中，为舰船航行监测提供可靠依据。

1.2 图像畸变矫正模块结构

由于舰船图像在采集过程中，舰船处于航行状态下，采集的图像会发生不同程度畸变。因此，在进行低质量舰船航行图像增强前，需先对该图像进行畸变矫正，利用FPGA完成图像畸变矫正，其结构如图2所示。FPGA在进行图像畸变矫正时，主要分为两部分，一是利用SOPC技术完成图像畸变系数的读取和写入，二是通过几何预畸变电路完成舰船航行图像畸变矫正。

1.3 SDRAM控制模块结构

低质量舰船航行图像再处理过程中，需通过SDRAM控制模块，控制图像的存储和传输，该控制模块功能结构如图3所示。SDRAM控制模块以PCI-E主板为核心，通过该主板上的接口，完成通信系统传输图像的接收，PD机通过通信模块可读取该接口传输的图像数据，并对其进行分割和还原处理，使其形成两路完全一致的图像，当需对图像进行存储时，则通过键盘和鼠标操作，输入操作指令，将SDRAM存储的一路数据写入PC机中。当需对图像进行显示时，利用键盘和鼠标操作，使另一路数据可通过PC机的显示器进行呈现。如果需同时完成2个步骤，则同时进行2个步骤的相关操作。

1.4 低质量舰船航行图像增强实现

人眼视觉系统能够较好应对光照变化环境，因此为实现低质量舰船航行图像增强，通过模拟人眼系统的光照应对特点，提出基于视觉感知特性的低质量舰船航行图像增强算法。畸变矫正后的低质量舰船航行图像，在SDRAM控制模块的控制下，传送至该算法中，完成低质量舰船航行图像增强。该算法的整体流程如图4所示。

由图4可知，该算法主要包含多个部分组成，第1部分是瞳孔放大过程中模拟，提升图像整体亮度；第2部分是依据暗适应函数进行明适应函数的设计，同时完成高灰度区域间隔的拉伸处理；第3部分是结合矫正后图像的光照分布情况，实现明暗两种信息的融合，实现图像增强^[7]；第4部分对增强后的亮度图像进行局部对比度增强；第5部分是完成舰船航行图像的色彩还原。

依据暗适应函数进行明适应函数的设计，同时完成高灰度区域间隔的拉伸处理后，会显著提升低质量舰船航行图像的全局对比度，但是也会导致局部对比度下降。视觉感知技术能够描述不同对象之间的差异，并且局部对比度较高时，则图像的清晰度、图像细节以及图像的灰度层次均会显著提升。

低质量舰船航行图像用X表示，则对其进行适当亮度增强后图像用X_E表示，此时需提升X_E的局部对比度。Michelson对比度(也称为能见度)和人的视觉感官对于视场光通量的空域频率一致，用 $ C $ 表示，其计算公式为：

$ C = \frac{{{I_{\max }} - {I_{\min }}}}{{{I_{\max }} + {I_{\min }}}}。$

(1)

式中，I_max和I_min均为领域中的灰度值。

采用统计学中的期望理念，进行X_E的局部对比度增强处理，以此描述X_E局部亮度的视觉特征。采用指数函数完成邻域中，中心像素点的合理拉伸，实现局部对比度的提升，其详细步骤如下：

1）如果中心像素点用X_E(i,j)表示，则设定大小为5×5的窗口作为邻域区域。

2）对确定的邻域区域内的像素点均值 $ \xi \left( {i,j} \right) $ 进行计算，其计算公式为：

$ \xi \left( {i,j} \right) = \frac{1}{{{w^2}}}\sum\limits_{i = 1}^w {\sum\limits_{i = 1j = 1}^w {{X_E}\left( {i,j} \right)} }，$

(2)

式中， $ w $ 为像素权重。

3）在邻域中，利用指数函数对亮度图像X_E对比度进行拉伸，其计算公式为：

$ \eta \left( {i,j} \right) = \frac{{\xi \left( {i,j} \right)}}{{{{\tilde X}_E}\left( {i,j} \right)}} ，$

(3)

$ {X_{con}}\left( {i,j} \right) = {X_E}{\left( {i,j} \right)^{\eta \left( {i,j} \right)}}。$

(4)

式中：X_con为局部对比度增强后图像； $ \eta $ 为调整参数。

依据上述公式完成图像局部对比度增强后，可获取亮度分量 $ X $ 的变化量。在此基础上，计算亮度增益 $ \varphi $ ，并采用线性操作对图像彩色进行处理，以此避免X_con(i,j)发生色彩失真现象， $ \varphi $ 的计算公式为：

$ \varphi = \frac{{{X_{con}}}}{X},X' = \varphi {X^c}。$

(5)

式中： $ X' $ 为增强后的舰船航行图像； $ c $ 为颜色通道。

2 实验结果分析

为验证本文系统对于低质量舰船航行图像的增强效果，选择10艘舰船在航行过程中采集的100张航行监测图像作为测试图像，这些图像在不同环境下采集，包含雾天、雨天、背光、夜晚等。

为验证本文系统的图像增强性能，采用灰度平均梯度和图像信息熵作为评价指标，前者用于衡量图像的对比度和纹理特征，其值越高，表示边缘轮廓质量越佳；后者用于描述图像的细节信息，其值越大表示图像的细节越丰富，2个指标的取值均在0～1之间，本文系统在不同大小图像下，对图像增强后，计算结果如表1所示。可知，采用本文系统对低质量舰船航行图像进行增强处理后，图像的度平均梯度和图像信息熵的结果均在0.92以上，其中两者的最大值分别达到0.977和0.973，增强后图像的边缘轮廓质量较好，同时图像的细节信息完整度较高。因此，本文系统的应用效果良好，具有低质量舰船航行图像的增强能力。

为验证本文系统对于低质量舰船航行图像的增强效果，随意选择一张夜晚拍摄的舰船航行图像，采用本文系统对其进行增强，获取增强前后的图像结果如图5所示。可知：本文系统具有较好的图像增强效果，增强后图像的边缘轮廓质量显著提升，有效改善图像模糊情况，并且增强后的图像没有发生色彩失真现象，图像细节完整。

3 结　语

舰船在航行过程中，均需对其航行情况进行监测，以此掌握舰船的航行状态。但是舰船在监测过程中，采集的监测图像受到多种环境因素影响，影响图像质量，降低舰船的监测效果。因此，本文设计基于视觉感知技术的低质量舰船航行图像增强系统，并对该系统的应用效果展开相关测试。结果表明，本文系统的应用性能较好，可有效完成图像增强，并且保证图像的细节完成度，避免颜色失真，可为舰船航行监测提供可靠依据。