一种船舶低光照环境下的监测图像增强方法与流程

本发明属于图像监测，特别是指船舶低光照环境下的监测图像增强方法。

背景技术：

1、船舶系统运行过程中需要时间掌握舱室设备的运行状态，一种常用的外部监测方式是使用摄像头进行连续的视频图像监测。船舶舱室空间较大，考虑节能要求后的照明设备配置常不够充分，导致存在较多的舱室低光照区域。传统的船舶低光照图像处理方法，多通过提高像素亮度，或通过直方图均衡对低光照图像进行调整，导致船舶舱室低光照监测图像的成像质量较差，不便于操纵员或智能算法对舱室低光照监测图像的进一步分析和处理。

2、传统的船舶低光照图像处理方法，多通过提高像素亮度，或通过直方图均衡对低光照图像进行调整，导致船舶舱室低光照监测图像的成像质量较差，不便于操纵员或智能算法对舱室低光照监测图像的进一步分析和处理。

技术实现思路

1、针对现有技术的以上缺陷或改进需求中的一种或者多种，本发明提供了一种船舶低光照环境下的监测图像增强方法，其特征在于，所述方法包括以下步骤：

2、步骤1，获取所述船舶低光照环境下的监测图像d；

3、步骤2，采用基于雾化图像退化模型的方法，对所述图像d进行增强恢复，具体为：利用暗原色先验理论，对低光照图像进行增强；

4、步骤3，在利用暗原色先验理论进行增强过程中，对透射率t的估计，可以选取多个不同值t1、t2、t3…、tm，从而得到不同去雾比率下的图像j1、j2、j3、…、jm；

5、步骤4，预先建立船舶舱室环境下一系列不同光照等级的图像序列b1、b2、b3、…、bn，其中b1为正常光照图像，随序号增加，光照递减，bn为最弱光照图像，图像序列越多，即n越大，光照区分度越精细；

6、步骤5，通过采集大量的不同光照图像，通过深度神经网络进行训练，得到不同光照等级图像b2、b3、…、bn与正常光照图像b1的端到端对应关系；

7、步骤6，对不同去雾比率下的图像j1、j2、j3、…、jm，识别与先验的不同光照等级图像序列b1、b2、b3、…、bn的对应关系，得到(jk，bp)，其中k＝1,2,3…，m，而bp为(b1、b2、b3、…、bn)中与jk亮度最近似的图像；

8、步骤7，对任一不同去雾比率下的图像jk，采用其亮度近似图像bp的已训练好的深度神经网络模型，得到jk的增强图像zjk。

9、步骤8，对于全部的不同去雾比率下的图像j1、j2、j3、…、jm，采用步骤7的方法，得到一系列增强图像zj1、zj2、zj3、…、zjm；

10、步骤9，为获得稳定和高质量的增强图像，可对一系列增强图像zj1、zj2、zj3、…、zjm进行优化处理，得到船舶舱室低光照图像d的增强恢复图像zja。

11、优选地，在所述步骤3中，取m＝5，从而得到低光照图像的5幅不同增强比率的图像。

12、优选地，在所述步骤5中，所述深度神经网络为采用生成对抗网络(gan)，获得不同光照等级图像与正常光照图像间的生成关系，表示为gan2、gan3、…、gann。

13、优选地，在所述步骤6中，所述识别的具体方法是，比较各图像在红色r通道亮度，对于j1、j2、j3、…、jm中的每个图像查找与其亮度近似的b1、b2、b3、…、bn中的图像。

14、优选地，在所述步骤9中，所述优化处理是加权平均，对zj1、zj2、zj3、…、zjm进行平均，得到均值图像zja。

15、总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有的有益效果包括：

16、(1)图像去雾是一种图像增强方法，其中基于雾化退化模型的技术从雾天气候引起图像成像质量下降的机理入手，可较好恢复出真实的无雾图像。深度神经网络，是一种端到端的学习方法，对复杂问题进行学习和预测。将图像去雾思想、深度神经网络方法进行结合，用于船舶舱室低光照图像的增强处理；

17、(2)本发明提供一种船舶低光照环境下的监测图像增强方法，针对舱室低光照图像，利用图像去雾原理，设置不同去雾比率得到多个调整图像，基于先验信息获得不同光照等级的深度神经网络增强模型，对不同去雾比率的图像套用不同光照等级深度神经网络模型得到多个恢复图像，最终加权得到最优增强恢复图像。

技术特征：

1.一种船舶低光照环境下的监测图像增强方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的方法，其特征在于：在所述步骤3中，取m＝5，从而得到低光照图像的5幅不同增强比率的图像。

3.根据权利要求1所述的方法，其特征在于：在所述步骤5中，所述深度神经网络为采用生成对抗网络(gan)，获得不同光照等级图像与正常光照图像间的生成关系，表示为gan2、gan3、…、gann。

4.根据权利要求1所述的方法，其特征在于：在所述步骤6中，所述识别的具体方法是，比较各图像在红色r通道亮度，对于j1、j2、j3、…、jm中的每个图像查找与其亮度近似的b1、b2、b3、…、bn中的图像。

5.根据权利要求1所述的方法，其特征在于：在所述步骤9中，所述优化处理是加权平均，对zj1、zj2、zj3、…、zjm进行平均，得到均值图像zja。

技术总结
一种船舶低光照环境下的监测图像增强方法，属于图像监测技术领域，现有技术中的处理方法不便于操纵员或智能算法对舱室低光照监测图像的进一步分析和处理；本发明提供的方法，利用图像去雾原理，设置不同去雾比率得到多个调整图像，基于先验信息获得不同光照等级的深度神经网络增强模型，对不同去雾比率的图像套用不同光照等级深度神经网络模型得到多个恢复图像，最终加权得到最优增强恢复图像。

技术研发人员：郑伟,柯志武,汪伟,陶模,王晨阳,柴文婷,冯毅,李献领,周宏宽,郭晓杰,孙衢骎,柯汉兵,戴春辉,黄崇海
受保护的技术使用者：中国船舶集团有限公司第七一九研究所
技术研发日：
技术公布日：2024/1/13