[发明专利]一种基于CS优化的NSST域船舶视频图像增强方法

权利要求书

1.一种基于CS优化的NSST域船舶视频图像增强方法，其特征在于，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。

2.根据权利要求1所述的方法，其特征在于，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；

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；

合成膨胀仿射系统表示为：

Μ_AB(ψ)＝{ψ_j,l,C(x)＝|det(A)|^1/2ψ(B^lA^jx-C)} (1)

式中，x是输入信号，C为平移参数，为尺度参数，L为勒贝格可积函数，代表平方可积；为剪切参数，j和l分别控制着非下采样Shearlet变换NSST的尺度分解数目和方向分解数目；C为平移参数；各向异性膨胀矩阵A、剪切矩阵B均为2×2的可逆矩阵，且|detB|＝1；指实数集合，如果则称合成膨胀仿射系Μ_AB(ψ)中的元素为合成小波。

3.根据权利要求2所述的方法，其特征在于，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_NL(x_im)高频分量增强结果，x_im表示每一点像素值，α₁表示非线性变换增益范围调节参数，α₂表示非线性变换增益强度控制参数。

4.根据权利要求3所述的方法，其特征在于，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_k内，q和I表示为：

式中，a_k、b_k是线性系数，在当前窗口w_k中为定值；q_i、I_i分别表示导向图像和滤波输出图像中像素点i的对应值；r为导向滤波中涉及的窗半径；

在当前窗口w_k中最小化代价方程式，得到最小化滤波前后图像间的差异E(a_k,b_k)：

式中，p_i表示待滤波图像p中像素点i的对应值，ε是正则化参数，利用线性回归方法对上式进行求解得到：

式中，n_w代表当前窗口w_k中的像素个数，是待滤波图像p在当前窗口w_k中的均值，μ_k和分别表示在窗口w_k中导向图像I的均值和方差；

根据如下公式计算q_i：

式中，为中间参数，

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_E＝ε_E(p-q)+q

式中，I_E是增强后的图像；ε_E是增强参数；

步骤3-2：采用增强后图像的清晰度E_D与局部对比度E_LC的乘积作为布谷鸟搜索算法的适应度函数，并计算各鸟巢的适应度函数值，确定当前鸟巢最佳位置及其相应的适应度函数值，其中，

式中，I_E(i,j)、I_O(i,j)分别代表增强后图像中像素点(i,j)灰度级和增强前图像中像素点(i,j)灰度级；m、n分别代表图像的长和宽，C_O,max(i,j)、C_O,min(i,j)分别代表待滤波图像中以像素点(i,j)为中心、大小为3×3的窗口内，所有像素点灰度级的最大值和最小值；C_E,max(i,j)、C_E,min(i,j)分别代表增强后的图像中以像素点(i,j)为中心、大小为3×3的窗口内，所有像素点灰度级的最大值和最小值；

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，λ、n_c分别代表特征值解和鸟巢个数，和分别为第i个鸟巢在第t_c代和第t_c+1代的位置，为点对点乘法，β为控制步长的参数且服从正态分布，L(λ)为列维分布函数，且满足L(λ)～u＝t_c^-λ,1λ≤3；u表示由Lévy flight得到的随机步长；

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_c∈(0,1)，与外来卵发现概率p₀比较，如果r_c≤0.25，则鸟巢位置保留，否则位置被新的鸟巢随机替换，并依照适应度函数值大小再次更新当前最佳鸟巢位置；

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。