[发明专利]一种基于CS优化的NSST域船舶视频图像增强方法

说明书

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，包括如下步骤：1、对待增强船舶视频图像进行非下采样Shearlet(NSST)分解，得到相应的高频分量和低频分量；2、对高频分量进行基于非线性增益函数变换的细节增强，在凸显其细节特征的同时，滤除噪声等干扰因素；3、通过导向滤波对低频分量进行增强，采用布谷鸟搜索(CS)策略对增强滤波参数自适应寻优，保障导向滤波增强性能。4、对高频分量和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。本发明有效地实现了船舶视频图像的增强。

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：