船載嵌入式網(wǎng)絡視頻監(jiān)控圖像模糊細節(jié)增強系統(tǒng)

張俊生，赫英鳳，楊 鵬，仝曉剛

(1.太原工業(yè)學院 電子工程系，山西 太原 030008；2.中北大學信息探測與處理山西省重點實驗室，山西 太原 030051)

0 引言

近年來，信息技術(shù)與計算機技術(shù)得到了大力的發(fā)展與普及，數(shù)字視頻技術(shù)也迎來了高速發(fā)展期，受到多個領(lǐng)域的關(guān)注與應用，尤其是航海領(lǐng)域[1]。嵌入式網(wǎng)絡的出現(xiàn)，使得船舶之間通信更加便利、穩(wěn)定。嵌入式網(wǎng)絡具有較好的適用性與便捷性，能夠直接搭載在船舶，為船舶視頻監(jiān)控提供有效的支撐。

船載嵌入式網(wǎng)絡視頻監(jiān)控圖像由于天氣因素、環(huán)境因素、設(shè)備因素等影響，存在著大量的噪聲點、模糊點，使得視頻監(jiān)控圖像清晰度較差，細節(jié)信息無法得到完整的、準確地顯示，影響視頻監(jiān)控圖像的應用以及船舶航行狀態(tài)的判定，是現(xiàn)今導致船舶航行事故發(fā)生的關(guān)鍵原因之一[2]。為了避免上述事件的發(fā)生，引入模糊集理論提出船載嵌入式網(wǎng)絡視頻監(jiān)控圖像模糊細節(jié)增強系統(tǒng)設(shè)計。

1 視頻監(jiān)控圖像模糊細節(jié)增強系統(tǒng)

1.1 視頻監(jiān)控圖像預處理

由于船舶航行環(huán)境較為復雜，致使船載嵌入式網(wǎng)絡視頻監(jiān)控圖像存在著顏色失真的現(xiàn)象，對細節(jié)增強具有不利影響，故通過動態(tài)范圍拉伸模式預處理視頻監(jiān)控圖像。由于圖像細節(jié)增強過程中，計算機系統(tǒng)對亮度變化較為敏感，因此在視頻監(jiān)控圖像預處理過程中只對亮度通道進行處理[3]。為了方便研究的進行，將拉伸后的圖像RGB 顏色空間轉(zhuǎn)換為HSI 顏色空間，轉(zhuǎn)換公式為：

上述過程完成了視頻監(jiān)控圖像的預處理，消除了視頻監(jiān)控圖像顏色失真現(xiàn)象，為后續(xù)視頻監(jiān)控圖像細節(jié)模糊熵的計算奠定基礎(chǔ)。

1.2 視頻監(jiān)控圖像細節(jié)模糊熵計算

以上述預處理后的視頻監(jiān)控圖像f′(x,y)為依據(jù)，基于模糊集理論計算視頻監(jiān)控圖像細節(jié)模糊熵，為圖像細節(jié)增強做好準備[4]。將視頻監(jiān)控圖像看作為一個模糊集合，傳統(tǒng)系統(tǒng)采用隸屬度函數(shù)表示模糊集合的不確定性，其會受到主觀影響，無法實現(xiàn)模糊程度的定量描述[5]。因此，引入模糊熵概念，對視頻監(jiān)控圖像細節(jié)模糊程度進行定量表示。假設(shè)視頻監(jiān)控圖像f′(x,y)模糊集合表示為代表像素i對應的模糊子集，其模糊熵計算公式為：

1.3 最佳模糊參數(shù)確定

以獲得的視頻監(jiān)控圖像細節(jié)模糊熵為基礎(chǔ)，利用遺傳算法確定最佳模糊參數(shù)，為最終圖像細節(jié)增強做準備。遺傳算法具有較強的并行性自動搜索與全局尋優(yōu)能力，可以在最短時間內(nèi)獲取最佳模糊參數(shù)，以此來降低圖像細節(jié)增強運算時間，便于設(shè)計系統(tǒng)的實際應用[7]。基于遺傳算法的最佳模糊參數(shù)確定程序如圖1所示。

圖1 最佳模糊參數(shù)確定程序圖Fig.1 Program diagram for determining the optimal fuzzy parameters

對視頻監(jiān)控圖像f′(x,y)中的每一個細節(jié)進行編碼處理，編碼結(jié)果顯示為8 為二進制串，由數(shù)字0 與1 構(gòu)成[8]。另外，由于視頻監(jiān)控圖像灰度值范圍為[0.255]，則模糊參數(shù) χe的取值范圍為[0.255]，其初始數(shù)值采用隨機方式產(chǎn)生。適應度函數(shù)的構(gòu)造是遺傳算法的關(guān)鍵環(huán)節(jié)，此研究以模糊熵為基礎(chǔ)，構(gòu)造合理的適應度函數(shù)，表達式為：

式中：K(xi)為適應度函數(shù)，xi為第i個染色體；M為染色體種群規(guī)模；εi為誤差校正項，主要作用是調(diào)節(jié)適應度數(shù)值的計算精度。

依據(jù)式(4)對全部個體適應度數(shù)值進行計算，以此為基礎(chǔ)，選擇前m個染色體作為交叉、變異操作的對象，設(shè)置交叉方式為單點交叉，獲取新的個體，表示為：

計算新染色體的適應度數(shù)值，重復進行上述操作，直至適應度數(shù)值達到最大值max[K(xi)]為止，其對應的模糊參數(shù) χe即為最佳模糊參數(shù)，將其記為。

1.4 視頻監(jiān)控圖像模糊細節(jié)增強

以上述確定的最佳模糊參數(shù)為基礎(chǔ)，計算擴散系數(shù)，融合視頻監(jiān)控圖像模糊梯度場情況，應用變分法求解修正隸屬度函數(shù)，通過逆變換將視頻監(jiān)控圖像從模糊域轉(zhuǎn)換到灰度域，即可獲得細節(jié)增強后的船載嵌入式網(wǎng)絡視頻監(jiān)控圖像。為了體現(xiàn)視頻監(jiān)控圖像細節(jié)的模糊信息，基于最佳模糊參數(shù)計算擴散系數(shù)，表達式為：

由式(6)可以看出最佳模糊參數(shù)與擴散系數(shù)之間存在著緊密的聯(lián)系，關(guān)系擬合曲線如圖2 所示?？芍S著最佳模糊參數(shù)的增大，擴散系數(shù)呈現(xiàn)逐漸下降的趨勢，最終趨向于1。擴散系數(shù)的添加，可以避免視頻監(jiān)控圖像邊緣細節(jié)過分增強的現(xiàn)象，使增強后的圖像更加柔和。

圖2 最佳模糊參數(shù)與擴散系數(shù)關(guān)系擬合曲線圖Fig.2 Fitting curve of the relationship between the best fuzzy parameter and diffusion coefficient

視頻監(jiān)控圖像模糊梯度場情況也是細節(jié)增強的關(guān)鍵所在。原始隸屬度函數(shù)由視頻監(jiān)控圖像灰度值決定，表達式為：

式中：β(x,y)為像素素(x,y)對應的隸屬程度；R(x,y)為像素(x,y)的灰度值；Rmin(x,y)與Rmax(x,y)為灰度值的最小值與最大值。

以式(6)計算結(jié)果為基礎(chǔ)，獲取像素(x,y)的模糊梯度：Γ(x,y)是模糊梯度數(shù)值，可獲得放大后的視頻監(jiān)控圖像模糊梯度場模型，表達式為：

式中，T(x,y)為放大處理后的圖像模糊梯度場。

以此為基礎(chǔ)，構(gòu)造泛函公式，表達式為：

2 仿真實驗

2.1 實驗準備

為了驗證設(shè)計系統(tǒng)的應用性能，選取某船載嵌入式網(wǎng)絡為實驗對象，內(nèi)部結(jié)構(gòu)如圖3 所示。船載嵌入式網(wǎng)絡會連接多個客戶端——船舶、岸上基站或者監(jiān)測設(shè)備等，會獲取限定范圍海域的視頻監(jiān)控圖像，將其作為實驗數(shù)據(jù)。

圖3 船載嵌入式網(wǎng)絡結(jié)構(gòu)示意圖Fig.3 Schematic diagram of shipborne embedded network structure

在視頻監(jiān)控圖像獲取過程中，由于各種因素(設(shè)備振動、海上環(huán)境等)的影響，使得視頻監(jiān)控圖像中包含大量的噪聲，并且存在著圖像輪廓不清晰的現(xiàn)象，若是直接將其作為實驗數(shù)據(jù)，會降低實驗結(jié)論的精度。因此，在實驗進行之前，對實驗數(shù)據(jù)?視頻監(jiān)控圖像進行預處理。首先，應用中值濾波去除視頻監(jiān)控圖像中的噪聲，表達式為：

式中：F(i,j)與G(i,j)為含噪與無噪視頻監(jiān)控圖像；Med{·}為中值濾波函數(shù)；M(i,j)為濾波窗口，(s,t)為M(i,j)的子集。

其次，應用拉普拉斯算子銳化處理視頻監(jiān)控圖像，表達式為：

式中：D(i,j)是銳化處理后的視頻監(jiān)控圖像；μo為銳化系數(shù)。一般情況下，銳化系數(shù) μo越大，視頻監(jiān)控圖像銳化效果越好；反之，銳化系數(shù) μo越小，視頻監(jiān)控圖像銳化效果越差。

2.2 實驗結(jié)果分析

以實驗準備內(nèi)容為依據(jù)，進行視頻監(jiān)控圖像模糊細節(jié)增強實驗。以某一幅視頻監(jiān)控圖像為例，基于設(shè)計系統(tǒng)對其進行處理，獲得視頻監(jiān)控圖像模糊細節(jié)增強結(jié)果如圖4 所示。

圖4 視頻監(jiān)控圖像模糊細節(jié)增強結(jié)果示意圖Fig.4 Schematic diagram of fuzzy detail enhancement results of video surveillance image

可知，應用設(shè)計系統(tǒng)后，原始視頻監(jiān)控圖像中未顯示的細節(jié)信息得到了增強與恢復，充分證實了設(shè)計系統(tǒng)的可行性。

3 結(jié)語

視頻監(jiān)控是船舶航行過程中的關(guān)鍵保障手段，不但能夠?qū)Υ搩?nèi)部、外部環(huán)境進行監(jiān)測，也能通過網(wǎng)絡獲取整個海域情況，實時為船舶航行提供圖像數(shù)據(jù)支撐。但是，由于海上環(huán)境多變，監(jiān)控設(shè)備自身缺陷等多種因素的影響，致使視頻監(jiān)控圖像存在著細節(jié)缺失、模糊等現(xiàn)象，威脅著船舶的航行安全，故提出船載嵌入式網(wǎng)絡視頻監(jiān)控圖像模糊細節(jié)增強系統(tǒng)設(shè)計。實驗數(shù)據(jù)顯示：設(shè)計系統(tǒng)大幅度提升了增強圖像的信息熵數(shù)值，能獲取具備更對細節(jié)信息的視頻監(jiān)控圖像，為船舶航行決策制定提供精準依據(jù)，也為圖像增強相關(guān)研究提供一定的借鑒作用。