【技术实现步骤摘要】
本申请涉及图像处理领域，主要涉及一种在恶劣天气下舰船检测中像素级自适应图像处理方法。
技术介绍
1、近年来，无人水面艇(unmanned surface vehicle，usv)方向的研究为海上目标检测领域提供了新思路。这种具有自主航行特性的无人水面舰艇有较为广泛的应用，因其具有体积小、成本低、适应性强等特点而被广泛应用于巡航、侦察、搜救和勘测等危险性较高或环境恶劣的任务当中。在无人艇的结构组成中，其视觉系统的作用就是代替人眼对海上的目标以及障碍物进行检测、跟踪和测量，因此结合无人船的视觉系统进行海上舰船检测的研究对无人艇的发展和实时海面监测都具有重要意义。
2、然而在真实的成像条件下，由于复杂的天气条件，例如雾霾、暗光等，基于正常海况开发的模型通常无法检测到舰船。其原因在于图像中的光学信息被恶劣天气削弱，从而降低了从这些图像中提取有用于舰船检测的特征。少数研究通过改进检测网络和合成退化图像来学习恶劣天气条件下的特征以及恶劣天气下捕获的船舶图。然而，恶劣天气对船舶探测的影响仍未得到解决。
3、为实现恶劣天气下的船舶检测，一种直接的方法是恢复模糊图像的可见性作为预处理步骤。首先经过去雾模型或亮度恢复模型的预处理，然后使用基于正常图像开发的模型进行检测。由于经过预处理的图像和正常图像还是存在偏差导致检测性能不一定提升。另一种方法通过联合执行图像增强和图像检测来解决这个问题。采用双子网网络(检测子网和恢复子网)减少图像退化的影响，其中特征提取层是共享的。然而这种方法在训练期间平衡检测和恢复之间的权重是非常具有挑
技术实现思路
1、针对当前方法在图像恢复过程中缺乏对任务相关信息的关注以及全局调整会增强不必要的信息，本专利技术采用像素级调整方法，只对有利于检测的信息进行增强，突出前景信息弱化背景信息。本专利技术提出了一种新的像素级自适应图像处理船舶检测框架，称为pip-yolo，它可以端到端训练，并共同学习三个任务：图像增强、船舶分类和船舶定位。具体来说，本专利技术提出了一种像素级可微图像处理模块(pip)，通过学习多个滤波器的参数来自适应调整每个像素。滤波器参数由视觉编码器预测，并由全局优化器进一步改进。全局优化器根据任务调整参数，以捕获有利于检测的特征。通过联合学习，确保pip可以直接通过下游船舶检测损耗学习到合适的参数。最后使用经典的单级探测器yolov5来学习船舶入级和船舶定位。
2、根据本专利技术的一方面，提出了一种在恶劣天气下舰船检测中像素级自适应图像处理方法，其特征在于，包括以下步骤：
3、输入原始图像数据，利用像素级可微图像处理模块(pip)识别出原始图像数据的每个像素；
4、图像增强，所述图像处理模块(pip)，通过学习多个图像滤波器的参数自适应调整原始图像数据的每个像素，得到强化后的图像数据；
5、学习检测，将得到的强化后的图像数据利用单级探测器yolov5进一步学习船舶入级和船舶定位。
6、进一步的，所述的像素级可微图像处理模块(pip)具体为：
7、所述图像处理模块(pip)由多个图像滤波器组成，包括去雾滤波器、曝光校正滤波器、白平衡滤波器、伽马校正滤波器、对比度平衡滤波器和锐化滤波器。
8、进一步的，所述的去雾滤波器为可微的滤波器，具体包括：
9、根据大气散射模型，雾图像的形成用公式(1)表示：
10、i(x)＝j(x)t(x)+a(1-t(x)) (1)
11、其中i(x)表示雾图像，j(x)表示清晰图像，t(x)表示介质投射图，a表示大气光，x表示单个像素位置；
12、介质投射图t(x)通过公式(2)表示：
13、t(x)＝e-βd(x) (2)
14、其中，β表示大气的散射系数，d(x)表示场景深度。
15、变换公式(1)，可以得到清晰图像j(x)：
16、
17、从公式3中可以得出，得到清晰图像j(x)的关键是得到介质投射图t(x)和大气光a。
18、为了降低模型的复杂性，我们选择将介质投射图t(x)和大气光a集成到一个变量中进行预测，如公式(4)
19、j(x)＝h(x)i(x)-h(x)+1 (4)
20、其中：
21、
22、得到可微去雾滤波器后就可以优化通过反向传播使除雾滤波器更有利于雾天图像的检测。
23、进一步的，所述的自适应滤波器具体为：
24、所述曝光校正滤波器、白平衡滤波器、伽马校正滤波器、对比度平衡滤波器和锐化滤波器分别采用映射函数对像素点进行变换，以下使用px＝(rx，gx，bx)表示变换前的像素点，使用pyi＝(ryi，gyi，byi)表示变换后的像素点，(r，g，b)表示三个颜色通道分别为红色、绿色和蓝色，x表示单个像素位置且不超过图像范围，其中所述i的范围为1～5中的一个，
25、曝光校正滤波器的映射函数为py1＝2jp0，其中参数j表示曝光校正参数，p0表示原始像素点；
26、白平衡滤波器的映射函数为py2＝(kry1，kgy1，kby1)，其中参数k表示为图像三原色比例；
27、伽马滤波器的映射函数为其中参数l表示伽马参数；
28、对比滤波器的映射函数为py4＝men(py3)+(1-m)py3，其中参数m表示图像反差值，en(py3)的定义如下：
29、lum(py3)＝0.27rx+0.67gx+0.06bx (6)
30、
31、
32、其中，px＝(rx,gx，bx)通过映射函数变换为像素值py＝(ry,gy,by)；
33、锐化滤波器的映射函数为iy＝i(x)+n(i(x)-gau(i(x)))，其中n表示正比例因子，i(x)表示输入包括以上滤波器处理过后的图像，gau(i(x))表示i(x)的高斯滤波器。
34、由曝光校正滤波器、白平衡滤波器和伽马滤波器的原像素点经过乘积或幂变换，对比滤波器映射函数中的m表示增强像素点与完全增强像素点之间的线性插值，锐化滤波器映射函数中的gau(i(x))为高斯滤波器n(x)的逐像素正缩放因子可得到所述映射函数均可微。
35、在相机图像信号处理(isp)管道中，通常采用一些可调整的滤波器来进行图像增强，其超参数由经验丰富的工程师通过目视检查手动调整(mosleh et al.2020)。通常，这样的调整过程对于为广泛的场景寻找合适的参数是非常尴尬本文档来自技高网...
【技术保护点】
1.一种在恶劣天气下舰船检测中像素级自适应图像处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的舰船检测中像素级自适应图像处理方法，其特征在于，所述图像处理模块(PIP)由多个图像滤波器组成，包括去雾滤波器、曝光校正滤波器、白平衡滤波器、伽马校正滤波器、对比度平衡滤波器和锐化滤波器。
3.根据权利要求2所述的舰船检测中像素级自适应图像处理方法，其特征在于，所述去雾滤波器为可微的滤波器，具体包括：
4.根据权利要求3所述的舰船检测中像素级自适应图像处理方法，其特征在于，
5.根据权利要求4所述的舰船检测中像素级自适应图像处理方法，其特征在于：所述曝光校正滤波器、白平衡滤波器、伽马校正滤波器、对比度平衡滤波器和锐化滤波器分别为自适应滤波器，其参数由视觉编码器预测，并由全局优化器进一步改进优化。
6.根据权利要求5所述的舰船检测中像素级自适应图像处理方法，其特征在于，所述视觉编码器具体包括：
7.根据权利要求6所述的舰船检测中像素级自适应图像处理方法，其特征在于，所述全局优化器为一种基于多尺度特征融合和
8.一种在恶劣天气下舰船检测中像素级自适应图像处理的系统，其特征在于，该系统包括：
9.一种计算机可读介质，其中存储有计算机程序，所述计算机程序在被处理器执行时实施如权利要求1-7任一项所述的方法。
...【技术特征摘要】
1.一种在恶劣天气下舰船检测中像素级自适应图像处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的舰船检测中像素级自适应图像处理方法，其特征在于，所述图像处理模块(pip)由多个图像滤波器组成，包括去雾滤波器、曝光校正滤波器、白平衡滤波器、伽马校正滤波器、对比度平衡滤波器和锐化滤波器。
3.根据权利要求2所述的舰船检测中像素级自适应图像处理方法，其特征在于，所述去雾滤波器为可微的滤波器，具体包括：
4.根据权利要求3所述的舰船检测中像素级自适应图像处理方法，其特征在于，
5.根据权利要求4所述的舰船检测中像素级自适应图像处理方法，其特征在于：所述曝光校正滤波器、...
【专利技术属性】
技术研发人员：袁昊，黄红武，董帝渤，邹为彬，彭鹏，
申请(专利权)人：福建理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。