恶劣通航环境下无人水面艇视觉感知增强方法研究

To meet the intelligent demand for unmanned surface vehicles in terms of environmental perception, information processing and self-decision, this project aims at developing robust and adaptive visual perception enhancement methods. The proposed methods can benefit for the maritime cruise regulation, maritime scavenging and salvation, etc. Under poor navigation conditions, the mathematical model of the shipboard video degradation process can be developed by considering the coupled factors. In this project, video dehazing and depth map estimation is combined into a uniform framework. To improve the video quality, a non-convex optimization model is proposed to simultaneously estimate video and depth map by combining the low-rank prior within intra-frame and sparsity prior within inter-frame. Furthermore, the motion vector parameters are accurately estimated by using the optical flow computational method. The Kalman filter is then adopted to compute the predefined motion parameters for motion compensation and image stabilization in the current frame. Finally, we tend to develop a shipboard imaging system to verify and revise the proposed theory, method and model in this project. This project can enhance the theory and method for visual perception enhancement for unmanned surface vehicles under poor navigation conditions. The research results will have great potential meaning in breaking the bottleneck of the development in unmanned surface vehicle intelligence, innovating visual perception enhancement methods, and extending the research area of maritime information perception and processing.

面向恶劣通航环境下无人水面艇环境感知、信息处理与自主决策的智能化需求，研究具有强鲁棒性和自适应特点的无人水面艇视觉感知增强理论与方法，以提高海事巡航监管、海事搜寻和救助的效能。本项目在研究多因素耦合作用下艇载视频质量退化数学模型的基础上，将视频去雾与景深估计引入到统一计算框架，挖掘视频图像与景深的时空统计特征，构建联合帧内低秩先验与帧间稀疏先验的非凸优化模型及其快速求解算法，同时实现视频去雾和景深估计；运用光流场计算方法精确反演帧间运动矢量，采用Kalman滤波器对运动矢量进行滤波估算有意运动参数，实现当前帧运动补偿，确保艇载视频稳定成像；通过自行开发的艇载成像系统对提出的理论、方法和模型进行检验和修正。项目研究能系统形成恶劣通航环境下无人水面艇视觉感知增强理论与方法，对突破无人水面艇智能化发展中的制约瓶颈、创新视觉感知增强技术、拓展海事信息感知与处理模式等方面具有重要的理论和现实意义。

面向恶劣通航环境下无人水面艇环境感知、信息处理与自主决策的智能化需求，研究具有强鲁棒性和自适应特点的无人水面艇视觉感知增强理论与方法，以提高海事巡航监管、海事搜寻和救助的效能。本项目在研究艇载视频图像质量退化数学模型的基础上，重点研究了恶劣通航环境下的艇载视频图像稳定和去雾方法，圆满完成了拟定的研究目标，取得了一系列研究成果，为无人水面艇的视觉感知增强提供了新的研究思路和方法。研究工作及创新性体现为：（1）采用计算摄影学技术将视频图像稳定转化为运动模糊图像盲复原：a）研究成像传感器空间运动轨迹的稀疏性，提出基于混合稀疏约束的艇载视频稳定成像方法；b）研究一阶和二阶图像梯度的稀疏性，构建混合非凸非光滑正则化约束的模糊图像盲复原模型实现艇载视频稳定成像。（2）基于变分正则化的视频图像去雾：a）构建暗通道先验和多正则化约束的变分模型优化初始透射率，引入容差机制修正天空区域的透射率，提升视频图像去雾效果；b）针对景深信息对视频图像去雾的影响，提出能同时估计清晰图像与景深的统一计算框架；c）融合暗通道与亮度先验提高天空区域初始透射率的估计精度，构建多正则化约束的变分模型优化初始透射率以提高成像质量。（3）对低照度海事视频图像增强、图像去噪、船舶目标检测与识别、GPU计算和神经网络等相关内容进行了拓展研究，丰富了视觉感知增强领域的研究内涵。同时，本项目搭建了基于SL20无人艇的艇载成像系统，该系统包括网络摄像头、毫米波雷达、船载数据天线和无线基站等，未来将用于对视觉感知增强、目标探测与识别等方法进行测试。本项目解决了两个关键科学问题：（1）恶劣通航环境下的艇载视频图像质量退化过程建模；（2）基于物理成像模型的视觉感知增强方法构建。科学意义表现为：艇载视频图像稳定和去雾方法的研究为突破无人水面艇智能化发展中的制约瓶颈、创新视觉感知增强技术、拓展海事信息感知与处理模式等方面具有重要的理论和现实意义。