基于光学深度代理模型的地面战场图像去雾技术研究

In order to improve the combat ability of army weapons in foggy, dusty and smoky surroundings, and to develop defogging methods including single image defogging, image defogging with various depth of field and image defogging with large grayish white area, study on ground battlefield image defogging based on surrogate modeling for optical depth has been proposed based on the current research achievement, as well as the facilities in experiment and calculation. Various fog-relevant combination features are investigated as input variables, and a variety of machine learning methods are used to establish the surrogate model of optical depth. The definition of image fog density based on optical depth is proposed, and the evaluation system of fog density rank is intended to be built. The segmentation method of fog image including large grayish and whitish areas as background is studied, and a fast fog removal technology for Ground battlefield images based on surrogate model of optical depth is proposed. The index parameters those can evaluate the visual effect improvement and information recovery of defogging images are put forward, and the comprehensive evaluation system of ground battlefield defogging images is established to verify the effectiveness of image defogging technology.

为了提升陆战武器平台在雾气、沙尘及烟雾等恶劣地面战场环境下的作战能力，同时为了进一步发展单幅图像去雾、大景深图像去雾、包含灰白区域图像去雾等新型去雾技术，申请人基于现有研究基础和具备的实验计算条件，提出了基于光学深度代理模型的地面战场图像去雾技术研究。研究构建与雾气浓度相关的联合图像特征参数作为输入变量，采用多种机器学习方法建立光学深度代理模型；研究提出基于光学深度的图像雾浓度定义，建立雾浓度等级评价体系；研究包含大面积灰白色背景区域的雾天图像分割方法，形成基于光学深度代理模型的地面战场图像快速去雾技术；提出可评价去雾图像视觉效果改善及信息恢复情况的指标参数，研究建立地面战场图像去雾效果综合评价体系，验证去雾技术有效性。

本项目开展了三项研究，包括基于光学深度代理模型的地面战场图像去雾方法研究、基于人眼视觉的图像质量评价方法研究以及基于目标图像特征的雾浓度评估方法研究。. （1）基于光学深度代理模型的地面战场图像去雾方法研究. 通过研究与雾气相关的多种独立和联合特征参数以光学深度为拟合目标建立并选择合适的去雾代理模型，选择的雾相关特征分别为双尺度下的暗通道、局部饱和度、对比度特征，应用代理模型的过程中分别进行空间位置采样以及特征区间采样，最终从RBF、IDW、LS和KRG模型中找到了误差最小的RBF代理模型，结合大气散射模型从有雾图像推理出无雾图像。. （2）基于人眼视觉的图像质量评价方法研究. 以建立与人眼视觉评价一致的客观图像质量评价模型为目标，在图像质量评价算法(BRISQUE)基础上，将灰度通道中的MSCN统计扩展为多个颜色子通道内的特征统计来增加雾气对颜色特征的影响，改进了MSCN系数的提取方式，以离散小波变换的5层细节系数的能量作为特征，可实现对未知场景的雾浓度自动评估，建立评价结果与人眼主观感受之间的关联。. （3）基于目标图像特征的雾浓度评估方法研究. 地面战场图像去雾的目的主要是为了保证恶劣天气环境下的目标检测任务的执行效能，目标检测任务一方面依赖于人眼、另一方面依赖于机器自主执行。针对场景雾气大小对目标检测任务执行的效能即目标检测概率的影响程度来评估雾浓度，建立了基于目标图像特征的雾浓度评估方法。本方法将目标检测结果的置信度分数的分布作为有雾图片的高级抽象特征进行提取，同时结合暗通道、饱和度、全局对比度以及局部前景目标的三种特征作为雾浓度特征，使用一对一的支持向量机多分类算法实现了图像雾浓度等级的估计。. 开展地面战场图像去雾技术、雾天图像质量评价以及雾浓度评估研究可以提高恶劣环境下陆战武器的侦察与打击能力，为地面战场智能感知提供有效信息来源，对于进一步提升我国陆战武器系统的智能化水平具有重要意义。