船载嵌入式网络的普及应用，为船舶及其航行环境视频监控提供了有力支撑，为船舶航行决策制定提供了大量的图像数据。由于天气环境、设备振动等多种因素的影响，致使图像细节缺失，制约着视频监控图像的应用，提出船载嵌入式网络视频监控图像模糊细节增强系统设计。通过动态范围拉伸模式预处理视频监控图像，以此为基础，基于模糊集理论计算视频监控图像细节模糊熵，利用遗传算法确定最佳模糊参数，计算扩散系数，将其与视频监控图像模糊梯度场进行结合，应用变分法求解修正隶属度函数，通过逆变换将视频监控图像从模糊域转换到灰度域，即可获得细节增强后的船载嵌入式网络视频监控图像。实验数据显示，应用设计系统获得的增强视频监控图像信息熵最大值为9.45，充分证实了设计系统细节增强效果更佳。
The widespread application of onboard embedded network provides a strong support for the video monitoring of ships and their navigation environment, and provides a large amount of image data for the decision-making of ships' navigation. Due to the influence of weather environment, equipment vibration and other factors, image details are missing, which restricts the application of video surveillance images. The video surveillance image is preprocessed through the dynamic range stretching mode. On this basis, the fuzzy set theory is used to calculate the detail fuzzy entropy of the video surveillance image. The genetic algorithm is used to determine the best fuzzy parameters, calculate the diffusion coefficient, combine it with the fuzzy gradient field of the video surveillance image, apply the variational method to solve the modified membership function, and convert the video surveillance image from the fuzzy domain to the gray domain through inverse transformation, The shipboard embedded network video surveillance image with enhanced details can be obtained. The experimental data shows that the maximum information entropy of the enhanced video surveillance image obtained by the application of the design system is 9.45, which fully proves that the design system has better details enhancement effect.
2022,44(19): 162-165 收稿日期：2022-05-07
DOI：10.3404/j.issn.1672-7649.2022.19.033
分类号：TP391.41
基金项目：山西省重点研发计划(201803D121069)；山西省回国留学人员科研资助项目（2022-181）；山西省高等学校科技创新项目(2020L0624、2020L0672)；山西省重点实验室信息探测与处理开放基金项目(ISPT2020-5)；太原工业学院引进人才科研资助项目(2021XKLG01，2022KJ003)
作者简介：张俊生(1981-)，男，博士，副教授，研究方向为图像处理与智能分析。
参考文献：
[1] 王兴瑞, 朴燕, 王雨墨. 复合残差网络在低照度图像增强中的技术研究[J]. 液晶与显示, 2022, 37(5): 508–518
[2] 刘海艳, 李俊敏. 集成射频与视频监控的交通流参数检测技术[J]. 电子技术应用, 2021, 47(4): 77–81.
[3] 丁伟祥. 基于Web身份特征的网络视频监控设备识别[J]. 沈阳工业大学学报, 2020, 42(4): 427–431.
[4] 王卓, 张长胜, 钱俊兵. 边缘细分的动态参数模糊C-均值图像分割算法[J]. 南京理工大学学报, 2020, 44(3): 288–295.
[5] 王小芳, 邹倩颖, 彭林子, 等. 融合模糊聚类的蚁群图像增强算法[J]. 数据采集与处理, 2020, 35(3): 506–515.
[6] 朱颖, 王昕, 王爱平, 等. 基于MVOtsu和对数型模糊隶属度函数的电力设备NSST域红外图像增强[J]. 高压电器, 2020, 56(9): 179–185.
[7] 曹令, 刘桂华, 邓豪, 等. 基于局部关联信息的视频监控图像中γ辐射噪斑的消除方法[J]. 原子能科学技术, 2022, 56(7): 1413–1422.
[8] 曹锦纲, 李金华, 郑顾平. 基于生成式对抗网络的道路交通模糊图像增强[J]. 智能系统学报, 2020, 15(3): 491–498.
