郭俊东 冯 辉 徐海祥

(武汉理工大学高性能船舶技术教育部重点实验室1) 武汉 430063)(武汉理工大学航海与能源动力工程学院2) 武汉 430063)

0 引 言

智能船舶通常配备多种传感器设备对自身运动状态及周边环境进行感知，其中基于可见光的视觉感知是智能船舶感知技术的核心所在.但由于船舶在水面航行的过程中会不可避免地发生摇荡，使得视觉传感器所采集到的图像较为模糊，这对障碍物的目标检测会产生极大的影响，从而降低了为后续决策系统所提供的信息质量及智能船舶航行的安全性能.

传统的图像去模糊方法主要基于模糊核理论来对模糊图像进行复原，利用估计得到的模糊核对模糊图像进行反卷积操作以获得复原图像.文献[1]以分段函数来拟合多个自然图像的梯度分布，然后利用交替迭代的方法对复原图像和模糊核进行估计；文献[2]对模糊核函数采用标准化稀疏度量方法进行估计，并且方法中基于图像梯度的正则化项的应用大幅度提升了模糊图像的复原效果；Xu等[3]利用基于非自然L0范数的方法来估计模糊图像的模糊核，相比于文献[1-2]取得了更好的去模糊效果；Liu等[4]利用一阶和二阶图像梯度的L0范数来估计模糊核，有效提升了模糊核估计的精确度.上述方法虽然对模糊图像具有一定的复原效果，但对噪声较为敏感，复原图像的清晰度不够理想，并且易产生振铃效应.

随着近年来深度学习的高速发展，越……