基于铺装简单曲面拟合法的多次曝光图像重建技术(Tessellated Simple Surface Fitting,TSSF),在普适性和计算速度上都明显超越了之前的《细分有理曲面(正向)去像素化技术》(专利号:201510982531X)。该方法旨在拟合一簇铺装简单曲面,得到对被观测物体的高分辨率最佳近似图像。对最佳近似图像的一系列模拟观测将得到与真实观测图像几乎一样的图像。该技术同样适用于利用任意一簇参数化铺装曲面对多次曝光图像进行拟合(Tessellated Parameterized Surface Fitting,TPSF),应该说TSSF技术是TPSF的一个特例。在图像重建的保真性方面明显优于前人发展的Drizzle和iDrizzle技术,特别对于细节丰富(小尺寸结构)和流量变化较大的区域有独特优势。自适应TSSF能自动调整计算量到细节丰富的区域,在计算速度上要快于iDrizzle技术。
【技术实现步骤摘要】
铺装简单曲面多次曝光图像重建技术December12,20171
在图像采集领域,像素点是采集光子(或其他粒子)和组成图像的基本单元。实际中像素点数目是有限的,如此一来图像分辨率就是有限的,也就是说单次曝光采样率是确定的。要得到高分辨率图像,有两种方法:一是增加单位面积上的像素点数目;二是通过多次曝光提高采样率。第一种方法需要产品升级换代,这里就需要考虑硬件成本。第二种方法则需要一套高效可靠的算法来提升图像分辨率。本专利技术就是针对第二种方法,提出一项增加图像保真度的技术。2
技术介绍
由于工艺技术局限方面和经济成本方面的考虑,很多成像设备采样率其实是大大低于设备最高光学分辨率的,这就造成低采样率问题。从而导致高频信号出现混叠(alias-ing)图像表现出模糊,马赛克化(也就是像素化,pixelation)等问题。前人的反混叠(anti-aliasing)技术已经用在哈勃空间望远镜(HST)的图像拼接上如Fruchter等人发展的Drizzle和iDrizzle技术。Drizzle的特点是速度快,但混叠信号并没有被完全反卷积出来,所以Drizzle只是图像在高分辨率网格下的单纯叠加,因而也没有很好地去像素化。随后在Drizzle的基础上,Fruchter于2011年又发展出了多次迭代结合傅立叶空间平滑的方法来多次提取残留信号,也即iDrizzle技术。iDrizzle首先要通过Drizzle技术把多次观测到原始图像放到一个过采样的网格上,再多次与原始图像对比,从残差图像中提取大部分信号,并加到结果中,最后通过sinc插值到目标分辨率,比如临界采样分辨率(简称临界采样率,criticalsampling)。iDrizzle能比较好地实现反卷积,给出的图像跟真实图像差不太多,缺点也很明显,就是耗费大量计算资源而且效果也不如后来我们发展的两套方法《细分有理曲面(正向)去像素化技术》(即DSRS,专利号:201510982531X),《一种快速有效去像素化技术》(即fiDrizzle,专利号:201611173333X)和《FiDrizzle多次采样图像重建技术》(即FiDrizzle,专利号:201710307681X)。《细分有理曲面(正向)去像素化技术》的思想是在跟观测图像像素相当的标准网格(或目标网格)上建立一群小的曲面(曲面参数未知),然后用所有观测图像(或dither图像)来拟合这些曲面的参数。特点是速度较快,而且以后进行的对这群小曲面的任何观测都几乎相当于直接观测真实图像。《一种快速有效去像素化技术》即fiDrizzle,是去掉iDrizzle的滤波和插值过程并且直接在需要的分辨率上重建图像。特点是收敛速度快,计算速度快,稳定,而且图像在中低频比iDrizzle更加高保真。缺点是在某些情况下最高频率端的噪音比iDrizzle的结果大。《FiDrizzle多次采样图像重建技术》改进了fiDrizzle技术,一方面保持了fiDizzle的快速特点,另一方面又保持了iDrizzle在高频端的优势。无论Drizzle,iDrizzle,fiDrizzle还是FiDrizzle它们输出的高保真图像都是限定分辨率或采样率的。本专利技术旨在改进和升级《细分有理曲面(正向)去像素化技术》,我们利用更为普遍的二元线性多项式所对应的二维曲面(即多项式曲面或简单曲面,simplesurface)来正向拟合观测图像,从而确定曲面参数,来达到最优反卷积目的。由于输出结果是一群简单曲面,所以理论上分辨率可以尽可能高,但实际受限于采样数据量的有限性和仪器物理局限性。从数学上看是利用一簇曲面来分段拟合观测图像。这簇曲面是基于同一组正交基的多项式曲面。下面
技术实现思路
中所展示的实例是基于幂基的一簇简单曲面。3
技术实现思路
3.1基于铺装简单曲面拟合法(TessellatedSimpleSurfaceFitting,TSSF)的多次曝光图像重建技术我们在平面沿着x,y方向建立m×m的标准网格(网格格点尺寸要不小于观测仪器上一个物理像素,m×m的大小应该至少要包含我们的研究对象),设第p行q列的格点上有一个np,q阶的简单曲面:Sp,q(x,y)=Cp,q,0+Cp,q,1x+Cp,q,2y+Cp,q,3xy+Cp,q,4x2+Cp,q,5y2+Cp,q,6xy2+Cp,q,7x2y+Cp,q,8x3+Cp,q,9y3+…(1)这个np,q阶简单曲面有b(np,q)=(np,q+1)(np,q+2)/2个系数。在整个标准网格平面上系数的总数一方面我们用nx×ny的CCD像素矩阵对源进行了N次观测,把第k次观测(即第k副图)的第i行第j列的像素计数记为Ik,i,j,由于每次观测的位移和旋转以及像素形变不同,因此Ik,i,j也不尽相同,这也就是真实观测。另一方面我们用与真实观测完全相同的条件(如相同的位移,旋转和像素形变)对由铺装简单曲面组成的标准网格进行N次观测-即模拟观测(mimicobservation)。把第k次模拟观测(即第k副图)的第i行第j列的像素计数记为Tk,i,j。因为Tk,i,j是对标准网格上的亮度分布进行观测得到的,所以可以写为:其中是标准网格上第p行q列的格点与第k次真实观测(或模拟观测)的第i行第j列的像素重叠的区域,设γk,i,j,p,q是这个区域的边界。区域的确定涉及到多边形切割技术,这里我们使用完全自主开发的代码实现了快速多边形切割算法,输出一个按顺时针方向的多边形顶点列表。公式(2)中Sp,q(x,y)是一个正交基为幂基的线性多项式,因此对其积分总能得到解析积分函数。而且由于涉及到了封闭区域上的二重积分,所以我们可以利用格林(Green)公式把二重积分写成沿着积分区域边界γk,i,j,p,q的线积分。于是公式(2)可重写为:这里Cp,q,l×Wk,i,j,p,q,l是简单曲面Sp,q(x,y)的第l项在边界γk,i,j,p,q上的线积分,Cp,q,l是系数。要让模拟观测最贴近真实观测可以这样构造χ2:其中σk,i,j是真实观测中第k次观测的第i行第j列像素的噪音(noise)的标准差。最小化χ2就可以使模拟观测最贴近真实观测,利用最小二乘法:由方程(3),(4)和(5)可以得到:也就是得到了如下的包含个变量的线性方程组,方程组的第f,g,h个方程是也就是对标准网格的第f行g列格点上的Sf,g(x,y)多项式的第h项求对Cf,g,h的偏导后并令其等于0而得到的方程。该方程是我们铺装简单曲面拟合技术的核心。解线性齐次方程(7)可以得到所有的U个未知数Cp,q,l。根据线性方程未知数不能大于条件数的原则,铺装简单曲面拟合法要求观测数目不小于简单曲面对应的最多未知数个数。也即,如果有10副曝光图像,一般不应该用超过三阶的曲面(10个未知数)去拟合观测。当然这也决定于标准网格的大小,对于相同的观测数目,大的标准网格可以使用更高阶的曲面。特别声明:原则上基于正向反卷积技术可以使用任意一簇铺装参数化曲面去拟合多次曝光图像(TessellatedParameterizedSurfaceFitting,TPSF),其推导原理同简单曲面拟合。另外我们在TSSF方法中加入了自适应代码,程序根据Drizzle图像流量的变化率本文档来自技高网...
【技术保护点】
基于正向反卷积技术并使用一簇参数化铺装曲面对多次曝光图像进行拟合(Tessellated Parameterized Surface Fitting,TPSF)的技术。
【技术特征摘要】
1.基于正向反卷积技术并使用一簇参数化铺装曲面对多次曝光图像进行拟合(TessellatedParameterizedSurfaceFitting,TPSF)的技术。2.基于正向反卷积技术并使用铺装简单曲面对多次...
【专利技术属性】
技术研发人员:王蕾,李国亮,
申请(专利权)人:王蕾,
类型:发明
国别省市:江苏,32
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。