单幅遥感影像微振铃分块快速维纳复原方法技术

本发明专利技术针对大画幅单幅遥感图像分块复原出现边缘微振铃的问题，提出一种消除大画幅遥感影像分块处理边界微振铃效应，改善图像视觉效果的一种快速复原算法。本算法首先对大画幅遥感影像分块后的图像块进行中心对称向外扩充；然后构建圆形海明窗对扩充后图像进行卷积计算，同时，用待处理图像覆盖卷积图像部分区域即得到边缘处理后遥感影像图像块；最后对边缘处理后图像块进行维纳滤波，取滤波后图像部分区域即为当前图像块的复原结果。采用本方法对大画幅单幅遥感影像处理后，算法运算量得到显著的降低，算法效率得到显著的提高，并且消除边界微振铃现象，改善大画幅遥感影像复原视觉效果。

Fast Wiener restoration of single remote sensing image with micro ringing block

【技术实现步骤摘要】
单幅遥感影像微振铃分块快速维纳复原方法
本专利技术涉及遥感影像处理领域，是一种对大画幅单幅遥感影像快速复原的方法。
技术介绍
图像在摄取、传输和存储过程中，由于受环境条件的限制及成像装备的物理局限性，使得获取的图像不可避免的会引入不同程度的模糊和噪声，从而造成图像质量下降，称为图像退化。图像退化对图像的进一步应用，如特征提取、自动目标识别和图像分析都相当不利。因此为了满足应用的要求，就必须改善成像的环境条件和采用更好的成像设备以获取更高质量的图像，但这在很多条件下代价昂贵甚至不可能。这种情况下，图像复原技术应运而生。图像复原利用图像的某种先验知识来重建原始图像，以改善图像的清晰度和消除噪声。在图像处理领域，图像复原一直是最重要、最基本的研究课题之一，具有重要的理论价值和实际意义。从卫星上获得的大画幅遥感影像受各种因素的影响会导致图像质量的下降，如相机和图像的相对运动，相机的机械振动，飞行器转动和翻转等。图像质量下降对图像的进一步应用如特征提取、自动目标识别和图像分析都相当不利。因此为了满足应用的要求，就必须改善成像的环境条件和采用更好的成像设备以获取更高质量的图像，但这在很多条件下代价昂贵甚至不可能。在这种背景下，图像复原技术应运而生。图像反卷积复原技术是一类最常见的图像复原方法。一般来说，图像质量下降可以采用图像线性不变卷积模型来表示，所以采用反卷积技术进行图像的复原是十分有效的方法。反卷积的目的就是消除卷积因素影响造成的图像降质，从而得到一幅原始图像的近似估计。但是由于反卷积问题本质上的不适定性以及观测图像中含有的噪声，直接求解点扩散函数形成的卷积矩阵的逆是不可行的。苏联数学家Tikhonov对不适定性问题的求解给出了解答，目前图像反卷积复原算法大部分都是采用的Tikhonov正则化思想和方法。B．R．Hunt于1973年提出约束最小二乘算法（CLS）进行图像复原。CLS引入确定性先验信息保证解的二阶导数的范数平方最小。这时，图像线性退化模型转换为Lagrange乘子法则变成无约束的最小化问题。N.Wiener最新在1942年提出维纳滤波图像复原方法。维纳滤波是一种简便、通用且效果良好的反卷积复原技术。它是一个正则化逆滤波器，能够消除了核函数的频域奇异性造成的病态问题。维纳滤波的最大优点是计算上十分有效。其缺点主要是为了抑制噪声，它给出的解估计常常显得过于平滑。此外，它关于输入图像和噪声都为广义平稳的假定常常有别于物理事实。目前，对于大画幅单幅遥感影像复原存在的问题就是：图像太大导致算法效率很低，运算耗费大；分块处理时出现严重的边界振铃，对复原后图像的视觉效果产生很大影响。
技术实现思路
本专利技术所要解决的技术问题：针对大画幅退化遥感影像运算耗费大且分块处理出现边界振铃的问题，提出一种运算速度快并且运算耗费低，图像视觉效果好的微振铃分块快速维纳复原方法。本专利技术解决技术问题采用以下的技术方案：（1）图像分块如图1表明，当对大画幅遥感影像进行分块FFT计算时，可以有效的降低整体FFT计算的复杂度，提高维纳滤波的计算效率。因此，为了提升维纳滤波图像复原的效率对大画幅遥感影像按照适当大小分块处理。（2）圆形海明窗构建算法主要是根据圆形海明窗构建规则进行图像外推，从而避免维纳滤波实现时产生显著的边界振铃。根据公式计算行、列方向的一维海明窗系数，将分为两种情况，一种是点扩散函数是方形的，构建7*7海明窗按与中心像素的距离远近将部分邻域像素分为三类，第一、二、三类矩阵元素分别同一赋值，矩阵的其他元素同一赋值为零；另外一种情况是点扩散函数不是中心对称的，采用7*9圆形海明窗的构建就是先建立9*9海明窗矩阵，第一、二、三类矩阵元素赋值与第一种情况一样，只是在第四类矩阵元素略有差异，第一行和第九行正中间的矩阵元素将不列入第四类矩阵元素。第四类矩阵元素同一赋值。（3）扩充待复原图像，用圆形海明窗对扩充后图像进行平滑处理对待复原的图像沿中心对称根据点扩散函数的大小进行扩充。扩充的各行、各列图像用零来填充。对扩充之后的图像进行平滑，即用圆形海明窗作为掩膜进行卷积计算，得到模糊图像。（4）更新海明窗处理后图像并进行维纳滤波用待处理的图像覆盖上一步得到的模糊图像，形成海明窗边缘处理后图像块。对边缘处理后图像块进行维纳滤波，提取边缘扩充前的单块图像即为本块图像复原结果。然后按照分块原则进行重新组合得到最终的复原图像。本专利技术与现有技术相比具有显著的效果：第一，解决大画幅遥感影像图像复原运算耗费大，算法复杂度高，处理效率低下的问题。通过对大幅遥感影像分块复原，大大降低运算耗费；第二，解决大画幅遥感影像分块复原出现的边界振铃效应。通过构建海明窗，对待处理影像边缘进行处理，极大改善复原整幅影像的视觉效果；第三，经过本算法处理，完成一幅9000*6144大画幅遥感影像复原运算量大约是1.76GMAC；总之，本专利技术对于大画幅遥感影像分块复原，首先用圆形海明窗进行处理，然后维纳滤波复原。这样，提升算法效率的同时，消除单纯图像分块复原带来的边界振铃问题。经过复原后影像质量得到明显提升，算法效率得到提升。附图说明图1不同分块方法下二维傅里叶变换运算复杂度比较；图2分块维纳滤波的边界振铃现象；图37*7圆形海明窗矩阵；图49*9圆形海明窗矩阵；图5微振铃分块维纳滤波快速图像复原算法流程；图6分别表示各种不同边缘处理抑制维纳滤波边界振铃效应结果图。具体实施方式本专利技术对于大画幅遥感影像复原具有良好的效果，适用于工程应用。本专利技术对大画幅遥感影像分块处理，降低处理过程中资源的耗费同时，降低运算的复杂性，提高运算效率。同时，避免单纯分块复原带来的边界振铃效应，影响复原影像的视觉效果。本专利技术提及的方法尤其适用于批量生产的大画幅遥感影像的处理。具体步骤：（1）图像分块根据处理遥感影像的大小，按照方形图像块进行划分，对于边缘不足所划分图像块大小，用图像原来边界像元进行扩充，使之满足整数划分图像块的要求；（2）圆形海明窗的构建假设点扩散函数尺寸为，则圆形海明窗w(x,y)的构建方法为：采用式（1）分别计算行和列方向的一维海明窗系数(1)对行、列方向分别取与，。和都取非负整数。当时，采用7*7圆形海明窗矩阵来说明其构建方法，如图3所示。按与中心像素距离的远近，将部分邻域像素分为三类，第一、二、三类矩阵元素分别统一赋值为：(2)(3)(4)矩阵的其他元素统一赋零值；当时，采用圆形海明窗矩阵来说明其构建方法。如图4所示。首先建立圆形海明窗矩阵。第一、二、三类矩阵元素的分类与情况下相同，由式（1）类推，第一、二、三类矩阵元素分别统一赋值为：(5)(6)(7)只有第四类矩阵元素略有差异，第一行和第九行正中间的矩阵元素将不列入第四类矩阵元素。第四类矩阵元素统一赋值为本文档来自技高网...

【技术保护点】
1.单幅遥感影像微振铃分块快速维纳复原方法，其特征是：根据处理遥感影像的大小，按照方形图像块进行划分，对于边缘不足所划分图像块大小，用图像原来边界像元进行扩充，使之满足整数划分图像块的要求，得到待处理的图像块

【技术特征摘要】
1.单幅遥感影像微振铃分块快速维纳复原方法，其特征是：根据处理遥感影像的大小，按照方形图像块进行划分，对于边缘不足所划分图像块大小，用图像原来边界像元进行扩充，使之满足整数划分图像块的要求，得到待处理的图像块；圆形海明窗构建根据点扩散函数进行图像外推，按公式计算行、列方向的一维海明窗系数，分为两种情况，一种是点扩散函数是方形的，构建7*7海明窗按与中心像素的距离远近将部分邻域像素分为三类，第一、二、三类矩阵元素分别按公式，，统一赋值，矩阵的其他元素统一赋值为零；如点扩散函数不是中心对称的，采用7*9圆形海明窗的构建就是先建立9*9海明窗矩阵，第一、二、三类矩阵元素赋值与第一种情况一样，只是在第四类矩阵元素略有差异，按公式进行赋值，第一行和第九行正中间的矩阵元素将不列入第四类矩阵元素；对待复原的图像沿中心对称根据点扩散函数的大小进行扩充，扩充的各行、各列图像用零来填充；对扩充之后的图像进行平滑，也就是以圆形海明窗为掩膜进行卷积计算，得到模糊图像，用待处理的图像覆盖前述得到的模糊图像区域，形成海明窗边缘处理后图像块；采用对边缘处理后的进行维纳滤波，得到滤波后图像，提取滤波后图像，即为本块图像复原结果；然后按照分块原则进行重新组合得到最终的复原图像；在提升算法效率的同时，消除单纯图像分块复原带来的边界振铃问题，...

【专利技术属性】
技术研发人员：程灏波，冯云鹏，
申请(专利权)人：北京理工大学深圳研究院，
类型：发明
国别省市：广东;44