一种多参量图像局部模糊自主辨识与恢复方法技术

一种多参量图像局部模糊自主辨识与恢复方法，计算采集的模糊图像的模糊度，根据计算结果选择网格划分所需尺度；进行不同尺度下的网格划分，对各种尺度下网格划分后的各组模糊图像的网格块均进行模糊度计算；根据各组模糊图像的网格块模糊度，确定模糊区域；将确定模糊区域的模糊图像进行恢复计算，输出恢复后的清晰图像。清晰图像。清晰图像。

【技术实现步骤摘要】
一种多参量图像局部模糊自主辨识与恢复方法


[0001]本专利技术涉及一种多参量图像局部模糊自主辨识与恢复方法，属于航天光学遥感


技术介绍

[0002]研制大规模像素的焦面探测器可有效增强光学载荷性能，突破传统光学载荷空间带宽积的瓶颈，提升成像系统信息探测、传递及处理能力上限。但大规模像素焦面探测器的研制依赖于超小像元成像器件的开发与集成，其整体规模尺寸的变大及像元尺寸的减小将适用于小F数的光学系统。但小F数光学系统的后截距通常较小，大尺寸焦面探测器容易出现离焦，同时由于超小像元大规模集成工艺水平有限，器件本身平面度不够也会导致系统图像出现局部模糊的情况。为解决系统离焦导致的图像模糊，提高系统装调公差容限，需要通过算法将系统图像的模糊区域识别并加以恢复。现有的图像模糊检测及恢复算法，检出区域为规则区域，应用于实际不规则区域的检出时，检测精度较低，在图像恢复中，恢复图像在边缘处的恢复效果较差，且针对超大规模像素图像的模糊检测与恢复缺少快速有效的检测及恢复方法。
[0003]2020年林晨等人在《基于注意力机制的图像盲去模糊算法》中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多参量图像局部模糊自主辨识与恢复方法，其特征在于包括：计算采集的模糊图像的模糊度，根据计算结果选择网格划分所需尺度；进行不同尺度下的网格划分，对各种尺度下网格划分后的各组模糊图像的网格块均进行模糊度计算；根据各组模糊图像的网格块模糊度，确定模糊区域；将确定模糊区域的模糊图像进行恢复计算，输出恢复后的清晰图像。2.根据权利要求1所述的一种多参量图像局部模糊自主辨识与恢复方法，其特征在于：将采集的模糊图像分割为N
×
N个子图像块，计算各子图像块的模糊度，根据计算结果确定网格划分所需尺度。3.根据权利要求2所述的一种多参量图像局部模糊自主辨识与恢复方法，其特征在于：所述网格划分所需尺度的确定方法为：对各子图像块进行离散余弦变换，获取各子图像的频域信号分布；对子图像频域信号进行求和，根据求和结果由小到大排序；根据排序后结果进行网格尺度划分，前70％子图像网格尺度定为n
×
n，后30％个子图像网格尺度定为m
×
m，其中m＝3n；其中，求和结果越小，对应的子图像越清晰。4.根据权利要求2所述的一种多参量图像局部模糊自主辨识与恢复方法，其特征在于：所述各组模糊图像的网格块的模糊度计算方法具体为：确定当前网格块图像的算子矩阵；根据算子矩阵计算各网格块图像的相对模糊度；对相对模糊度结果进行加权计算，确定各网格块图像的模糊度。5.根据权利要求4所述的一种多参量图像局部模糊自主辨识与恢复方法，其特征在于：所述算子矩阵选取拉普拉斯算子，具体为：式中，f为待处理的图像，Laplacian表示对图像f进行拉普拉斯函数处理，x为图像水平方向，y为图像竖直方向。6.根据权利要求5所述的一种多参量图像局部模糊自主辨识与恢复方法，其特征在于：对相对模糊度结果进行加权计算时，根据所选块图像的划分尺度，确定对应的加权系数，进行该块图像的加权计算。7.根据权利要求6所述的一种多参量图像局部模糊自主辨识与恢复方法，其特征在于：计算模糊区域的具体步骤为：将各组模糊图像的共m块网格块模糊度定义为样本集D＝x1,x2,...,x
m
，并预设分类数k、最大迭代次数N；于样本集中随机选择k个样本，确定初始的k个质心向量μ1,μ2,...,μ
k
；...

【专利技术属性】
技术研发人员：王小勇，田国梁，贺金平，阮宁娟，李强，庄绪霞，刘晓林，魏久哲，丁锴铖，郭容光，朱志豪，张昧藏，胡蝶，
申请(专利权)人：北京空间机电研究所，
类型：发明
国别省市：