一种气动光学退化图像序列自适应校正方法技术

技术编号:3828228 阅读:344 留言:0更新日期:2012-04-11 18:40
本发明专利技术公开了一种气动光学退化图像序列自适应校正方法,步骤为:①将退化序列图像按相邻两帧成对分组;②规定点扩展函数支撑域总的变化范围,③确定当前组图像的点扩展函数的支撑域变化范围;④对当前组图像进行图像校正;⑤度量图像恢复效果的品质;⑥根据校正图像品质度量结果迭代递推估计最优点扩展函数支撑域及其点扩展函数;⑦选择相邻两组图像共有帧的最佳校正结果;⑧循环执行,完成对退化序列图像的校正。本发明专利技术能在点扩展函数支撑域未知的条件下,利用图像的品质度量准则,自适应得出最优的图像校正结果,并且利用序列图像中相邻帧的信息,缩小寻优范围,提高校正效率,对气动光学退化图像序列实现有效的快速的校正。

【技术实现步骤摘要】

本专利技术属于气动光学与图像处理相结合的交叉科学
,具体涉及 。
技术介绍
气动光学是研究高速绕流对高速飞行器成像探测的影响的一门学科。带 有光学成像探测系统的高速飞行器在大气层内飞行时,光学头罩与来流之间 形成复杂的流场,对光学成像探测系统造成除热辐射外的光学波前传输畸变 或传输干扰,引起被观测对象图像的偏移、抖动、模糊,这种效应就称为气动光学传输效应(Aero-Optical Transmission Effect)。这种效应降低了成像探 测系统的效能,严重时使其完全丧失功能。因此需要专利技术新的数字处理技术, 改善和恢复成像的品质,这就是图像校正。气动光学退化图像校正的困难之处在于其退化模型是未知的和随机变化 的,而且退化图像还含有传感器噪声,这进一步地增加了恢复或校正的难度。 气动光学退化图像校正是一个跨学科的前沿性课题,极富有挑战性,它具有 很大的应用前景,一直是科技界的研究热点。在湍流退化图像恢复问题中,气动光学效应随机点扩展函数的正确估计 是其核心部分。传统的图像校正技术都是在退化模型确定和已知的情况下进 《亍校正的(见文献H. C. Andrews, B. R. Hunt. Digital Image Restoration. Englewood Cliffs, NJ: Prentice Hall, 1977.),即先确定点扩展函数或其参数, 然后利用诸如逆滤波和维纳滤波这样的方法恢复图像。由于湍流流场对目标 成像影响的复杂多变性,导致湍流光学点扩展函数难以测定,其形式也无法 事先确定,而且是随机变化的。故上述方法是很难满足实际应用的。张天序、洪汉玉提出的两帧退化图像校正算法(见文献Zhang Tianxu,Hong Hanyu, Shen Jun. Restoration algorithms for turbulence-degraded images based on optimized estimation of discrete values of overall point spread functions. Optical Engineering,2005, 44(1)),虽能够对气动光学退化图像实现较好的校 正,但需指定点扩展函数的支撑域大小,这在实际应用中很难做到,限制了 该方法的效能。另外,序列图像的信息也未能充分利用,而且,对校正后的 图像没有品质评价的可计算准则。
技术实现思路
本专利技术的目的在于提供,该 方法能在点扩展函数支撑域未知的条件下,自适应地估计点扩展函数,快速 有效地校正气动光学退化图像序列。本专利技术提供的气动光学退化图像序列自适应校正方法,其步骤包括(1) 将退化图像序列(/;,/2,/3,......,/^,/w,A)按相邻两帧成对分组,每一组图像构成校正和恢复运算的基本处理对象c/;,/2) , (/2,/3) (/3,/4),……,(力-2,/w),r为退化图像的帧数;(2) 设定点扩展函数支撑域的总变化范围,其最小取值M^xM^和最G)对一组图像a一,y;)自适应确定该组图像的点扩展函数支撑域的变化范围,其最小值为M^xM^ ,最大值为m咏a xm咏a , z为退化图像的帧 序号,/表示第/帧图像,/的初始值为2,若/为2或丄的整数倍,丄的取值 范围为2至T,则Af,。,M^, M;^=Mmax,转入步骤(4);否则,取 M,。w=Mt-2, M%fMA+2, A^为上一组得出的最优点扩展函数支撑域;(4)令M =M,。w + m-l, lSm^A:, fc = il/举-Af ,。w + 1 ;首先估计两帧图像的点扩展函数/2,_1(^,力和//^,力,(x,力分别表示图像高度和宽度方向上的象 素坐标;再利用估计的两帧图像的点扩展函数对两帧图像进行校正恢复,得 到两帧图像的恢复图像o(,_1)m (", v)和o(,)m (", v);(5) 分别计算恢复图像0(,-1) >,"和%>,力的图像模糊度£>(,_,) ;和 ) ,对图象恢复效果的品质进行度量;(6) 令附=附+ 1,若M〈M一,则重复步骤(4)和(5),否则,转入步(7) 求附-l,U时ZV^和Z)(,—的最小值,设该最小值所对应的标号 为X,设M^,M洲+K-1,则最优点扩展函数支撑域为A^,, xMto,所对应 估计出的点扩展函数及其校正后的图像o (卜,^和o 为最优校正结果;(8) 对于相邻两组图像所求出的最优校正结果。(,_2)k和o , o(,-m和o(m,比较两次求出的o(,—^,选取两者中更优的作为校正的输出结 果;(9) 令h!' + l,若Kr,重复步骤(3)到(9);若^r,则序列图像校 正结束。传统的基于总体点扩展函数的两帧校正算法虽能够对气动光学退化图像 实现较好的校正,但需指定点扩展函数的支撑域大小,这在实际应用中很难 做到,限制了该方法的效能。同时,序列图像的信息也未能充分利用,而且, 对校正后的图像没有品质评价的可计算准则。本专利技术所提出的一种气动光学 退化图像序列自适应校正方法,能在点扩展函数支撑域未知的条件下,利用 图像的品质度量准则,自适应地估计得出最优的点扩展函数支撑域,同时得 到最优的点扩展函数,从而得出最优的图像校正结果,并且利用序列图像中 相邻帧的信息,缩小寻优范围,提高校正效率,对气动光学退化图像序列实现有效的快速的校正。 附图说明图1是本专利技术气动光学退化图像序列自适应校正方法的流程图2给出气动光学模拟仿真序列退化图像的第一帧和第二帧在不同支撑域下,应用基于总体点扩展函数的两帧校正算法的校正结果以及模糊度结果的例子;图(2a)是气动光学模拟仿真序列退化图像的原始图像; 图(2b)和(2c)是气动光学模拟仿真序列退化图像的第一帧和第二帧图像; 图(2d)和(2e)是图像(2b)和(2c)在点扩展函数支撑域为2x2时的校正结果; 图(2f)和(2g)是图(2b)和(2c)在点扩展函数支撑域为3x3时的校正结果; 图(2h)和(2i)是图(2b)和(2c)在点扩展函数支撑域为4x4时的校正结果; 图(2j)和(2k)是图(2b)和(2c)在点扩展函数支撑域为5x5时的校正结果; 图(21)和(2m)是图(2b)和(2c)在点扩展函数支撑域为6x6时的校正结果; 图(2n)和(2o)是图(2b)和(2c)在点扩展函数支撑域为7x7时的校正结果; 图(2p)和(2q)是图(2b)和(2c)在点扩展函数支撑域为8><8时的校正结果; 图(2r)和(2s)是图(2b)和(2c)在点扩展函数支撑域为9x9时的校正结果; 图(2t)和(2u)是图(2b)和(2c)在点扩展函数支撑域为10x10时的校正结果; 图(2v)和(2w)是图(2b)和(2c)在点扩展函数支撑域为11x11时的校正结果; 图(2x)和(2y)是图像(2b)和(2c)经模糊度判据寻优后得出的最优校正结果;图3是点扩展函数支撑域在2x2 ~ llxll时校正图像的模糊度变化曲线; 图(4a)和(4b)是图(2b)和(2c)的退化点扩展函数三维显示图,点扩展函数支 撑域为7x7;图(4c)和(4d)是由图(2e)和(2f)估计出的点扩本文档来自技高网
...

【技术保护点】
一种气动光学退化图像序列自适应校正方法,其步骤包括: (1)将退化图像序列(f↓[1],f↓[2],f↓[3],……,f↓[T-2],f↓[T-1],f↓[T])按相邻两帧成对分组,每一组图像构成校正和恢复运算的基本处理对象:  (f↓[1],f↓[2]),(f↓[2],f↓[3])(f↓[3],f↓[4]),……,(f↓[T-2],f↓[T-1]),(f↓[T-1],f↓[T]) T为退化图像的帧数; (2)设定点扩展函数支撑域的总变化范围,其最小取值 M↓[min]×M↓[min]和最大取值M↓[max]×M↓[max]; (3)对一组图像(f↓[i-1],f↓[i])自适应确定该组图像的点扩展函数支撑域的变化范围,其最小值为M↓[low]×M↓[low],最大值为M↓[high] ×M↓[high],i为退化图像的帧序号,f↓[i]表示第i帧图像,i的初始值为2,若i为2或L的整数倍,L的取值范围为2至T,则M↓[low]=M↓[min],M↓[high]=M↓[max],转入步骤(4);否则,取M↓[low]=M-2,M↓[high]=M↓[k]+2,M↓[k]为上一组得出的最优点扩展函数支撑域; (4)令M=M↓[low]+m-1,1≤m≤k,k=M↓[high]-M↓[low]+1;首先估计两帧图像的点扩展函数h↓[i-1](x,y)和h↓ [i](x,y),(x,y)分别表示图像高度和宽度方向上的象素坐标;再利用估计的两帧图像的点扩展函数对两帧图像进行校正恢复,得到两帧图像的恢复图像o↓[(i-1)m](u,v)和o↓[(i)m](u,v); (5)分别计算恢复图像o↓ [(i-1)m](u,v)和o↓[(i)m](u,v)的图像模糊度D↓[(i-1)m]和D↓[(i)m],对图象恢复效果的品质进行度量; (6)令m=m+1,若M<M↓[high],则重复步骤(4)和(5),否则,步骤(7);  (7)求m=1,2,…,k时D↓[(i-1)m]和D↓[(i)m]的最小值,设该最小值所对应的标号为K,设M↓[best]=M↓[low]+K-1,则最优点扩展函数支撑域为M↓[best]×M↓[best],所对应估计出的点扩展函数及其校正后的图像o↓[(i-1)K]和o↓[(i)K]为最优校正结果; (8)对于相邻两组图像所求出的最优校正结果o↓[(i-2)K]...

【技术特征摘要】

【专利技术属性】
技术研发人员:张天序余铮王进关静武道龙洪汉玉陈荣华
申请(专利权)人:华中科技大学
类型:发明
国别省市:83[中国|武汉]

网友询问留言 已有0条评论
  • 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。

1