基于mtf的遙感器在軌自動(dòng)優(yōu)化在軌參數(shù)的方法
【專利摘要】本發(fā)明提供一種基于MTF的遙感器在軌自動(dòng)優(yōu)化在軌參數(shù)的方法，包括以下步驟：獲取當(dāng)前在軌參數(shù)運(yùn)行下的原始遙感圖像；基于MTF對(duì)原始遙感圖像進(jìn)行基于頻域的去噪與MTF拉伸的操作，以改善圖像質(zhì)量，并判斷改善后的復(fù)原圖像是否具有明顯改善：如果有明顯改善，則進(jìn)入下一步處理；如果無(wú)明顯改善，則終止在軌優(yōu)化操作；通過(guò)圖像批處理方法提取經(jīng)質(zhì)量改善后的復(fù)原圖像的圖像參數(shù)，包括：邊緣能量、對(duì)比度、清晰度、信息熵、細(xì)節(jié)能量、方差、圖像相關(guān)、均值、功率譜、信噪比；通過(guò)將前述步驟提取的圖像參數(shù)輸入焦距、相移、前向性參數(shù)所對(duì)應(yīng)的反衍模型中，得到新的參數(shù)；通過(guò)將新的參數(shù)代替原先對(duì)應(yīng)的在軌參數(shù)，產(chǎn)生新的遙感圖像，并優(yōu)化處理。
【專利說(shuō)明】基于MTF的遙感器在軌自動(dòng)優(yōu)化在軌參數(shù)的方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及指導(dǎo)遙感器在軌自動(dòng)優(yōu)化在軌參數(shù)方法，尤其涉及基于MTF的遙感圖 像質(zhì)量?jī)?yōu)化與基于遙感圖像參數(shù)反衍衛(wèi)星在軌參數(shù)的方法，屬于遙感圖像處理【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002] 由于遙感圖像成像過(guò)程中受傳感器性能下降、大氣擾動(dòng)等因素影響，致使圖像質(zhì) 量退化。圖像復(fù)原是為了抑制圖像退化而利用有關(guān)圖像退化性質(zhì)的知識(shí)來(lái)進(jìn)行圖像預(yù)處理 的方法。圖像復(fù)原的目的是將質(zhì)量下降（退化）的圖像進(jìn)行相應(yīng)處理，以改善圖像質(zhì)量。由 于圖像退化的原因可能有很多種，如光電傳感器的非線性、物體與攝像機(jī)間的相對(duì)運(yùn)動(dòng)、大 氣的擾動(dòng)等，因此根據(jù)不同的退化原因，出現(xiàn)了很多種圖像復(fù)原方法，如逆濾波（去卷積）、 維納濾波、約束最小平方濾波等。如何才能有效的提高遙感圖像的圖像質(zhì)量具有重要的學(xué) 術(shù)意義與推廣應(yīng)用價(jià)值。
[0003] 但基于傳統(tǒng)的圖像復(fù)原方法去提高遙圖像質(zhì)量的方法有很多的局限性導(dǎo)致其并 不能達(dá)到理想的效果，其主要原因有：
[0004] 1)傳統(tǒng)的圖像復(fù)原方法是針對(duì)單幅圖像的修復(fù)方法，它并不能彌補(bǔ)傳感器性能隨 著傳感器硬件的老化，或是隨著硬件性能的變化導(dǎo)致的硬件與在軌參數(shù)的設(shè)置不能夠完美 的匹配等帶來(lái)的不良影響，即其不能從根本上解決導(dǎo)致遙感器拍攝圖像質(zhì)量下降的問(wèn)題；
[0005] 2)單一的傳統(tǒng)圖像復(fù)原方法的適用范圍是有限的，而導(dǎo)致圖像質(zhì)量下降的誘發(fā)因 素是多種多樣的，因此并不能保證它適用于所有的圖像退化情況；
[0006] 3)目前大部分圖像復(fù)原方法都是在假定已知相應(yīng)的點(diǎn)擴(kuò)展函數(shù)（pointspread function,PSF)的基礎(chǔ)上做的，如去卷積方法、Wiener濾波方法等，因此這種假設(shè)很難保證 它的正確性與適用性。
[0007] 基于傳統(tǒng)的圖像復(fù)原方法的局限性是顯而易見(jiàn)的，并且其不能提供一個(gè)有效的機(jī) 制以從根本上解決諸如遙感器硬件退化與在軌參數(shù)不匹配等導(dǎo)致的遙感圖像質(zhì)量下降問(wèn) 題。


【發(fā)明內(nèi)容】

[0008] 本發(fā)明旨在克服現(xiàn)有技術(shù)的不足，提供一種基于MTF的遙感器在軌自動(dòng)優(yōu)化在軌 參數(shù)方法，利用基于MTF的遙感圖像質(zhì)量?jī)?yōu)化與基于遙感圖像參數(shù)反衍衛(wèi)星在軌參數(shù)的模 型，從而實(shí)現(xiàn)在軌參數(shù)的實(shí)時(shí)自動(dòng)優(yōu)化功能。
[0009] 本發(fā)明的上述目的通過(guò)獨(dú)立權(quán)利要求的技術(shù)特征實(shí)現(xiàn)，從屬權(quán)利要求以另選或有 利的方式發(fā)展獨(dú)立權(quán)利要求的技術(shù)特征。
[0010] 為達(dá)成上述目的，本發(fā)明所采用的技術(shù)方案如下：
[0011] 一種基于MTF的遙感器在軌自動(dòng)優(yōu)化在軌參數(shù)的方法，其實(shí)現(xiàn)包括以下步驟：
[0012] 步驟1、獲取當(dāng)前在軌參數(shù)運(yùn)行下的原始遙感圖像；
[0013] 步驟2、基于調(diào)制傳遞函數(shù)（modulationtransferfunction,MTF)，對(duì)原始遙感圖 像進(jìn)行基于頻域的去噪與MTF拉伸的操作，以改善圖像質(zhì)量，并判斷改善后的復(fù)原圖像是 否具有明顯改善：如果有明顯改善，則進(jìn)入下一步處理；如果無(wú)明顯改善，則終止在軌優(yōu)化 操作；
[0014] 步驟3、通過(guò)圖像批處理方法提取經(jīng)質(zhì)量改善后的復(fù)原圖像的圖像參數(shù)，包括：邊 緣能量、對(duì)比度、清晰度、信息熵、細(xì)節(jié)能量、方差、圖像相關(guān)、均值、功率譜、信噪比；
[0015] 步驟4、通過(guò)將前述步驟提取的圖像參數(shù)輸入焦距、相移、前向性參數(shù)所對(duì)應(yīng)的反 衍模型中，得到新的參數(shù)；
[0016] 步驟5、通過(guò)將新的參數(shù)代替原先對(duì)應(yīng)的在軌參數(shù)，產(chǎn)生新的遙感圖像，并返回步 驟2。
[0017] 進(jìn)一步的實(shí)施例中，前述步驟2中，采用刀刃法求解原是遙感圖像的MTF曲線，然 后進(jìn)行MTF拉伸，即：
[0018] 將前述步驟1獲取到的遙感圖像的MTF值改寫(xiě)成如下形式：
[0019]MTFnew= (MTFold)1
[0020] 式中，t為調(diào)節(jié)參數(shù)，0 <t< 2,MTFtjld表示原始遙感圖像的MTF曲線，MTFnew表示 經(jīng)參數(shù)t調(diào)節(jié)后的MTF曲線。
[0021] 進(jìn)一步的實(shí)施例中，前步驟2中，對(duì)原始遙感圖像進(jìn)行基于頻域的去噪，其實(shí)現(xiàn)包 括：
[0022] 1)對(duì)原始遙感圖像作傅里葉變換得到頻譜圖像；
[0023] 2)對(duì)頻譜圖像中的除了孤立亮點(diǎn)之外的其余每一像素點(diǎn)（x，y)作如下處理：
[0024]T(i,j) =R(x,y)-R(x-2+i,y-2+j)
[0025]i,j=I, 2, 3

【權(quán)利要求】
1. 一種基于MTF的遙感器在軌自動(dòng)優(yōu)化在軌參數(shù)的方法，其特征在于，包括以下步驟： 步驟1、獲取當(dāng)前在軌參數(shù)運(yùn)行下的原始遙感圖像； 步驟2、基于調(diào)制傳遞函數(shù)（modulationtransferfunction,MTF)，對(duì)原始遙感圖像 進(jìn)行基于頻域的去噪與MTF拉伸的操作，以改善圖像質(zhì)量，并判斷改善后的復(fù)原圖像是否 具有明顯改善：如果有明顯改善，則進(jìn)入下一步處理；如果無(wú)明顯改善，則終止在軌優(yōu)化操 作； 步驟3、通過(guò)圖像批處理方法提取經(jīng)質(zhì)量改善后的復(fù)原圖像的圖像參數(shù)，包括：邊緣能 量、對(duì)比度、清晰度、信息熵、細(xì)節(jié)能量、方差、圖像相關(guān)、均值、功率譜、信噪比； 步驟4、通過(guò)將前述步驟提取的圖像參數(shù)輸入焦距、相移、前向性參數(shù)所對(duì)應(yīng)的反衍模 型中，得到新的參數(shù)； 步驟5、通過(guò)將新的參數(shù)代替原先對(duì)應(yīng)的在軌參數(shù)，產(chǎn)生新的遙感圖像，并返回步驟2。
2. 根據(jù)權(quán)利要求1所述的基于MTF的遙感器在軌自動(dòng)優(yōu)化在軌參數(shù)的方法，其特征在 于，前述步驟2中，采用刀刃法求解原是遙感圖像的MTF曲線，然后進(jìn)行MTF拉伸，即： 將前述步驟1獲取到的遙感圖像的MTF值改寫(xiě)成如下形式： MTFnew= (MTFold)t 式中，t為調(diào)節(jié)參數(shù)，0 <t< 2,MTFtjld表示原始遙感圖像的MTF曲線，MTFnew表示經(jīng)參 數(shù)t調(diào)節(jié)后的MTF曲線。
3. 根據(jù)權(quán)利要求1所述的基于MTF的遙感器在軌自動(dòng)優(yōu)化在軌參數(shù)的方法，其特征在 于，前步驟2中，對(duì)原始遙感圖像進(jìn)行基于頻域的去噪，其實(shí)現(xiàn)包括： 1) 對(duì)原始遙感圖像作傅里葉變換得到頻譜圖像； 2) 對(duì)頻譜圖像中的除了孤立亮點(diǎn)之外的其余每一像素點(diǎn)（x，y)作如下處理：
式中，R(x，y)表示像素點(diǎn)（x，y)的灰度值，T表示當(dāng)前像素點(diǎn)與以此像素點(diǎn)為中心點(diǎn) 的九宮格范圍內(nèi)即九個(gè)像素點(diǎn)灰度值的差值矩陣；S為T的描述矩陣，對(duì)3*3的矩陣T每個(gè) 點(diǎn)的灰度差值，若其大于原始遙感圖像對(duì)應(yīng)中心點(diǎn)灰度值的〇. 3倍，則矩陣S的對(duì)應(yīng)點(diǎn)記為 1，否則記為〇 ;若S中記錄為1的點(diǎn)大于6,則表示當(dāng)前點(diǎn)的灰度值明顯大于其周圍點(diǎn)，判斷 為孤立亮點(diǎn)，更新其灰度值為原灰度值的一半，否則，灰度值不變； 3) 對(duì)處理后的頻譜圖像做傅里葉反變換，同時(shí)將灰度均值調(diào)整到與原始遙感圖像相 4) 對(duì)去除孤立亮點(diǎn)后的頻譜圖像進(jìn)行MTF復(fù)原，才有如下恢復(fù)原始遙感圖像的目標(biāo)頻 域圖像F的方法： F= (G-N)/(MTFnew ·k) G為觀察到的退化圖像，N為噪聲圖像，令R=G-N為去除孤立亮點(diǎn)后的頻譜圖像，同時(shí) 令k= 1,則公式簡(jiǎn)化為： F=R/MTFnew 5)對(duì)經(jīng)前述MTF拉伸后的頻譜圖像F進(jìn)行傅里葉反變換，進(jìn)行圖像復(fù)原，并將復(fù)原后圖 像的灰度均值調(diào)整到與原始遙感圖像相同。
4. 根據(jù)權(quán)利要求1所述的基于MTF的遙感器在軌自動(dòng)優(yōu)化在軌參數(shù)的方法，其特征在 于，前述方法更包含以下步驟：通過(guò)圖像批處理方法得到經(jīng)質(zhì)量改善后的復(fù)原圖像的圖像 參數(shù)后，還包括對(duì)圖像參數(shù)的歸一化處理： 采用下述歸一化方法進(jìn)行處理：
其中，Xi為第η個(gè)圖像樣本對(duì)應(yīng)的一圖像參數(shù)。
5. 根據(jù)權(quán)利要求1所述的基于MTF的遙感器在軌自動(dòng)優(yōu)化在軌參數(shù)的方法，其特征在 于，前述方法還包括以下步驟： 設(shè)置前述焦距、相移、前向性參數(shù)所對(duì)應(yīng)的反衍模型： 1) 焦距的參數(shù)反衍模型： 焦距=9. 003XImage3+71. 480XImage2+268. 990XImage+735. 662 其中：Imaee定義如下：
2) 相移的參數(shù)反衍模型 相移=0· 28+0. 89X0. 253x 其中，X代表圖像綜合指標(biāo)，其定義如下： 圖像綜合指標(biāo)=〇· 123*對(duì)比度+0· 134*方差+0· 132*清晰度+0· 133*信息熵+0· 126* 細(xì)節(jié)能量-〇· 128*圖像相關(guān)+0· 128*均值+0· 132*功率譜； 3) 前向性的參數(shù)反衍模型 y= -0. 053Xa3+0. 150Xa2-O. 193Xa+0. 101 其中，y為反衍計(jì)算得到的新的前向性參數(shù)，a的定義如下： β= 0.354S.X對(duì)比度+0.3607'χ信息熵+ 0.3613X方差+ 0.3624* 清晰度-0.35^6* 信曝比 + 0J597X細(xì)節(jié)能量-0J344 _像棚關(guān)+ 0.3363X邊!|能量 。
【文檔編號(hào)】G06T5/00GK104318526SQ201410559971
【公開(kāi)日】2015年1月28日 申請(qǐng)日期:2014年10月20日 優(yōu)先權(quán)日:2014年10月20日
【發(fā)明者】孫權(quán)森, 陳強(qiáng), 季鴻坤, 金永男 申請(qǐng)人:南京理工大學(xué)