>[0051] 圖3是圖1中調(diào)節(jié)各參數(shù)所生成的字典中的部分原子；
[0052] 圖4是不含有目標(biāo)時(shí)，背景及噪聲在字典中的表示系數(shù)；
[0053] 圖5是信噪比約為2時(shí)目標(biāo)及背景、噪聲在字典中的表示系數(shù)；
[0054] 圖6是信噪比約為5時(shí)目標(biāo)及背景、噪聲在字典中的表示系數(shù)；
[0055] 圖7是在實(shí)驗(yàn)室環(huán)境中所采集到的S-H WFS圖像；
[0056] 圖8是采用本發(fā)明所提出的方法處理后的結(jié)果；
[0057] 圖9是處理前單個(gè)子孔徑圖像；
[0058] 圖10是減閾值效果圖；
[0059] 圖11是本發(fā)明算法處理后結(jié)果；
[0060] 圖12是不同彳目噪比下處理前后質(zhì)心偏差曲線。
【具體實(shí)施方式】
[0061] 在對(duì)哈特曼圖像的處理中，在構(gòu)造一個(gè)超完備目標(biāo)字典的基礎(chǔ)上，依次將測(cè)試圖 像進(jìn)行分塊計(jì)算系數(shù)，分塊的大小與字典原子的大小相同，并通過(guò)系數(shù)的差異來(lái)判斷此圖 像子塊是否含有的光斑信號(hào)，若含有光斑信號(hào)則表示系數(shù)只有少量系數(shù)值較大，其他系數(shù) 值接近于〇 ;若該圖像子塊中為背景區(qū)域，則其表示系數(shù)較為均勻的，且系數(shù)值較小，也就 是說(shuō)，通過(guò)目標(biāo)、背景及噪聲在字典中的表示系數(shù)的差異，來(lái)判斷該子塊中是否含有光斑信 號(hào)，以此達(dá)到提取目標(biāo)，去除噪聲的目的。
[0062] S1、超完備字典的構(gòu)造
[0063] 本發(fā)明光斑信號(hào)通常為小目標(biāo)信號(hào)，因此本發(fā)明采用二維高斯模型構(gòu)造 S-H WFS 光斑目標(biāo)的超完備字典，通過(guò)各參數(shù)項(xiàng)，生成目標(biāo)子空間，采用該模型來(lái)生成光斑目標(biāo)樣本 圖像，建立光斑信號(hào)的超完備字典，設(shè)原子大小為mXn，其二維高斯模型如下：
[0065] 其中。A表示光斑的等效高斯寬度，V。表示光斑的峰值強(qiáng)度，（X(]，y。）表示光斑中 心點(diǎn)的坐標(biāo)。通過(guò)調(diào)節(jié)（Χ(]，^)，ν。，〇A四個(gè)參數(shù)來(lái)生成波前信號(hào)子圖像。將樣本圖像展開(kāi) 為m2 Xl的一維列向量，將此向量構(gòu)建為一個(gè)矩陣：
[0066] Γ\ 「..... ? . jym χη. (J)
[0067] 設(shè)樣本的數(shù)目為η，稱該矩陣D為超完備字典，矩陣中的每一列s1為超完備字典中 的一個(gè)原子。圖1是根據(jù)公式（6)生成的樣本圖像及完備字典中的部分原子示意圖，其中， 圖1是根據(jù)式（6)生成的光斑目標(biāo)樣本，其生成條件如下：圖像大小為41pixelX41pixel， 光斑中心（X。，y。）坐標(biāo)為（20,20)，峰值15ADU，等效高斯寬度為。A= I. 25pixel，這樣模擬 出的目標(biāo)光斑在5 X 5像元內(nèi)集中了 80 %以上的能量，可以看出，與實(shí)際的目標(biāo)較為接近。 圖2是其對(duì)應(yīng)的三維能量譜圖，圖3是根據(jù)以上原理，調(diào)節(jié)各參數(shù)所生成的字典中的部分原 子。
[0068] S2、基于稀疏理論的光斑信號(hào)提?。?br>[0069] 根據(jù)以上構(gòu)造的超完備字典，將待處理的哈特曼圖像進(jìn)行分塊，然后計(jì)算各子塊 在字典下的表示系數(shù)，通過(guò)比較各表示系數(shù)的差異，來(lái)判斷該圖像子塊中是背景區(qū)域還是 信號(hào)區(qū)域，從而實(shí)現(xiàn)去除噪聲及背景，提取出光斑的目的，具體的步驟如下：
[0070] S21、利用mXm(與原子大小相同）的滑動(dòng)窗口，依次將測(cè)試哈特曼圖像分割成各 子塊，并將其展開(kāi)為m2X 1維列向量。
[0071] S22、依次計(jì)算各子塊的表示系數(shù)。圖像子塊在超完備字典中的表示系數(shù)可以通過(guò) 優(yōu)化式（4)或者式（5)來(lái)求解，而本發(fā)明中為了消除噪聲的干擾，得到更加穩(wěn)定的解，對(duì)以 上式進(jìn)行改進(jìn)為式（8)，并通過(guò)此改進(jìn)式求解系數(shù)。
[0072] min I I a I I A t. I ID α -X I 1ε， (8)
[0073] 其中，是子塊的向量表示，是波前信號(hào)的超完備字典，α為圖像 子塊X在超完備字典中的nXl維表示系數(shù)，ε為標(biāo)準(zhǔn)差，通過(guò)控制ε來(lái)處理不同強(qiáng)度的 噪聲。圖4-6是在不同信噪比下的某單個(gè)子孔徑中目標(biāo)及噪聲的稀疏系數(shù)的差別，從圖中 可以看出，在不含有光斑信號(hào)時(shí)系數(shù)較為均勻，在含有目標(biāo)時(shí)，目標(biāo)的系數(shù)與背景及噪聲的 系數(shù)差別較大，且信噪比越大時(shí)，對(duì)比越明顯。
[0074] S23、建立稀疏指標(biāo)矩陣。若圖像子塊中含有光斑信號(hào)，則求得的表示系數(shù)α比較 稀疏，即只有少量數(shù)值比較大，其他值均較小，若圖像子塊為背景或噪聲，則求得的表示系 數(shù)α數(shù)值均比較小。從圖4中可以看出，圖像子塊中的目標(biāo)區(qū)域，其表示系數(shù)與背景及噪 聲區(qū)域有較大的差異。
[0075] S24、對(duì)系數(shù)指標(biāo)矩陣進(jìn)行閾值處理。在稀疏程度指標(biāo)矩陣中，目標(biāo)所在位置具有 接近于1的數(shù)值，其他位置數(shù)值均較小，在不同信噪比條件下，通常情況下，系數(shù)小于〇. 5， 因此通過(guò)簡(jiǎn)單的閾值操作即可得到光斑信號(hào)，本發(fā)明系數(shù)的閾值處理式如式（9)所示，
[0076] SI(X)彡 τ (9)
[0077] 其中τ是閾值，τ e [0, 1]，根據(jù)實(shí)際情況進(jìn)行設(shè)定，根據(jù)式（9)對(duì)稀疏系數(shù)進(jìn)行 二值化處理，也即大于閾值τ的系數(shù)值設(shè)定為1，小于τ的值為〇,在處理結(jié)果中將，則數(shù) 值為1的位置即為目標(biāo)所在的位置。
[0078] 為了驗(yàn)證算法的有效性，選擇多幅S-H WFS圖像進(jìn)行實(shí)驗(yàn)，并將本發(fā)明的算法處理 效果與減閾值算法進(jìn)行了比較。實(shí)驗(yàn)中，目標(biāo)樣本大小為16X 16,閾值T取0. 6, C⑶靶面 為 768X484pixel,子孔徑大小為 20X20pixels。
[0079] 圖7在實(shí)驗(yàn)室環(huán)境中所采集到的S-H WFS圖像，從圖中可以看出，光斑信號(hào)幾乎被 背景雜波和噪聲所淹沒(méi)，圖8是采用本發(fā)明所提出的方法處理后的結(jié)果。圖9-11是單個(gè)子 孔徑圖像處理前后的對(duì)比圖，并將其和減閾值算法進(jìn)行對(duì)比，從圖中可以看出，處理前，噪 聲較強(qiáng)，而減閾值算法處理后仍有少許的噪聲起伏，采用稀疏算法處理后，光斑目標(biāo)提取較 好，且形狀完整。在歸一化的圖像中，背景最大值不超過(guò)0. 3,而目標(biāo)均在0. 8以上。只需簡(jiǎn) 單的閾值操作即可將光斑信號(hào)提取出來(lái)。
[0080] 為了進(jìn)一步驗(yàn)證所提出算法的性能，將該算法與減閾值算法在不同信噪比的條件 下進(jìn)行了比較，并選擇處理后質(zhì)心偏差作為對(duì)比，從圖12中可以看出，隨著信噪比的提高， 不管是本發(fā)明算法還是減閾值算法都能夠較為顯著的減小質(zhì)心計(jì)算的偏差，而本發(fā)明算法 具有較為明顯的優(yōu)越性。
[0081] 另外，對(duì)不同信噪比條件下本發(fā)明算法與減閾值算法處理后的質(zhì)心的RMS值及PV 值進(jìn)行比較，如表1所示，從表中頁(yè)可以看到，相比于減閾值算法，所提出的算法處理后的 質(zhì)心起伏較小，說(shuō)明本發(fā)明算法的處理后的精度較好，這也與前面的主觀評(píng)價(jià)結(jié)果一致。
[0082] 表1.不同信噪比下減閾值算法與本發(fā)明算法平均偏差RMS及PV比較
[0084] 根據(jù)圖像的稀疏表示理論，提出了一種新的去除S-H WFS圖像噪聲的方法，與減閾 值算法相比，該算法利用超完備字典來(lái)表示光斑信號(hào)，首先通過(guò)二維高斯模型構(gòu)造光斑信 號(hào)的超完備字典，然后，計(jì)算測(cè)試圖像的圖像子塊在超完備字典中的表示系數(shù)，圖像子塊中 光斑信號(hào)所在的位置，其表示系數(shù)顯著不同，根據(jù)此原理完成提取光斑信號(hào)的目的。最后將 本發(fā)明算法與減閾值算法進(jìn)行了比較，并對(duì)處理后的質(zhì)心偏差及質(zhì)心的RMS及PV值進(jìn)行了 比較，結(jié)果證明了本算法處理的高精度及有效性。
[0085] 以上所述僅為本發(fā)明的優(yōu)選實(shí)施例而已，并不用于限制本發(fā)明，盡管參照前述實(shí) 施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說(shuō)明，對(duì)于本領(lǐng)域的技術(shù)人員來(lái)說(shuō)，其依然可以對(duì)前述各實(shí)施 例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分技術(shù)特征進(jìn)行等同替換。凡在本發(fā)明的精 神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種基于稀疏表示的自適應(yīng)光學(xué)光斑信號(hào)提取方法，其特征在于，包括如下步驟： 51、 構(gòu)建超完備目標(biāo)字典； 52、 基于稀疏理論提取光斑信號(hào)，根據(jù)S1構(gòu)造的超完備字典，將待處理的哈特曼圖像 進(jìn)行分塊，然后計(jì)算各子塊在字典下的表示系數(shù)，通過(guò)比較各表示系數(shù)的差異，來(lái)判斷該圖 像子塊中是背景區(qū)域還是信號(hào)區(qū)域，從而實(shí)現(xiàn)去除噪聲及背景，提取出光斑的目的。2. 根據(jù)權(quán)利要求1所述的基于稀疏表示的自適應(yīng)光學(xué)光斑信號(hào)提取方法，其特征在 于，S1的具體步驟為： 采用二維高斯模型構(gòu)造S-HWFS光斑目標(biāo)的超完備字典，通過(guò)各參數(shù)項(xiàng)，生成目標(biāo)子空 間，采用二維高斯模型來(lái)生成光斑目標(biāo)樣本圖像，建立光斑信號(hào)的超完備字典，設(shè)原子大小 為mXn，其二維高斯模型如下：其中〇A表示光斑的等效高斯寬度，V。表示光斑的峰值強(qiáng)度，（x。，y。）表示光斑中心點(diǎn)的 坐標(biāo)；通過(guò)調(diào)節(jié)U：，yj，V。，〇A四個(gè)參數(shù)來(lái)生成波前信號(hào)子圖像；將樣本圖像展開(kāi)為m2X1 的一維列向量，將此向量構(gòu)建為一個(gè)矩陣：C7) 設(shè)樣本的數(shù)目為n，稱該矩陣D為超完備字典，矩陣中的每一列s1為超完備字典中的 一個(gè)原子。3. 根據(jù)權(quán)利要求1所述的基于稀疏表示的自適應(yīng)光學(xué)光斑信號(hào)提取方法，其特征在 于，S2的具體步驟為： 521、 利用mXm，其中mXm是與原子大小相同的滑動(dòng)窗口，依次將測(cè)試哈特曼圖像分割 成各子塊，并將其展開(kāi)為m2X1維列向量； 522、 依次計(jì)算各子塊的表示系數(shù)，圖像子塊在超完備字典中的表示系數(shù)并通過(guò)此改進(jìn) 式求解系數(shù)： min| |a| |jS.t. | |Da-x| 12^；e, (8) 其中，「是子塊的向量表示，ipeir2:M是波前信號(hào)的超完備字典，a為圖像子塊x在超完備字典中的nXl維表示系數(shù)，e為標(biāo)準(zhǔn)差，通過(guò)控制e來(lái)處理不同強(qiáng)度的噪聲； 523、 建立稀疏指標(biāo)矩陣，若圖像子塊中含有光斑信號(hào)，則求得的表示系數(shù)a比較稀 疏，即只有少量數(shù)值比較大，其他值均較小，若圖像子塊為背景或噪聲，則求得的表示系數(shù) a數(shù)值均比較??； 524、 對(duì)系數(shù)指標(biāo)矩陣進(jìn)行閾值處理，在稀疏程度指標(biāo)矩陣中，目標(biāo)所在位置具有接近 于1的數(shù)值，其他位置數(shù)值均較小，在不同信噪比條件下，通常情況下，系數(shù)小于〇. 5,因此 通過(guò)簡(jiǎn)單的閾值操作即可得到光斑信號(hào)，本發(fā)明系數(shù)的閾值處理式如式（9)所示， SI(x)彡t(9) 其中T是閾值，TG[〇, 1]，根據(jù)實(shí)際情況進(jìn)行設(shè)定，根據(jù)式（9)對(duì)稀疏系數(shù)進(jìn)行二值 化處理，也即大于閾值T的系數(shù)值設(shè)定為1，小于T的值為〇,在處理結(jié)果中將，則數(shù)值為 1的位置即為目標(biāo)所在的位置。
【專利摘要】本發(fā)明提供一種基于稀疏表示的自適應(yīng)光學(xué)光斑信號(hào)提取方法，包括如下步驟：S1、構(gòu)建超完備目標(biāo)字典；S2、基于稀疏理論提取光斑信號(hào)，根據(jù)S1構(gòu)造的超完備字典，將待處理的哈特曼圖像進(jìn)行分塊，然后計(jì)算各子塊在字典下的表示系數(shù)，通過(guò)比較各表示系數(shù)的差異，來(lái)判斷該圖像子塊中是背景區(qū)域還是信號(hào)區(qū)域，從而實(shí)現(xiàn)去除噪聲及背景，提取出光斑的目的。本發(fā)明通過(guò)目標(biāo)、背景及噪聲在字典中的表示系數(shù)的差異，來(lái)判斷該子塊中是否含有光斑信號(hào)，以此達(dá)到提取目標(biāo)，去除噪聲的目的。
【IPC分類】G06T5/00, G06T7/00
【公開(kāi)號(hào)】CN105118035
【申請(qǐng)?zhí)枴緾N201510512444
【發(fā)明人】張艷艷, 張玉濤, 陳蘇婷
【申請(qǐng)人】南京信息工程大學(xué)
【公開(kāi)日】2015年12月2日
【申請(qǐng)日】2015年8月20日