專利名稱：一種圖像復(fù)原方法
技術(shù)領(lǐng)域：
本發(fā)明屬于遙感圖像處理領(lǐng)域，涉及一種基于MTF的衛(wèi)星影像復(fù)原方法。該方法結(jié)合 TDI CCD成像特點(diǎn)，在己知成像條件較少的情況下，只通過遙感圖像本身的信息提取MTF 來有效地恢復(fù)圖像，進(jìn)一步改善圖像的清晰度，增強(qiáng)圖像視覺效果。具有簡單實用、通用 性強(qiáng)的特點(diǎn)。
背景技術(shù)：
TDICCD是當(dāng)前國內(nèi)外新一代的高分辨率成像傳感器的主要探測器類型，雖然在物理 硬件上，TDICCD器件的應(yīng)用的確提高了高分辨率衛(wèi)星影像的空間分辨率，但是由于成像 過程中各種因素的干擾，衛(wèi)星影像的實際分辨率并不能達(dá)到傳感器最初設(shè)計的地面分辨率。 為了改善成像的清晰度和成像質(zhì)量，進(jìn)而提高影像的分辨能力，需要對數(shù)據(jù)進(jìn)行復(fù)原處理。 對退化的模糊圖像的恢復(fù)一直是遙感圖像處理中的熱點(diǎn)課題之一，具有重要的理論意義和 應(yīng)用價值。
影像的大部分信息存在于影像的邊緣，因此邊緣的清晰度對于影像質(zhì)量至關(guān)重要。圖 像退化的一種表現(xiàn)就是邊緣的擴(kuò)散，傳統(tǒng)的邊緣銳化方法通過提高邊緣兩邊的灰度對比度 來突出邊緣，提高邊緣的清晰度，但會使整幅圖像失真。針對邊緣擴(kuò)散的問題，有人釆用 縮小邊緣寬度來達(dá)到提高邊緣清晰度的目的，Leu提出了邊緣寬度細(xì)化算法(Ramp Width Reduction)。 SKPatra討論了利用高斯函數(shù)模擬點(diǎn)擴(kuò)展函數(shù)的去巻積方法。以及以最大似然 估計為基礎(chǔ)的盲去巻積法。
上述方法中成像系統(tǒng)的點(diǎn)擴(kuò)展函數(shù)(PSF)都是未知的，還有一類方法是假定已知PSF， 如逆濾波，維納濾波，約束最小二乘方濾波，Lucy-Richardson (L-R)算法等。
在很多情況下，我們只能獲得遙感圖像本身的信息，而點(diǎn)擴(kuò)展函數(shù)(PSF)、成像系統(tǒng)平 臺參數(shù)、外界成像環(huán)境(如大氣條件)等是未知的，且精確模擬的計算量較大，或者很難通過 模擬來精確得到。盲去巻積方法雖然不需要點(diǎn)擴(kuò)展函數(shù)，但是它需要迭代運(yùn)算且收斂性比 較差。近年來，國內(nèi)外學(xué)者對于基于調(diào)制傳遞函數(shù)的圖像復(fù)原方法的研究越來越多。
調(diào)制傳遞函數(shù)(Modulation Transfer Function,以下簡稱MTF)是光學(xué)成像系統(tǒng)性能的一 個重要的綜合評價指標(biāo)，也是圖像退化模型中最重要的部分，成像系統(tǒng)MTF的高低直接影 響到成像質(zhì)量的好壞。發(fā)射前，傳感器的MTF可以在實驗室采用專門儀器精確測量，但由 于發(fā)射過程中的振動及從空氣中進(jìn)入真空中的變化會使傳感器重新聚焦，另外又受大氣MTF的影響，會使它的MTF發(fā)生衰減。因此，對于在軌運(yùn)行的衛(wèi)星，只能尋求其它的方 法來計算MTF 了。
利用布設(shè)的地面靶標(biāo)和選取的地面標(biāo)志物在遙感圖像上的成像信息來計算MTF，對于 遙感衛(wèi)星的在軌監(jiān)測，較為方便和可行。其中，代表性的主要有兩類做法 一類是美國、 法國等采用的用人工布設(shè)的地面靶標(biāo)的方法。這種方法主要是適用于高分辨率的星載遙感 器和機(jī)載航拍儀器。另一類是自然地物法，是以美國為代表的直接利用地面標(biāo)志物，如選 用橋梁、機(jī)場等大型的地面靶標(biāo)，從含有這些目標(biāo)的遙感圖像中直接計算MTF的方法。
在國內(nèi)，針對我國相繼發(fā)射的在軌運(yùn)行衛(wèi)星，在其遙感器性能的地面監(jiān)測方面也做了 大量的實質(zhì)性的工作。比如針對CCD遙感器相機(jī)，國內(nèi)主要采用了"樣本對比法"和"地標(biāo) 測量法"。樣本對比法是用已知MTF的樣本圖像與衛(wèi)星遙感圖像進(jìn)行比較和判讀，從而確 定遙感衛(wèi)星的MTF的方法；地標(biāo)測量法借鑒了國外的方法，但它適用于較高分辨率的衛(wèi)星， 因為要是分辨率低的話，所需靶標(biāo)將非常龐大，實施起來不現(xiàn)實。
針對高分辨率衛(wèi)星影像的特點(diǎn)，對基于MTF的圖像復(fù)原方法進(jìn)行了研究和改進(jìn)，適用 于較高分辨率衛(wèi)星影像的批量處理。

發(fā)明內(nèi)容
本發(fā)明所要解決的問題是針對數(shù)據(jù)量大的遙感圖像，提供一種有效的圖像復(fù)原方法。
該方法基于MTF理論和影像質(zhì)量退化理論，利用遙感圖像本身的信息采用刀刃法提取光學(xué) 系統(tǒng)的MTF曲線來復(fù)原圖像。其基本原理是通過計算成像系統(tǒng)的MTF曲線在不同空間頻 率處的下降程度，以此來反推真實影像在高頻部分的上升程度。該方法簡單、易于實現(xiàn)， 具有較強(qiáng)的通用性。
本發(fā)明提供的技術(shù)方案是 一種基于MTF的圖像復(fù)原方法，包括以下步驟
一、計算調(diào)制傳遞函數(shù)曲線
1、邊緣檢測
先對每一行像素值作簡單差分，即計算每相鄰兩個像素的灰度差，找到差值最大的位 置即為邊緣的像素級位置，采用該點(diǎn)附近4個點(diǎn)的值作三次多項式曲線擬合，確定其子像
素級位置，擬合多項式為
二 ，3 + a2w2 + + "4 (1)
其中n為像素點(diǎn)的位置(列號)，a(n)為該像素點(diǎn)的灰度值；將邊緣附近四個點(diǎn)的位置 和灰度值代入求得多項式的系數(shù)。設(shè)邊緣點(diǎn)的子像素級位置為m，對每一行，邊緣點(diǎn)處的 二階導(dǎo)為0，艮卩
"'，(m) = 6q附+ 2a2 = 0 (2)解得m = —2a2 / 6", = -"2 /
m即為所求的邊緣點(diǎn)的子像素級位置；
2、邊緣擬合
對邊緣檢測結(jié)果進(jìn)行線性擬合，使得邊緣點(diǎn)都位于一條直線上； 采用最小二乘法，假設(shè)直線方程為 少=ox + 6
其中，X為行號，y為該行邊緣點(diǎn)的子像素級位置；由最小二乘法得:
,ff 、, —ff， 、廣 m 、
》,乂 -》，&
(3)
附
附
乂 '=1
乂 '=1
(4)
6 =
》,2 》,_》,乂 》,
附
'〃 '(,/
IX -》,
(5)
其中，m為邊緣點(diǎn)的個數(shù)，x'為刀刃邊緣子圖的第i行，^為第i行邊緣點(diǎn)的子像素級 位置；將步驟(1)求出的邊緣點(diǎn)的子像素級位置和行號代入式(4)和(5)得到擬合的邊 緣直線；然后將行號代入(3)式重新計算該行邊緣點(diǎn)的子像素位置；
3、 提取邊緣擴(kuò)展函數(shù)ESF
根據(jù)已有的采樣點(diǎn)信息以每行邊緣點(diǎn)子像素位置為起點(diǎn)分別向左和向右進(jìn)行等間隔采 樣，采樣間隔為像元寬度，再采用三次樣條插值方法以0.01 0.1 (優(yōu)選0.05)像元間隔插 值采樣，包括插值點(diǎn)在內(nèi)的采樣點(diǎn)灰度分布就是該行的邊緣擴(kuò)展函數(shù)ESF，對每一行的ESF 曲線以邊緣點(diǎn)為基準(zhǔn)求平均值可以獲得最終的ESF曲線；
4、 計算線擴(kuò)展函數(shù)LSF
對邊緣擴(kuò)展函數(shù)在每一采樣點(diǎn)的子像素級位置進(jìn)行簡單差分，即計算每相鄰兩個采樣
點(diǎn)的灰度差得到線擴(kuò)展函數(shù)
= — -1), "=2,3'.../ (6)
其中n為第/個采樣點(diǎn)；
5、 計算調(diào)制傳遞函數(shù)
對線擴(kuò)展函數(shù)進(jìn)行離散傅里葉變換，取變換之后各分量的模為各頻率的調(diào)制傳遞函數(shù) 值，并以第一個調(diào)制傳遞函數(shù)值為基準(zhǔn)，作歸一化處理，得到一系列調(diào)制傳遞函數(shù)值；將頻率點(diǎn)以截至頻率為基準(zhǔn)作歸一化處理，則截止頻率為l，取頻率0 1處的調(diào)制傳遞函數(shù) 值構(gòu)成光學(xué)系統(tǒng)的調(diào)制傳遞函數(shù)曲線；
二、 構(gòu)建二維調(diào)制傳遞函數(shù)矩陣
將水平調(diào)制傳遞函數(shù)列向量乘以垂直調(diào)制傳遞函數(shù)列向量，艮[l-
MrF( v) = MTF x MTFV ⑦
式中，MTFu是在頻率u處水平的調(diào)制傳遞函數(shù)值；MTFv是在頻率v處垂直的調(diào)制傳 遞函數(shù)值；MTF(u,v)是二維頻率坐標(biāo)為(u,v)處的調(diào)制傳遞函數(shù)值；
取水平與垂直方向0.5頻率處調(diào)制傳遞函數(shù)值的平均值再衰減90%作為45度方向0.5 頻率處的調(diào)制傳遞函數(shù)值；再根據(jù)水平與垂直方向的調(diào)制傳遞函數(shù)向量之間的比例關(guān)系進(jìn) 行插值得到二維插值調(diào)制傳遞函數(shù)矩陣；求出0 0.5頻率處的調(diào)制傳遞函數(shù)值后，根據(jù)模 的對稱性即可得到-0.5 0頻率處的調(diào)制傳遞函數(shù)值；0.5頻率即截止頻率的一半；
三、 利用調(diào)制傳遞函數(shù)矩陣的圖像復(fù)原
在頻率域中，直接利用調(diào)制傳遞函數(shù)矩陣采用濾波器算子進(jìn)行圖像復(fù)原；其數(shù)學(xué)模型 表示為
/ (w， v) = /(w， v) xv)， (8)
其中，R(u，v)為復(fù)原圖像的頻譜，I(u,v)是原始圖像頻譜，P(u,v)是選取的濾波器算子； 采用維納濾波法對圖像進(jìn)行復(fù)原，其濾波器算子為
MTPO,v)2一.
^ (9)
尸(",v)^ 1
MrF(w，v)
MTF(w，v)2 +、
其中，、=0.02是與圖像信噪比有關(guān)的先驗常數(shù)；MTF(u，v)為二維調(diào)制傳遞函數(shù)矩陣; 最后對復(fù)原圖像的頻譜進(jìn)行反傅立葉變換即得到復(fù)原圖像。
該方法的特點(diǎn)在于，只通過遙感圖像本身的信息來提取調(diào)制傳遞函數(shù)，所求的調(diào)制傳 遞函數(shù)是光學(xué)系統(tǒng)、CCD器件、電子信號傳輸和大氣擾動等各個過程的綜合的調(diào)制傳遞函 數(shù)，并且在復(fù)原過程考慮了噪聲的影響。實踐表明，該方法能夠能夠有效地復(fù)原圖像、改 善圖像質(zhì)量，算法效率也很高。目前，該方法已被成功應(yīng)用于我國國產(chǎn)地面衛(wèi)星預(yù)處理系 統(tǒng)中，實踐證明了該方法的正確性、可行性和通用性。


圖1為計算調(diào)制傳遞函數(shù)的流程示意圖2為邊緣擴(kuò)展函數(shù)曲線三次樣條插值的示意圖；圖3為二維調(diào)制傳遞函數(shù)矩陣示意圖。
具體實施例方式
下面結(jié)合附圖對本發(fā)明做進(jìn)一歩詳細(xì)描述。概括起來，本方法的實施可以分為四個步
第一步調(diào)制傳遞函數(shù)曲線的獲取。
附圖1為刀刃法計算MTF的流程圖，具體步驟為
1、 邊緣檢測
先對每一行像素值作簡單差分，即計算每相鄰兩個像素的灰度差，找到差值最大的位
置即為邊緣的像素級位置，采用該點(diǎn)附近4個點(diǎn)的值作三次多項式曲線擬合，確定其子像
素級位置，擬合多項式為
<formula>formula see original document page 9</formula>
其中n為像素點(diǎn)的位置(列號)，a(n)為該像素點(diǎn)的灰度值；將邊緣附近四個點(diǎn)的位置 和灰度值代入求得多項式的系數(shù)。設(shè)邊緣點(diǎn)的子像素級位置為m，對每一行，邊緣點(diǎn)處的 二階導(dǎo)為0，艮P:<formula>formula see original document page 9</formula>
角軍得<formula>formula see original document page 9</formula>m即為所求的邊緣點(diǎn)的子像素級位置；
2、 邊緣擬合
對邊緣檢測結(jié)果進(jìn)行線性擬合，使得邊緣點(diǎn)都位于一條直線上； 采用最小二乘法，假設(shè)直線方程為<formula>formula see original document page 9</formula>其中，X為行號，y為該行邊緣點(diǎn)的子像素級位置；由最小二乘法得<formula>formula see original document page 9</formula>其中，m為邊緣點(diǎn)的個數(shù)，《為刀刃邊緣子圖的第i行，X為第i行邊緣點(diǎn)的子像素級 位置；將步驟(1)求出的邊緣點(diǎn)的子像素級位置和行號代入式(4)和(5)得到擬合的邊 緣直線；然后將行號代入(3)式重新計算該行邊緣點(diǎn)的子像素位置；
3、 提取邊緣擴(kuò)展函數(shù)ESF
根據(jù)己有的采樣點(diǎn)信息以每行邊緣點(diǎn)子像素位置為起點(diǎn)分別向左和向右進(jìn)行等間隔采 樣，采樣間隔為像元寬度，再采用三次樣條插值方法以0.05像元間隔插值采樣，如圖2所 示；包括插值點(diǎn)在內(nèi)的采樣點(diǎn)灰度分布就是該行的邊緣擴(kuò)展函數(shù)ESF，對每一行的ESF曲 線以邊緣點(diǎn)為基準(zhǔn)求平均值可以獲得最終的ESF曲線；
4、 計算線擴(kuò)展函數(shù)LSF
對邊緣擴(kuò)展函數(shù)在每一采樣點(diǎn)的子像素級位置進(jìn)行簡單差分，即計算每相鄰兩個采樣 點(diǎn)的灰度差得到線擴(kuò)展函數(shù)
<formula>formula see original document page 10</formula> (6)
其中w為第/個采樣點(diǎn)；
5、 計算調(diào)制傳遞函數(shù)
對線擴(kuò)展函數(shù)進(jìn)行離散傅里葉變換，取變換之后各分量的模為各頻率的調(diào)制傳遞函數(shù) 值，并以第一個調(diào)制傳遞函數(shù)值為基準(zhǔn)，作歸一化處理，得到一系列調(diào)制傳遞函數(shù)值；將 頻率點(diǎn)以截至頻率為基準(zhǔn)作歸一化處理，則截止頻率為l，取頻率0 1處的調(diào)制傳遞函數(shù) 值構(gòu)成光學(xué)系統(tǒng)的調(diào)制傳遞函數(shù)曲線；
第二步構(gòu)建二維調(diào)制傳遞函數(shù)矩陣
將水平調(diào)制傳遞函數(shù)列向量乘以垂直調(diào)制傳遞函數(shù)列向量，艮P:
<formula>formula see original document page 10</formula>
式中，MTFu是在頻率u處水平的調(diào)制傳遞函數(shù)值；MTFv是在頻率v處垂直的調(diào)制傳 遞函數(shù)值；MTF(u,v)是二維頻率坐標(biāo)為(u,v)處的調(diào)制傳遞函數(shù)值；
取水平與垂直方向0.5頻率處調(diào)制傳遞函數(shù)值的平均值再衰減90%作為45度方向0.5 頻率處的調(diào)制傳遞函數(shù)值；再根據(jù)水平與垂直方向的調(diào)制傳遞函數(shù)向量之間的比例關(guān)系進(jìn) 行插值得到二維插值調(diào)制傳遞函數(shù)矩陣；求出0 0.5頻率處的調(diào)制傳遞函數(shù)值后，根據(jù)模 的對稱性即可得到-0.5 0頻率處的調(diào)制傳遞函數(shù)值；此二維矩陣經(jīng)過左右、上下對稱變換 后，就形成了中心值為l，向四周遞減的曲面。如圖3所示第三步利用調(diào)制傳遞函數(shù)矩陣的圖像復(fù)原
在頻率域中，直接利用調(diào)制傳遞函數(shù)矩陣采用濾波器算子進(jìn)行圖像復(fù)原；其數(shù)學(xué)模型 表示為
i (w,v) =/(w,v)x尸(w，v)， (8)
其中，R(u,v)為復(fù)原圖像的頻譜，I(u，v)是原始圖像頻譜，P(u,v)是選取的濾波器算子； 采用維納濾波法對圖像進(jìn)行復(fù)原，其濾波器算子為
1
MTF(m,v)2 MT尸O,v)2 +、
(9)
其中，~=0.02是與圖像信噪比有關(guān)的先驗常數(shù)；MTF(u,v)為二維調(diào)制傳遞函數(shù)矩陣；
最后對復(fù)原圖像的頻譜進(jìn)行反傅立葉變換即得到復(fù)原圖像-
權(quán)利要求
1.一種圖像復(fù)原方法，包括以下步驟一、計算調(diào)制傳遞函數(shù)曲線(1)、邊緣檢測先對每一行像素值作簡單差分，即計算每相鄰兩個像素的灰度差，找到差值最大的位置即為邊緣的像素級位置，采用該點(diǎn)附近4個點(diǎn)的值作三次多項式曲線擬合，確定其子像素級位置，擬合多項式為a(n)＝a1n3+a2n2+a3n+a4(1)其中n為像素點(diǎn)的位置，a(n)為該像素點(diǎn)的灰度值；將邊緣附近四個點(diǎn)的位置和灰度值代入求得多項式的系數(shù)；設(shè)邊緣點(diǎn)的子像素級位置為m，對每一行，邊緣點(diǎn)處的二階導(dǎo)為0，即a″(m)＝6a1m+2a2＝0(2)解得m＝-2a2/6a1＝-a2/3a1m即為所求的邊緣點(diǎn)的子像素級位置；(2)、邊緣擬合對邊緣檢測結(jié)果進(jìn)行線性擬合，使得邊緣點(diǎn)都位于一條直線上；采用最小二乘法，假設(shè)直線方程為y＝ax+b(3)其中，x為行號，y為該行邊緣點(diǎn)的子像素級位置；由最小二乘法得<maths id="math0001" num="0001" ><math><![CDATA[ <mrow><mi>a</mi><mo>=</mo><mfrac> <mrow><mi>m</mi><mrow> <mo>(</mo> <munderover><mi>&Sigma;</mi><mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn></mrow><mi>m</mi> </munderover> <msub><mi>x</mi><mi>i</mi> </msub> <msub><mi>y</mi><mi>i</mi> </msub> <mo>)</mo></mrow><mo>-</mo><mrow> <mo>(</mo> <munderover><mi>&Sigma;</mi><mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn></mrow><mi>m</mi> </munderover> <msub><mi>x</mi><mi>i</mi> </msub> <mo>)</mo></mrow><mrow> <mo>(</mo> <munderover><mi>&Sigma;</mi><mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn></mrow><mi>m</mi> </munderover> <msub><mi>y</mi><mi>i</mi> </msub> <mo>)</mo></mrow> </mrow> <mrow><mi>m</mi><mrow> <mo>(</mo> <munderover><mi>&Sigma;</mi><mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn></mrow><mi>m</mi> </munderover> <msubsup><mi>x</mi><mi>i</mi><mn>2</mn> </msubsup> <mo>)</mo></mrow><mo>-</mo><msup> <mrow><mo>(</mo><munderover> <mi>&Sigma;</mi> <mrow><mi>i</mi><mo>=</mo><mn>1</mn> </mrow> <mi>m</mi></munderover><msub> <mi>x</mi> <mi>i</mi></msub><mo>)</mo> </mrow> <mn>2</mn></msup> </mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo></mrow> </mrow>]]></math></maths><maths id="math0002" num="0002" ><math><![CDATA[ <mrow><mi>b</mi><mo>=</mo><mfrac> <mrow><mrow> <mo>(</mo> <munderover><mi>&Sigma;</mi><mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn></mrow><mi>m</mi> </munderover> <msubsup><mi>x</mi><mi>i</mi><mn>2</mn> </msubsup> <mo>)</mo></mrow><mrow> <mo>(</mo> <munderover><mi>&Sigma;</mi><mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn></mrow><mi>m</mi> </munderover> <msub><mi>y</mi><mi>i</mi> </msub> <mo>)</mo></mrow><mo>-</mo><mrow> <mo>(</mo> <munderover><mi>&Sigma;</mi><mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn></mrow><mi>m</mi> </munderover> <msub><mi>x</mi><mi>i</mi> </msub> <msub><mi>y</mi><mi>i</mi> </msub> <mo>)</mo></mrow><mrow> <mo>(</mo> <munderover><mi>&Sigma;</mi><mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn></mrow><mi>m</mi> </munderover> <msub><mi>x</mi><mi>i</mi> </msub> <mo>)</mo></mrow> </mrow> <mrow><mi>m</mi><mrow> <mo>(</mo> <munderover><mi>&Sigma;</mi><mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn></mrow><mi>m</mi> </munderover> <msubsup><mi>x</mi><mi>i</mi><mn>2</mn> </msubsup> <mo>)</mo></mrow><mo>-</mo><msup> <mrow><mo>(</mo><munderover> <mi>&Sigma;</mi> <mrow><mi>i</mi><mo>=</mo><mn>1</mn> </mrow> <mi>m</mi></munderover><msub> <mi>x</mi> <mi>i</mi></msub><mo>)</mo> </mrow> <mn>2</mn></msup> </mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo></mrow> </mrow>]]></math></maths>其中，m為邊緣點(diǎn)的個數(shù)，xi為刀刃邊緣子圖的第i行，yi為第i行邊緣點(diǎn)的子像素級位置；將步驟(1)求出的邊緣點(diǎn)的子像素級位置和行號代入式(4)和(5)得到擬合的邊緣直線；然后將行號代入(3)式重新計算該行邊緣點(diǎn)的子像素位置；(3)、提取邊緣擴(kuò)展函數(shù)ESF根據(jù)已有的采樣點(diǎn)信息以每行邊緣點(diǎn)子像素位置為起點(diǎn)分別向左和向右進(jìn)行等間隔采樣，采樣間隔為像元寬度，再采用三次樣條插值方法以0.01～0.1像元間隔插值采樣，包括插值點(diǎn)在內(nèi)的采樣點(diǎn)灰度分布就是該行的邊緣擴(kuò)展函數(shù)ESF，對每一行的ESF曲線以邊緣點(diǎn)為基準(zhǔn)求平均值可以獲得最終的ESF曲線；(4)、計算線擴(kuò)展函數(shù)LSF對邊緣擴(kuò)展函數(shù)在每一采樣點(diǎn)的子像素級位置進(jìn)行簡單差分，即計算每相鄰兩個采樣點(diǎn)的灰度差得到線擴(kuò)展函數(shù)LSF(n)＝ESF(n)-ESF(n-1)，n＝2，3，…i(6)其中n為第i個采樣點(diǎn)；(5)、計算調(diào)制傳遞函數(shù)對線擴(kuò)展函數(shù)進(jìn)行離散傅里葉變換，取變換之后各分量的模為各頻率的調(diào)制傳遞函數(shù)值，并以第一個調(diào)制傳遞函數(shù)值為基準(zhǔn)，作歸一化處理，得到一系列調(diào)制傳遞函數(shù)值；將頻率點(diǎn)以截至頻率為基準(zhǔn)作歸一化處理，則截止頻率為1，取頻率0～1處的調(diào)制傳遞函數(shù)值構(gòu)成光學(xué)系統(tǒng)的調(diào)制傳遞函數(shù)曲線；二、構(gòu)建二維調(diào)制傳遞函數(shù)矩陣將水平調(diào)制傳遞函數(shù)列向量乘以垂直調(diào)制傳遞函數(shù)列向量，即MTF(u，v)＝MTFu×MTFv(7)式中，MTFu是在頻率u處水平的調(diào)制傳遞函數(shù)值；MTFv是在頻率v處垂直的調(diào)制傳遞函數(shù)值；MTF(u，v)是二維頻率坐標(biāo)為(u，v)處的調(diào)制傳遞函數(shù)值；取水平與垂直方向0.5頻率處調(diào)制傳遞函數(shù)值的平均值再衰減90％作為45度方向0.5頻率處的調(diào)制傳遞函數(shù)值；再根據(jù)水平與垂直方向的調(diào)制傳遞函數(shù)向量之間的比例關(guān)系進(jìn)行插值得到二維插值調(diào)制傳遞函數(shù)矩陣；求出0～0.5頻率處的調(diào)制傳遞函數(shù)值后，根據(jù)模的對稱性即可得到-0.5～0頻率處的調(diào)制傳遞函數(shù)值；0.5頻率即截止頻率的一半；三、利用調(diào)制傳遞函數(shù)矩陣的圖像復(fù)原在頻率域中，直接利用調(diào)制傳遞函數(shù)矩陣采用濾波器算子進(jìn)行圖像復(fù)原；其數(shù)學(xué)模型表示為R(u，v)＝I(u，v)×P(u，v)，(8)其中，R(u，v)為復(fù)原圖像的頻譜，I(u，v)是原始圖像頻譜，P(u，v)是選取的濾波器算子；采用維納濾波法對圖像進(jìn)行復(fù)原，其濾波器算子為<maths id="math0003" num="0003" ><math><![CDATA[ <mrow><mi>P</mi><mrow> <mo>(</mo> <mi>u</mi> <mo>,</mo> <mi>v</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mn>1</mn> <mrow><mi>MTF</mi><mrow> <mo>(</mo> <mi>u</mi> <mo>,</mo> <mi>v</mi> <mo>)</mo></mrow> </mrow></mfrac><mo>&times;</mo><mo>[</mo><mfrac> <mrow><mi>MTF</mi><msup> <mrow><mo>(</mo><mi>u</mi><mo>,</mo><mi>v</mi><mo>)</mo> </mrow> <mn>2</mn></msup> </mrow> <mrow><mi>MTF</mi><msup> <mrow><mo>(</mo><mi>u</mi><mo>,</mo><mi>v</mi><mo>)</mo> </mrow> <mn>2</mn></msup><mo>+</mo><msub> <mi>k</mi> <mi>w</mi></msub> </mrow></mfrac><mo>]</mo><mo>,</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>9</mn> <mo>)</mo></mrow> </mrow>]]></math></maths>其中，kw＝0.02是與圖像信噪比有關(guān)的先驗常數(shù)；MTF(u，v)為二維調(diào)制傳遞函數(shù)矩陣；最后對復(fù)原圖像的頻譜進(jìn)行反傅立葉變換即得到復(fù)原圖像。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于步驟一、(3)中采用三次樣條插值方法以0.05像元間隔插值采樣。
全文摘要
基于MTF的圖像復(fù)原方法，包括以下步驟一、計算圖像的MTF曲線；二、構(gòu)建二維MTF矩陣；三、利用MTF矩陣在頻率域中進(jìn)行圖像復(fù)原。該方法針對數(shù)據(jù)量大的遙感圖像，基于MTF理論和影像質(zhì)量退化理論，提供了一種有效的圖像復(fù)原方法。實踐表明該方法能夠有效地復(fù)原圖像、改善圖像質(zhì)量，算法效率也很高。目前，該方法已被成功應(yīng)用于我國國產(chǎn)地面衛(wèi)星預(yù)處理系統(tǒng)中，實踐證明了該方法的正確性、可行性和通用性。
文檔編號G06T5/10GK101635050SQ20091006286
公開日2010年1月27日 申請日期2009年6月26日 優(yōu)先權(quán)日2009年6月26日
發(fā)明者俊 潘, 密 王, 蘋 葛 申請人:武漢大學(xué)