結(jié)合權(quán)重邊緣分析與幀內(nèi)迭代的圖像條紋校正方法
【專利摘要】一種結(jié)合權(quán)重邊緣分析與幀內(nèi)迭代的圖像條紋校正方法，包括：建立圖像迭代校正模型；對(duì)圖像進(jìn)行權(quán)重邊緣分析，獲得權(quán)重邊緣因子矩陣；將權(quán)重邊緣因子矩陣引入到圖像迭代校正模型，對(duì)單幅圖像進(jìn)行迭代優(yōu)化。利用所述方法能提高系統(tǒng)處理圖片的能力和處理速度，且校正效果較佳。
【專利說(shuō)明】結(jié)合權(quán)重邊緣分析與幀內(nèi)迭代的圖像條紋校正方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理技術(shù)，尤其涉及一種結(jié)合權(quán)重邊緣分析與幀內(nèi)迭代的圖像條紋校正方法。
【背景技術(shù)】
[0002]隨著光學(xué)成像探測(cè)技術(shù)的發(fā)展，遙感、高速拍攝、紅外探測(cè)等技術(shù)在軍事、工業(yè)、科技等各個(gè)領(lǐng)域得到了日益廣泛的應(yīng)用。基于面陣設(shè)計(jì)的成像器件，如果增益與偏置相關(guān)系數(shù)不協(xié)調(diào)，會(huì)導(dǎo)致輸出信號(hào)不一致，從而無(wú)可避免地產(chǎn)生了一種固定模式噪聲。這種噪聲在最終的圖像中呈現(xiàn)條紋狀，為了提高成像系統(tǒng)對(duì)目標(biāo)的成像探測(cè)能力，需要對(duì)條紋進(jìn)行校正。
[0003]條紋校正方法從思路上來(lái)說(shuō)有兩種:一是基于硬件檢測(cè)的校正方法，即利用多種手段從成像器件上檢測(cè)增益與偏置相關(guān)的系數(shù)；二是基于場(chǎng)景的校正方法，僅僅利用所形成的圖像，通過(guò)增益與偏置系數(shù)估計(jì)或者圖像優(yōu)化技術(shù)實(shí)現(xiàn)條紋的校正?；谟布姆椒ǐ@取的增益與偏置系數(shù)較準(zhǔn)，但具有兩個(gè)缺陷，一是硬件獲取的過(guò)程較為復(fù)雜，二是由于溫度等導(dǎo)致系統(tǒng)參數(shù)漂移，這都增加了系統(tǒng)的復(fù)雜性和工作流程，降低了可靠性。而基于場(chǎng)景的校正方法不需要其他硬件的輔助，根據(jù)場(chǎng)景和圖像本身的數(shù)值特征，提取校正相關(guān)參數(shù)或者優(yōu)化，校正條紋效應(yīng)。
【發(fā)明內(nèi)容】

[0004]本發(fā)明解決的問題是提供一種結(jié)合權(quán)重邊緣分析與幀內(nèi)迭代的圖像條紋校正方法，能有效簡(jiǎn)化圖像校正的復(fù)雜度，提高系統(tǒng)處理圖片的能力和處理速度。
[0005]為解決上述問題，本發(fā)明實(shí)施例提供了一種結(jié)合權(quán)重邊緣分析與幀內(nèi)迭代的圖像條紋校正方法，包括:建立圖像迭代校正模型；對(duì)圖像進(jìn)行權(quán)重邊緣分析，獲得權(quán)重邊緣因子矩陣；將權(quán)重邊緣因子矩陣引入到圖像迭代校正模型，對(duì)單幅圖像進(jìn)行迭代優(yōu)化。
[0006]可選的，利用懲罰函數(shù)法建立所述圖像迭代校正模型。
[0007]可選的，所述圖像迭代校正模型的設(shè)計(jì)懲罰函數(shù)為:J = I f-gl |2+α I |Dxf I I2，其中f為清晰圖，g為退化的觀測(cè)圖，Dx為水平差分算子的循環(huán)矩陣形式，f = Gg+0，G為增益系數(shù)，O為偏置系數(shù)。
[0008]可選的，G與O的優(yōu)化迭代方程式子如下:
[0009]
【權(quán)利要求】
1.一種結(jié)合權(quán)重邊緣分析與幀內(nèi)迭代的圖像條紋校正方法，其特征在于，包括: 建立圖像迭代校正模型； 對(duì)圖像進(jìn)行權(quán)重邊緣分析，獲得權(quán)重邊緣因子矩陣； 將權(quán)重邊緣因子矩陣引入到圖像迭代校正模型，對(duì)單幅圖像進(jìn)行迭代優(yōu)化。
2.如權(quán)利要求1所述的結(jié)合權(quán)重邊緣分析與幀內(nèi)迭代的圖像條紋校正方法，其特征在于，利用懲罰函數(shù)法建立所述圖像迭代校正模型。
3.如權(quán)利要求2所述的結(jié)合權(quán)重邊緣分析與幀內(nèi)迭代的圖像條紋校正方法，其特征在于，所述圖像迭代校正模型的設(shè)計(jì)懲罰函數(shù)為:J= I f-g| |2+α I |Dxf| I2，其中f為清晰圖，g為退化的觀測(cè)圖，Dx為水平差分算子的循環(huán)矩陣形式，f = Gg+O, G為增益系數(shù)，O為偏置系數(shù)。
4.如權(quán)利要求3所述的結(jié)合權(quán)重邊緣分析與幀內(nèi)迭代的圖像條紋校正方法，其特征在于，G與O的優(yōu)化迭代方程式子如下:
5.如權(quán)利要求1所述的結(jié)合權(quán)重邊緣分析與幀內(nèi)迭代的圖像條紋校正方法，其特征在于，對(duì)于任意位置(x，y)處的權(quán)重邊緣因子矩陣M(x，y)，
6.如權(quán)利要求1所述的結(jié)合權(quán)重邊緣分析與幀內(nèi)迭代的圖像條紋校正方法，其特征在于，采用Λ σ2(χ, y)中若干個(gè)最大值的平均值作為Λ σ 2 (χ, y)的單獨(dú)最大值。
7.如權(quán)利要求1所述的結(jié)合權(quán)重邊緣分析與幀內(nèi)迭代的圖像條紋校正方法，其特征在于，對(duì)單幅圖像進(jìn)行迭代優(yōu)化的具體公式為:
【文檔編號(hào)】G06T5/00GK103985089SQ201410125801
【公開日】2014年8月13日 申請(qǐng)日期:2014年3月31日 優(yōu)先權(quán)日:2014年3月31日
【發(fā)明者】趙巨峰, 逯鑫淼, 辛青, 高秀敏 申請(qǐng)人:杭州電子科技大學(xué)