[发明专利]结合权重边缘分析与帧内迭代的图像条纹校正方法

说明书

技术领域

本发明涉及图像处理技术，尤其涉及一种结合权重边缘分析与帧内迭代的图像条纹校正方法。

背景技术

随着光学成像探测技术的发展，遥感、高速拍摄、红外探测等技术在军事、工业、科技等各个领域得到了日益广泛的应用。基于面阵设计的成像器件，如果增益与偏置相关系数不协调，会导致输出信号不一致，从而无可避免地产生了一种固定模式噪声。这种噪声在最终的图像中呈现条纹状，为了提高成像系统对目标的成像探测能力，需要对条纹进行校正。

条纹校正方法从思路上来说有两种：一是基于硬件检测的校正方法，即利用多种手段从成像器件上检测增益与偏置相关的系数；二是基于场景的校正方法，仅仅利用所形成的图像，通过增益与偏置系数估计或者图像优化技术实现条纹的校正。基于硬件的方法获取的增益与偏置系数较准，但具有两个缺陷，一是硬件获取的过程较为复杂，二是由于温度等导致系统参数漂移，这都增加了系统的复杂性和工作流程，降低了可靠性。而基于场景的校正方法不需要其他硬件的辅助，根据场景和图像本身的数值特征，提取校正相关参数或者优化，校正条纹效应。

发明内容

本发明解决的问题是提供一种结合权重边缘分析与帧内迭代的图像条纹校正方法，能有效简化图像校正的复杂度，提高系统处理图片的能力和处理速度。

为解决上述问题，本发明实施例提供了一种结合权重边缘分析与帧内迭代的图像条纹校正方法，包括：建立图像迭代校正模型；对图像进行权重边缘分析，获得权重边缘因子矩阵；将权重边缘因子矩阵引入到图像迭代校正模型，对单幅图像进行迭代优化。

可选的，利用惩罚函数法建立所述图像迭代校正模型。

可选的，所述图像迭代校正模型的设计惩罚函数为：J＝||f-g||²+α||D_xf||²，其中f为清晰图，g为退化的观测图，D_x为水平差分算子的循环矩阵形式，f＝Gg+O，G为增益系数，O为偏置系数，α是一个常数，称为规整化或者正则化系数。

可选的，G与O的优化迭代方程式子如下：

且f_i+1＝G_i+1g_i+1+O_i+1，i为迭代次数，λ为平衡迭代前后两个系数的权重系数。

可选的，对于任意位置(x,y)处的权重边缘因子矩阵M(x,y)，且γ值用来确定M数值的范围，估计噪声的局部方差其中是观测图g的局部方差,是观测图g的平滑结果的局部方差，max_n(A)代表A中的第n个最大值，s是一个N×N的平滑算子，

可选的，采用Δσ²(x,y)中若干个最大值的平均值作为Δσ²(x,y)的单独最大值。

可选的，对单幅图像进行迭代优化的具体公式为：

其中矩阵Mt_i+1为利用g_i+1获得M_i+1后，将矩阵M_i+1中大于阈值T的区域都设置为1，其余为0，所形成的一个二值化的矩阵，f_i+1为第i+1次迭代后的清晰图，为在原来第i+1次迭代后的清晰图f_i+1的基础上引入权重边缘因子矩阵得到的改进后的第i+1次的清晰图，g_i+1为第i+1次迭代前未校正的退化观测图，M_i+1为由第i+1次迭代前未校正的退化清晰图得到的权重边缘因子矩阵。

与现有技术相比，本技术方案具有以下优点：

本发明通过获得权重边缘因子矩阵，并利用权重边缘因子矩阵引入到图像迭代校正模型，对单幅图像进行迭代优化，能有效简化图像校正的复杂度，能提高系统处理图片的能力，且处理效果较佳。

附图说明

图1是本发明实施例的结合权重边缘分析与帧内迭代的图像条纹校正方法的流程示意图；

图2是本发明实施例中未经过校正的测试图；

图3是本发明实施例中对图2校正后的清晰图。

具体实施方式

下面结合附图，通过具体实施例，对本发明的技术方案进行清楚、完整的描述。

请参考图1，为本发明实施例的结合权重边缘分析与帧内迭代的图像条纹校正方法的流程示意图，包括：

步骤S101，建立图像迭代校正模型；

步骤S102，对图像进行权重边缘分析，获得权重边缘因子矩阵；