[发明专利]自适应高精度MTF测量方法

说明书

本发明提供一种自适应高精度MTF测量方法，包括步骤如下：步骤1：检测图像边缘像素点灰度变化；步骤2：构建图像边缘轮廓的线支持区；步骤3：计算基于缩放窗口的线支持区的属性参数；步骤4：计算基于卡尔曼滤波的高精度MTF。本发明提出了一种基于“灰度特征+水平线方向”的自适应刃边提取方法，实现了对刃边法的改进，实现刃边靶标的自适应提取，同时本发明提出了一种基于卡尔曼滤波的线扩展函数最优值估算的方法，实现了高精度MTF的计算。

技术领域

本发明属于航天光学遥感技术领域，特别是涉及一种自适应高精度MTF测量方法。

背景技术

调制传递函数(Modulation Transfer Function,缩写为MTF)为遥感器性能的一个综合评价指标，其值直接反映了影像在不同频率的衰减情况。基于影像质量退化理论可知，如果成像系统的MTF能够精确测量得到，那么真实影像就可以被高质量恢复。考虑到影像的MTF会受到卫星平台不稳定性、卫星载荷老化、影像信噪比以及卫星成像时大气环境等因素的影响，因此卫星成像系统的MTF值是一个随拍摄时间以及拍摄位置发生变化的函数，为了获取影像准确的MTF，最简单最直观的方法即是对不同影像逐一计算MTF值。现阶段的MTF提取方法主要依赖人为选取的地面参照物，急剧膨胀的数据量使得这种选取方法的处理效率面临挑战，同时人为选取地面参照物并不能使遥感影像的高精度复原实现完全的自动化处理。因此需要考虑自适应地面参照物选取的方法，提高处理的效率。另一方面，由于MTF的分布对噪声极为敏感，如何在噪声存在的情况下，获得影像MTF的最优估计，从而提升影像的复原精度，同样也是决定复原后影像质量的关键因素。因此，研究自适应的地面参照物提取以及高精度的MTF测量方法，对于提高图像复原的精度、降低劳动强度，具有重要的理论和实际意义。

基于遥感图像的MTF测量方法，目前国内外常用的方法为刃边法和脉冲法，由于刃边靶标易选取，能量足，因此在实际生产中使用的较为频繁。然而正如前文所述，目前的刃边法对人为选取靶标的依赖性较大，无法满足MTF估算的时间不一致性和空间不一致性，同时由于目前刃边法对噪声的抑制能力不足，一次对MTF的估算可能存在偏差，基于此，需要对目前的刃边法进行优化处理。

本发明就是基于刃边法的优化，其中优化主要包括两个方面：第一是刃边靶标的自动选取；第二是线扩展函数的最优估计。

发明内容

本发明要解决的技术问题为：提供一种用于图像处理的自适应高精度MTF测量方法，优化现有的刃边法，提高对图像的处理效率和图形质量。

本发明的技术方案为：

一种自适应高精度MTF测量方法，包括步骤如下：步骤1：检测图像边缘像素点灰度变化；步骤2：构建图像边缘轮廓的线支持区；步骤3：计算基于缩放窗口的线支持区的属性参数；步骤4：计算基于卡尔曼滤波的高精度MTF。

进一步地：步骤1中检测图像边缘像素点灰度变化，包括：步骤11：计算每个像素点的梯度幅值及水平线方向；步骤12：按照编码规则对图像的每个像素点进行编码。

进一步地，步骤2中构建图像边缘轮廓的线支持区，包括：步骤21：对几何位置邻近并且编码值变化小于1的划为同一线支持区；步骤22：对上步划分的线支持区进行优化处理，剔除粗差点。

进一步地，步骤3中计算基于缩放窗口的线支持区的属性参数，包括，步骤31：计算线支持区中拟合直线的倾斜方向；步骤32：利用一个可扩展的矩形框计算矩形框内图像的峰值系数值KU以及歪斜度值SK；步骤33：剔除不满足峰值度以及歪斜度要求的线支持区。

进一步地，步骤4中基于卡尔曼滤波的高精度MTF计算，包括：步骤41：线扩展函数提取；步骤42：线扩展函数高斯拟合；步骤43：基于卡尔曼滤波的高精度线扩展函数计算；步骤43：MTF计算与优化。

本发明与现有技术相比的优点在于：