[发明专利]一种利用边缘分析的图像MTF估计方法

摘要

本发明公开了一种利用边缘分析的图像MTF估计方法，包括如下步骤（1）盲估计点扩散函数PSF；（2）从PSF计算获取MTF。本发明方法针对单幅模糊退化图，首先利用双边滤波去除噪声与波纹等效应，进而采用WLS滤波提取边缘从而充分利用边缘信息，再次使用数学方法构建盲估计PSF的算法，进而换算到频域，实现单幅图像MTF的估计。在本发明方法中，只要一幅输入模糊图像，即可获取较好的MTF估计结果。本发明方法可应用于遥感成像质量、普通相机成像质量的评价，以实现对整个成像系统质量的评估。

主权项

一种利用边缘分析的图像MTF估计方法，其特征在于，包括如下步骤：(1)盲估计点扩散函数对于图像，其常用的退化模型表示为：I=f⊗h+N]]>上式中观测退化图像I，f是原始场景即清晰景物，h即为点扩散函数PSF，N为噪声，是卷积符号；PSF即为Point Spread Function；在输入观测退化图像I的情况下，进行点扩散函数PSF的估计即h的估计，忽略N的影响；(1‑a)：首先，利用双边滤波器进行图像滤波，观测退化图像I经双边滤波器后，得到去除噪声和波纹的图像g；在这里，双边滤波器是一个从局部操作的过程，其主要方程如下：g(i,j)=1M(i,j)Σp∈Ω{Gs[Ds(p),σs]Gv[Dv(p),σv]Ip}]]>上式中，Ω是局部区域，也可称作支持域；(i,j)是像素坐标，且它是局部区域Ω的中心，p代表局部区域Ω中的任意像素；在这个公式中，Ip表示p处的像素强度值，并且Gs[Ds(p),σs]与Gv[Dv(p),σv]是两个高斯函数；归一化的因子M(i,j)定义为：Mij=Σp∈Ω{Gs[Ds(p),σs]Gv[Dv(p),σv]}]]>高斯函数Gs[Ds(p),σs]是为空间约束设计的，Ds(p)是尺寸，σs是标准差或偏差；Ds(p)代表(i,j)与p之间的空间距离，用像素表示；而Gv[Dv(p),σv]为像素强度约束，Dv(p)是尺寸,而σv是标准差或偏差；Dv(p)是像素(i,j)与p之间的强度距离：Dv(p)＝|I(i,j)‑Ip|(1‑b)：对步骤(1‑a)中的结果，进而利用加权均方最小二乘滤波WLS方法滤波，得到具有强烈边缘的图像g1；WLS即为Weighted Least Square；WLS滤波器对g进行滤波，滤波后图像g1：g1＝(κ+λH)‑1g这里Dx与Dy代表差分算子，κ表示单位矩阵；平滑加权因子wx和wy定义为：wx(a)=1(|Dx(g)L|a+ϵ)]]>wy(a)==1(|Dy(g)L|a+ϵ)]]>其中(g)L定义为g的log操作，参数a可以控制梯度的变化能力，而ε是一个正常数，为了避免计算中的病态；(1‑c)：从步骤(1‑b)中，获取具有强烈边缘的图像g1，结合观测退化图像I及g1，用PSF估计算法得到相对精确的PSF；PSF求取式子如下：h=argminh||h⊗g1-I||2+β||h||2]]>在上式中，β为Tikhonov正则化能量约束的系数；于是，可以将PSF求取式子写成矩阵的形式：h=argminh(||Ah-b||2+β||h||2)]]>其中A是上式中g1的Toeplitz矩阵形式，b为I的列堆砌的向量形式，求解上式可以得到：(ATA+βκ)h＝ATb用共轭梯度法求上式中的h；初始的PSF可用尺寸为S×S,标准差为0.0001的高斯核；于是，获得了PSF的估计，即求解获得了h；(2)从PSF计算获取MTF；从步骤(1)中获取了PSF h，对h进行傅里叶变换：H＝FFT(h)h对应到频域为H，而FFT为傅里叶变换；假设坐标(x,y)为H的中心，截取主对角线；从左上角到(x,y)刚好是主对角线的一半，其分布即为MTF的分布；画出MTF曲线图，纵坐标为值即左上角到(x,y)的一系列数值，而横坐标为数值个数，可归一化。