CN101833751A - 基于奇异值分解的去除热晕模糊的方法 - Google Patents
基于奇异值分解的去除热晕模糊的方法 Download PDFInfo
- Publication number
- CN101833751A CN101833751A CN 201010151981 CN201010151981A CN101833751A CN 101833751 A CN101833751 A CN 101833751A CN 201010151981 CN201010151981 CN 201010151981 CN 201010151981 A CN201010151981 A CN 201010151981A CN 101833751 A CN101833751 A CN 101833751A
- Authority
- CN
- China
- Prior art keywords
- matrix
- singular value
- svd
- image
- fuzzy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000000354 decomposition reaction Methods 0.000 title abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 35
- 239000000758 substrate Substances 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 2
- 238000011084 recovery Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 230000004310 photopic vision Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种基于奇异值分解的去除热晕模糊的方法,其特征在于包括以下步骤:(1)对图像进行SVD分解,获得图像的奇异值;(2)对图像进行奇异值分解处理,并对得到的特征值按大小排序;(3)将按大小排序的特征值取前面较大的部分,并利用这些特征值对SVD分解后的图像进行重构以得到恢复后较为清晰的图像。本发明针对图像的灰度背景相对单一情况具有较好的恢复效果,同时也可作为复杂背景下含目标小区域中目标模糊的最终恢复方法。
Description
技术领域
本发明涉及的是一种图像处理技术领域的方法,具体涉及一种模糊图像的恢复处理方法。
背景技术
基于红外合作目标的无人机着陆系统主要针对一般无人机视觉着陆系统中由于可见光视觉系统不能在云雾及夜间等环境下运行的局限性而提出的一种全天候的着陆系统。该系统基于地面“T”形合作目标的准确捕获进而计算出无人机的实时高度,姿态等着陆信息。本发明所设计的红外合作目标在工作时发现在红外图像中合作目标周围有较为明显的模糊,该模糊对后续的目标特征的准确提取带来了较大困难。因此,如何去除红外合作目标周围的热晕模糊具有重要意义。
根据矩阵论上有关矩阵扰动分析的理论可以得出:矩阵的扰动使得每一个奇异值以及相应的基底都发生变化。扰动越大,奇异值和基底变化也越大;奇异值越大,相同程度的扰动对它的影响就越小,相应的基底变化也越小;但是奇异值小的部分受到扰动其变化比较明显。在图像中的具体表现可归纳为,大奇异值决定图像中的灰度分布的大抵轮廓,而排列较后的较小奇异值则决定了图像中的细节纹理。
在合作目标的红外图像中,由于合作目标的高发射率及比周围背景高出不少的温度,因而在图像中呈现高亮而背景呈现低灰度特点。由于背景部分的灰度变化及热晕模糊区域与背景之间的灰度变化都较小,而合作目标与图像背景之间的灰度变化值比前面两者要大很多,因而合作目标与背景的灰度变化相对全图而言属于图像的轮廓信息。因此,理论上只要合作目标图像在奇异值分解时只取奇异值较大的部分对图像进行处理后可以得到较好的恢复效果。
发明内容
本发明的目的在于提出了一种模糊图像恢复方法,通过一定的前期预处理后利用该方法可有效的对图像进行恢复。
本发明是采取以下的技术方案来实现的:
一种基于奇异值分解的去除热晕模糊的方法,其特征在于,包括以下步骤:
(1)对图像进行SVD(singular value decomposition奇异值分解)分解,获得图像的奇异值;
(2)对图像进行奇异值分解处理,并对得到的特征值按大小排序;
(3)将按大小排序的特征值取前面较大的部分,并利用这些特征值对SVD分解后的图像进行重构以得到恢复后较为清晰的图像。
前述的基于奇异值分解的去除热晕模糊的方法,其特征在于,在所述步骤(1)中,首先把输入的图片变成灰度图片,然后对该灰度图片的灰度值进行归一化处理,再将处理后的灰度矩阵进行SVD分解,获得矩阵的奇异值。
本发明的技术效果如下:
本发明是一种图像处理技术领域的方法,具体涉及一种基于SVD的图像模糊恢复方法,针对图像的灰度背景相对单一情况具有较好的恢复效果,同时也可作为复杂背景下含目标小区域中目标模糊的最终恢复方法。
附图说明
图1红外热晕模糊图像的SVD处理流程图。
具体实施方式
下面结合具体实施方式对本发明做进一步的详细说明。
如图1流程图所示,首先输入含有红外合作目标的模糊图像并转换成灰度图像,对灰度值进行归一化处理,对图像进行SVD分解,获得图像的奇异值,并将奇异值按大小进行排列;然后,将得到的奇异值序列中排列较前的较大奇异值部分对图像进行重构,得到增强后的红外小目标图像。
前述的基于奇异值分解的去除模糊的方法,所述的奇异值分解过程为:设图像矩阵A是m×n的实矩阵,且A的秩为r,其中r≤min(m,n),则存在m阶正交矩阵U和n阶正交矩阵V使得式中∑为m×n奇异值矩阵,其一般形式为:
式中,Λr×r=diag(λ1,λ2,…,λr),其中λ(λ1≥λ2≥…≥λr>0)是实矩阵A的非零奇异值。
前述的基于奇异值分解的去除模糊的方法,在上述步骤(3)中,根据步骤(2)获得的奇异值矩阵,选择有效奇异值中奇异值排列前N个与对应的U矩阵和V矩阵进行图像的重构,N≥1。
前述的选择有效奇异值,选择由大到小的1到6的奇异值。
前述的基于奇异值分解的去除模糊的方法,所述的奇异值重构过程为:图像矩阵可以表示成其中uivi T为对应于第i个奇异值λi的左右奇异矢量的内积,其具有原始矩阵相同的规模,且秩为1,根据原始矩阵可以理解为r个基底的线性加权和,现在对矩阵进行奇异值选择重构是指:
其中A′为重构的矩阵,从原有矩阵中选取原有矩阵中的k(k≤r)个成分进行二维图像重构,式(2)即为基于奇异值分解的去除模糊的方法的一般形式。
上述具体实施方式不以任何形式限制本发明的技术方案,凡是采用等同替换或等效变换的方式所获得的技术方案均落在本发明的保护范围。
Claims (6)
1.一种基于奇异值分解的去除热晕模糊的方法,其特征在于包括以下步骤:
(1)对图像进行SVD分解,获得图像的奇异值;
(2)对图像进行奇异值分解处理,并对得到的特征值按大小排序;
(3)将按大小排序的特征值取前面较大的部分,并利用这些特征值对SVD分解后的图像进行重构以得到恢复后较为清晰的图像。
2.根据权利要求1所述的基于奇异值分解的去除热晕模糊的方法,其特征在于:在所述步骤(1)中,首先把输入的图片变成灰度图片,然后对该灰度图片的灰度值进行归一化处理,再将处理后的灰度矩阵进行SVD分解,获得矩阵的奇异值。
3.根据权利要求2所述的基于奇异值分解的去除模糊的方法,其特征在于:所述的奇异值分解过程为:设图像矩阵A是m×n的实矩阵,且A的秩为r,其中r≤min(m,n),则存在m阶正交矩阵U和n阶正交矩阵V使得式中∑为m×n奇异值矩阵,其一般形式为:
式中,Λr×r=diag(λ1,λ2,…,λr),其中λ(λ1≥λ2≥…≥λr>0)是实矩阵A的非零奇异值。
4.根据权利要求1所述的基于奇异值分解的去除模糊的方法,其特征在于:在上述步骤(3)中,根据步骤(2)获得的奇异值矩阵,选择有效奇异值中奇异值排列前N个与对应的U矩阵和V矩阵进行图像的重构,N≥1。
5.根据权利要求4所述的基于奇异值分解的去除模糊的方法,其特征在于:N个为1到6。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010151981 CN101833751A (zh) | 2010-04-20 | 2010-04-20 | 基于奇异值分解的去除热晕模糊的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010151981 CN101833751A (zh) | 2010-04-20 | 2010-04-20 | 基于奇异值分解的去除热晕模糊的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101833751A true CN101833751A (zh) | 2010-09-15 |
Family
ID=42717812
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010151981 Pending CN101833751A (zh) | 2010-04-20 | 2010-04-20 | 基于奇异值分解的去除热晕模糊的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101833751A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106097266A (zh) * | 2016-06-08 | 2016-11-09 | 浙江传媒学院 | 一种基于svd相似矩阵的图像修复方法 |
CN106650696A (zh) * | 2016-12-30 | 2017-05-10 | 山东大学 | 一种基于奇异值分解的手写电气元件符号识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2646794Y (zh) * | 2003-06-24 | 2004-10-06 | 中国科学院光电技术研究所 | 采用数字图像处理模块实现红外图像背景补偿的装置 |
CN1897634A (zh) * | 2006-06-08 | 2007-01-17 | 复旦大学 | 一种基于超复数奇异值分解的图像质量评估方法 |
-
2010
- 2010-04-20 CN CN 201010151981 patent/CN101833751A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2646794Y (zh) * | 2003-06-24 | 2004-10-06 | 中国科学院光电技术研究所 | 采用数字图像处理模块实现红外图像背景补偿的装置 |
CN1897634A (zh) * | 2006-06-08 | 2007-01-17 | 复旦大学 | 一种基于超复数奇异值分解的图像质量评估方法 |
Non-Patent Citations (3)
Title |
---|
《激光与红外》 20090331 黄飞江等 基于小波变换和改进SVD的红外图像去噪 全文 1-6 第39卷, 第3期 2 * |
《西安电子科技大学硕士学位论文》 20090815 王争艳 复杂背景下的弱小目标检测算法研究 文献第37页至第41页 1-6 , 2 * |
《计算机与数字工程》 20090531 吴俊政 一种基于奇异值分解的图像压缩方法 全文 1-6 第37卷, 第5期 2 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106097266A (zh) * | 2016-06-08 | 2016-11-09 | 浙江传媒学院 | 一种基于svd相似矩阵的图像修复方法 |
CN106650696A (zh) * | 2016-12-30 | 2017-05-10 | 山东大学 | 一种基于奇异值分解的手写电气元件符号识别方法 |
CN106650696B (zh) * | 2016-12-30 | 2019-12-10 | 山东大学 | 一种基于奇异值分解的手写电气元件符号识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhong et al. | Jointly learning the hybrid CRF and MLR model for simultaneous denoising and classification of hyperspectral imagery | |
Grohnfeldt et al. | Jointly sparse fusion of hyperspectral and multispectral imagery | |
La Rosa et al. | Multi-task fully convolutional network for tree species mapping in dense forests using small training hyperspectral data | |
CN107610050B (zh) | 一种基于多源卫星数据的高时空分辨率陆表温度融合方法 | |
CN102254313A (zh) | 基于雾天图像复原和图像融合的图像去雾方法 | |
Mathews | Object-based spatiotemporal analysis of vine canopy vigor using an inexpensive unmanned aerial vehicle remote sensing system | |
CN106204494A (zh) | 一种包含大面积天空区域的图像去雾方法及系统 | |
CN109949229A (zh) | 一种多平台多视角下的目标协同检测方法 | |
Soares-Furtado et al. | Image Subtraction Reduction of Open Clusters M35 & NGC 2158 in the K2 Campaign 0 Super Stamp | |
CN106251296A (zh) | 一种图像去雾方法和系统 | |
Ho et al. | Traversability estimation for a planetary rover via experimental kernel learning in a gaussian process framework | |
Windrim et al. | Hyperspectral CNN classification with limited training samples | |
Faheem et al. | Uav emergency landing site selection system using machine vision | |
CN104021395B (zh) | 一种基于高阶偏最小二乘法的目标跟踪算法 | |
US9524564B2 (en) | Method for viewing a multi-spectral image | |
CN106971377A (zh) | 一种基于稀疏与低秩矩阵分解的单幅图像去雨方法 | |
Gruszczyński et al. | Application of convolutional neural networks for low vegetation filtering from data acquired by UAVs | |
CN101833751A (zh) | 基于奇异值分解的去除热晕模糊的方法 | |
CN103870847A (zh) | 一种低照度环境下对地监控的运动目标检测方法 | |
CN108171124B (zh) | 一种相似样本特征拟合的人脸图像清晰化方法 | |
Kovacevic et al. | Geological units classification of multispectral images by using support vector machines | |
Bupathy et al. | Optimizing low-cost UAV aerial image mosaicing for crop growth monitoring | |
CN116452872A (zh) | 一种基于改进的Deeplabv3+的森林场景树种分类方法 | |
Barrera et al. | Classification of hyperspectral images of the interior of fruits and vegetables using a 2D convolutional neuronal network | |
CN113284042B (zh) | 一种多路并行图像内容特征优化风格迁移方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Open date: 20100915 |