CN104933713A - 一种利用边缘分析的图像mtf估计方法 - Google Patents
一种利用边缘分析的图像mtf估计方法 Download PDFInfo
- Publication number
- CN104933713A CN104933713A CN201510324395.5A CN201510324395A CN104933713A CN 104933713 A CN104933713 A CN 104933713A CN 201510324395 A CN201510324395 A CN 201510324395A CN 104933713 A CN104933713 A CN 104933713A
- Authority
- CN
- China
- Prior art keywords
- image
- psf
- mtf
- estimation
- sigma
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004458 analytical method Methods 0.000 title claims abstract description 6
- 238000012546 transfer Methods 0.000 title abstract description 4
- 238000001914 filtration Methods 0.000 claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 5
- 230000015556 catabolic process Effects 0.000 claims abstract description 5
- 238000006731 degradation reaction Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000013461 design Methods 0.000 claims description 3
- 230000002969 morbid Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract description 6
- 238000011156 evaluation Methods 0.000 abstract description 3
- 230000002146 bilateral effect Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 238000012067 mathematical method Methods 0.000 abstract description 2
- 238000006243 chemical reaction Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
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。
Description
技术领域
本发明涉及图像处理与图像评价技术,尤其涉及一种利用边缘分析的图像MTF估计方法。
背景技术
MTF,全称Modulation Transfer Function,常称为调制传递函数,它本身是属于物理光学理论范畴的一个概念,同时也是衡量光学系统的质量的一个重要指标。MTF以空间频率的函数形式存在,较之仅凭借某一个数字量(分辨率、清晰度等)来对成像系统进行质量评价更具有可分析性、权威性。经过多年实践,用图像MTF来评价光学系统的成像质量已经获得普遍承认并得到广泛应用。
目前,国内外常用的MTF计算方法主要包括:冲击输入法、正弦输入法、相片判读法、脉冲法以及刃边法。其中,后两种方法适合后处理计算,比如在轨卫星图像MTF的计算。实际上,在很多应用情况下,系统的MTF并不只是由单纯的光学系统决定,后端的电路系统等都对MTF有影响,而图像是最终输出,从图像计算MTF的方法能够衡量整个成像系统的成像质量。平常使用的脉冲法以及刃边法,需要从图像中寻找合适的位置——即脉冲存在的位置与刃边存在的位置,有时候图像中可能不存在这样的位置与信息,而且有时候需要人工干预找出这些位置,这都将导致无法自动产生准确的MTF。
因此,对于从图像获取MTF,需要开发一种自动化的方法,即输入图像就可以输出MTF。
发明内容
本发明提出一种利用边缘分析的图像MTF估计方法,从单幅图角度,充分利用边缘信息,构建盲估计点扩散函数PSF(Point Spread Function),进而换算到频域,实现单幅图像MTF的估计。
本发明的主要思路是:
(1)盲估计点扩散函数
对于图像,其常用的退化模型表示为:
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:
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:
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:
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:
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=argmhin(||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。
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。
附图说明
图1为本发明方法的操作流程框图;
图2为具体实施例图的原始观测模糊图像;
图3为具体实施例图的MTF曲线,即图2经本方面方法处理后获取的结果。
具体实施方式
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。
利用本发明方法处理图像,如图1所示,输入观测模糊图像,即可得到MTF估计的结果。以图2(观测图像)为例(以下称为I),其主要操作步骤如下:
(1)盲估计点扩散函数
对于图像,其常用的退化模型表示为:
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:
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:
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:
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:
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=argmhin(||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,本发明对h进行傅里叶变换:
H=FFT(h)
H为h在频域,而FFT为傅里叶变换。
假设(x,y)为H的中心,本发明截取主对角线,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。
可以画出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,归一化。MTF曲线如图3所示。在实例中,采用的参数如下:
本发明虽然已以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改,因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰,均属于本发明技术方案的保护范围。
Claims (1)
1.一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:
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:
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:
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:
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:
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:
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510324395.5A CN104933713B (zh) | 2015-06-12 | 2015-06-12 | 一种利用边缘分析的图像mtf估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510324395.5A CN104933713B (zh) | 2015-06-12 | 2015-06-12 | 一种利用边缘分析的图像mtf估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104933713A true CN104933713A (zh) | 2015-09-23 |
CN104933713B CN104933713B (zh) | 2018-01-30 |
Family
ID=54120867
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510324395.5A Active CN104933713B (zh) | 2015-06-12 | 2015-06-12 | 一种利用边缘分析的图像mtf估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104933713B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108174196A (zh) * | 2018-01-15 | 2018-06-15 | 浙江大学 | 基于距离加权的成像系统调制传递函数测量方法 |
CN108389186A (zh) * | 2018-01-30 | 2018-08-10 | 中国人民解放军战略支援部队信息工程大学 | 任意形状曲线刃边的点扩散函数估计方法 |
CN113228099A (zh) * | 2019-01-09 | 2021-08-06 | 爱克发有限公司 | 基于mtf调制的量子噪声测量来计算数字图像检测器系统的点扩散函数的方法和系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030103660A1 (en) * | 2001-12-05 | 2003-06-05 | Martin Gersten | Fundus imaging |
CN1614632A (zh) * | 2003-11-06 | 2005-05-11 | Ge医疗系统环球技术有限公司 | 调制传递函数测量方法和系统 |
CN101635050A (zh) * | 2009-06-26 | 2010-01-27 | 武汉大学 | 一种图像复原方法 |
CN101923001A (zh) * | 2010-08-11 | 2010-12-22 | 哈尔滨工业大学 | 基于灰度阈值分割算法的动像调制传递函数测量方法 |
CN101930601A (zh) * | 2010-09-01 | 2010-12-29 | 浙江大学 | 一种基于边缘信息的多尺度模糊图像盲复原方法 |
CN103970993A (zh) * | 2014-04-30 | 2014-08-06 | 中国科学院长春光学精密机械与物理研究所 | 一种针对星载相机的调制传递函数测算方法 |
CN104616248A (zh) * | 2014-11-20 | 2015-05-13 | 杭州电子科技大学 | 一种利用边缘分析与总变分的单幅图像去模糊清晰化方法 |
-
2015
- 2015-06-12 CN CN201510324395.5A patent/CN104933713B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030103660A1 (en) * | 2001-12-05 | 2003-06-05 | Martin Gersten | Fundus imaging |
US20050264759A1 (en) * | 2001-12-05 | 2005-12-01 | Martin Gersten | Fundus imaging |
CN1614632A (zh) * | 2003-11-06 | 2005-05-11 | Ge医疗系统环球技术有限公司 | 调制传递函数测量方法和系统 |
CN101635050A (zh) * | 2009-06-26 | 2010-01-27 | 武汉大学 | 一种图像复原方法 |
CN101923001A (zh) * | 2010-08-11 | 2010-12-22 | 哈尔滨工业大学 | 基于灰度阈值分割算法的动像调制传递函数测量方法 |
CN101930601A (zh) * | 2010-09-01 | 2010-12-29 | 浙江大学 | 一种基于边缘信息的多尺度模糊图像盲复原方法 |
CN103970993A (zh) * | 2014-04-30 | 2014-08-06 | 中国科学院长春光学精密机械与物理研究所 | 一种针对星载相机的调制传递函数测算方法 |
CN104616248A (zh) * | 2014-11-20 | 2015-05-13 | 杭州电子科技大学 | 一种利用边缘分析与总变分的单幅图像去模糊清晰化方法 |
Non-Patent Citations (2)
Title |
---|
ZEEV FARBMAN 等: "Edge-Preserving Decompositions for Multi-Scale Tone and Detail Manipulation", 《SIGGRAPH 2008》 * |
戴朝约 等: "基于边缘信息的运动模糊图像的鲁棒盲复原", 《光电子.激光》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108174196A (zh) * | 2018-01-15 | 2018-06-15 | 浙江大学 | 基于距离加权的成像系统调制传递函数测量方法 |
CN108389186A (zh) * | 2018-01-30 | 2018-08-10 | 中国人民解放军战略支援部队信息工程大学 | 任意形状曲线刃边的点扩散函数估计方法 |
CN113228099A (zh) * | 2019-01-09 | 2021-08-06 | 爱克发有限公司 | 基于mtf调制的量子噪声测量来计算数字图像检测器系统的点扩散函数的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104933713B (zh) | 2018-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Remote sensing images destriping using unidirectional hybrid total variation and nonconvex low-rank regularization | |
CN101860667B (zh) | 一种快速去除图像中混合噪声的方法 | |
Kaur | Noise types and various removal techniques | |
CN106920220B (zh) | 基于暗原色和交替方向乘子法优化的湍流图像盲复原方法 | |
EP2819091B1 (en) | Method and apparatus for processing a gray image | |
CN101441764B (zh) | 一种mtfc遥感图像复原方法 | |
CN107220988B (zh) | 基于改进canny算子的零部件图像边缘提取方法 | |
CN103116875B (zh) | 自适应双边滤波图像去噪方法 | |
CN105493140A (zh) | 图像去模糊方法及系统 | |
CN105225210A (zh) | 一种基于暗通道的自适应直方图增强去雾方法 | |
CN103426148A (zh) | 生成低分辨率输入数据结构的超分辨率版本的方法和设备 | |
KR20130060150A (ko) | 깊이 영상을 고해상도로 변환하는 방법 및 장치 | |
CN101540043B (zh) | 单幅图像复原的解析迭代快速频谱外推方法 | |
CN105913392A (zh) | 复杂环境下退化图像综合质量提升方法 | |
CN106651792B (zh) | 一种卫星影像条带噪声去除方法及装置 | |
CN104616248A (zh) | 一种利用边缘分析与总变分的单幅图像去模糊清晰化方法 | |
CN104580937A (zh) | 一种红外成像系统条纹噪声去除方法 | |
CN104331863A (zh) | 一种图像滤波去噪方法 | |
CN104933713A (zh) | 一种利用边缘分析的图像mtf估计方法 | |
CN102592265A (zh) | 数字x射线胶片的噪声评价方法 | |
CN102708551A (zh) | 一种基于超拉普拉斯先验约束的图像解卷积方法 | |
CN105574826A (zh) | 遥感影像的薄云去除方法 | |
CN105279742B (zh) | 一种快速的基于分块噪声能量估计的图像去噪方法 | |
CN105303538A (zh) | 一种基于nsct和pca的高斯噪声方差估计方法 | |
CN116012265B (zh) | 基于时空域自适应滤波的红外视频降噪方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |