CN105321183B - 基于短曝光斑点图统计特性的幸运成像选帧方法 - Google Patents

基于短曝光斑点图统计特性的幸运成像选帧方法 Download PDF

Info

Publication number
CN105321183B
CN105321183B CN201510806154.4A CN201510806154A CN105321183B CN 105321183 B CN105321183 B CN 105321183B CN 201510806154 A CN201510806154 A CN 201510806154A CN 105321183 B CN105321183 B CN 105321183B
Authority
CN
China
Prior art keywords
short exposure
exposure spot
image
formula
lucky
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.)
Expired - Fee Related
Application number
CN201510806154.4A
Other languages
English (en)
Other versions
CN105321183A (zh
Inventor
杨磊
刘忠
金振宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yunnan Astronomical Observatory of CAS
Original Assignee
Yunnan Astronomical Observatory of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yunnan Astronomical Observatory of CAS filed Critical Yunnan Astronomical Observatory of CAS
Priority to CN201510806154.4A priority Critical patent/CN105321183B/zh
Publication of CN105321183A publication Critical patent/CN105321183A/zh
Application granted granted Critical
Publication of CN105321183B publication Critical patent/CN105321183B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • G06T7/0006Industrial image inspection using a design-rule based approach
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30168Image quality inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Exposure Control For Cameras (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种基于短曝光斑点图统计特性的Lucky Imaging选帧方法,该方法通过快速读出的CCD或CMOS相机获取大量短曝光斑点图,利用瞬时短曝光斑点图的频谱与平均短曝光像的频谱比值来消除目标信息对选帧像质评价的影响,通过对频谱比值的模和相位进行统计,最终得到Lucky Imaging像质评价函数,然后对ImageQ进行排序,ImageQ最大值对应的图像即为幸运图像。与传统的选帧方法相比,本发明将与目标有关的量从像质评价函数中消除,只包含与大气湍流参数有关的量,因此能够更准确地反映出大气湍流引起的像质变化,通过本发明方法可以为后续的图像重建提供更多可靠的高频信息,有利于提高图像重建效果。

Description

基于短曝光斑点图统计特性的幸运成像选帧方法
技术领域
本发明属于天文测量与光学成像技术领域,具体涉及一种基于短曝光斑点图统计特性的Lucky Imaging选帧方法。
背景技术
1978年,Fried指出,光波经过湍流大气后形成的短曝光像,存在一定比例接近于望远镜衍射极限的图像,这些图像对应的由大气湍流导致的波前畸变在望远镜入瞳上可以忽略,因此被称为“幸运”图像(lucky images)。
Lucky Imaging 技术是目前迅速发展起来的选帧技术,其基本原理是对目标进行大量连续短曝光成像,按照一定的像质评价标准将受大气湍流影响比较小的图像挑选出来进行配准叠加得到分辨率明显提高的图像,是地面望远镜实现高分辨成像的一种比较有效的方法,由于其算法简单、造价低廉,已被天文界所关注。
理论上,只要有合适的Lucky Imaging像质评价函数,无论是点源目标、还是扩展目标均可以运用Lucky Imaging 来克服大气湍流的影响。目前在天文上,点源暗弱目标的探测通常采用基于Strehl Ratio的Lucky Imaging,然而以Strehl Ratio作为像质评价函数并不适于扩展目标,而今扩展目标的传统像质评价函数大多是基于图像灰度或灰度梯度统计方法(如直方图、梯度等),这些方法容易受到图像本身细节变化的影响,特别是对于太阳这样表面结构不断演化的目标,有时更多的反应的是目标的变化而非像质,因此如何选择合适的像质评价函数对Lucky Imaging选帧至关重要。
发明内容
本发明的目的是为了解决现有技术的不足,从短曝光斑点图统计特性出发,提出了一种新的Lucky Imaging像质评价选帧方法,与传统的基于图像本身的像质评价函数相比,这种方法的优点在于该方法将与目标有关的量已从像质评价函数中消除,评价函数只包含与大气湍流参数有关的量,因此能够更准确地反映出大气湍流引起的像质变化。另外,通过该选帧方法可以为后续的图像重建提供更多可靠的高频信息,有利于提高图像重建效果。
本发明采用的技术方案如下:
基于短曝光斑点图统计特性的Lucky Imaging选帧方法,包括如下步骤:
步骤(1),在观测目标无变化的时间段内,通过CCD或CMOS相机获取观测目标的短曝光斑点图;所述的短曝光斑点图数量≥100;
步骤(2),对步骤(1)获取的短曝光斑点图进行预处理以消除的呆象元、图像上的污点和响应不均匀性;
步骤(3),对经步骤(2)预处理后的短曝光斑点图进行相关位移叠加获得平均短曝光像;
步骤(4),根据步骤(2)预处理后的短曝光斑点图和步骤(3)得到的平均短曝光像,通过式(5)计算频谱比值,
为平均综合光学传递函数;
步骤(5),根据步骤(4)计算得到的频谱比值,然后通过式(6)~(8)计算LuckyImaging像质评价函数ImageQ;然后按从大到小的顺序对进行排序,ImageQ的最大值对应的图像即为像质相对最好的“幸运”图像;
式(6);
式(7);
式(8);
其中,abs(…)表示取模操作,angle(…)表示取相位操作;
式(7)是极坐标下的积分表示形式,代表径向积分区域,代表积分频率环的内径,
代表积分频率环的外径;
式(8)中的表示Frobenius范数或范数,其定义为
进一步,优选的是步骤(2)所述的预处理包括平场和暗场。
进一步,优选的是步骤(5)所述的径向积分区域选取望远镜截止频域内的整个区域,或者选取与获取的短曝光斑点图的平均视宁度有关的局部区域。
本发明的机理:
大气湍流的影响是造成天文目标像质退化的最主要的原因,对经过湍流大气成像的扩展目标进行像质评价时,重要的是将有关目标的信息消除,让评价参数中只保留跟大气有关的信息。本发明通过对短曝光斑点图和平均短曝光像的频谱进行分析,提出了能够消除目标信息的Lucky Imaging选帧方法。
在大气---望远镜综合系统满足线性空不变系统的假设前提下,短曝光斑点图可表示为:
在频域坐标系下: 式(1)
其中表示t时刻的短曝光斑点图频谱,表示目标频谱,为大气---望远镜综合光学传递函数,光学传递函数是光瞳函数的自相关,即
式(2)
式中★表示相关运算,,光瞳函数以模和相位的形式表示可写为:
式(3)
式中为望远镜的理想光瞳函数,表示t时刻大气——望远镜的波前相位分布。
从上述关系式可以看出,与大气湍流有关的量是光瞳函数或光学传递函数,它们直接反应了湍流大气对像质影响的程度。理论上,以作为选帧评价函数将是比较理想的情况,然而在现实中,直接求取代价太大(可通过自适应(AO)或其它波前探测方法来实现),然而要消除等式(1)右边的目标频谱函数相对简单,可采用瞬时短曝光斑点图的频谱与平均短曝光像的频谱比值来实现,即
平均短曝光像的频谱: 式(4)
式(5)
从式(5)可以看出,在消除目标干扰的同时,频谱比值得到的是的近似值,该式与视宁度估算的谱比法很相似,不同之处在于:谱比法是模的平方的比值,而频谱比值的结果是一个复数,这样做的优点在于:是光瞳函数的自相关,其模和相位都反应了湍流大气对像质的影响,因此综合考虑频谱比值的模和相位,可以得到更全面像质评价结果,提高评价精度。最终的LuckyImaging像质评价函数定义为:
(6)
(7)
(8)
其中,式(7)是极坐标下的积分表示形式,代表径向积分区域,其参数代表积分频率环的内径和外径,径向积分区域可选取望远镜截止频域内的整个区域,也可以选取与该组短曝光斑点图的平均视宁度有关的局部区域;式(8)中的表示Frobenius范数或范数,其定义为
本发明与其他Lucky Imaging选帧方法相比,具有以下优点:
1、本发明方法可以有效消除目标信息对像质评价函数的影响,适用于点源、扩展面源等任何观测目标。
2、本发明综合考虑频谱比值的模和相位对像质评价函数的影响,可得到更全面的像质评价结果。
3、本发明无需特殊的观测模式和观测设备,可以与日常观测同时进行,利用日常观测现有的成像设备,通过对观测的天文目标进行短曝光成像即可实现。通过本发明选帧方法可将受大气湍流影响严重、像质较差的图像剔除,利于后续图像处理,不仅可以缩短数据重建所用的时间提高数据处理效率,同时还可以在一定程度上提高重建效果。
附图说明
图1本发明应用例1对抚仙湖太阳塔Hα通道350帧实测数据选帧结果中最好帧的短曝光斑点图;
图2本发明应用例1对抚仙湖太阳塔Hα通道350帧实测数据选帧结果中ImageQ排序第175帧的短曝光斑点图;
图3本发明应用例1对抚仙湖太阳塔Hα通道350帧实测数据选帧结果中最差帧的短曝光斑点图;
图4本发明应用例2对抚仙湖太阳塔Tio通道100帧实测数据选帧结果中最好帧的短曝光斑点图;
图5本发明应用例2对抚仙湖太阳塔Tio通道100帧实测数据选帧结果中ImageQ排序第50帧的短曝光斑点图;
图6本发明应用例2对抚仙湖太阳塔Tio通道100帧实测数据选帧结果中最差帧的短曝光斑点图。
具体实施方式
下面结合实施例对本发明作进一步的详细描述。
本领域技术人员将会理解,下列实施例仅用于说明本发明,而不应视为限定本发明的范围。实施例中未注明具体技术或条件者,按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用试剂或仪器未注明生产厂商者,均为可以通过购买获得的常规产品。
基于短曝光斑点图统计特性的Lucky Imaging选帧方法,包括如下步骤:
步骤(1),在观测目标无变化的时间段内,通过快速读出的CCD或CMOS相机尽可能多的获取观测目标的短曝光斑点图;所述的短曝光斑点图数量≥100,其目的在于:一方面有利于增大获得幸运图像出现的几率,另一方面可以得到更为真实的平均短曝光像;
步骤(2),对步骤(1)获取的短曝光斑点图进行平场和暗场的预处理以消除的呆象元、图像上的污点和响应不均匀性;
步骤(3),对经步骤(2)预处理后的短曝光斑点图进行相关对齐,通过叠加的方式计算平均短曝光像;
步骤(4),根据步骤(2)预处理后的短曝光斑点图和步骤(3)得到的平均短曝光像,通过式(5)计算频谱比值,
为平均综合光学传递函数;
步骤(5),根据步骤(4)计算得到的频谱比值,然后通过式(6)~(8)计算LuckyImaging像质评价函数ImageQ;然后按从大到小的顺序对进行排序,ImageQ的最大值对应的图像即为像质相对最好的“幸运”图像(lucky images);
式(6);
式(7);
式(8);
其中,abs(…)表示取模操作,angle(…)表示取相位操作;
式(7)是极坐标下的积分表示形式,代表径向积分区域,代表积分频率环的内径,
代表积分频率环的外径;径向积分区域选取望远镜截止频域内的整个区域,或者选取与获取的短曝光斑点图的平均视宁度有关的局部区域;
式(8)中的表示Frobenius范数或范数,其定义为
应用例1
采用本发明提出的选帧方法对抚仙湖太阳塔Hα通道(中心波长为6562.81Å)350帧实测数据进行选帧,选帧结果如图1-图3所示。其中图1为最好帧ImageQ=1.0203,图2为排序在175帧的中间帧ImageQ=0.911,图3是最差帧ImageQ=0.8649。所以图1为lucky images。
应用例2
采用本发明提出的选帧方法对抚仙湖太阳塔Tio通道(中心波长为7058Å)100帧实测数据进行选帧结果,,选帧结果如图4-图6所示。其中图4为最好帧ImageQ=1.0116,图5为排序在50帧的中间帧ImageQ=0.9510,图6是最差帧ImageQ=0. 0.9008。所以图4为luckyimages。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (3)

1.基于短曝光斑点图统计特性的Lucky Imaging选帧方法,其特征在于,包括如下步骤:
步骤(1),在观测目标无变化的时间段内,通过CCD或CMOS相机获取观测目标的短曝光斑点图;所述的短曝光斑点图数量≥100;
步骤(2),对步骤(1)获取的短曝光斑点图进行预处理以消除的呆象元、图像上的污点和响应不均匀性;
步骤(3),对经步骤(2)预处理后的短曝光斑点图进行相关位移叠加获得平均短曝光像;
步骤(4),根据步骤(2)预处理后的短曝光斑点图和步骤(3)得到的平均短曝光像,通过式(5)计算频谱比值,
为平均综合光学传递函数;
步骤(5),根据步骤(4)计算得到的频谱比值,通过式(6)~(8)计算Lucky Imaging像质评价函数ImageQ;然后按从大到小的顺序对进行排序,ImageQ的最大值对应的图像即为像质相对最好的“幸运”图像(lucky images);
式(6);
式(7);
式(8);
其中,abs(…)表示取模操作,angle(…)表示取相位操作;
式(7)是极坐标下的积分表示形式,代表径向积分区域,代表积分频率环的内径,
代表积分频率环的外径;
式(8)中的表示Frobenius范数或范数,其定义为
2.根据权利要求1所述的基于短曝光斑点图统计特性的Lucky Imaging选帧方法,其特征在于,步骤(2)所述的预处理包括平场和暗场。
3.根据权利要求1所述的基于短曝光斑点图统计特性的Lucky Imaging选帧方法,其特征在于,步骤(5)所述的径向积分区域选取望远镜截止频域内的整个区域,或者选取与获取的短曝光斑点图的平均视宁度有关的局部区域。
CN201510806154.4A 2015-11-20 2015-11-20 基于短曝光斑点图统计特性的幸运成像选帧方法 Expired - Fee Related CN105321183B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510806154.4A CN105321183B (zh) 2015-11-20 2015-11-20 基于短曝光斑点图统计特性的幸运成像选帧方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510806154.4A CN105321183B (zh) 2015-11-20 2015-11-20 基于短曝光斑点图统计特性的幸运成像选帧方法

Publications (2)

Publication Number Publication Date
CN105321183A CN105321183A (zh) 2016-02-10
CN105321183B true CN105321183B (zh) 2018-08-28

Family

ID=55248498

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510806154.4A Expired - Fee Related CN105321183B (zh) 2015-11-20 2015-11-20 基于短曝光斑点图统计特性的幸运成像选帧方法

Country Status (1)

Country Link
CN (1) CN105321183B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108171645B (zh) * 2017-11-22 2023-10-20 昆明理工大学 一种基于fpga的幸运成像处理系统
CN108510492B (zh) * 2018-04-04 2023-08-25 中国科学院云南天文台 一种基于太阳色球幸运图像的多核并行实时重建方法
CN109949256B (zh) * 2019-01-14 2023-04-07 昆明理工大学 一种基于傅里叶变换的天文图像融合方法
CN117787021B (zh) * 2024-02-28 2024-05-07 中国人民解放军海军工程大学 激光远场能量密度估计方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7245742B2 (en) * 2002-07-01 2007-07-17 The Regents Of The University Of California Video surveillance with speckle imaging
EP2242021A1 (en) * 2009-04-17 2010-10-20 Sony Corporation Generation of simulated long exposure images in response to multiple short exposures
CN102013100A (zh) * 2010-11-26 2011-04-13 北京空间机电研究所 一种基于遥感图像相位相关性的图像质量判别方法
CN103116882A (zh) * 2013-03-07 2013-05-22 上海交通大学 高分辨率图像复原的坐标参数获取方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7245742B2 (en) * 2002-07-01 2007-07-17 The Regents Of The University Of California Video surveillance with speckle imaging
EP2242021A1 (en) * 2009-04-17 2010-10-20 Sony Corporation Generation of simulated long exposure images in response to multiple short exposures
CN102013100A (zh) * 2010-11-26 2011-04-13 北京空间机电研究所 一种基于遥感图像相位相关性的图像质量判别方法
CN103116882A (zh) * 2013-03-07 2013-05-22 上海交通大学 高分辨率图像复原的坐标参数获取方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
A Highly Efficient Lucky Imaging Algorithm: Image Synthesis Based on Fourier Amplitude Selection;Vincent Garrel 等;《Publications of the Astronomical Society of the Pacific》;20120830;第124卷(第918期);861-867 *
Estimating Fried"s parameter from a time series of an arbitrary resolved object imaged through atmospheric turbulence;0. von der Luhe;《1984 Optical Society of America》;19840531;第1卷(第5期);510-519 *
太阳色球图像的选帧处理;刘长玉 等;《天文研究与技术》;20130620;第11卷(第2期);140-144 *
选帧技术在太阳高分辨率成像中的应用;刘长玉;《中国优秀硕士学位论文全文数据库 基础科学辑》;20140515;第一章第2.2.1节,第二章第1-2节,第三章第2.2节,第四章第1节,第五章第2节 *

Also Published As

Publication number Publication date
CN105321183A (zh) 2016-02-10

Similar Documents

Publication Publication Date Title
CN105321183B (zh) 基于短曝光斑点图统计特性的幸运成像选帧方法
Kuang et al. Single infrared image optical noise removal using a deep convolutional neural network
Powell et al. Calibration methods for division-of-focal-plane polarimeters
CN105574483B (zh) 一种移动终端前置和人脸/虹膜识别一体化光电成像系统
CN106803892B (zh) 一种基于光场测量的光场高清晰成像方法
Zhang et al. Impacts of feature normalization on optical and SAR data fusion for land use/land cover classification
CN106772310B (zh) 一种基于计算鬼成像的目标鉴定装置及其方法
Zhu et al. Rapid 3D reconstruction method based on the polarization-enhanced fringe pattern of an HDR object
CN101441320A (zh) 一种基于显微成像检测的高动态图像获取装置及其方法
TW201702690A (zh) 延伸景深生物識別系統
CN107018388B (zh) 一种超高速实时彩色计算鬼成像的装置及方法
He et al. Deep learning wavefront sensing method for Shack-Hartmann sensors with sparse sub-apertures
Zhang et al. Denoising autoencoder aided spectrum reconstruction for colloidal quantum dot spectrometers
Yemelyanov et al. Adaptive algorithms for two-channel polarization sensing under various polarization statistics with nonuniform distributions
CN105651491B (zh) 基于短曝光斑点图频谱比值的地基望远镜焦点探测方法
CN110427951A (zh) 一种基于非均匀采样策略的傅里叶单像素成像方法
CN111383203A (zh) 基于分区域拟合的全色与多光谱遥感图像融合方法
CN106204486B (zh) 一种基于阿达玛变换的近红外荧光显微单元成像装置及方法
Zhu et al. Three-dimensional measurement of fringe projection based on the camera response function of the polarization system
Sudarshan Rao et al. Crop classification from UAV-based multi-spectral images using deep learning
Pan et al. Fabrication, design and application of THz metamaterials
CN109257524B (zh) 一种基于Wigner分布函数的全聚焦扫描成像方法
CN108665422B (zh) 傅里叶域内逆向感知的单帧红外非均匀性检测方法
CN112229528A (zh) 基于费马螺旋自干涉多焦点透镜阵列的哈特曼波前传感仪
Liu et al. Hyperspectral reconstruction from a single textile RGB image based on the generative adversarial network

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180828

Termination date: 20201120

CF01 Termination of patent right due to non-payment of annual fee