CN106056542A - 一种基于频率域滤波的干涉图背景去除方法 - Google Patents
一种基于频率域滤波的干涉图背景去除方法 Download PDFInfo
- Publication number
- CN106056542A CN106056542A CN201610338696.8A CN201610338696A CN106056542A CN 106056542 A CN106056542 A CN 106056542A CN 201610338696 A CN201610338696 A CN 201610338696A CN 106056542 A CN106056542 A CN 106056542A
- Authority
- CN
- China
- Prior art keywords
- interferogram
- passband
- background
- value
- pixel
- 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
- 238000001914 filtration Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 title abstract description 23
- 230000010287 polarization Effects 0.000 claims abstract description 22
- 238000003384 imaging method Methods 0.000 claims abstract description 21
- 238000013459 approach Methods 0.000 claims description 18
- 238000001228 spectrum Methods 0.000 abstract description 17
- 238000011084 recovery Methods 0.000 abstract description 5
- 230000009466 transformation Effects 0.000 abstract 1
- 238000000354 decomposition reaction Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 208000031481 Pathologic Constriction Diseases 0.000 description 3
- 210000001215 vagina Anatomy 0.000 description 3
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009615 fourier-transform spectroscopy Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001629 suppression Effects 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明公开了一种基于频率域滤波的干涉图背景去除方法，包括以下步骤：首先，对偏振干涉成像光谱仪获得的干涉图进行二维傅里叶变换并平移获得干涉图的频谱图；然后，将干涉图的频谱图与根据该偏振干涉成像光谱仪设计的陷波滤波器对应点相乘；最后，将相乘结果进行二维傅里叶逆变换获得去除背景的干涉条纹。与现有方法相比，本发明具有快速、准确及稳定的特点，尤其适用于复杂背景去除，并且对干涉图噪声具有一定的压制作用，从而提高了复原光谱的信噪比。
Description
技术领域
本发明涉及图像处理技术领域，特别涉及一种干涉图背景去除方法。
背景技术
图像和光谱是描述目标特性的重要信息，对遥感探测具有重要的意义。偏振干涉成像光谱仪能够同时获取目标的图像信息和光谱信息，在环境监测、大气探测、目标识别及生物医学领域有着重要的应用。在偏振干涉成像光谱仪获取的原始数据中，干涉条纹和背景叠加在一起，称之为干涉图。含有背景项的干涉图不能直接用于光谱复原，因为背景项的存在会导致复原光谱的信噪比降低，分辨率降低，谱线位置精度下降甚至出现错误。因此干涉图去背景是偏振干涉成像光谱仪光谱复原过程中的重要环节，干涉条纹切趾、相位修正等步骤均需要在背景去除之后进行。而且，干涉图背景去除的质量对复原光谱的质量有着直接影响。目前工程中常用的干涉图背景去除方法有一阶差分方法和最小二乘拟合方法。一阶差分方法具有原理简单、运算量小的优点，但是对干涉图噪声敏感，容易受到干涉图空间频率变化的影响，对复杂背景的去除效果不好；最小二乘拟合方法由于多项式阶数限制，不能够对复杂背景进行精确的拟合，并且在高阶情况下运算量很大，效率较低。
除此之外，2011年，穆廷魁等人提出了一种通过光学辅助去除干涉图背景的方法(T Mu,C Zhang,W Ren,X Jian,"Static dual-channel polarization imagingspectrometer for simultaneous acquisition of inphase and antiphaseinterference images,"Measurement Science&Technology22.10:105302-105309(8)(2011).)，可以避免复杂的计算机运算，具有集成度高、灵敏度高及稳定性好的优点。但是其对偏振片的位置精度要求很高，并且不易应用于其他类型的偏振干涉成像光谱仪，实用性不好。2013年，张淳民等人提出了一种基于经验模态分解(EMD)的干涉图背景去除方法(CZhang,W Ren,T Mu,L Fu,C Jia,"Empirical mode decomposition based backgroundremoval and de-noising in polarization interference imaging spectrometer,"Optics Express 21.21:2592-2605(2013))。这种方法无需光谱信息的先验知识，具有良好的自适应性，能够较为彻底地去除背景。但是其算法复杂，运算量很大，耗时较长，限制了其在工程实际中的应用。
发明内容
本发明的目的在于提供一种基于频率域滤波的干涉图背景去除方法，以克服上述现有技术存在的缺点。本发明方法能够根据偏振干涉成像光谱仪的相关参数，实现其相应陷波滤波器的设计，使用该滤波器对干涉图进行频率域滤波，从而获得去除背景的干涉条纹，解决了常规干涉图背景去除方法的精确度低、运算量大及易受噪声影响的问题，适用于工程实际，能够快速准确地将干涉条纹从二维干涉图中直接提取出来。
为了实现上述目的，本发明采用如下技术方案：
一种基于频率域滤波的干涉图背景去除方法，包括以下步骤：首先，对偏振干涉成像光谱仪获得的干涉图进行二维傅里叶变换并平移获得干涉图的频谱图；然后，将干涉图的频谱图与根据该偏振干涉成像光谱仪设计的陷波滤波器对应点相乘；最后，将相乘结果进行二维傅里叶逆变换获得去除背景的干涉条纹。
进一步的，获取的干涉图的尺寸为M像素×N像素，干涉条纹的最大宽度为Wmax像素，最小宽度为Wmin像素；所述陷波滤波器的尺寸与复色光干涉图的尺寸相同；陷波滤波器对称轴左侧的通带起始点的位置为(M/2,N(Wmin-1)/2Wmin)，终止点的位置为(M/2,N(Wmax-1)/2Wmax)，以起始点到终止点连线上的每个点为圆心，作半径为R的圆，所有圆的闭合包络线内部的范围划定为通带，对称轴右侧的通带根据左侧通带按照轴对称方式设置；陷波滤波器上两个通带以外的区域为阻带。
进一步的，R值为M/100～M/50。
进一步的，通带中心线值为1，通带边缘值为0，通带中心线到边缘之间的值随着其距中心线的距离D设置为0.5*(1-cos(2π(R-D)/2R))；阻带的值为0。
进一步的，所述干涉图为复色光干涉图或单色光干涉图。
相对于现有技术，本发明具有以下有益效果：本发明一种基于频率域滤波的干涉图背景去除方法，实现了快速准确地去除干涉图背景。首先，在运算速度方面远快于6阶以上最小二乘拟合方法以及经验模态分解方法，能够适用于工程实际；其次，在准确度方面不受噪声及复杂背景的影响，提取出的干涉条纹质量高于上述方法，背景项去除彻底，并对噪声有一定的压制作用，从而提高了复原光谱的信噪比；最后，陷波滤波器能够根据不同偏振干涉成像光谱仪的参数进行设计，具有良好的可移植性与实用性，滤波器在同一台偏振干涉成像光谱仪中是确定的，在使用过程中不需更改或修正，具有良好的稳定性。
附图说明
图1为本发明中陷波滤波器的结构示意图；
图2为本发明中陷波滤波器左侧通带结构示意图；
图3为本发明中干涉图复杂背景去除过程图；
图4为本发明干涉图背景去除效果图；
图5为最小二乘拟合法背景去除效果图；
图6为经验模态分解法背景去除效果图；
图7为使用本发明去背景后单色光谱复原效果图；
图8为使用最小二乘拟合法去背景后单色光谱复原效果图；
图9为使用经验模态分解法去背景后单色光谱复原效果图；
其中，1通带、2阻带、21为通带起始点、22为中心线、23为边缘、24为通带终止点、31为复色光干涉图、32为复色光干涉图的频谱图、33为陷波滤波器、34为去背景后的干涉条纹。
具体实施方式
本发明一种基于频率域滤波的干涉图背景去除方法的基本原理为：对于一台特定的偏振干涉成像光谱仪，其具有特定的波长范围，获得的干涉图是一个尺寸为M像素×N像素的二维图像；根据傅里叶变换光谱学原理，单色光干涉条纹的宽度和波长成正比，可以由仪器参数确定。对干涉图进行二维傅里叶变换，可以得到其频谱图，频谱图尺寸与干涉图一致，反映了干涉图的空间频率特征；使用相应的陷波滤波器，就可以从频谱图中选出对应于干涉图中干涉条纹的频谱，从而实现背景的去除。
为了达到上述目的，首先应依照以下方法设计相应的陷波滤波器：其尺寸与干涉图频谱图的尺寸一致，具有特定的通带1及阻带2；
通带1分为关于滤波器竖直中心轴线对称的两部分，设滤波器的尺寸为M像素×N像素，干涉条纹的最大宽度为Wmax像素，最小宽度为Wmin像素；滤波器对称轴(垂直于y方向，即N像素一侧)左侧的通带1起始点21的位置为(M/2,N(Wmin-1)/2Wmin)，终止点24的位置为(M/2,N(Wmax-1)/2Wmax)，以起始点到终止点连线上的每个点为圆心，作半径为R的圆，R值可取为M/100～M/50之间的数值，所有圆的闭合包络线内部的范围划定为通带，对称轴右侧的通带根据左侧通带按照轴对称方式设置。
通带1中心线22值为1，通带边缘23值为0，通带中心线22到边缘23之间的值随着其距中心线的距离D设置为0.5*(1-cos(2π(R-D)/2R))；阻带2的值设置为0。
本发明一种基于频率域滤波的干涉图背景去除方法，包含以下步骤：首先，对偏振干涉成像光谱仪获得的复色光干涉图31进行二维傅里叶变换并平移获得复色光干涉图的频谱图32；然后，将复色光干涉图的频谱图32与根据该偏振干涉成像光谱仪设计的陷波滤波器33对应点相乘；最后，将相乘结果进行二维傅里叶逆变换获得去除背景的干涉条纹34。
下面以两个实例对本发明做进一步详细描述：
实施例1：
实验用偏振干涉成像光谱仪所获取的干涉图尺寸为512像素×512像素，探测波长范围为480nm-960nm，干涉条纹的最大宽度为2像素，最小宽度为1像素。则陷波滤波器尺寸为512像素×512像素，对称轴左侧通带起始点的位置为(256,0)，终止点的位置为(256,128)。以起始点到终止点连线上的每个点为圆心，作半径为8像素的圆，所有圆的闭合包络线内部的范围划定为通带，陷波滤波器对称轴右侧的通带根据左侧通带按照轴对称方式设置。通带中心线值为1，通带边缘值为0，通带中心线到边缘之间的值随着其距中心线的距离D设置为0.5*(1-cos(2π(R-D)/2R))；阻带的值设置为0，至此，陷波滤波器设置完成。
对实验用偏振干涉成像光谱仪所获取的复色光干涉图进行去背景处理。如图3所示：首先，对干涉图进行二维傅里叶变换并平移获得干涉图频谱图；然后，将干涉图频谱图与所述的陷波滤波器对应点相乘；最后，将相乘结果进行二维傅里叶逆变换获得去除背景的干涉条纹。在此实例中，将本发明与最小二乘拟合法去背景和经验模态分解法去背景比较，由相同配置MATLAB运行环境下的程序运行时间可以推算出，本发明的运算速度约为最小二乘拟合法的60倍，经验模态分解方法的10万倍；同时，由图4、图5及图6实验结果证明，在复杂背景去除的效果方面，本发明也是最优秀的。
实施例2：
实验用偏振干涉成像光谱仪所获取的干涉图尺寸为512像素×512像素，探测波长范围为480nm-960nm，干涉条纹的最大宽度为2像素，最小宽度为1像素。则陷波滤波器尺寸为512像素×512像素，对称轴左侧通带起始点的位置为(256,0)，终止点的位置为(256,128)。以起始点到终止点连线上的每个点为圆心，作半径为8像素的圆，所有圆的闭合包络线内部的范围划定为通带，陷波滤波器对称轴右侧的通带根据左侧通带按照轴对称方式设置。通带中心线值为1，通带边缘值为0，通带中心线到边缘之间的值随着其距中心线的距离D设置为0.5*(1-cos(2π(R-D)/2R))；阻带的值设置为0，至此，陷波滤波器设置完成。
对实验用偏振干涉成像光谱仪所获取的单色光干涉图进行去背景处理。首先，对干涉图进行二维傅里叶变换并平移获得干涉图频谱图；然后，将干涉图频谱图与所述的陷波滤波器对应点相乘；接下来，将相乘结果进行二维傅里叶逆变换获得去除背景的干涉条纹；最后，对获取的去除背景的干涉条纹进行复原获得光谱；由图7、图8及图9结果对比表明，本发明对复原光谱的噪声相比于其他方法(最小二乘拟合法、经验模态分解法)具有压制作用，从而提高了复原光谱信噪比。
Claims (5)
1.一种基于频率域滤波的干涉图背景去除方法，其特征在于，包括以下步骤：
首先，对偏振干涉成像光谱仪获得的干涉图进行二维傅里叶变换并平移获得干涉图的频谱图；
然后，将干涉图的频谱图与根据该偏振干涉成像光谱仪设计的陷波滤波器对应点相乘；
最后，将相乘结果进行二维傅里叶逆变换获得去除背景的干涉条纹。
2.根据权利要求1所述的一种基于频率域滤波的干涉图背景去除方法，其特征在于，获取的干涉图的尺寸为M像素×N像素，干涉条纹的最大宽度为Wmax像素，最小宽度为Wmin像素；所述陷波滤波器的尺寸与干涉图的尺寸相同；陷波滤波器对称轴左侧的通带起始点的位置为(M/2,N(Wmin-1)/2Wmin)，终止点的位置为(M/2,N(Wmax-1)/2Wmax)，以起始点到终止点连线上的每个点为圆心，作半径为R的圆，所有圆的闭合包络线内部的范围划定为通带，对称轴右侧的通带根据左侧通带按照轴对称方式设置；陷波滤波器上两个通带以外的区域为阻带。
3.根据权利要求2所述的一种基于频率域滤波的干涉图背景去除方法，其特征在于，R值为M/100～M/50。
4.根据权利要求2所述的一种基于频率域滤波的干涉图背景去除方法，其特征在于，通带中心线值为1，通带边缘值为0，通带中心线到边缘之间的值随着其距中心线的距离D设置为0.5*(1-cos(2π(R-D)/2R))；阻带的值为0。
5.根据权利要求1所述的一种基于频率域滤波的干涉图背景去除方法，其特征在于，所述干涉图为复色光干涉图或单色光干涉图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610338696.8A CN106056542B (zh) | 2016-05-19 | 2016-05-19 | 一种基于频率域滤波的干涉图背景去除方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610338696.8A CN106056542B (zh) | 2016-05-19 | 2016-05-19 | 一种基于频率域滤波的干涉图背景去除方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106056542A true CN106056542A (zh) | 2016-10-26 |
| CN106056542B CN106056542B (zh) | 2018-12-07 |
Family
ID=57176631
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610338696.8A Active CN106056542B (zh) | 2016-05-19 | 2016-05-19 | 一种基于频率域滤波的干涉图背景去除方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106056542B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109655426A (zh) * | 2019-01-30 | 2019-04-19 | 塔里木大学 | 一种识别红枣光谱图像中目标红枣的方法及装置 |
| CN117670842A (zh) * | 2023-12-07 | 2024-03-08 | 常州市宏发纵横新材料科技股份有限公司 | 一种布面横条检测方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100150467A1 (en) * | 2008-07-21 | 2010-06-17 | Mingtao Zhao | Methods, systems, and computer readable media for synthetic wavelength-based phase unwrapping in optical coherence tomography and spectral domain phase microscopy |
| CN102201110A (zh) * | 2011-04-27 | 2011-09-28 | 华中科技大学 | 一种利用目标图像频谱特性的频域滤波去噪方法 |
| CN103679643A (zh) * | 2013-06-03 | 2014-03-26 | 哈尔滨工程大学 | 一种多条纹噪声定位滤除方法 |
| CN104931141A (zh) * | 2015-06-30 | 2015-09-23 | 西安交通大学 | 一种全斯托克斯参量的白光双Sagnac偏振成像方法 |
| CN105547477A (zh) * | 2016-01-12 | 2016-05-04 | 广东工业大学 | 一种偏振干涉成像光谱系统及其成像方法 |
-
2016
- 2016-05-19 CN CN201610338696.8A patent/CN106056542B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100150467A1 (en) * | 2008-07-21 | 2010-06-17 | Mingtao Zhao | Methods, systems, and computer readable media for synthetic wavelength-based phase unwrapping in optical coherence tomography and spectral domain phase microscopy |
| CN102201110A (zh) * | 2011-04-27 | 2011-09-28 | 华中科技大学 | 一种利用目标图像频谱特性的频域滤波去噪方法 |
| CN103679643A (zh) * | 2013-06-03 | 2014-03-26 | 哈尔滨工程大学 | 一种多条纹噪声定位滤除方法 |
| CN104931141A (zh) * | 2015-06-30 | 2015-09-23 | 西安交通大学 | 一种全斯托克斯参量的白光双Sagnac偏振成像方法 |
| CN105547477A (zh) * | 2016-01-12 | 2016-05-04 | 广东工业大学 | 一种偏振干涉成像光谱系统及其成像方法 |
Non-Patent Citations (2)
| Title |
|---|
| 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
| 《物理学报》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109655426A (zh) * | 2019-01-30 | 2019-04-19 | 塔里木大学 | 一种识别红枣光谱图像中目标红枣的方法及装置 |
| CN117670842A (zh) * | 2023-12-07 | 2024-03-08 | 常州市宏发纵横新材料科技股份有限公司 | 一种布面横条检测方法、装置、设备及存储介质 |
| CN117670842B (zh) * | 2023-12-07 | 2024-06-04 | 常州市宏发纵横新材料科技股份有限公司 | 一种布面横条检测方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106056542B (zh) | 2018-12-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rasti et al. | Image restoration for remote sensing: Overview and toolbox | |
| Lagendijk et al. | Basic methods for image restoration and identification | |
| WO2021097916A1 (zh) | 高保真图像重构方法、系统、计算机设备和存储介质 | |
| US11854166B2 (en) | Apparatus and method using baseline estimation and half-quadratic minimization for the deblurring of signal data | |
| Liu et al. | Simultaneous extraction of phase and phase shift from two interferograms using Lissajous figure and ellipse fitting technology with Hilbert–Huang prefiltering | |
| Shukla et al. | Generalized fractional filter-based algorithm for image denoising | |
| Satya et al. | Stripe noise removal from remote sensing images | |
| CN114993452B (zh) | 基于宽带相位运动放大的结构微小振动测量方法与系统 | |
| CN106056542A (zh) | 一种基于频率域滤波的干涉图背景去除方法 | |
| Fang et al. | Framelet based pan-sharpening via a variational method | |
| CN111079893B (zh) | 用于干涉条纹图滤波的生成器网络的获取方法和装置 | |
| JP2019502097A (ja) | 標的空間スペクトル検出を使用するタグ読み取り | |
| Al-Ameen et al. | Reducing the Gaussian blur artifact from CT medical images by employing a combination of sharpening filters and iterative deblurring algorithms | |
| Zhang et al. | Denoising vegetation spectra by combining mathematical-morphology and wavelet-transform-based filters | |
| Gowri et al. | 2D Image data approximation using Savitzky Golay filter—Smoothing and differencing | |
| US20180365810A1 (en) | Object image recovery from digital holograms | |
| AU2022350959A1 (en) | Optical coherence tomography angiography method and apparatus, and electronic device and storage medium | |
| EP3716199B1 (en) | Signal processing apparatus and method using local length scales for deblurring | |
| Licciardi et al. | Impact of hybrid pansharpening approaches applied to hyperspectral images | |
| Xie | Enhanced multi-baseline unscented Kalman filtering phase unwrapping algorithm | |
| CN111220092B (zh) | 一种光学测量中条纹滤波器的构造方法 | |
| Špiclin et al. | Correction of axial optical aberrations in hyperspectral imaging systems | |
| Banerjee et al. | Utility of a Statistical Information Separation Technique from Real World Images | |
| Turrisi et al. | Image deconvolution techniques for motion blur compensation in DIC measurements | |
| Schöner et al. | Image processing for three-dimensional scans generated by time-of-flight range cameras |
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 |