CN108053389B - 一种用于评价低信噪比红外四杆靶图像清晰度的方法 - Google Patents

一种用于评价低信噪比红外四杆靶图像清晰度的方法 Download PDF

Info

Publication number
CN108053389B
CN108053389B CN201711044325.XA CN201711044325A CN108053389B CN 108053389 B CN108053389 B CN 108053389B CN 201711044325 A CN201711044325 A CN 201711044325A CN 108053389 B CN108053389 B CN 108053389B
Authority
CN
China
Prior art keywords
image
sum
bar target
definition
gray values
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.)
Active
Application number
CN201711044325.XA
Other languages
English (en)
Other versions
CN108053389A (zh
Inventor
闫钧华
杜君
张寅�
黄伟
白雪含
蔡旭阳
许祯瑜
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.)
Nanjing University of Aeronautics and Astronautics
Original Assignee
Nanjing University of Aeronautics and Astronautics
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 Nanjing University of Aeronautics and Astronautics filed Critical Nanjing University of Aeronautics and Astronautics
Priority to CN201711044325.XA priority Critical patent/CN108053389B/zh
Publication of CN108053389A publication Critical patent/CN108053389A/zh
Application granted granted Critical
Publication of CN108053389B publication Critical patent/CN108053389B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image 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)
  • Image Processing (AREA)

Abstract

本发明涉及一种用于评价低信噪比红外四杆靶图像清晰度的方法，所述方法基于四杆靶几何特征，通过构建出四交点长度来表征四杆靶图像清晰度。本文基于实际工程中的四杆靶图像，提出一种适用于低信噪比红外四杆靶图像清晰度评价的图像处理技术，该技术中包含的清晰度评价算法通过统计四杆靶目标在垂直方向上的灰度值之和，引入四交点长度来表征四杆靶图像的清晰度。实验表明，该技术可以有效的识别出一组变焦四杆靶图像中的清晰图像序列段，为相机定焦提供了有效的依据。

Description

一种用于评价低信噪比红外四杆靶图像清晰度的方法
技术领域
本发明涉及图像处理技术，具体为一种用于评价低信噪比红外四杆靶图像清晰度的方法。
背景技术
随着计算机视觉和图像处理领域的高速发展，获得高质量的清晰图像是进行图像后续处理和管理者做出正确决策的重要依据。在光学系统中，一个确定距离的目标通常对应于相机镜头一个确定的最佳像面位置，一旦偏离这个位置就会，就会造成系统离焦，导致图像成像质量下降、视场模糊，影响后续的进一步处理。
在实际的红外热图像中，由于光学镜头材料不同、探测器电路输出噪声等干扰，四杆靶这类较小的标定目标与周围环境的对比度往往较为接近，难以通过一般的图像处理方法进行清晰度判别。
四杆靶红外热图像中包含大量的高能量噪声，这些噪声极大的降低了四杆靶目标与背景之间的对比度，传统方法中的梯度、边缘检测、频谱滤波等概念难以在这种低信噪比图像中提取出有效信息。
发明内容
为克服实际操作中四杆靶红外图像噪声过高的问题，本发明提出了一种用于评价低信噪比红外四杆靶图像清晰度的方法。
所述一种用于评价低信噪比红外四杆靶图像清晰度的方法，其特征在于：包含一种新的清晰度评价算法。
所述一种新的清晰度评价算法，此清晰度评价方法基于四杆靶目标特有的几何特征——四条等长的平行光亮线段，统计四杆靶竖直方向的灰度特征，构建四交点长度来表征四杆靶图像的清晰度。
所述四杆靶图像清晰度评价的方法中构建四交点长度，其特征在于：构建步骤具体如下：
步骤1：求取图像实际各列像素灰度值之和；
步骤2：求取图像全体像素灰度值之和，除以图像像素列数，得出每列的平均灰度值之和；
步骤3：对实际各列像素灰度值之和做归一化处理，即用实际各列灰度值之和减去平均灰度值之和；
步骤4：做出各列灰度值之和统计图(归一化)；
步骤5：定义四交点长度表示四杆靶图像的清晰度，即用一条直线从灰度值之和统计图(归一化)的最高点开始向下移动。一张清晰的垂直四杆靶图像应该具有高度相近的四个图像峰。因此，在交点数第一次为4的时候清晰度得分开始加1，此后交点数为4则得分加1，直到交点数不为4则计算结束。此时的得分实际上是与图像峰有4个交点的直线所走过的距离，将这个距离定义为四交点长度，用来表征四杆靶图像的清晰度。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
本发明可适用于多种情况下的图像质量评价，特别可以有效的从低信噪比四杆靶图像序列中筛选出最清晰图像段，进而实现相机定焦，具有良好的可应用性。
附图说明
图1是本发明清晰度评价算法流程图；
图2是实施例中的四杆靶红外热图像；
图3是图2中待选区域的放大图；
图4是待选区域各列灰度值之和(初始和归一化)统计图；
图5四交点长度定义示意图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明：
本发明的一种用于评价低信噪比红外四杆靶图像清晰度的方法，其清晰度评价算法流程图如图1所示。此清晰度评价方法基于四杆靶目标特有的几何特征——四条等长的平行光亮线段，统计四杆靶竖直方向的灰度特征，构建四交点长度来表征四杆靶图像的清晰度。
构建四交点长度具体步骤如下：
(1)求取图像实际各列灰度值之和；
(2)求取图像全体像素灰度值之和，除以图像像素列数，得出每列的平均灰度值之和；
(3)对实际各列灰度值之和做归一化处理，即用实际各列灰度值之和减去平均灰度值之和；
(4)做出各列灰度值之和统计图(归一化)；
(5)定义四交点长度表示四杆靶图像的清晰度，即用一条直线从灰度值之和统计图(归一化)的最高点开始向下移动。一张清晰的垂直四杆靶图像应该具有高度相近的四个图像峰。因此，在交点数第一次为4的时候清晰度得分开始加1，此后交点数为4则得分加1，直到交点数不为4则计算结束。此时的得分实际上是与图像峰有4个交点的直线所走过的距离，将这个距离定义为四交点长度，用来表征四杆靶图像的清晰度。
具体构建实例如下所示：
图2是中心靶尺寸1.9(周/毫弧)，温差0.15度(靶标温度-环境温度)条件下较为清晰的一幅的四杆靶红外热图像，红色矩形框区域为待选的清晰度判别区域。可以明显看出，由于噪声干扰，图像背景中混杂了大量线型高辐射噪声。
放大待选区域如图3所示，由于噪声模糊的影响，四条靶条不再完整且难以分辨，靶条间隙与靶条本身之间的对比度衰减严重，整个四杆靶呈现出一种小块阵列的形式。图3中第一条靶条上端附近的像素灰度值显示如下。
表1待选区域四杆靶信息
134 140 147 137 136 132 141 146 144 143 140
139 138 140 140 145 138 140 138 144 148 145
148 153 156 155 156 155 160 158 158 153 151
148 143 148 158 163 165 161 155 160 160 160
144 135 141 147 148 146 144 139 144 136 140
148 146 148 149 149 146 146 143 144 136 133
135 145 145 152 166 167 163 156 151 147 154
132 138 148 147 157 157 157 158 151 150 141
139 140 141 143 158 164 165 165 152 149 148
144 144 145 148 159 160 154 157 152 154 150
149 149 166 167 168 165 159 163 157 155 148
145 152 154 163 170 168 157 158 155 154 151
137 137 144 149 150 142 137 132 142 150 148
150 146 142 147 149 146 145 136 135 134 133
140 139 149 160 167 167 165 156 157 156 161
138 140 143 151 155 159 164 163 162 158 149
144 145 150 157 157 159 159 156 150 143 138
142 144 145 156 158 158 154 152 148 144 137
145 148 158 165 162 161 158 157 150 142 133
143 143 145 159 161 162 156 155 150 145 151
应用步骤一：求取图像实际各列灰度值之和；
应用步骤二：求取图像全体像素灰度值之和，除以图像像素列数，得出每列的平均灰度值之和；
应用步骤三：对实际各列灰度值之和做归一化处理，即用实际各列灰度值之和减去平均灰度值之和；
以上三个步骤用数学公式表达如下：
Figure BDA0001451917410000043
式中，
Figure BDA0001451917410000041
为第i列的归一化灰度值之和，Pi为第i列的实际灰度值之和，
Figure BDA0001451917410000042
为各列灰度值之和的均值。
应用步骤四：表格1中待选区域的各列统计灰度值之和及归一化各列统计灰度值之和如图4所示。
应用步骤五：定义图像的初始清晰度得分为0，用一条直线从灰度值之和统计图(归一化)的最高点开始向下移动。如图5所示，扫描直线与一个图像峰相交视为一个交点，所以，Line 1与图像峰有3个交点，Line 2与图像峰有4个交点，Line 3与图像峰有5个交点。
一张清晰的垂直四杆靶图像应该具有高度相近的四个图像峰。因此，在交点数第一次为4的时候清晰度得分开始加1，此后交点数为4则得分加1，直到交点数不为4则计算结束。此时的得分实际上是与图像峰有4个交点的直线所走过的距离，将这个距离定义为四交点长度，用来表征四杆靶图像的清晰度。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种用于评价低信噪比红外四杆靶图像清晰度的方法，其特征在于，所述方法基于四杆靶几何特征，通过构建出四交点长度来表征四杆靶图像清晰度；
所述构建四交点长度的具体过程为：
步骤1：求取图像实际各列像素灰度值之和；
步骤2：求取图像全体像素灰度值之和，除以图像像素列数，得出每列的平均灰度值之和；
步骤3：对实际各列像素灰度值之和做归一化处理，即用实际各列灰度值之和减去平均灰度值之和；
步骤4：做出各列灰度值之和统计图；
步骤5：根据所述各列灰度值之和统计图得到四交点，通过所述四交点长度来评价四杆靶图像清晰度；
所述步骤5具体为：
用一条直线从灰度值之和统计图的最高点开始向下移动，被评估四杆靶图像具有高度相近的四个图像峰，在交点数第一次为4的时候清晰度得分开始加1，此后交点数为4则得分加1，直到交点数不为4则计算结束，此时的得分实际上是与图像峰有4个交点的直线所走过的距离，将这个距离定义为四交点长度，用来表征四杆靶图像的清晰度。
CN201711044325.XA 2018-03-16 2018-03-16 一种用于评价低信噪比红外四杆靶图像清晰度的方法 Active CN108053389B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711044325.XA CN108053389B (zh) 2018-03-16 2018-03-16 一种用于评价低信噪比红外四杆靶图像清晰度的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711044325.XA CN108053389B (zh) 2018-03-16 2018-03-16 一种用于评价低信噪比红外四杆靶图像清晰度的方法

Publications (2)

Publication Number Publication Date
CN108053389A CN108053389A (zh) 2018-05-18
CN108053389B true CN108053389B (zh) 2020-06-30

Family

ID=62119860

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711044325.XA Active CN108053389B (zh) 2018-03-16 2018-03-16 一种用于评价低信噪比红外四杆靶图像清晰度的方法

Country Status (1)

Country Link
CN (1) CN108053389B (zh)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101275870B (zh) * 2008-05-12 2010-07-07 北京理工大学 一种红外热像仪mrtd客观评测方法
US8254647B1 (en) * 2012-04-16 2012-08-28 Google Inc. Facial image quality assessment
CN102829876A (zh) * 2012-09-10 2012-12-19 江西洪都航空工业集团有限责任公司 一种定量分析图像成像效果的方法

Also Published As

Publication number Publication date
CN108053389A (zh) 2018-05-18

Similar Documents

Publication Publication Date Title
US10614551B2 (en) Image interpolation methods and related image interpolation devices thereof
US9383199B2 (en) Imaging apparatus
CN108596878B (zh) 图像清晰度评价方法
Yousefi et al. A new auto-focus sharpness function for digital and smart-phone cameras
CN110335204B (zh) 一种热成像图像增强方法
CN110969656B (zh) 一种基于机载设备激光光束光斑大小的检测方法
CN108088381B (zh) 一种基于图像处理的非接触式微小间隙宽度测量方法
JP2009259036A (ja) 画像処理装置、画像処理方法、画像処理プログラム、記録媒体、及び画像処理システム
CN111179184B (zh) 基于随机抽样一致性的鱼眼图像有效区域提取方法
US8116550B2 (en) Method and system for locating and focusing on fiducial marks on specimen slides
CN116385495A (zh) 一种动态背景下红外视频的运动目标闭环检测方法
Li et al. Single-frame-based column fixed-pattern noise correction in an uncooled infrared imaging system based on weighted least squares
CN108053389B (zh) 一种用于评价低信噪比红外四杆靶图像清晰度的方法
KR101777696B1 (ko) 면적 대칭성을 이용한 에지 위치 결정 방법
CN104502992A (zh) 一种基于空时过采样扫描的弱小点目标精确定位方法及系统
CN116563298A (zh) 基于高斯拟合的十字线中心亚像素检测方法
CN116597016A (zh) 一种光纤内窥镜图像标定方法
CN111445435A (zh) 一种基于多区块小波变换的无参考图像质量评价方法
CN115641300A (zh) 一种基于标记线特征测量流场速度的数据处理方法
CN109886276B (zh) 一种表盘滚动数字字符的半字判断方法
CN110349169A (zh) 一种直线测量方法
CN113570596B (zh) 一种基于人类视觉系统的无参考结构清晰度评价方法
US20110096209A1 (en) Shading correction method, shading-correction-value measuring apparatus, image capturing apparatus, and beam-profile measuring apparatus
CN117649451B (zh) 一种用于寻边器晶圆定位的视觉定位方法
CN113869363B (zh) 一种基于图像评价网络和图像评价函数的爬山调焦搜索方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant