CN109035139A - 一种高分辨率卫星影像调制传递函数补偿方法 - Google Patents
一种高分辨率卫星影像调制传递函数补偿方法 Download PDFInfo
- Publication number
- CN109035139A CN109035139A CN201810686043.8A CN201810686043A CN109035139A CN 109035139 A CN109035139 A CN 109035139A CN 201810686043 A CN201810686043 A CN 201810686043A CN 109035139 A CN109035139 A CN 109035139A
- Authority
- CN
- China
- Prior art keywords
- image
- spread function
- point
- edge
- sword
- 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 51
- 238000012546 transfer Methods 0.000 title claims abstract description 16
- 238000003708 edge detection Methods 0.000 claims abstract description 10
- 238000007476 Maximum Likelihood Methods 0.000 claims abstract description 7
- 238000011084 recovery Methods 0.000 claims abstract description 7
- 238000005457 optimization Methods 0.000 claims abstract description 5
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 8
- 238000012952 Resampling Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 7
- 230000003321 amplification Effects 0.000 abstract description 4
- 238000003199 nucleic acid amplification method Methods 0.000 abstract description 4
- 230000007423 decrease Effects 0.000 abstract description 3
- 238000003672 processing method Methods 0.000 abstract description 3
- 238000013461 design Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 10
- 238000003384 imaging method Methods 0.000 description 8
- 230000033001 locomotion Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000009514 concussion Effects 0.000 description 2
- 230000007850 degeneration Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000003412 degenerative effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4023—Scaling of whole images or parts thereof, e.g. expanding or contracting based on decimating pixels or lines of pixels; based on inserting pixels or lines of pixels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4084—Scaling of whole images or parts thereof, e.g. expanding or contracting in the transform domain, e.g. fast Fourier transform [FFT] domain scaling
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
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
一种高分辨率卫星影像调制传递函数补偿方法，涉及对国产高分辨率卫星影像MTFC(调制传递函数补偿)处理方法的设计，解决现有的图像补偿方法导致图像信噪比下降，噪声放大，其复原图像的质量低，复原过程看计算复杂度较高等问题，本发明从点扩散函数计算以及图像反卷积复原两个阶段进行改进。点扩散函数计算，亚像素边缘检测与传统像素级边缘检测方法相比，精度更高，高精度可以保证后续边缘扩散函数，线扩散函数，乃至最终点扩散函数的计算精度。图像反卷积复原过程中，对于最大似然迭代反卷积算法的GPU以及多线程优化，根据点扩散函数半径，计算加窗半径，对超大分辨率遥感图像进行加窗分块处理，有效去除边界振铃的影响，且进一步提高计算效率。
Description
技术领域
本发明涉及对国产高分辨率卫星影像MTFC(调制传递函数补偿)处理方法的设计，具体涉及一种基于改进倾斜刃边法的高分辨率卫星影像调制传递函数补偿方法。
背景技术
遥感图像成像过程中，受到大气环境、光学系统、探测器、平台运动和电路等因素的影响，引起图像退化，造成图像模糊，降低了成像的像质，图像复原就是去除或者减轻图像获取过程中发生的像质退化，使图像趋向于没有退化的理想图像。目前图像复原的方法大多是基于点扩散函数进行的，并且由于图像退化的原因可能有很多种，如光电传感器的非线性、物体与摄像机间的相对运动、大气的扰动等，因此根据不同的退化原因，典型的图像复原方法有维纳滤波、Richardson-Lucy恢复、最小约束二乘恢复、最大熵恢复等。
调制传递函数(modulation transfer function，MTF)是遥感系统成像性能的重要指标参数，MTF值越高，景物遥感图像的高频成分越丰富，图像的清晰度也越高。调制传递函数补偿(modulation transfer function compensation，MTFC)是对遥感图像进行处理，使MTF得到提升，让整个成像系统达到较高的MTF，在一定程度上改善图像像质。国外的MTFC技术较成熟，1m以下分辨率的商业卫星已广泛应用MTFC技术，美国研制的1m以下分辨率的商业卫星，如IKONOS、QuickBird-2、OrbView-3和GeoEye-1等都成功地应用了地面MTFC技术，使得图像像质得到了显著提高。国内也对MTFC技术开展了相关研究，彭青建进行了基于MTF理论的遥感图像复原研究，提出了一种基于MTF理论的图像复原方法，该方法主要包括去噪和MTF拉伸两部分，针对遥感图像的特点，给出了一种基于频域的去噪方法；为了能够调节频谱拉伸的程度，还给出了一种指数调节MTF曲线的方法。秦世引等人针对遥感图像在成像与传输过程中的退化而导致的图像模糊与噪声干扰，提出了一种基于MTF估算与总变分优化的图像恢复方法；葛苹等人针对TDI-CCD成像数据的特点，从遥感图像中获取刀刃边缘来计算成像系统的MTF，采用维纳滤波法对退化图像进行MTF补偿处理。
MTFC在提升图像MTF的同时，必然会导致图像信噪比(signal to noiseratio，SNR)下降，噪声放大，噪声对于后续的图像应用有很大的影响，现有的方法对于噪声的抑制普遍不好。此外振铃效应也是现有MTFC算法普遍存在的问题，所谓振铃效应就是指输出图像的灰度剧烈变化处产生的震荡，如同钟被敲击后产生的震荡，振铃效应是影响复原图像质量的众多因素之一，是一个不可忽视的问题，其严重降低了复原图像的质量，并且使得难于对复原图像进行后续处理。由于图像复原过程普遍在频率域进行，复原过程必然会引入正反傅里叶变换等计算复杂度较高的操作，因此时间效率低也是MTFC算法普遍存在的问题。
发明内容
本发明为解决现有的图像补偿方法导致图像信噪比下降，噪声放大，其复原图像的质量低，复原过程看计算复杂度较高等问题，提供一种高分辨率卫星影像调制传递函数补偿方法。
一种高分辨率卫星影像调制传递函数补偿方法，该方法由以下步骤实现：
步骤一、刃边法点扩散函数计算，具体过程为：
步骤一一、对选择的影像进行刃边区域选取，并计算选取刃边区域的大小及刃边图像两侧的对比度，根据计算结果确定该区域是否符合条件，如果是，执行步骤一二；如果否，结束。
所述刃边区域符合条件的标准为：刃边区域大于20*20，刃边图像两侧的对比度大于20％；
步骤一二、亚像素边缘检测：对刃边图像采用无偏差亚像素曲线检测算法进行边缘检测，确定边缘亚像素位置；
步骤一三、点扩散函数计算，获得二维点扩散函数图像；
根据步骤一二中确定边缘亚像素位置，初步确定每一行上的边缘点，采用所述边缘点拟合一条直线，计算这条直线与每一行的交点，并作为最终确定的边缘点；
根据最终确定的边缘点，按行采样所述边缘点两侧的数据点，并将所述数据点作为ESF采样点，分别对每行ESF采样点进行三次样条插值、重采样，对重采样之后的数据再进行SG滤波后作为每一行的ESF数据点，对每一行的ESF数据点对应位置求平均，得到最终的ESF；采用差分法获得LSF数据点，根据LSF数据计算二维点扩散函数图像；
步骤二、图像复原，具体过程为：
步骤二一、对步骤一获得的图像进行分块，采用加窗法，在分块图像四周进行扩展，扩展区域大小根据点扩散函数半径计算；
步骤二二、最大似然迭代反卷积算法优化，采用GPU及硬件多线程技术加速，采用获得的二维点扩散函数对图像进行非盲复原。
本发明的有益效果：本发明从点扩散函数计算以及图像反卷积复原两个阶段进行改进。点扩散函数计算过程中，主要改进有三点，分别是亚像素边缘检测，SG滤波，点扩散函数半径自动计算，其中亚像素边缘检测与传统像素级边缘检测方法相比，精度更高，高精度可以保证后续边缘扩散函数，线扩散函数，乃至最终点扩散函数的计算精度。SG滤波有效去除刃边图像表面噪声所带来的ESF采样点中的噪声点，该噪声点会给点扩散函数计算带来很大误差，而且会导致复原图像产生振铃。点扩散函数半径自动计算进一步保证点扩散函数准确性，半径过大或者过小的点扩散函数都会使图像复原不准确，且产生振铃。图像反卷积复原过程中，主要改进有两点，一个是对于最大似然迭代反卷积算法的GPU以及多线程优化，与CPU单线程相比计算时间缩短了近40倍，另一个是根据点扩散函数半径，计算加窗半径，对超大分辨率遥感图像进行加窗分块处理，有效去除边界振铃的影响，且进一步提高计算效率。
针对MTFC处理之后噪声放大的缺点，本发明在利用刃边法计算点扩散函数过程中，加入刃边图像亚像素边缘检测，线扩散函数采样点三次样条插值及SG(Savitzky-Golay)滤波，以及点扩散函数半径的精确计算，充分保证点扩散函数的准确性，有效抑制图像复原过程中噪声的放大。
附图说明
图1为本发明所述的一种高分辨率卫星影像调制传递函数补偿方法的原理示意图；
图2为本发明所述的一种高分辨率卫星影像调制传递函数补偿方法的流程图；
图3为刃边图像效果图；
图4为亚像素边像图像效果图；
图5为ESF示意图；
图6为LSF示意图；
图7为LSF效果图；
图8中图8a和图8b分别为复原前后的效果图，8c和图8d分别为复原前后的效果图。
具体实施方式
具体实施方式一、结合图1至图8说明本实施方式，一种高分辨率卫星影像调制传递函数补偿方法，该方法由以下步骤实现：
步骤一、刃边法点扩散函数计算，具体过程为：
步骤一一、对选择的影像进行刃边区域选取，并计算选取刃边区域的大小及刃边图像两侧的对比度，根据计算结果确定该区域是否符合条件，如果是，执行步骤一二；如果否，结束。
所述刃边区域符合条件的标准为：刃边区域大于20*20，刃边图像两侧的对比度大于20％；
步骤一二、亚像素边缘检测：对刃边图像采用无偏差亚像素曲线检测算法进行边缘检测，确定边缘亚像素位置；
步骤一三、点扩散函数计算，获得二维点扩散函数图像；
根据步骤一二中确定边缘亚像素位置，初步确定每一行上的边缘点，采用所述边缘点拟合一条直线，计算这条直线与每一行的交点，并作为最终确定的边缘点；
根据最终确定的边缘点，按行采样所述边缘点两侧的数据点，并将所述数据点作为ESF采样点，分别对每行ESF采样点进行三次样条插值、重采样，对重采样之后的数据再进行SG滤波后作为每一行的ESF数据点，对每一行的ESF数据点对应位置求平均，得到最终的ESF；采用差分法获得LSF数据点，根据LSF数据计算二维点扩散函数图像；
步骤二、图像复原，具体过程为：
步骤二一、对步骤一获得的图像进行分块，采用加窗法，在分块图像四周进行扩展，扩展区域大小根据点扩散函数半径计算；
步骤二二、最大似然迭代反卷积算法优化，采用GPU及硬件多线程技术加速，采用获得的二维点扩散函数对图像进行非盲复原。
具体过程为：对于一个线性空间不变系统，在时域中给出的退化过程可由如下公式给出：
g(x,y)＝h(x,y)*f(x,y)+η(x,y)
其中，h(x,y)是退化函数在时域下的表示，运算符*表示时域卷积。由卷积定理可知，时域上的卷积等同于频域上的乘积，所以上式在频域中的表述如下：
G(u,v)＝H(u,v)F(u,v)+N(u,v)
其中的大写字母项是之前公式里对应项的傅里叶变换。退化函数H通常是指模糊、抖动等影响。如果认为噪声的影响很小，那么上面的式子就可以写成G(u,v)＝H(u,v)F(u,v)，假设H(u,v)是可逆的，那便可以得出F(u,v)＝G(u,v)/H(u,v)。但实际上噪声是在所难免的，因而只能设法求出F(u,v)的估计值，此时用H(u,v)F(u,v)+N(u,v)来替换G(u,v),则有：F^(u,v)＝(H(u,v)F(u,v)+N(u,v))/H(u,v)＝F(u,v)+N(u,v)/H(u,v)这也就是解卷积的基本原理。最大似然迭代反卷积是从观测图像g求解f和h的过程，由Bayes理论，如果图像噪声服从Poisson分布，可以得到似然函数如下：
其中和分别是PSF和图像的估计。极大似然函数L就可以得到和令图像和PSF估计可由下式表示：
采用GPU及硬件多线程技术对解卷积算法进行优化，缩短程序计算时间，复原前后对比如图8所示。
本实施方式针对MTFC算法振铃效应的缺点，从两个方面对此进行了改进，首先在处理过程中采用加窗分块处理的方法，抑制边缘振铃，对点扩散函数的精确计算也起到抑制振铃的作用，其次在处理过程后采用强边缘检测结合双边滤波的方法对振铃进行去除。
针对MTFC算法普遍速度较慢的缺点，采用GPU加速及硬件多线程技术，充分利用硬件资源，极大提高处理效率。
本发明涉及对国产高分辨率卫星影像MTFC(调制传递函数补偿)处理方法，可实现对于国产高分辨率卫星影像快速MTFC处理。分析遥感图像成像过程中大气环境、光学系统、探测器、平台运动和电路等因素的影响，解决传统刃边法受噪声影响较大，精度较差等缺点，构建严密点扩散函数，然后采用GPU(Graphics Processing Unit，图像处理器)及硬件多线程加速技术对图像进行复原。本发明显著地提高了图像细节信息，使图像边缘能量、信息熵、MTF值等指标均得到显著提升，同时保持了高峰值信噪比，使图像综合质量得到极大提高。
Claims (2)
1.一种高分辨率卫星影像调制传递函数补偿方法，其特征是，该方法由以下步骤实现：
步骤一、刃边法点扩散函数计算，具体过程为：
步骤一一、对选择的影像进行刃边区域选取，并计算选取刃边区域的大小及刃边图像两侧的对比度，根据对比结果确定所述刃边区域是否符合标准；
步骤一二、亚像素边缘检测：对刃边图像采用无偏差亚像素曲线检测算法进行边缘检测，确定边缘亚像素位置；
步骤一三、点扩散函数计算，获得二维点扩散函数图像；
根据步骤一二中确定边缘亚像素位置，初步确定每一行上的边缘点，采用所述边缘点拟合一条直线，计算这条直线与每一行的交点，并作为最终确定的边缘点；
根据最终确定的边缘点，按行采样所述边缘点两侧的数据点，并将所述数据点作为ESF采样点，分别对每行ESF采样点进行三次样条插值、重采样，对重采样之后的数据再进行SG滤波后作为每一行的ESF数据点，对每一行的ESF数据点对应位置求平均，得到最终的ESF；采用差分法获得LSF数据点，根据LSF数据计算二维点扩散函数图像；
步骤二、图像复原，具体过程为：
步骤二一、对步骤一获得的图像进行分块，采用加窗法，在分块图像四周进行扩展，扩展区域大小根据点扩散函数半径计算；
步骤二二、最大似然迭代反卷积算法优化，采用GPU及硬件多线程技术加速，采用获得的二维点扩散函数对图像进行非盲复原。
2.根据权利要求1所述的一种高分辨率卫星影像调制传递函数补偿方法，其特征在于，步骤一中，所述判定刃边区域是否符合标准应满足以下两点：
一、刃边区域大于20*20；
二、刃边图像两侧的对比度大于20％。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810686043.8A CN109035139B (zh) | 2018-06-28 | 2018-06-28 | 一种高分辨率卫星影像调制传递函数补偿方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810686043.8A CN109035139B (zh) | 2018-06-28 | 2018-06-28 | 一种高分辨率卫星影像调制传递函数补偿方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109035139A true CN109035139A (zh) | 2018-12-18 |
| CN109035139B CN109035139B (zh) | 2022-11-22 |
Family
ID=65520649
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810686043.8A Active CN109035139B (zh) | 2018-06-28 | 2018-06-28 | 一种高分辨率卫星影像调制传递函数补偿方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109035139B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110673330A (zh) * | 2019-09-02 | 2020-01-10 | 南京理工大学 | 基于散射的成像系统景深拓展装置及方法 |
| CN111127330A (zh) * | 2019-10-16 | 2020-05-08 | 北京理工大学深圳研究院 | 单幅遥感影像微振铃分块快速维纳复原方法 |
| CN111610001A (zh) * | 2020-05-25 | 2020-09-01 | 中国科学院长春光学精密机械与物理研究所 | 一种宽幅遥感图像mtf地面模拟测试装置 |
| CN112233031A (zh) * | 2020-10-15 | 2021-01-15 | 苏州科技大学 | 一种液晶显示动态图像感知效果补偿方法及系统 |
| CN113188765A (zh) * | 2021-04-23 | 2021-07-30 | 长光卫星技术有限公司 | 一种用于可见光探测器mtf与抗弥散测试的测试系统 |
| CN113962897A (zh) * | 2021-11-02 | 2022-01-21 | 中国空间技术研究院 | 基于序列遥感影像的调制传递函数补偿方法及装置 |
| CN114399688A (zh) * | 2021-12-15 | 2022-04-26 | 中国资源卫星应用中心 | 一种遥感图像刃边区域的选取方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006238032A (ja) * | 2005-02-24 | 2006-09-07 | Matsushita Electric Ind Co Ltd | 画像復元方法およびその装置 |
| CN101441764A (zh) * | 2008-12-31 | 2009-05-27 | 中国资源卫星应用中心 | 一种mtfc遥感图像复原方法 |
| CN102768756A (zh) * | 2012-06-15 | 2012-11-07 | 武汉工程大学 | 目标探测多谱图像的通用复原方法 |
| CN103679652A (zh) * | 2013-11-29 | 2014-03-26 | 北京空间机电研究所 | 一种大幅提高成像质量的图像复原系统 |
| CN106841115A (zh) * | 2017-02-07 | 2017-06-13 | 南京理工大学 | 基于空间频率特征的海面溢油检测方法 |
-
2018
- 2018-06-28 CN CN201810686043.8A patent/CN109035139B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006238032A (ja) * | 2005-02-24 | 2006-09-07 | Matsushita Electric Ind Co Ltd | 画像復元方法およびその装置 |
| CN101441764A (zh) * | 2008-12-31 | 2009-05-27 | 中国资源卫星应用中心 | 一种mtfc遥感图像复原方法 |
| CN102768756A (zh) * | 2012-06-15 | 2012-11-07 | 武汉工程大学 | 目标探测多谱图像的通用复原方法 |
| CN103679652A (zh) * | 2013-11-29 | 2014-03-26 | 北京空间机电研究所 | 一种大幅提高成像质量的图像复原系统 |
| CN106841115A (zh) * | 2017-02-07 | 2017-06-13 | 南京理工大学 | 基于空间频率特征的海面溢油检测方法 |
Non-Patent Citations (6)
| Title |
|---|
| 孙业超等: "基于统一设备架构的影像实时MTF补偿方法", 《航天返回与遥感》 * |
| 孙秋成等: "基于三次样条插值的亚像素边缘检测方法", 《控制工》 * |
| 成飞: "基于预估点扩展函数的光学遥感图像去模糊研究", 《上海航天》 * |
| 朱近等: "基于弯曲刃边的中低分辨率遥感影像MTF计算方法", 《遥感信息》 * |
| 李进等: "空间CCD相机高精度在轨调制传递函数估算", 《光学学报》 * |
| 王治中等: "GF-2星全色相机在轨MTF测量和图像复原研究", 《国土资源遥感》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110673330A (zh) * | 2019-09-02 | 2020-01-10 | 南京理工大学 | 基于散射的成像系统景深拓展装置及方法 |
| CN110673330B (zh) * | 2019-09-02 | 2021-09-28 | 南京理工大学 | 基于散射的成像系统景深拓展装置及方法 |
| CN111127330A (zh) * | 2019-10-16 | 2020-05-08 | 北京理工大学深圳研究院 | 单幅遥感影像微振铃分块快速维纳复原方法 |
| CN111127330B (zh) * | 2019-10-16 | 2024-05-07 | 北京理工大学深圳研究院 | 单幅遥感影像微振铃分块快速维纳复原方法 |
| CN111610001A (zh) * | 2020-05-25 | 2020-09-01 | 中国科学院长春光学精密机械与物理研究所 | 一种宽幅遥感图像mtf地面模拟测试装置 |
| CN111610001B (zh) * | 2020-05-25 | 2021-09-21 | 中国科学院长春光学精密机械与物理研究所 | 一种宽幅遥感图像mtf地面模拟测试装置 |
| CN112233031A (zh) * | 2020-10-15 | 2021-01-15 | 苏州科技大学 | 一种液晶显示动态图像感知效果补偿方法及系统 |
| CN113188765A (zh) * | 2021-04-23 | 2021-07-30 | 长光卫星技术有限公司 | 一种用于可见光探测器mtf与抗弥散测试的测试系统 |
| CN113962897A (zh) * | 2021-11-02 | 2022-01-21 | 中国空间技术研究院 | 基于序列遥感影像的调制传递函数补偿方法及装置 |
| CN114399688A (zh) * | 2021-12-15 | 2022-04-26 | 中国资源卫星应用中心 | 一种遥感图像刃边区域的选取方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109035139B (zh) | 2022-11-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109035139A (zh) | 一种高分辨率卫星影像调制传递函数补偿方法 | |
| 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 | |
| CN102147915B (zh) | 一种权重的稀疏边缘正则化图像复原方法 | |
| US7876973B2 (en) | Edge ringing artifact suppression methods and apparatuses | |
| EP2164040B1 (en) | System and method for high quality image and video upscaling | |
| CN107749987B (zh) | 一种基于块运动估计的数字视频稳像方法 | |
| CN104282003B (zh) | 一种基于梯度筛选的数字模糊图像盲复原方法 | |
| CN102866260B (zh) | 非接触式河流表面流场成像量测方法 | |
| CN102326379A (zh) | 从图像中去除模糊的方法以及在其上记录该方法的记录介质 | |
| CN110020994B (zh) | 一种红外目标图像的大气湍流校正方法 | |
| CN104103050A (zh) | 一种基于局部策略的真实视频复原方法 | |
| JP2012208553A (ja) | 画像処理装置、および画像処理方法、並びにプログラム | |
| JP2009538582A (ja) | 画像のノイズ除去及び制御されたブレ除去のための曲率保存フィルタ | |
| Huebner et al. | Software-based mitigation of image degradation due to atmospheric turbulence | |
| CN111899196A (zh) | 一种基于经典复原算法的叶片缺陷运动模糊图像复原方法 | |
| Wang et al. | Optical satellite image MTF compensation for remote-sensing data production | |
| CN112465728B (zh) | 视频图像处理方法、系统、电子设备及存储介质 | |
| Bareja et al. | An improved iterative back projection based single image super resolution approach | |
| Samed et al. | An Improved star detection algorithm using a combination of statistical and morphological image processing techniques | |
| Nunes et al. | A novel approach for mitigating atmospheric turbulence using weighted average Sobolev gradient and Laplacian | |
| CN113592738A (zh) | 一种水下扭曲图像复原方法 | |
| CN107154019B (zh) | 一种基于lr-几何插值的电磁成像超分辨方法 | |
| Zhu et al. | Image Restoration Based on Wiener Filter and Constrained Least Square Filter | |
| Jayapriya et al. | A study on image restoration and its various blind image deconvolution algorithms | |
| Ray et al. | Multi-mask based stabilization of turbulence degraded videos containing moving objects |
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 | ||
| CB02 | Change of applicant information |
Address after: No. 1299, Mingxi Road, Beihu science and Technology Development Zone, Changchun City, Jilin Province Applicant after: Changguang Satellite Technology Co.,Ltd. Address before: 130032 No. 1759, Mingxi Road, Gaoxin North District, Changchun City, Jilin Province Applicant before: CHANG GUANG SATELLITE TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A High Resolution Satellite Image Modulation Transfer Function Compensation Method Granted publication date: 20221122 Pledgee: Jilin Province Trust Co.,Ltd. Pledgor: Changguang Satellite Technology Co.,Ltd. Registration number: Y2024220000062 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |