CN110807768A - 一种基于mtf的遥感图像质量评价方法 - Google Patents
一种基于mtf的遥感图像质量评价方法 Download PDFInfo
- Publication number
- CN110807768A CN110807768A CN201911039596.5A CN201911039596A CN110807768A CN 110807768 A CN110807768 A CN 110807768A CN 201911039596 A CN201911039596 A CN 201911039596A CN 110807768 A CN110807768 A CN 110807768A
- Authority
- CN
- China
- Prior art keywords
- mtf
- remote sensing
- fitting
- evaluation method
- sensing image
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 20
- 238000009792 diffusion process Methods 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000009795 derivation Methods 0.000 claims abstract description 6
- 238000009826 distribution Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 abstract description 23
- 230000009286 beneficial effect Effects 0.000 abstract description 5
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000012546 transfer Methods 0.000 abstract description 2
- 238000003384 imaging method Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- 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 Analysis (AREA)
Abstract
本发明属于遥感技术领域，具体涉及一种基于MTF的遥感图像质量评价方法。本发明包括以下步骤：步骤一：选取计算区域；步骤二：对图像阶跃边缘进行直线拟合；步骤三：拟合边缘扩散函数；步骤四：求导得到线扩散函数；步骤五：傅里叶变换得到MTF。本发明解决了对遥感图像进行客观评价的问题。本发明可以对遥感图像进行客观评价，避免主观评价方法依靠测试员对遥感图像进行人工判读，费时费力，不利于海量遥感数据的自动判读等问题。在遥感图像处理的实际应用中，往往无法得到失真图像所对应的参考图像，有参考的评价方法并不适用，因此像基于MTF这类的无参考型评价方法有更大的应用优势和更加广泛的适用范围。
Description
技术领域
本发明属于遥感技术领域，具体涉及一种基于MTF的遥感图像质量评价方法。
背景技术
对地观测遥感器长期在轨运行期间，受自身元器件老化、空间环境变化、传输介质等因素影响，使得数据在获取、传输、处理、存储过程中，不同程度的引起图像质量下降，极大影响图像配准、融合、目标辨识、变化监测等后续处理与应用。为了评价不同失真类型的遥感图像质量，研究针对各种降质因素评价指标的综合因子十分重要。通过对遥感图像进行质量分析与评价，可以指导在轨遥感载荷的成像控制，还能对图像的应用价值做出初步评估，具有广泛的应用价值。
遥感图像质量评价分为主观和客观评价两种方法。主观评价方法依靠测试员对遥感图像进行人工判读，能对图像整体清晰度、细节呈现度等图像质量做出判断，这种评价结果符合人眼的视觉效果，但费时费力，不利于海量遥感数据的自动判读。客观评价方法依据数学评价模型给出图像质量的量化指标，根据度量时是否需要参考图像可以分为全参考评价、部分参考评价和无参考型评价三种方法。全参考评价方法和部分参考评价方法是指在已知完整或部分参考图像的情况下，通过比较失真图像与参考图像的差异得到失真图像的质量评价，常用的评价指标有均方误差(Mean Square Error，MSE)、峰值信噪比(PeakSignal-to-Noise Ratio，PSNR)和结构相似度(Structural Similarity，SSIM)等。MTF是反映遥感器在轨成像的重要指标，直接反映了图像的两个重要特性：分辨率和对比度。MTF能够衡量遥感成像系统整体的性能好坏，它是目前应用到对地观测的光学成像系统的空间特性评价中最重要的一个评价参数。
成像系统MTF的大小会对成像质量的好坏产生直接的影响，表达了系统重新分配光能的特性，体现了能量分配的变化程度。MTF的函数值越大，表明光能分配的变化越小，也就说明光学系统的性能越好。当MTF值为1，说明一个点光源在其成像之后为一个点，此时成的像可以完全反映相应的物的情况。MTF太小会直接导致所得到的图像细节出现模糊不清楚的情况，如边缘纹理等，而要制造出比较大的MTF的成像系统会増加技术难度及制造成本。采用计算Nyquist频率处的MTF值来表征图像质量的好坏，Nyquist频率处的MTF值越大表明图像质量越好，反之，图像质量则越差。
现有技术中，采用无参考方法相比于有参考的方法不需要原始图像的信息，能够直接对失真图像进行评价。但在遥感图像处理的实际应用中，往往无法得到失真图像所对应的参考图像，有参考的评价方法并不适用，因此无参考型评价方法有更大的应用优势和更加广泛的适用范围。
而且主观评价方法依靠测试员对遥感图像进行人工判读，费时费力，不利于海量遥感数据的自动判读等问题。在遥感图像处理的实际应用中，往往无法得到失真图像所对应的参考图像，有参考的评价方法并不适用，因此需要设计一种基于MTF这类的无参考型遥感图像质量评价方法的用以应用到遥感图像处理的实际应用中。
发明内容
本发明针对现有技术不足，提出一种基于MTF的遥感图像质量评价方法，用以解决现有技术中采用主观评价方法进行人工判读，费时费力，不利于海量遥感数据自动判读、无法得到失真图像所对应的参考图像，无法应用到遥感图像处理的实际应用中等技术问题。
本发明的技术方案如下所述：
一种基于MTF的遥感图像质量评价方法，包括以下步骤：
步骤一：选取计算区域；
步骤二：对图像阶跃边缘进行直线拟合；
步骤三：拟合边缘扩散函数；
步骤四：求导得到线扩散函数；
步骤五：傅里叶变换得到MTF。
如上所述步骤一选取计算区域包括：从遥感图像中选取亮度值差异明显并具有直线阶跃边缘的地物作为计算区域。
如上所述步骤二对图像阶跃边缘进行直线拟合包括：采用直线拟合图像阶跃边缘，直线拟合公式如下：
y＝p+qx
其中，x、y为每一点的坐标，p、q表示直线的参数，为待拟合的参数，其计算公式如下式:
其中，是边缘点的坐标均值，xi、yi为序号为i的对应点的坐标值，n为选取的阶跃边缘点的个数。
如上所述步骤三拟合边缘扩散函数包括步骤如下所述：
计算选取图像中每一点到所得拟合直线的距离，以距离为横坐标，对应点的灰度值为纵坐标，绘制图像点在“距离—DN值”坐标系中的离散点分布图，其分布图一般呈现为阶跃状；采用曲线拟合的方法对离散点进行拟合，得到边缘扩散函数；采用费米函数进行拟合具有一般性，效果较好；费米函数的一般表达式如下：
其中，式中的a、b、c和d为方程的待定系数，e为自然常数，应满足以下条件:
即离散点到拟合曲线的距离之和应最小。
如上所述步骤四求导得到线扩散函数包括：将步骤三中得到的边缘扩散函数，对其直接求导，即可得到线扩散函数。
如上所述步骤五傅里叶变换得到MTF包括：对线扩散函数进行截断，只保留波峰及两侧平缓的区域；对截断后的线扩散函数以0.05的间隔离散化采样，然后对此区间做一维离散傅立叶变换，变换过程如下式所示:
MTF(n)＝|FFT(LSF(n))|
以变换后的直流分量为基准，做处理，即可得到所求的MTF序列；
normalize_MTF(n)＝MTF(n)/MTF(1)。
本发明的有益效果为：
(1)本发明设计的一种基于MTF的遥感图像质量评价方法，可以对遥感图像进行客观评价，避免主观评价方法依靠测试员对遥感图像进行人工判读，费时费力，不利于海量遥感数据的自动判读等问题；
(2)本发明设计的一种基于MTF的遥感图像质量评价方法，不需要参考图像，在遥感图像处理的实际应用中有更大的应用优势和更加广泛的适用范围。
附图说明
图1为本发明设计的一种基于MTF的遥感图像质量评价方法流程图；
具体实施方式
下面结合附图和实施例对本发明的一种基于MTF的遥感图像质量评价方法进行详细说明。
实施例1
如图1所示，本实施例的一种基于MTF的遥感图像质量评价方法，包括以下步骤：步骤一：选取计算区域；步骤二：对图像阶跃边缘进行直线拟合；步骤三：拟合边缘扩散函数；步骤四：求导得到线扩散函数；步骤五：傅里叶变换得到MTF。
步骤一：选取计算区域
从遥感图像中选取亮度值差异明显并具有直线阶跃边缘的地物作为计算区域，可以选择机场、高速公路等作为计算区域。
步骤二：对图像阶跃边缘进行直线拟合
对选取计算区域的每一行数据，采用差分的方法，记录每一行差分结果的最大值与对应的位置，将其作为备选边缘点。绘制备选边缘点的散点图，采用直线拟合备选点分布位置作为图像阶跃边缘，直线拟合公式如下式：
y＝a+bx
其中，x、y为每一点的坐标，a、b为待拟合的参数，其计算公式如下式:
其中，
是边缘点的坐标均值，xi、yi为序号为i的对应点的坐标值。
为去除由于噪声引入的跳变点，可以采用多次拟合的办法，第一次根据所有的备选边缘点拟合，得到粗略的拟合边缘，然后剔除距离拟合直线距离最远的点，重复以上拟合步骤进行迭代，当所有备选点到拟合直线的距离小于设定阈值的时候，停止迭代，最终即得到精确的拟合直线，该直线可认为是检测到的阶跃边缘。通过上述多次迭代，有效的去除了跳变点对拟合直线的影响，提高了后续计算的精度。
步骤三：拟合边缘扩散函数
拟合边缘扩散函数的步骤如下所述：
计算选取图像中每一点到所得拟合直线的距离，以距离为横坐标，对应点的灰度值为纵坐标，绘制图像点在“距离—DN值”坐标系中的离散点分布图，其分布图一般呈现为阶跃状。采用曲线拟合的方法对离散点进行拟合，得到边缘扩散函数。采用费米函数进行拟合具有一般性，效果较好。费米函数的一般表达式如下：
其中，式中的a、b、c和d为方程的待定系数，应满足以下条件:
即离散点到拟合曲线的距离之和应最小。
步骤四：求导得到线扩散函数
上一步得到的边缘扩散函数，对其直接求导，即可得到线扩散函数。
步骤五：傅里叶变换得到MTF
在计算MTF时，要求刃边两侧的区域相对比较均匀，需要对线扩散函数进行截断，只保留波峰及两侧平缓的区域。对截断后的线扩散函数以0.05的间隔离散化采样，然后对此区间做一维离散傅立叶变换，变换过程如下式所示:
MTF(n)＝|FFT(LSF(n))|
以变换后的直流分量为基准，做处理，即可得到所求的MTF序列。
normalize_MTF(n)＝MTF(n)/MTF(1)
以上的具体描述，对发明的目的、技术方案和有益效果进行了详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，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 (6)
1.一种基于MTF的遥感图像质量评价方法，其特征在于：包括以下步骤：
步骤一：选取计算区域；
步骤二：对图像阶跃边缘进行直线拟合；
步骤三：拟合边缘扩散函数；
步骤四：求导得到线扩散函数；
步骤五：傅里叶变换得到MTF。
2.根据权利要求1所述的一种基于MTF的遥感图像质量评价方法，其特征在于：所述步骤一选取计算区域包括：从遥感图像中选取亮度值差异明显并具有直线阶跃边缘的地物作为计算区域。
3.根据权利要求2所述的一种基于MTF的遥感图像质量评价方法，其特征在于：所述步骤二对图像阶跃边缘进行直线拟合包括：采用直线拟合图像阶跃边缘，直线拟合公式如下：
y＝p+qx
其中，x、y为每一点的坐标，p、q表示直线的参数，为待拟合的参数，其计算公式如下式:
其中，是边缘点的坐标均值，xi、yi为序号为i的对应点的坐标值，n为选取的阶跃边缘点的个数。
4.根据权利要求3所述的一种基于MTF的遥感图像质量评价方法，其特征在于：所述步骤三拟合边缘扩散函数包括步骤如下所述：
计算选取图像中每一点到所得拟合直线的距离，以距离为横坐标，对应点的灰度值为纵坐标，绘制图像点在“距离—DN值”坐标系中的离散点分布图，其分布图一般呈现为阶跃状；采用曲线拟合的方法对离散点进行拟合，得到边缘扩散函数；采用费米函数进行拟合具有一般性，效果较好；费米函数的一般表达式如下：
其中，式中的a、b、c和d为方程的待定系数，e为自然常数应满足以下条件:
即离散点到拟合曲线的距离之和应最小。
5.根据权利要求4所述的一种基于MTF的遥感图像质量评价方法，其特征在于：所述步骤四求导得到线扩散函数包括：将步骤三中得到的边缘扩散函数，对其直接求导，即可得到线扩散函数。
6.根据权利要求5所述的一种基于MTF的遥感图像质量评价方法，其特征在于：所述步骤五傅里叶变换得到MTF包括：对线扩散函数进行截断，只保留波峰及两侧平缓的区域；对截断后的线扩散函数以0.05的间隔离散化采样，然后对此区间做一维离散傅立叶变换，变换过程如下式所示:
MTF(n)＝|FFT(LSF(n))|
以变换后的直流分量为基准，做处理，即可得到所求的MTF序列；
normalize_MTF(n)＝MTF(n)/MTF(1)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911039596.5A CN110807768A (zh) | 2019-10-29 | 2019-10-29 | 一种基于mtf的遥感图像质量评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911039596.5A CN110807768A (zh) | 2019-10-29 | 2019-10-29 | 一种基于mtf的遥感图像质量评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110807768A true CN110807768A (zh) | 2020-02-18 |
Family
ID=69489509
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911039596.5A Pending CN110807768A (zh) | 2019-10-29 | 2019-10-29 | 一种基于mtf的遥感图像质量评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110807768A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112729558A (zh) * | 2020-12-25 | 2021-04-30 | 武汉高德智感科技有限公司 | 一种红外热成像装置的测试调整系统及方法 |
| CN117152069A (zh) * | 2023-08-17 | 2023-12-01 | 哈尔滨工业大学 | 一种空间目标高精度指向与成像评估试验装置及其试验方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7783440B1 (en) * | 2007-07-24 | 2010-08-24 | Itt Manufacturing Enterprises, Inc. | Obtaining an optical transfer function (OTF) from an edge in a sampled image data set |
| CN101980293A (zh) * | 2010-09-02 | 2011-02-23 | 北京航空航天大学 | 一种基于刃边图像的高光谱遥感系统mtf检测方法 |
| CN104537646A (zh) * | 2014-12-12 | 2015-04-22 | 南京理工大学 | 遥感图像的多角度自动mtf估计方法 |
| CN104820980A (zh) * | 2015-04-15 | 2015-08-05 | 北京空间机电研究所 | 自适应高精度mtf测量方法 |
| CN105069313A (zh) * | 2015-08-24 | 2015-11-18 | 北京理工大学 | 基于相位非线性重采样拟合刃边的在轨mtf估计方法 |
-
2019
- 2019-10-29 CN CN201911039596.5A patent/CN110807768A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7783440B1 (en) * | 2007-07-24 | 2010-08-24 | Itt Manufacturing Enterprises, Inc. | Obtaining an optical transfer function (OTF) from an edge in a sampled image data set |
| CN101980293A (zh) * | 2010-09-02 | 2011-02-23 | 北京航空航天大学 | 一种基于刃边图像的高光谱遥感系统mtf检测方法 |
| CN104537646A (zh) * | 2014-12-12 | 2015-04-22 | 南京理工大学 | 遥感图像的多角度自动mtf估计方法 |
| CN104820980A (zh) * | 2015-04-15 | 2015-08-05 | 北京空间机电研究所 | 自适应高精度mtf测量方法 |
| CN105069313A (zh) * | 2015-08-24 | 2015-11-18 | 北京理工大学 | 基于相位非线性重采样拟合刃边的在轨mtf估计方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112729558A (zh) * | 2020-12-25 | 2021-04-30 | 武汉高德智感科技有限公司 | 一种红外热成像装置的测试调整系统及方法 |
| CN117152069A (zh) * | 2023-08-17 | 2023-12-01 | 哈尔滨工业大学 | 一种空间目标高精度指向与成像评估试验装置及其试验方法 |
| CN117152069B (zh) * | 2023-08-17 | 2024-08-20 | 哈尔滨工业大学 | 一种空间目标高精度指向与成像评估试验装置及其试验方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105719298B (zh) | 一种基于边缘检测技术的线扩散函数提取的方法 | |
| CN111551117B (zh) | 显微图像焦点漂移距离的测量方法及系统、计算机设备 | |
| JP2009009593A (ja) | 電光画像処理システム | |
| CN110807768A (zh) | 一种基于mtf的遥感图像质量评价方法 | |
| CN103279950B (zh) | 一种基于行列噪声标准差的遥感图像信噪比评估方法 | |
| CN111415349A (zh) | 一种基于图像处理技术的涤纶长丝毛丝检测方法 | |
| CN105116412B (zh) | 一种宽带雷达isar图像性能定量判别方法 | |
| CN107133937B (zh) | 一种红外图像的自适应增强方法 | |
| CN116930192B (zh) | 一种高精度铜管缺陷检测方法及系统 | |
| CN117495827A (zh) | 一种基于皮肤检测仪的图像评估方法 | |
| CN117058106A (zh) | 基于随机森林的柔性玻璃平面度及表面缺陷的测量方法 | |
| CN115015957A (zh) | 一种基于调制传递函数的激光反射层析成像质量评价方法 | |
| CN108416770B (zh) | 一种基于视觉显著性的图像质量评价方法 | |
| CN107782447B (zh) | 成像光谱仪光谱定标中空间维自动识别方法及系统 | |
| Bibikov et al. | Detection and color correction of artifacts in digital images | |
| CN109357754A (zh) | 一种基于深度学习的隧道洞内外亮度仪标定方法及系统 | |
| CN111257854B (zh) | 一种通用的基于遥感影像分割单元的地形校正优化方法 | |
| KR101682407B1 (ko) | 측정 데이터를 스무딩하기 위한 최적 기준 데이터 수의 결정 방법 및 측정 데이터의 보정 방법 | |
| CN106327497A (zh) | 基于超广延熵的灰度图像阈值分割方法 | |
| US8655099B2 (en) | Relationship maintenance in an image process | |
| US10169870B2 (en) | Objective method for assessing high contrast resolution of image based on Rayleigh criterion and testing operating method | |
| CN117542462B (zh) | 一种实测数据驱动的空间目标光学散射特性模拟方法 | |
| Cai et al. | Dam-based rolling ball with fuzzy-rough constraints, a new background subtraction algorithm for image analysis in microscopy | |
| CN116468657B (zh) | 植株长势的检测方法、设备、装置及计算机存储介质 | |
| CN117115488B (zh) | 一种基于图像处理的水表检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200218 |