CN112488975A - 一种非均匀阵列探测激光光斑图像的复原显示方法 - Google Patents

Abstract

本发明公开了一种非均匀阵列探测激光光斑图像的复原显示方法，采用分层次插值的方法对非均匀像素的图像按照密度的差异分成三层区域，然后分别计算三层区域图像中图像各个方向的梯度值，再根据梯度值计算出扩散梯度值，接着采用Lanczos插值法求出高分辨率图像的梯度扩散值，之后根据扩散梯度值，判断是否为边缘点，如果该点是非边缘点，则采用Lanczos插值法，利用周围已知像素点插值出高分辨图像的未知点，如果该点是边缘点则利用下列公式，进行边缘融合插值算法，插出高分辨图像的未知像素点，最后将三个层次的图像合并成一幅图像。本发明降低了复原光斑的误差，对探测点的布放位置不敏感，从而更为准确地复原光斑图像。

Description

一种非均匀阵列探测激光光斑图像的复原显示方法

技术领域

本发明属于图像复原技术，具体为一种非均匀阵列探测激光光斑图像的复原显示方法。

背景技术

多光谱光电系统外场综合性能测试系统用于在野外的外场条件下对光电系统的光轴一致性、激光光斑能量分布、激光脉冲频率精度等进行测试。光斑照射在靶板上，被InGaAs探测器阵列接收。由于激光光强从中心开始逐渐递减，为了更好的节省资源，阵列探测法测量得到的是经过空间取样后的光斑强度时空分布的分立值，不可避免的丢失了部分远场光斑强度时空分布的信息。目前主流的光斑图像复原就是线性插值法(如邻域插值法，双线性插值法等)即根据现有的阵列位置所得到的光强值，通过线性插值法，来恢复出空间里的空白值，得到完整的光斑图像。

在传统的线性插值法中，所有的空白像素点的值都是由周围阵列的像素值在一样的规则下加权平均得到的。其中，空白点距离阵列越远的点权值越小，反之空白点距离阵列越近的点权值越大。在线性插值中，所有点都是通过权值计算来得到的，在这过程中，图像已经被做了一些平滑处理，导致边缘信息丢失，使图像变的模糊。

发明内容

本发明提出了一种非均匀阵列探测激光光斑图像的复原显示方法。

实现本发明的技术解决方案为：一种非均匀阵列探测激光光斑图像的复原显示方法，具体步骤为：

步骤1：对激光光斑图像的不同分布密度区域进行采样，得到三幅图像，包括以间隔3个像素点由外向内对激光光斑图像进行采样得到第一幅图像；以间隔1个像素点对除去最外层分布密度区域的激光光斑图像进行采样得到第二幅图像；以无间隔像素点对最内层分布密度区域的初始激光光斑图像进行采样得到第三幅图像；

步骤2：分别计算第一幅图像与第二幅图像的各个方向的梯度值；

步骤3：根据梯度值分别计算第一幅图像与第二幅图像的扩散梯度值；

步骤4：根据扩散梯度值，求出分辨率扩大后的第一幅图像和第二幅图像不同方向上的扩散梯度值；

步骤5：根据扩大分辨率后的图像的各点扩散梯度值确定各点是否为边缘点，如果该点是非边缘点，则采用Lanczos插值法，利用周围已知像素点插值出未知点，如果该点是边缘点则采用边缘融合插值算法，插出未知像素点，得到第一次插值后的第一幅图像和第二幅图像；

步骤6：对第一次插值后的第一幅图像重复执行一次步骤4、5；

步骤7：将第三幅图像替换掉插值后的第二幅图像中心对应区域得到第一合成图像，用第一合成图像替换步骤6得到的第一幅图像中心对应区域。

优选地，计算第一幅和第二幅图像各个方向的梯度值U_θ的具体公式为：

U_θ＝f(i,j)*Kernel

式中，f(i,j)是图像在i,j像素点的像素值，Kernel是卷积核，“*”是卷积运算符。

优选地，计算4个方向的梯度值，分别为：θ＝0°，θ＝90°，θ＝45°，θ＝135°，

当θ＝0°时，

当θ＝90°，

当θ＝45°，

当θ＝135°，

优选地，第一幅和第二幅图像的各个方向的扩散梯度值u_θ满足能量泛函模型：

E(u_θ)＝E_d(u_θ)+λE_s(u_θ)

其中,λ是一个正则参数，u_θ是θ方向的扩散梯度值，E_d(u_θ)是数据保真项，形式为：

其中，U_θ是θ方向上的梯度值；

E_s(u_θ)是平滑项，表示为：

E(u_θ)表示表示扩散后的能量值。

优选地，根据扩散梯度值，求出分辨率扩大后的第一幅图像和第二幅图像不同方向上的扩散梯度值的具体方法为：将步骤1中的第一幅图像、第二幅图像分辨率扩大两倍，将步骤3得到的扩散梯度值复制到扩大两倍后的图像的对应位置；对于扩大分辨率后的图像的空白处的扩散梯度值为采用Lanczos插值算法插值求得的值。

优选地，扩大分辨率后的图像的空白处的扩散梯度值的具体计算公式为：

式中，x，y是像素坐标点，a为参数，L(x)是x方向插值核函数，L(y)是y方向的插值核函数，s_i,j是已知像素点的扩散梯度值。

优选地，根据扩大分辨率后的图像的各点扩散梯度值确定各点是否为边缘点的具体方法为：

将对角线方向的每个像素点对应的扩散梯度值作差，若差值大于设定阈值，则该像素点为边缘像素点。

优选地，采用边缘融合插值算法，插出未知像素点的具体公式为：

I＝ω(I_a+I_b)+(0.5-ω)(I_c+I_d)

ω是可调参数，I表示的是待求像素的灰度值，I_a，I_b，I_c，I_d表示已知的像素灰度值。

本发明与现有技术相比，其显著优点为：本发明利用边缘扩散得到的低分辨图像每个像素的性质，来精确的预测出高分辨图像每个像素的性质，使得插值后的图像更加精确，边缘信息更加完整；本发明降低了复原光斑的误差，对探测点的布放位置不敏感，从而更为准确地复原光斑图像。

下面结合附图对本发明做进一步详细的描述。

附图说明

图1为本发明一种非均匀阵列探测激光光斑图像的复原显示方法的流程图。

图2为探测器阵列图像。

图3为探测器阵列获取的图像

图4为传统的线性插值的复原图像。

图5为本发明步骤8插值的复原图像。

具体实施方式

如图3所示，一种非均匀阵列探测激光光斑图像的复原显示方法，具体步骤为：

步骤1：对探测器探测的非均匀像素图像的不同分布密度区域采样得到三幅图像；

以间隔3个像素点由外向内对整幅初始激光光斑图像进行采样得到第一幅需要4倍插值放大的19×19分辨率大小的低分辨率图像；

以间隔为1个像素点对除去最外层的初始激光光斑图像进行采样得到第二幅需要2倍插值放大的21×21分辨率大小的低分辨率图像；

以无间隔像素点对最内层的初始激光光斑图像进行采样，得到第三幅无需要插值放大的21×21分辨率大小的图像。

将图3中激光光斑图像与图2中探测器排布对应位置的像素点称为已知像素点，将整个非均匀像素光斑图像根据已知像素点的分布密度差异分成三层区域，由内而外分别称为最内层，中间层和最外层，每一层的已知像素点间隔都相同，其中最内层是已知像素点密度最大的区域，该区域共有441个已知像素点大小，中间层是已知像素点与已知像素点之间间隔1个像素点的区域，该区域内共有320个已知像素点，最外层是已知像素点与已知像素点之间间隔3个像素点的区域，该区域共有240个已知像素点；

步骤2：分别计算第一幅图像与第二幅图像的各个方向的梯度值。

进一步的实施例中，计算第一幅和第二幅图像各个方向的梯度值U_θ，考虑低分辨图像在θ方向上的梯度，图像的梯度通过下面离散卷积求解：

U_θ＝f(i,j)*Kernel

式中，f(i,j)是图像在i,j像素点的像素值，Kernel是卷积核，“*”是卷积运算符，对于数字图像而言，卷积的方向也是离散的，因此计算4个边缘方向，即θ＝0°，θ＝90°，θ＝45°，θ＝135°；

当θ＝0°时，

当θ＝90°，

当θ＝45°，

当θ＝135°，

步骤3：根据梯度值计算扩散梯度值。

进一步的实施例中，计算第一幅和第二幅图像的各个方向的扩散梯度值u_θ,

满足以下的能量泛函模型：

E(u_θ)＝E_d(u_θ)+λE_s(u_θ)

其中,λ是一个正则参数，默认值为0.2。u_θ是θ方向的扩散梯度值，E_d(u_θ)是数据保真项，目的是使扩散后的边缘保持原有的特性，形式为：

其中，U_θ是θ方向上的梯度值，E_s(u_θ)是平滑项，用来促进边缘的扩散，抑制非边缘的扩散，表示为：

E(u_θ)表示表示扩散后的能量值。

步骤4：根据扩散梯度值，求出分辨率扩大后的第一幅图像和第二幅图像不同方向上的扩散梯度值。

进一步的实施例中，将步骤1中的第一幅图像、第二幅图像分辨率扩大两倍，将第一幅图像、第二幅图像的扩散梯度值复制到扩大两倍后的图像的对应的位置，对于扩大分辨率后的图像的空白处的扩散梯度值，根据步骤3求出的已知的扩散梯度值，采用下列Lanczos插值算法插值求出。

其中，L(x)是插值核函数，a为参数，一般取3和2。

推广到二维图像插值时核函数为：

L(x,y)＝L(x)·L(y)

其中，L(x,y)是二维插值核函数，L(x)是x方向插值核函数，L(y)是y方向的插值核函数。

待插值点的扩散梯度值由下式计算得到：

式中S(x,y)为待插值点的扩散梯度值，

为向下取整运算符。

步骤5：根据扩大分辨率后的图像的各点扩散梯度值确定各点是否为边缘点。

确定方法具体为：

将扩大分辨率后的图像4个方向的扩散梯度值信息，分为两组，θ＝0°和θ＝90°为一组，θ＝45°和θ＝135°为另外一组。

关于θ＝0°方向和θ＝90°方向上每个像素，若存在|u_0°-u_90°|≥T，则该像素为边缘像素点，否则该点位非边缘像素点。若u_0°-u_90°>T，则边缘方向是90°方向，反之为0°。u_0°，u_90°分别是水平、竖直方向上的扩散梯度值。

同理，θ＝45°和θ＝135°这一组同样方法可以确定边缘点和边缘方向。

如果该点是非边缘点，则采用Lanczos插值法，利用周围已知像素点插值出高分辨图像的未知点，如果该点是边缘点则利用下列公式，进行边缘融合插值算法，插出未知像素点：

I＝ω(I_a+I_b)+(0.5-ω)(I_c+I_d)

ω是可调参数，I表示的是待求像素的灰度值，I_a，I_b，I_c，I_d表示已知的像素灰度值。

步骤6：对插值后的第一幅图像重复执行一次步骤4、5；

步骤7：将第三幅图像替换掉插值后的第二幅图像中心21×21区域，用扩大后的第二幅图像替换掉扩大后的第一幅图像中心的41×41区域，得到一幅均匀的插值后的图像。

Claims (8)

1.一种非均匀阵列探测激光光斑图像的复原显示方法，其特征在于，具体步骤为：

步骤1：对激光光斑图像的不同分布密度区域进行采样，得到三幅图像，包括以间隔3个像素点由外向内对激光光斑图像进行采样得到第一幅图像；以间隔1个像素点对除去最外层分布密度区域的激光光斑图像进行采样得到第二幅图像；以无间隔像素点对最内层分布密度区域的初始激光光斑图像进行采样得到第三幅图像；

步骤2：分别计算第一幅图像与第二幅图像的各个方向的梯度值；

步骤3：根据梯度值分别计算第一幅图像与第二幅图像的扩散梯度值；

步骤4：根据扩散梯度值，求出分辨率扩大后的第一幅图像和第二幅图像不同方向上的扩散梯度值；

步骤5：根据扩大分辨率后的图像的各点扩散梯度值确定各点是否为边缘点，如果该点是非边缘点，则采用Lanczos插值法，利用周围已知像素点插值出未知点，如果该点是边缘点则采用边缘融合插值算法，插出未知像素点，得到第一次插值后的第一幅图像和第二幅图像；

步骤6：对第一次插值后的第一幅图像重复执行一次步骤4、5；

步骤7：将第三幅图像替换掉插值后的第二幅图像中心对应区域得到第一合成图像，用第一合成图像替换步骤6得到的第一幅图像中心对应区域。

2.根据权利要求1所述的非均匀阵列探测激光光斑图像的复原显示方法，其特征在于，计算第一幅和第二幅图像各个方向的梯度值U_θ的具体公式为：

U_θ＝f(i,j)*Kernel

式中，f(i,j)是图像在i,j像素点的像素值，Kernel是卷积核，“*”是卷积运算符。

3.根据权利要求2所述的非均匀阵列探测激光光斑图像的复原显示方法，其特征在于，计算4个方向的梯度值，分别为：θ＝0°，θ＝90°，θ＝45°，θ＝135°，

当θ＝0°时，

当θ＝90°，

当θ＝45°，

当θ＝135°，

4.根据权利要求1所述的非均匀阵列探测激光光斑图像的复原显示方法，其特征在于，第一幅和第二幅图像的各个方向的扩散梯度值u_θ满足能量泛函模型：

E(u_θ)＝E_d(u_θ)+λE_s(u_θ)

其中,λ是一个正则参数，u_θ是θ方向的扩散梯度值，E_d(u_θ)是数据保真项，形式为：

其中，U_θ是θ方向上的梯度值；

E_s(u_θ)是平滑项，表示为：

E(u_θ)表示表示扩散后的能量值。

5.根据权利要求1所述的非均匀阵列探测激光光斑图像的复原显示方法，其特征在于，根据扩散梯度值，求出分辨率扩大后的第一幅图像和第二幅图像不同方向上的扩散梯度值的具体方法为：将步骤1中的第一幅图像、第二幅图像分辨率扩大两倍，将步骤3得到的扩散梯度值复制到扩大两倍后的图像的对应位置；对于扩大分辨率后的图像的空白处的扩散梯度值为采用Lanczos插值算法插值求得的值。

6.根据权利要求5所述的非均匀阵列探测激光光斑图像的复原显示方法，其特征在于，扩大分辨率后的图像的空白处的扩散梯度值的具体计算公式为：

式中，x，y是像素坐标点，a为参数，L(x)是x方向插值核函数，L(y)是y方向的插值核函数，s_i,j是已知像素点的扩散梯度值。

7.根据权利要求1所述的非均匀阵列探测激光光斑图像的复原显示方法，其特征在于，根据扩大分辨率后的图像的各点扩散梯度值确定各点是否为边缘点的具体方法为：

将对角线方向的每个像素点对应的扩散梯度值作差，若差值大于设定阈值，则该像素点为边缘像素点。

8.根据权利要求1所述的非均匀阵列探测激光光斑图像的复原显示方法，其特征在于，采用边缘融合插值算法，插出未知像素点的具体公式为：

I＝ω(I_a+I_b)+(0.5-ω)(I_c+I_d)

ω是可调参数，I表示的是待求像素的灰度值，I_a，I_b，I_c，I_d表示已知的像素灰度值。

Images