CN113793282B

CN113793282B - 一种空间相机传函测试图像莫尔条纹模糊去除方法

Info

Publication number: CN113793282B
Application number: CN202111091929.6A
Authority: CN
Inventors: 刘春雨; 王晨; 张玉鑫; 刘帅; 胡荟灵
Original assignee: Changchun Institute of Optics Fine Mechanics and Physics of CAS
Current assignee: Changchun Institute of Optics Fine Mechanics and Physics of CAS
Priority date: 2021-09-17
Filing date: 2021-09-17
Publication date: 2023-10-24
Anticipated expiration: 2041-09-17
Also published as: CN113793282A

Abstract

本发明涉及一种空间相机传函测试图像莫尔条纹模糊去除方法，包括：获取带有莫尔条纹模糊的条纹靶标图像；构造滤波器F并进行滤波，提取每一行的参考区域，并提取由全部行的参考区域组成的参考区域矩阵；计算每一行的最大不相似度；再次利用滤波器F进行滤波，得到滤波器F所在的每一处明暗像素的相似度；以滤波器F所在的明暗像素的相似度、最大不相似度和参考区域矩阵为依据，对波器F所在区域的像素灰度值进行修正，构造行处理结果图像；构造滤波器G，对行处理结果图像进行列邻域均值滤波，得到去除莫尔条纹模糊后的图像。本发明能够在不影响总体MTF测试数值的情况下，提升测试采集到的图像的视觉质量，进而提高技术人员的MTF测试效率。

Description

一种空间相机传函测试图像莫尔条纹模糊去除方法

技术领域

本发明涉及空间光学技术领域，具体涉及一种空间相机传函测试图像莫尔条纹模糊去除方法。

背景技术

调制传递函数(Modulation Transfer Function，MTF)能够全面客观地评价光学系统成像质量，真实地反映成像系统空间频率的相应特性，对于空间光学相机而言，能真实地反映相机拍摄时空间频率与图像对比度的关系，在进入太空正式工作前即可掌握相机总体性能，因此地面空间相机MTF测试对于空间相机研制具有重要意义。而在对空间相机的MTF测试中，国内外普遍将符合相机奈奎斯特频率的矩形测试靶标通过长焦距平行光管成像到无穷远处，以模拟空间相机实际的工作状态，再通过镜头将靶标明暗条纹匹配成像到CCD探测器像元上，输入计算机计算得出每组明暗条纹对应的相机系统MTF，求取平均值作为在奈奎斯特频率下的MTF值。因此，快速、准确、清晰地获取测试靶标图像尤为重要。但在实际测试图像中，会出现条带状模糊区域，使MTF测试图像发生严重降质，影响了MTF测试图像的视觉效果、降低了测试工作效率。

发明内容

本发明解决的技术问题是：针对目前空间光学相机传函测试中靶标图像中存在的莫尔条纹模糊，提供一种空间相机传函测试图像莫尔条纹模糊去除方法

为解决上述问题，本发明采取如下的技术方案：

一种空间相机传函测试图像莫尔条纹模糊去除方法，所述方法包括以下步骤：

步骤1)：获取空间相机采集的带有莫尔条纹模糊的条纹靶标图像，所述条纹靶标图像的尺寸为M像素*N像素；

步骤2)：构造滤波器F，所述滤波器F的尺寸为1像素*2像素，并定义F_m,n(1,1)为滤波器F所在区域的第一个像素的灰度值，F_m,n(1,2)为滤波器F所在区域的第二个像素的灰度值，其中m为像素的行，n为像素的列，1≤m≤M，1≤n≤N，且n为奇数；

步骤3)：以2个像素为移动步长，将所述滤波器F沿第m行的行方向移动，并根据所述滤波器F每次移动后所在区域的像素的灰度值计算对应的对比度，直至所述滤波器F遍历第m行的全部像素，将第m行中对比度最大值所对应的区域命名为第m行的参考区域；

步骤4)：重复步骤3)，直至所述滤波器F遍历全部的M行，并提取出每一行的参考区域，组成参考区域矩阵；

步骤5)：根据任意一行的参考区域的像素灰度值和该行的最大像素灰度值、最小像素灰度值计算该行的最大不相似度；

步骤6)：按照步骤3)中的移动方式再次使用所述滤波器F进行滤波，计算所述滤波器F每次移动后所在区域相对于所述滤波器F所在行的参考区域的相似度，直至所述滤波器F遍历全部的M行，得到所述滤波器F所在的每一处明暗像素的相似度；

步骤7)：以所述滤波器F所在的明暗像素的相似度、所述最大不相似度和所述参考区域矩阵为依据，对像素灰度值F_m,n(1,1)和F_m,n(1,2)进行修正，得到对应的修正后像素灰度值和/>再将全部的修正后像素灰度值/>和/>按照原有行列顺序排序，构造得到行处理结果图像；

步骤8)：构造滤波器G，利用所述滤波器G对所述行处理结果图像进行列邻域均值滤波，滤波后得到列处理结果图像，所述列处理结果图像即为去除所述条纹靶标图像中莫尔条纹模糊后的图像。

本发明具有以下有益效果：

(1)本发明基于莫尔条纹的成像积分理论，利用带有莫尔条纹模糊的条纹靶标图像中的高可信区域作为参考区域，采用空间滤波算法，在保证原有背景光强信息不丢失的情况下去除图像中的莫尔条纹模糊；

(2)本发明通过采用空间滤波算法，避免了深度学习算法所需的高性能GPU等条件，在性能一般的测试用计算机上仍能快速运行；

(3)本发明能够在不影响总体MTF测试数值的情况下，提升测试采集到的图像的视觉质量，进而提高技术人员的MTF测试效率。

附图说明

图1为本发明实施例所述的一种空间相机传函测试图像莫尔条纹模糊去除方法的流程示意图；

图2为滤波器F的移动方式示意图；

图3为滤波器G的结构示意图；

图4为实施例二中的条纹靶标图像；

图5为图4所示条纹靶标图像去除莫尔条纹模糊后的结果图。

具体实施方式

通过对图像中的条带状模糊进行理论分析与建模仿真后发现，所述条带状模糊是由靶标周期误差和靶标角度误差造成的莫尔条纹，其具有如下特点：1.莫尔条纹的影响是区域性的，同一帧图像中存在受影响程度小的高可信参考区域；2.由于测试环境存在无法消除的微小振动，莫尔条纹的位置不固定，会随微小振动而抖动。本发明基于上述莫尔条纹的特点，提出一种空间相机传函测试图像莫尔条纹模糊去除方法，该方法能够在不影响总体MTF测试数值的情况下，有效去除图像中的莫尔条纹，提升测试采集到的图像的视觉质量，进而提高技术人员的MTF测试效率。下面将结合附图及较佳实施例对本发明的技术方案进行详细描述。

实施例一

如图1所示，本发明实施例提供一种空间相机传函测试图像莫尔条纹模糊去除方法，该方法包括以下步骤：

步骤1)：获取条纹靶标图像

首先安置好条纹靶标(例如矩形条纹靶标)，并将条纹靶标调整至条纹竖直位置，然后空间相机采集并保存条纹靶标图像，该图像为存在莫尔条纹模糊的原图，其尺寸为M像素*N像素。

步骤2)：构造滤波器F

在本步骤中，构造滤波器F，滤波器F的尺寸为1像素*2像素，并定义F_m,n(1,1)为滤波器F所在区域的第一个像素的灰度值，F_m,n(1,2)为滤波器F所在区域的第二个像素的灰度值，其中m为像素的行，n为像素的列，1≤m≤M，1≤n≤N，且n为奇数。

步骤3)：提取参考区域

以2个像素为移动步长，将滤波器F沿第m行的行方向(即垂直于条纹的方向)移动(如图2所示)，并根据滤波器F每次移动后所在区域的像素的灰度值计算对应的对比度。滤波器F每次移动后所在区域的对比度的计算公式如下：

其中，C(m,n)为滤波器F所在区域(第m行的第n列和第n+1列组成的区域)的对比度。

按图2所示的移动方式移动滤波器F，并重复对比度的计算过程，直至滤波器F遍历完第m行的全部像素，该行的全部对比度计算结束。将第m行中对比度最大值所对应的区域即第m行中C(m,n)数值最大的条纹对，命名为第m行的参考区域，其可以表示为S(m)_Sharp＝(i′(m)_1Sharp,i′(m)_2Sharp)，其中i′(m)_1Sharp为参考区域中较亮像素的灰度值，i′(m)_2Sharp为参考区域中较暗像素的灰度值。

步骤4)：组成参考区域矩阵

重复步骤3)，直至滤波器F遍历条纹靶标图像全部的M行，并提取出每一行的参考区域即每一行中最清晰的条纹对，组成参考区域矩阵

步骤5)：计算最大不相似度

根据任意一行的参考区域的像素灰度值和该行的最大像素灰度值、最小像素灰度值计算该行的最大不相似度。条纹靶标图像中第m行的最大不相似度的计算公式如下：

其中，I′(m)为条纹靶标图像中第m行所有像素的灰度值集合，min、max为取最大值、取最小值函数，因此min[I'(m)]表示第m行的最小像素灰度值，max[I'(m)]表示第m行的最大像素灰度值。当m遍历全部行M后，便得到每一行对应的最大不相似度。

步骤6)：计算滤波器F所在的每一处明暗像素的相似度

按照步骤3)中的移动方式(移动步长为2个像素，沿第m行的行方向移动)再次使用滤波器F进行滤波，计算滤波器F每次移动后所在区域相对于滤波器F所在行的参考区域的相似度，直至滤波器F遍历全部的M行，得到滤波器F所在的每一处明暗像素的相似度。

以第m行为例，滤波器F每次移动后所在区域相对于第m行的参考区域S(m)_Sharp的相似度计算公式如下：

步骤7)：构造行处理结果图像

以步骤6)计算的滤波器F所在的明暗像素的相似度l(m,n)、步骤5)计算的最大不相似度l₀(m)和步骤4)得到的参考区域矩阵S为依据，对像素灰度值F_m,n(1,1)和F_m,n(1,2)进行修正，得到对应的修正后像素灰度值和/>再将全部的修正后像素灰度值/>和/>按照原有行列顺序排序，构造得到行处理结果图像/>

具体地，修正后像素灰度值和/>的计算公式如下：

其中，Φ(m,n)为归一化权重矩阵，表示为

通过计算修正后像素灰度值和/>来构造行处理结果图像/>的每一对明暗像素/>其中/>n为奇数。

m遍历全部M行后，将构造的行处理结果图像的全部明暗像素按照原有行列顺序排序，便组成了行处理结果图像/>

本步骤算法的思想是：根据滤波器F所在明暗像素与该行对比度最好的参考区域之间的相似程度，对滤波器F所处的那一对明暗像素做出修正。当这对明暗像素与该行的参考区域比较相似时，l(m,n)数值就比较大，就意味着受莫尔条纹模糊影响较小，因此修正量就要小一点；当滤波器F所处的那一对明暗像素与该行的参考区域不相似时，就意味着此处模糊很严重，l(m,n)和修正量的大小就要与前述相反。

步骤8)：列邻域均值滤波，得到去除莫尔条纹模糊后的图像

构造滤波器G，利用滤波器G对行处理结果图像进行列邻域均值滤波，滤波后得到列处理结果图像，该列处理结果图像即为去除条纹靶标图像中莫尔条纹模糊后的图像。

如图3所示，本步骤中构造的滤波器G的尺寸为3像素*1像素，利用滤波器G对行处理结果图像进行列邻域均值滤波时，以1个像素为移动步长，将滤波器G沿行处理结果图像的行方向移动，计算滤波器G每次移动后所在区域的灰度值加权平均值，计算公式如下：

其中，r、c为滤波器G所框选的三个像素在行处理结果图像中的位置，1≤r≤M，1≤c≤N，G(m-1,n)、G(m,n)、G(m+1,n)为滤波器G所在区域的三个像素的灰度值。i(m,n)即为新像素I(m,n)的灰度值。

当滤波器G遍历行处理结果图像的全部像素后，计算得到全部新像素I(m,n)的灰度值i(m,n)，将全部新像素的灰度值i(m,n)按照原有行列顺序排序，便组成了列处理结果图像。

实施例二

1)实验时先安置条纹靶标(例如矩形条纹靶标)，观察空间相机实时采集图像，使条纹最接近竖直状态时，采集该帧图像保存，并截取靶标所在区域作为实验原图，即得到条纹靶标图像，此图会存在倾斜的莫尔条纹模糊带，如图4所示。条纹靶标图像的尺寸为M像素*N像素，本次实验中M的值为150，N的值为240。

构造滤波器F，滤波器F的尺寸为1像素*2像素，并定义F_m,n(1,1)为滤波器所在的区域的第一个像素的灰度值，F_m,n(1,2)为滤波器所在的区域的第二个像素的灰度值，m为像素的行，n为像素的列，1≤m≤M，1≤n≤N，且n为奇数。滤波器F的移动步长为2个像素，移动方向为沿垂直于条纹方向(行方向)，其具体移动方式如图2所示。

2)参考区域提取，找出第一行的像质最好区域：从第1行第1列、第1行第2列像素开始，对条纹靶标图像计算滤波器F所在区域的对比度

3)按步骤1)中所述方式移动滤波器F，重复步骤2)中的计算过程，得到C(1,3)、C(1,5)等，直至第一行全部像素计算结束。将第一行里对比度最大区域的条纹对的灰度值存为(i′(1)_1Sharp,i′(1)_2Sharp)，将其命名为第1行的参考区域，其表示为S(1)_Sharp＝(i′(1)_1Sharp,i′(1)_2Sharp)。

4)对剩余行的像素重复步骤2)与3)，直到计算完全部150行像素。至此获取了每一行中C(m,n)数值最大的条纹对S(m)_Sharp＝(i′(m)_1Sharp,i′(m)_2Sharp)，其中i′(m)_1Sharp为参考区域较亮像素的灰度值，i′(m)_2Sharp为参考区域较暗像素的灰度值。全部S(m)_Sharp构成的集合表示为参考区域矩阵

5)基于行处理消除莫尔条纹模糊：获取第1行的最大不相似度：

其中I′(1)为条纹靶标图像中第1行所有像素的灰度值集合，min、max为取最大值、取最小值函数，可以直接从函数库中调取。

6)重复步骤5)，直至计算完150行各自的最大不相似度l₀(2)、l₀(3)……l₀(150)。

7)再次使用滤波器F进行滤波。计算滤波器F每次移动后所在区域相对于该行参考区域S(m)_Sharp的相似度：

获取归一化权重矩阵其中/>

根据归一化权重矩阵Φ(m,n)对像素灰度值F_m,n(1,1)和F_m,n(1,2)进行修正，计算得到对应的修正后像素灰度值和/>由修正后像素灰度值/>和构造行处理结果图像/>的每一对明暗像素/>其中

例如，若滤波器F处于第1行第1列像素位置，计算可得到滤波器F所在像素相对于第1行参考区域S(1)_Sharp的相似度：

进一步计算可获得归一化权重矩阵其中/>

修正后像素灰度值为

8)m不变，移动滤波器F后重复步骤7)，直到n为239。

9)m加1，重复步骤7)、8)，直到m为150。定义由修正后像素灰度值和/>构造行处理结果图像/>的每一对明暗像素/>由全部明暗像素/>组成的新图像为行处理结果图像/>

10)构造滤波器G(如图3所示)以进行列邻域均值滤波。滤波器G的结构为3像素*1像素，移动步长为1像素，移动方向沿着行的方向。新像素I(m,n)的灰度值是滤波器G所在的三个像素的灰度值加权平均值，即灰度值全部新像素I(m,n)组成的新图像I即为列处理结果图像，亦即去除条纹靶标图像中莫尔条纹模糊后的图像。

针对如图4所示的条纹靶标图像实验原图，应用本发明的莫尔条纹模糊去除方法该算法后的结果如图5所示。通过图4和图5的对比，可以证明本方法在实际测试工作中能够去除莫尔条纹模糊，显著提升测试图像的视觉效果。

本发明所提出的一种空间相机传函测试图像莫尔条纹模糊去除方法基于莫尔条纹的成像积分理论，利用带有莫尔条纹模糊的条纹靶标图像中的高可信区域作为参考区域，采用空间滤波算法，在保证原有背景光强信息不丢失的情况下去除图像中的莫尔条纹模糊；本发明通过采用空间滤波算法，避免了深度学习算法所需的高性能GPU等条件，在性能一般的测试用计算机上仍能快速运行；本发明能够在不影响总体MTF测试数值的情况下，提升测试采集到的图像的视觉质量，进而提高技术人员的MTF测试效率。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims

1.一种空间相机传函测试图像莫尔条纹模糊去除方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种空间相机传函测试图像莫尔条纹模糊去除方法，其特征在于，所述滤波器G的尺寸为3像素*1像素，利用所述滤波器G对所述行处理结果图像进行列邻域均值滤波时，以1个像素为移动步长，将所述滤波器G沿所述行处理结果图像的行方向移动，计算所述滤波器G每次移动后所在区域的灰度值加权平均值，直至所述滤波器G遍历所述行处理结果图像的全部像素，将全部灰度值加权平均值按照原有行列顺序排序组成所述列处理结果图像。

3.根据权利要求1所述的一种空间相机传函测试图像莫尔条纹模糊去除方法，其特征在于，M的值为150，N的值为240。