WO2015007065A1 - 一种降低tdi-ccd相机图像模糊度的方法 - Google Patents

一种降低tdi-ccd相机图像模糊度的方法 Download PDF

Info

Publication number
WO2015007065A1
WO2015007065A1 PCT/CN2013/090175 CN2013090175W WO2015007065A1 WO 2015007065 A1 WO2015007065 A1 WO 2015007065A1 CN 2013090175 W CN2013090175 W CN 2013090175W WO 2015007065 A1 WO2015007065 A1 WO 2015007065A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
signal sequence
tdi
ccd camera
neighborhood
Prior art date
Application number
PCT/CN2013/090175
Other languages
English (en)
French (fr)
Inventor
秦军
贺一楠
Original Assignee
西南交通大学
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 西南交通大学 filed Critical 西南交通大学
Priority to CA2918511A priority Critical patent/CA2918511A1/en
Priority to US14/905,866 priority patent/US9654706B2/en
Publication of WO2015007065A1 publication Critical patent/WO2015007065A1/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/60—Noise processing, e.g. detecting, correcting, reducing or removing noise
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/70—SSIS architectures; Circuits associated therewith
    • H04N25/71—Charge-coupled device [CCD] sensors; Charge-transfer registers specially adapted for CCD sensors
    • H04N25/711—Time delay and integration [TDI] registers; TDI shift registers
    • 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
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • 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
    • G06T2207/20076—Probabilistic image processing
    • 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
    • G06T2207/20172—Image enhancement details
    • G06T2207/20201—Motion blur correction
    • 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
    • G06T2207/30181—Earth observation
    • 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
    • G06T2207/30212—Military

Definitions

  • the invention belongs to the field of image processing, and particularly relates to the determination of fuzzy parameters of aerial remote sensing images based on TDI-CCD cameras and the elimination of blurred images of aerial remote sensing images.
  • High-resolution remote sensing images are widely used in various fields such as reconnaissance, geographic information systems, digital cities, and road construction.
  • An imaging device with a time delay integration charge coupled device (hereinafter referred to as TDI-CCD) mounted on an aerospace or aerospace vehicle at home and abroad is called a TDI-CCD camera.
  • the TDI-CCD camera adopts a technique of integrating the same instantaneous field of view radiation energy m times on the ground, which is equivalent to increasing the exposure time of the same instantaneous field of view from T to mT, but does not need to reduce the flight speed of the aircraft. With this feature of the TDI-CCD camera, images with higher geometric resolution than images obtained with one-time integration technique can be obtained.
  • the structure of the TDI-CCD is a rectangular CCD area array with a large aspect ratio, which is functionally equivalent to a linear array CCD.
  • the important premise of TDI-CCD camera for obtaining high-quality images is that m CCD pixels with delay integral logic relationship must correspond to the same instantaneous field of view, but the vibration of remote sensing platforms such as satellites and airplanes makes the TDI-CCD camera image environment This requirement is not met.
  • the satellite in operation has low frequency vibration caused by rigid body motion and intermediate frequency to high frequency vibration caused by the operation of the satellite's cabin payload attitude control component, such as vibration caused by the movement of the solar panel windsurfing, flywheel or control moment gyro Vibration caused by dynamic imbalance.
  • the vibration of a satellite caused by a disturbance may be the vibration of a certain component, or the coupled vibration of several components, or the vibration of the entire satellite.
  • the TDI-CCD camera mounted on the satellite is affected by the vibration, which is represented by the six external orientation elements of the camera (space position (X, Y, ⁇ ), the roll angle around the x, y, and ⁇ axes, the pitch angle, The yaw of the yaw angle).
  • the m-level integral of the TDI-CCD camera during remote sensing imaging corresponds to m ground instantaneous field of view energy. If the influence of the instantaneous field of view change on the image blur in one integration time is neglected, and the instantaneous field of view in the ideal state without vibration is taken as the true position, then the actual obtained m ground instantaneous field of view and the true position have different degrees of misalignment error.
  • this misalignment error we go into one
  • the step is decomposed into the following three components: the front (rear) misalignment in the TDI-CCD integration direction (the forward direction of the aircraft); the left and right direction misalignment perpendicular to the TDI-CCD integration direction; and the rotational misalignment around the vertical axis.
  • the processing methods for image blurring are roughly direct algorithms and blind restoration algorithms (iterative algorithms).
  • the direct algorithm extracts the motion function from the image itself.
  • this method results in the complexity and irregularity of the vibration aftereffect due to the randomness of the excitation time of various vibration sources. This makes the inversion algorithm inaccurate, and the effect of deblurring is not satisfactory.
  • the blind restoration algorithm does not need to know the point spread function in advance, but this algorithm needs to estimate the point spread function initially, and the accuracy of the estimation has uncertainty, and can not obtain better deblurring effect.
  • the present invention proposes a new TDI-CCD camera signal transmission process, and provides a new data processing method for this process:
  • the target surface of the TDI-CCD camera used in the present invention is n columns and m rows, and the steps are as follows:
  • Decompose the image of the area array Decompose each image read by S2 according to the line, and the area array image output by each integration level is decomposed into m lines, each line has n pixels, after decomposing, each line is formed.
  • a one-dimensional digital signal having a signal length of n, extracting the first N pixels for each one-dimensional digital signal, respectively forming a one-dimensional digital signal sequence recorded as f(t), where 0 ⁇ t ⁇ m, 0 ⁇ N ⁇ n .
  • the signal sequence f (i) is selected as a reference sequence, and the signal sequence f (j) is compared with the reference signal sequence, and the neighborhood matching condition of the signal sequence is: 11 ⁇ _ 3 ⁇ 4 1 ⁇ 5 , where ill represents a standard
  • the number represents the difference vector of any two pixels in the two-line signal sequence, 1 represents the index of the pixel in the signal sequence f (i), and j represents the index of the pixel in the signal sequence f (j), ! ⁇ is a neighborhood of 1 , 1 is the neighborhood of j;
  • ⁇ a 00 +& 103 ⁇ 4 +& 0 ⁇ 2 +& 11 ⁇ 2 ⁇ 2 +3 ⁇ 403 ⁇ 4 + 233 ⁇ 4
  • k is a neighborhood of i that conforms to a matching condition
  • 1 is a neighborhood of j that conforms to a matching condition.
  • the number of iterations r of S43 satisfies l ⁇ r ⁇ N.
  • Figure 1 shows the established planar image coordinate system.
  • Figure 2 is a cross-sectional view showing the correspondence between m images and ground targets in the ideal working mode of the TCI-CCD camera.
  • Figure 3 is a cross-sectional view showing the correspondence between m images and ground targets under the condition of TCI-CCD camera vibration.
  • Figure 4 is a flow chart for calculating the offset of similar line signals in the t + 1 image and the t th image.
  • FIG. 5 is a schematic diagram of a workflow for restoring a vibrating image by the method.
  • TDI-CCD camera For the convenience of description, we select a TDI-CCD camera with a column cell number of 1024 and a row cell number of 32.
  • the direction of the number of pixels in the TDI-CCD camera array is the Y axis
  • the direction of the pixel series is the X axis
  • the upper left corner of the image is the starting point of the coordinate system, where the first The coordinates of the first column are (0, 0).
  • the integral level of the TDI-CCD camera is set to 1, and an array of 32 rows and 1024 columns of area images is output for each level.
  • the area array images are numbered sequentially (3 ⁇ 4, 0 2 , (3 ⁇ 4.. ..Q) , o sets the reference image as a reference, where is the pixel gray value of G t at ( , y t ).
  • each image of the area array Decompose each image of the area array read by S2 by line, and the image of the area array output by each integration level is decomposed into 32 lines, each line has 1024 pixels, after decomposing, each line Forming a one-dimensional digital signal, the signal length is 1024, extracting the first 100 pixels for each one-dimensional digital signal, respectively forming a one-dimensional digital signal sequence recorded as f(t), and the one-dimensional digital signal sequence length is 100;
  • the neighborhood of the signal sequence always matches The condition is
  • the index of the cell, j represents the index of the cell in the signal sequence f(j), k is the neighborhood of i, and 1 is the neighborhood of j.
  • p is the initial match Rate
  • + represents the gray value of the one-dimensional signal sequence f(i) at the i +th pixel
  • g 2 (j+A) represents the one-dimensional signal sequence f(j) at the j+Ath pixel Gray value.
  • the normalized matching probability p: p is obtained, where h represents all points that match i.
  • the digital signal sequence f(2,0:99,: and the reference signal sequence) composed of the first 100 pixels of the 2nd line of 0 2 f (2,0: 99, for similarity comparison, this comparison if
  • the corresponding point in the corresponding name is gl (l,0: ;
  • the first 100 pixel digital signal sequence consisting of the first row f 0 2 1 (l, 0: 99 ,: the reference signal sequence f (2,0: 99, for similarity comparison, this comparison if
  • the corresponding point in the corresponding name is gl (l, 0;;
  • the loop comparison is performed in the neighborhood corresponding to the reference signal, and the correspondence between the first corresponding point of the same name & ( 1 ⁇ 4) and g 2 ( , y 2 ) is established by comparing the reference signal sequence with the adjacent sequence of the next image.
  • G 2 is used as a reference reference image coordinate system for geometric correction and pixel interpolation of G 3 , and then combined with the obtained spatial relationship of 0 2 and (3 ⁇ 4 is based on correction, and so on. , Correct (3 ⁇ 4, 0 5 , 0 6 ... 0 32 ).
  • the rate, E in (x, y), represents the radiant energy per unit area per unit time of the band, and k is the gain coefficient.
  • Each line of digital images that have been degraded by the effects of chattering is arranged in spatial and temporal order, ultimately resulting in a digital image that reduces the effects of chattering.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)
  • Studio Devices (AREA)

Abstract

本发明属图像处理领域，具体涉及基于TDI-CCD相机的航空遥感图像模糊参数的确定和航空遥感图像模糊的消除。具体步骤包括建立图像坐标系，读取面阵图像，构建相似性配比准则，进行偏移解算获取同名点得到消减振颤影响的数字图像。该方法的计算过程相对简单精确，处理效果良好。

Description

一种降低 TDI-CCD相机图像模糊度的方法
技术领域
本发明属于图像处理领域， 具体涉及基于 TDI-CCD相机的航空遥感图像模糊参数的确 定和航空遥感图像模糊的消除。
背景技术
高分辨率遥感图像被广泛应用于侦察、 地理信息系统、 数字城市和道路建设等各个领 域。 国内外航空、 航天飞行器上搭载的以时间延迟积分电荷耦合器件 （英文 Time delay integration charge coupled device, 以下简称 TDI-CCD) 为成像靶面 的成像装置称为 TDI-CCD相机。 TDI-CCD相机采取对地面同一瞬时视场辐射能量 m次积分的 技术， 等效于地面同一瞬时视场曝光时间从 T增加到 mT， 但是不需要降低飞行器的飞行速 度。 利用 TDI-CCD相机的这一特性， 可以获得比一次积分技术所获图像具有更高的几何分 辨力的图像。 TDI-CCD 的结构是一个长宽比很大的长方形 CCD面阵， 从功能上说它等同于 一个线阵 CCD。 TDI-CCD相机获取高质量影像的重要前提是： 具有延时积分逻辑关系的 m个 CCD象元都要对应同一瞬时视场，但是卫星和飞机等遥感平台的振动使 TDI-CCD相机成像环 境并不满足这一要求。 运行中的卫星具有刚体运动引起的低频振动以及卫星的运载舱有效 载荷姿态控制部件的操作引起的中频到高频的振动， 例如由于太阳能电池帆板的运动引起 的振动， 飞轮或控制力矩陀螺的动不平衡引起的振动。 当振动的频率和幅值达到某一临界 值就会变得发散， 从而发生振颤。 振颤是一种很复杂的物理现象， 对于卫星平台， 扰动引 起的卫星的振颤可能是某个部件的振颤， 也可能是几个部件的耦合振颤， 也可能是整个卫 星的振颤。 搭载在卫星上的 TDI-CCD相机受振颤的影响， 表现为相机 6个外方位元素 （空 间位置 （X、 Y、 Ζ)， 绕 x、 y、 ζ三个轴的横滚角、 俯仰角、 航偏角） 的振颤。 相机在三维 空间位置上的不规则往复平移振动和绕相机光学中心三轴的往复角振动， 以及相机光学中 心与飞行器振动中心不同心造成的复合运动形成了一个非常复杂的过程。 但其后果是类似 的： 上述振颤使具有延时积分逻辑关系的 m个 CCD象元并不是完全对应同一瞬时视场， 不 同瞬时视场的能量作为同一瞬时视场的能量叠加在一起， 再叠加上飞行器飞行中成像的运 动模糊， 造成遥感图像的空间分辨率下降， 细节信息丢失， 象元辐射能量失真。 在相同振 颤环境下， 成像几何分辨力越高， 由振颤引起图像模糊的影响越大。 这样的结果与使用 TDI-CCD相机获得高空间分辨率图像的初衷适得其反。
TDI-CCD相机遥感成像过程中 m级积分对应 m个地面瞬时视场能量。如果忽略一次积分 时间里瞬时视场变化对图像模糊的影响， 以无振颤理想状态下的瞬时视场为真位置， 那么 实际得到的 m个地面瞬时视场与真位置具有不同程度的错位误差， 这种错位误差我们进一 步分解为下面三个分量： 在 TDI-CCD积分方向 （飞行器前进方向） 的前 （后） 向错位； 垂 直于 TDI-CCD积分方向的左右方向错位； 绕垂直轴旋转的旋转错位。
目前， 针对图像模糊的处理方法大致为直接算法和盲复原算法 （迭代算法）。 直接算法 是从图像本身提取运动函数， 然而这种方法因为多种振动源激发时间的随机性， 导致振动 综合后效的复杂性和无规律性。 这样使反演的算法无法精确， 去模糊处理的效果也不令人 满意。 而盲复原算法虽然不需要提前获知点扩散函数， 但是这种算法需要对点扩散函数进 行初始的估计， 而估计的精度具有不确定性， 也不能获得较好的去模糊处理效果。
发明内容
为了消除振颤引起的图像质量退化， 本发明提出了一种新的 TDI-CCD相机信号的传输 流程， 针对这种流程提供了一种新的数据处理方法：
本发明所采用的 TDI-CCD相机的靶面是 n列 m行， 其步骤如下所述：
51、 建立图像坐标系： 以 TDI-CCD相机面阵的像元数量方向即列方向为 Y轴， 像元级 数方向即行方向为 X轴，图像的左上角为坐标系起点，其中，第一行，第一列的坐标为 (0， 0);
52、 读取 TDI-CCD相机每次积分输出的面阵图像， 并对图像进行编号： 图像依次编号 为
Figure imgf000004_0001
;
53、 对面阵图像进行分解： 对 S2所读取的每一幅图像按行分解， 每一个积分级输出的 面阵图像分解为 m行， 每一行有 n个像元， 分解后， 每一行形成一个一维数字信号， 信号 长度为 n， 对每个一维数字信号提取前 N个像元， 分别构成一维数字信号序列记为 f(t)， 其 中， 0≤t≤m， 0 < N < n .
54、 根据 S3的一维数字信号序列， 构建两个一维信号序列相似性配比准则， 包括：
541、选择信号序列 f (i)作为基准序列， 信号序列 f (j)与基准信号序列进行比较， 信号 序列的邻域一致匹配条件为： 11^ _ ¾1≤5， 其中， ill表示取范数， 表示两行信号序列中 任意两个像元的差距向量， 1表示信号序列 f (i)中像元的索引， j表示信号序列 f (j)中像元 的索引， ！^为1的邻域， 1为 j的邻域；
542、根据 S41所述信号序列的邻域一致匹配条件计算初始匹配概率： ¾ 1 + ， 其 中， = Σμ [ (ί +^- υ +^]2， Ρ'Γ是初始匹配概率， 表示一维信号序列 f« 在第 i + 个像元处的灰度值， g2 ( j + 表示一维信号序列 f (j)在第 j + 个像元处的灰度值; 543、根据松弛算法，建立 ¾的迭代公式： +i¾ ，其中，
Figure imgf000005_0001
r为迭代次数， A和 B为常数；
544、 根据 S43中的迭代公式， 求得归一化后的匹配概率1 ί):
Figure imgf000005_0002
， 其中: h表示所有与 i相匹配的点；
S45、根据 S44求得的匹配概率可知 收敛的对角序列，即 ¾ 1，其他元素趋近于零，
Ρο,ο Ρο,ι Ρθ,2 Ρθ,3 · ' Ρθ,99
Ρι,ο Ρι,ι Ρΐ,2 Ρΐ,3 · • Ρΐ,99
Ρ2,0 Ρ2,1 Ρ2,2 Ρ2,3 · ' Ρ2,9
Ρ3,0 Ρ3,1 Ρ3,2 Ρ3,3 · " P3,9 其中， Ρ99,0 Ρ99,1 Ρ99,2 Ρ99,3 ♦ ' 99,99
55、 根据 S4中邻域匹配解算结果进行偏移解算， 获取图像中的同名点， 包括：
551、 选取基准信号序列对应的上下邻域循环比较， 通过基准信号序列与下一幅图像相 邻序列的对比建立第一对同名点 gl( l，yi)和 g2( 2，y2)的对应关系；
552、 根据 S51所得一维数字信号在行空间上的相似性的对应关系， 确定图像的 s个已 知对应点，结合二元二次多项式，采用最小二乘法，通过对应的同名点数据进行曲面拟合， 求得 和 ¼:
^ = a00 +&10¾ +&0ΐΥ2 +&11Χ2Υ2 +¾0¾ + 23¾
Yi =boo +¾10¾ +boiy2 +bnx2y2 +¾0¾2 +b 02y2 2.
56、 根据 S5所得 Xi yi对图像进行空间几何校正， 利用双向线性内插法进行像元灰度 再赋值；
57、 对后续的图像相对于基准图像 G1进行遍历操作， 遍历步骤 S3到步骤 S6;
58、 将经过校正的图像中具有相同瞬时视场的一维信号序列在坐标系中叠加， 成为消 除了振颤影响的图像的第一行数字图像， 重复步骤 S3到步骤 S8， 将获得的叠加后的消减了 振颤影响的每一行图像按照空间和时间顺序进行排列， 形成消减振颤影响的数字图像。
进一步地， S41所述 k为 i的符合一致匹配条件的邻域， 1为 j的符合一致匹配条件的邻 域。 进一步地， S41所述 0≤i≤N— 1， 0≤j≤N— 1。 进一步地， S43所述迭代次数 r满足 l≤r≤ N。 进一步地， S52所述 s个已知对应点， m- 4≤s≤m-l。 本发明的效果： 在对图像的去模糊过程中， 进行偏移解算， 对振颤造成的模糊进行修 正， 计算过程相对简单精确， 能获得较好的去模糊处理效果。
附图说明
图 1为建立的平面图像坐标系。
图 2为 TCI-CCD相机理想工作模式下 m幅图像与地面目标的对应关系剖面图。
图 3为 TCI-CCD相机振颤条件下 m幅图像与地面目标的对应关系剖面图。
图 4为计算第 t + 1幅图像和第 t幅图像中相似行信号的偏移量工作流程图。
图 5为通过本方法恢复振颤图像的工作流程示意图。
具体实 式
下面结合附图介绍本发明的具体实施方式：
为了方便描述， 我们选取一个列像元个数为 1024， 行像元个数为 32的 TDI-CCD相机。
51、 建立图像坐标系： 以 TDI-CCD相机面阵的像元数量方向即列方向为 Y轴， 像元 级数方向即行方向为 X轴， 图像的左上角为坐标系起点，其中， 第一行， 第一列的坐标 为 （0, 0)。
52、 TDI-CCD相机的积分级数设为 1， 每一级积分输出的一幅 32行 1024列的面阵图 像，面阵图像依次编号为 (¾,02,(¾.. ..Q,o设定 作为基准的参考图像，其中 为 Gt在（ ,yt)处的像素灰度值。
53、 对面阵图像进行分解： 对 S2所读取的每一幅面阵图像按行分解， 每一个积分 级输出的面阵图像分解为 32行， 每一行有 1024个像元， 分解后， 每一行形成一个一维 数字信号， 信号长度为 1024， 对每个一维数字信号提取前 100个像元， 分别构成一维 数字信号序列记为 f(t)， 一维数字信号序列长度为 100;
54、 构建两行一维数字信号序列的相似性配比准则：
一维数字信号序列 f(2,0:99,作为基准序列，一维数字信号序列 f(j)与基准序列 f(i)进行比较，其中 0≤ j≤99。信号序列的邻域一直匹配条件为 | - |≤5，其中， ||*| 表示取范数， 表示两行信号序列中任意两个像元的差距向量， i表示信号序列 f(i)中 像元的索引， j表示信号序列 f(j)中像元的索引， k为 i的邻域， 1为 j的邻域。 计算 初始匹配概率 (0)
p 是初始匹配概
Figure imgf000007_0001
率， + 表示一维信号序列 f(i)在第 i + 个像元处的灰度值， g2(j+A)表示一维信 号序列 f(j)在第 j+A个像元处的灰度值。本发明采用松弛算法，建立 ¾的迭代公式： p^)= Ap^ Bq^ ， 其中， = pkl， Γ为迭代次数， Α和 Β为常数。 根据迭代公 司，求得归一化后的匹配概率 p : p ,其中， h表示所有与 i相匹配的点。
Figure imgf000007_0002
基于该实施方案的 TDI-CCD相机的最大迭代次数 r=100， 通过迭代运算可知矩阵的自 果将收敛于哪一个对角序列。
Ρο,ο Ρο,ι Ρθ,2 Ρθ,3 ' • Ρθ,99
Ρι,ο Ρι,ι Ρΐ,2 Ρΐ,3 · " Ρΐ,99
Ρ2,0 Ρ2,1 Ρ2,2 Ρ2,3 · • 2, 9
， l≤r≤100,
Ρ3,0 Ρ3,1 Ρ3,2 Ρ3,3 ' ' P3, 9
Ρ99,0 Ρ99,1 Ρ ,2 P ,3 . • Ρ99,99 当收敛于矩阵的主对角线序列时， 即 Ρα, ΐ,ρ^ ΐ,ρ^ 1,..其他元素的迭代趋势 趋近于零， 此时 Ay = 0。 当收敛于矩阵上三角的某一对角序列时， 即 P。j«l,plj+ 1« l,P ψ 1,..其他元素的 迭代趋势趋近于零， 此时 Ay = 0-j。 当收敛于矩阵下三角的某一对角序列时， 即 ρ。4«1,ρυ+1«1,ρ2,ί+2«1,...，其他元素的 迭代趋势趋近于零， 此时 Ay = 0-i。 通过迭代运算可以求得 Ay， 当经过 100次迭代后矩阵不收敛， 则停止迭代运算， 两行信号序列缺乏相似性。
S5、 进行偏移解算， 包括：
将 02第 3行的前 100个像元组成的数字信号序列 f(3,0:99,2)与基准信号序列 f(2,0:99,l)进行相似性比较， 如果本次比较 |Ay|≤5， 认为它们对应的是同一瞬时视场 的积分能量， 则 G2中的点 g2(2, Of Ay：对应的 中的同名点是 gl(l, 0；；
如果偏移量 |Ay|>5， 说明对应的不是同一瞬时视场， 则将 02第2行的前 100个像 元组成的数字信号序列 f(2,0:99，:与基准信号序列 f(2,0:99,进行相似性比较， 如果 本次比较 |Ay|≤5， 认为它们对应的是同一瞬时视场的积分能量， 则 02中的点 g2(l,0 + Ay)对应的 中的同名点是 gl(l,0:;
如果偏移量 |Ay|>5， 说明对应的不是同一瞬时视场， 则将 02第4行的前 100个像 元组成的数字信号序列 f(4,0:99，:与基准信号序列 f(2,0:99,进行相似性比较， 如果 本次比较 |Ay|≤5， 认为它们对应的是同一瞬时视场的积分能量， 则 02中的点 g2(3,0 + Ay)对应的 中的同名点是 gl(l, 0；；
如果偏移量 |Ay|>5， 说明对应的不是同一瞬时视场， 则将 02第1行的前 100个像 元组成的数字信号序列 f(l,0:99，:与基准信号序列 f(2,0:99,进行相似性比较， 如果 本次比较 |Ay|≤5， 认为它们对应的是同一瞬时视场的积分能量， 则 02中的点 g2(0,0 + Ay)对应的 中的同名点是 gl(l, 0；；
如果偏移量 |Ay|>5， 说明对应的不是同一瞬时视场， 则将 02第5行的前 100个像 元组成的数字信号序列 f(5,0: 99，:与基准信号序列 f(2,0:99,进行相似性比较， 如果 本次比较 |Ay|≤5， 认为它们对应的是同一瞬时视场的积分能量， 则 02中的点 g2(4,0 + Ay)对应的 中的同名点是 gl(l,0:;
如果偏移量 |Ay| > 5， 说明对应的不是同一瞬时视场。
如此， 在基准信号对应的邻域进行循环比较， 通过基准信号序列与下一幅图像相 邻序列的对比建立第一对应的同名点 &( ¼)和 g2( , y2)的对应关系。
S6、一维数字信号在行空间上的相似性的对应关系， 确定两幅图像在之后的每一 维信号序列在相似性上是一一对应的， 因此， 最终可以找到 s(32- 4≤s≤ 3 1个已知 的对应点， 也就是这8个对应的同名点§1( , )和§2( , )均为已知。 结合二元二次多 项式， 采用最小二乘法， 通过对应的同名点数据进行曲面拟合， 求得 和 y1 : ^ = a00 +&10¾ + &0ΐΥ2 + &11Χ2Υ2 +¾0¾ + 23¾
Yi =boo +¾10¾ +boiy2 +biix 2y2 +h2o +bo2y2 ' 通过求得的 和¼， 对第 2幅图利用该二 元二次多项式进行空间几何校正利用双向性内插法进行像元灰度再赋值。
57、 按照上述流程， 首先以 G2为作为基准的参考图像坐标系对 G3进行几何校正 和像素内插，再结合获得的 02和 的空间关系，把(¾再基于 进行校正，依次类推， 对(¾,05,06...032进行校正。
58、使上述校正获得的面阵图像中具有相同瞬时视场的一维信号序列在坐标系中 叠合， 只完成 30行相同瞬时视场的信号序列的相加， 成为消除了振颤影响的一行数字 图像， 其效果类似于 30级积分。
E = | ?(x,y)Ein(x,y)ds g(x, y) = k- E = k- J (x, y)Ein(x, y)ds , 其中， (x,y )表示波段特征地物的光谱反射
AS
率， Ein(x,y)表示波段单位时间内通过单位面积的辐射能量， k为增益系数。 最后消 减了振颤影响的图像的像元灰度值为 g(x,y): g(x,y) = |;gm(x,y)。 把获得的叠加后并 m=l
消减了振颤影响的每一行数字图像按照空间和时间顺序进行排列，最终形成了消减了 振颤影响的数字图像。

Claims

权 利 要 求 书
1、 一种降低 TDI-CCD相机图像模糊度的方法， 设搭载 TDI-CCD相机的靶面 是 n列 m行， 其特征在于： 其步骤如下所述：
S1、建立图像坐标系：以 TDI-CCD相机面阵的像元数量方向即列方向为 Y轴， 像元级数方向即行方向为 X轴， 图像的左上角为坐标系起点，其中， 第一行， 第 一列的坐标为 (0,0)；
52、 读取 TDI-CCD相机每次积分输出的面阵图像， 并对图像进行编号： 图像 依次编号为
Figure imgf000010_0001
53、 对面阵图像进行分解： 对 S2所读取的每一幅图像按行分解， 每一个积 分级输出的面阵图像分解为 m行， 每一行有 n个像元， 分解后， 每一行形成一 个一维数字信号， 信号长度为 n， 对每个一维数字信号提取前 N个像元， 分别 构成一维数字信号序列记为 f(t)， 其中， 0≤t≤m， 0<N<n;
54、 根据 S3的一维数字信号序列， 构建两个一维信号序列相似性配比准则， 包括：
S4K 选择信号序列 f(i)作为基准序列， 信号序列 f(j)与基准信号序列进行 比较， 信号序列的邻域一致匹配条件为： | -¾|≤5， 其中， |*|表示取范数， Vl] 表示两行信号序列中任意两个像元的差距向量， i表示信号序列 f(i)中像元的索 弓 I， j表示信号序列 f(j)中像元的索引， k为 i的邻域， 1为 j的邻域；
542、 根据 S41 所述信号序列的邻域一致匹配条件计算初始匹配概率： ^^ ^，其中， )- g2(j+ )] 2， ΡΓ是初始匹配概率， ) 表示一维信号序列 f(i)在第 i + 个像元处的灰度值， g2(j+/l)表示一维信号序列 f(j)在第 j+^个像元处的灰度值；
543、 根据松弛算法， 建立 ¾的迭代公式： ρ^ = Αί— u+Bq — "， 其中， ¾j =∑∑Pk' r为迭代次数， A和 B为常数；
k 1
S 44、根据 S 43中的迭代公式，求得归一化后的匹配概率 p ： ) = ，
∑h¾() 其中， h表示所有与 i相匹配的点；
S45、 根据 S44求得的匹配概率可知 ρϋ收敛的对角序列， 即 j «1， 其他元 Ρο,ο ο,ι Ρ 0,2 Ρ 0,3 P N-0, 1
Ρι,ο ι,ι Ρ 1,2 Ρ 1,3 P N -l, 1
Ρ2,0 2,1 Ρ 2,2 Ρ 2,3 P N— 2, 1
素趋近于零， 其中， p;;
Ρ3,0 3,1 Ρ 3,2 Ρ 3,3 P N-3, 1
N-l ,0 FN- 1,1 FN- 1,2 FN- 1,3 PN- N-l ,_ 1
55、 根据 S4中邻域匹配解算结果进行偏移解算， 获取图像中的同名点， 包 括：
551、 选取基准信号序列对应的上下邻域循环比较， 通过基准信号序列与下 一幅图像相邻序列的对比建立第一对同名点 &( ,¼)和 g2( ,y2)的对应关系；
552、 根据 S51所得一维数字信号在行空间上的相似性的对应关系， 确定图 像的 s个已知对应点， 结合二元二次多项式， 采用最小二乘法， 通过对应的同名 点数据进行曲面拟合， 求得 和 y1 :
^ = &00 + &10¾ + a01 Y2 + &11¾3¾ + a20X2 + &023¾
Yi =b 0。 + 10 +boiy2 +¾ιιχ 2γ2 +b20 +b 02y2 2；
56、 根据 S5 所得 和¼对图像进行空间几何校正， 利用双向线性内插法进 行像元灰度再赋值；
57、 对后续的图像相对于基准图像 G1进行遍历操作， 遍历步骤 S3到步骤
S6;
58、 将经过校正的图像中具有相同瞬时视场的一维信号序列在坐标系中叠 加， 成为消除了振颤影响的图像的第一行数字图像， 重复步骤 S3 到步骤 S8， 将获得的叠加后的消减了振颤影响的每一行图像按照空间和时间顺序进行排 列， 形成消减振颤影响的数字图像。
2、 根据权利要求 1所述的一种降低 TDI-CCD相机图像模糊度的方法， 其特 征在于： S41 所述 k为 i的符合一致匹配条件的邻域， 1为 j的符合一致匹配条 件的邻域。
3、 根据权利要求 1所述的一种降低 TDI-CCD相机图像模糊度的方法， 其特 征在于： S41所述 0≤i≤N-l， 0≤j≤N-l。
4、 根据权利要求 1所述的一种降低 TDI-CCD相机图像模糊度的方法， 其特 征在于： S43所述迭代次数 r满足 1≤ι·≤Ν。
5、 根据权利要求 1所述的一种降低 TDI-CCD相机图像模糊度的方法， 其特 征在于： S52所述 s个已知对应点， m- 4≤s≤m - 1。
PCT/CN2013/090175 2013-07-18 2013-12-22 一种降低tdi-ccd相机图像模糊度的方法 WO2015007065A1 (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CA2918511A CA2918511A1 (en) 2013-07-18 2013-12-22 A method for reducing blur of tdi-ccd camera images
US14/905,866 US9654706B2 (en) 2013-07-18 2013-12-22 Method for reducing image fuzzy degree of TDI-CCD camera

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201310302808.0 2013-07-18
CN2013103028080A CN103400345A (zh) 2013-07-18 2013-07-18 一种降低tdi-ccd相机图像模糊度的方法

Publications (1)

Publication Number Publication Date
WO2015007065A1 true WO2015007065A1 (zh) 2015-01-22

Family

ID=49563958

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2013/090175 WO2015007065A1 (zh) 2013-07-18 2013-12-22 一种降低tdi-ccd相机图像模糊度的方法

Country Status (4)

Country Link
US (1) US9654706B2 (zh)
CN (2) CN103400345A (zh)
CA (1) CA2918511A1 (zh)
WO (1) WO2015007065A1 (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103400345A (zh) * 2013-07-18 2013-11-20 西南交通大学 一种降低tdi-ccd相机图像模糊度的方法
CN103646384B (zh) * 2013-12-20 2016-06-22 江苏大学 一种遥感扫描成像平台飞行速度的优化方法
CN103983343B (zh) * 2014-05-29 2016-05-11 武汉大学 一种基于多光谱影像的卫星平台震颤检测方法及系统
CN106791508B (zh) * 2016-12-26 2019-06-14 首都师范大学 一种数字域tdi相机成像质量的调整方法及调整系统
US10909670B2 (en) 2018-12-06 2021-02-02 Massachusetts Institute Of Technology Computational reconfigurable imaging spectrometer
WO2020117245A1 (en) * 2018-12-06 2020-06-11 Massachusetts Institute Of Technology Computational reconfigurable imaging spectrometer
CN110220475B (zh) * 2019-05-30 2021-01-26 电子科技大学 一种基于图像分割的线性ccd二维变速成像方法
CN111324857B (zh) * 2020-03-19 2022-03-04 武汉大学 一种基于tdiccd推扫特性的快速反变换计算方法
CN111445404A (zh) * 2020-03-23 2020-07-24 上海数迹智能科技有限公司 一种基于双频和概率模型的相位去模糊方法
CN111679099B (zh) * 2020-06-17 2022-08-30 中国科学院空天信息创新研究院 基于相干光视觉光流检测的加速度计标定方法及装置
CN112212833B (zh) * 2020-08-28 2021-07-09 中国人民解放军战略支援部队信息工程大学 机械拼接型tdi ccd推扫相机整体几何平差方法
CN112087622B (zh) * 2020-09-15 2022-06-17 大连海事大学 一种tdi-ccd相机反射率分辨率指标模拟测试方法及系统
CN116156342B (zh) * 2023-04-04 2023-06-27 合肥埃科光电科技股份有限公司 多线阵图像传感器拼接方法、线阵采像系统及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101742050A (zh) * 2009-12-03 2010-06-16 浙江大学 针对运动模糊核空间移变的tdiccd图像复原方法
CN103115631A (zh) * 2013-01-25 2013-05-22 西安电子科技大学 遥感相机成像参数误差校正系统及方法
CN103400345A (zh) * 2013-07-18 2013-11-20 西南交通大学 一种降低tdi-ccd相机图像模糊度的方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6608680B2 (en) * 2000-08-25 2003-08-19 Amnis Corporation TDI imaging system for kinetic studies
WO2007067999A2 (en) * 2005-12-09 2007-06-14 Amnis Corporation Extended depth of field imaging for high speed object analysis
US8463078B2 (en) * 2007-08-23 2013-06-11 Lockheed Martin Corporation Multi-bank TDI approach for high-sensitivity scanners
US8558899B2 (en) * 2009-11-16 2013-10-15 The Aerospace Corporation System and method for super-resolution digital time delay and integrate (TDI) image processing
CN101872471B (zh) * 2010-06-04 2012-09-05 北京理工大学 基于航空时间延迟积分电荷耦合器件成像误差振动模型的图像恢复方法
CN102156990B (zh) * 2011-04-02 2013-12-11 北京理工大学 一种tdi-ccd航空遥感图像模糊参数的自动辨识方法
DE102012000862A1 (de) * 2012-01-13 2013-07-18 Carl Zeiss Sports Optics Gmbh Fernoptisches Gerät mit Bildstabilisierung und verbesserter Schwenkdetektion
US9185290B1 (en) * 2014-06-20 2015-11-10 Nearmap Australia Pty Ltd Wide-area aerial camera systems

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101742050A (zh) * 2009-12-03 2010-06-16 浙江大学 针对运动模糊核空间移变的tdiccd图像复原方法
CN103115631A (zh) * 2013-01-25 2013-05-22 西安电子科技大学 遥感相机成像参数误差校正系统及方法
CN103400345A (zh) * 2013-07-18 2013-11-20 西南交通大学 一种降低tdi-ccd相机图像模糊度的方法
CN103632349A (zh) * 2013-07-18 2014-03-12 西南交通大学 一种降低tdi-ccd相机图像模糊度的方法

Also Published As

Publication number Publication date
CN103400345A (zh) 2013-11-20
CN103632349B (zh) 2017-02-08
CA2918511A1 (en) 2015-01-22
US20160165155A1 (en) 2016-06-09
CN103632349A (zh) 2014-03-12
US9654706B2 (en) 2017-05-16

Similar Documents

Publication Publication Date Title
WO2015007065A1 (zh) 一种降低tdi-ccd相机图像模糊度的方法
CN110675450B (zh) 基于slam技术的正射影像实时生成方法及系统
JP5558973B2 (ja) 画像補正装置、補正画像生成方法、補正テーブル生成装置、補正テーブル生成方法、補正テーブル生成プログラムおよび補正画像生成プログラム
US20200118281A1 (en) Three dimensional model generation using heterogeneous 2d and 3d sensor fusion
EP0917103A2 (en) Image processing
CN106885585B (zh) 一种基于光束法平差的星载摄影测量系统一体化检校方法
CN108592884B (zh) 一种通用线阵卫星核线影像生成方法
US20090141043A1 (en) Image mosaicing apparatus for mitigating curling effect
US10154241B2 (en) Depth map based perspective correction in digital photos
CN110660099B (zh) 基于神经网络的遥感影像处理的有理函数模型拟合方法
CN113240597B (zh) 基于视觉惯性信息融合的三维软件稳像方法
CN111156969A (zh) 一种宽幅遥感影像立体测绘方法及系统
JP5349273B2 (ja) Ｒｐｃ計算装置
JP6385380B2 (ja) 演算装置、制御装置およびプログラム
CN110503604B (zh) 一种基于高精度pos的航空面阵影像实时正射拼接方法
Takaku et al. RPC generations on ALOS prism and AVNIR-2
EP3529977B1 (en) A bundle adjustment system
CN109155822B (zh) 图像处理方法和装置
JP4523422B2 (ja) 衛星画像の位置補正装置
CN113962853A (zh) 一种旋转线阵扫描图像位姿自动化精密解算方法
US9709395B2 (en) Method and system for analyzing images from satellites
Chabok Eliminating and modelling non-metric camera sensor distortions Caused by sidewise and forward motion of the UAV
Weican et al. Establishment and optimization of rigorous geometric model of push-broom camera using TDI CCD arranged in an alternating pattern
TW201322732A (zh) 調整影像之運動景深的方法
CN111010494B (zh) 一种带有地理编码的光学卫星视频稳像方法及系统

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13889570

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2918511

Country of ref document: CA

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 14905866

Country of ref document: US

122 Ep: pct application non-entry in european phase

Ref document number: 13889570

Country of ref document: EP

Kind code of ref document: A1