[发明专利]一种由计算机执行的图像处理方法

权利要求书

1.一种由计算机执行的图像处理方法，其特征在于，包括如下步骤：

S1、选取仪器特征矩阵p(i,j)；

S2、对于输入图像的每一帧矩阵数据d(i)，计算d(i)和p^T(i,j)的卷积作为再卷积矩阵c(i)；

S3、当矩阵数据d(i)中不存在背景或者背景b(i)已知，则进入步骤S9；

S4、计算p(i,j)和d(i)的归一化再卷积矩阵c^*(i)，

$c^{*}\left(i\right)=\frac{M{\Σ}_k\[p(k,i)d\left(k\right)\]-{\Σ}_{k}p(k,i){\Σ}_{k}d\left(k\right)}{M{\Σ}_k{\[p(k,i)\]}^2-{\[{\Σ}_{k}p(k,i)\]}^2}$

其中M是d(i)的每一行的矩阵数据元素；

S5、设定阈值f_m，判断c^*(i)的每一点是否大于f_m，若是则判定此点为数据突变点或者数据远大于背景的数据点，

通过计算d_b(k)＝d(k)-p(k,i_s)f_s，以减去上述数据突变点和数据远大于背景的数据点的数值；

其中f_s满足：

$\underset{i^{\′}}{\Σ}{\{c_b\left(i^{\′}\right)-\[c^{*}\left(i^{\′}\right)-f_s{c}_s(i^{\′},i_s)\]\}}^2=\min$

其中，d_b(k)是减去数据突变点和数据远大于背景的数据点后的矩阵数据，c_b(i)是d_b(k)和p(i,j)的再卷积矩阵，c_s(i；i_s)是p(i,j)和自身的再卷积矩阵：

$c_s(i;i_s)=\frac{M{\Σ}_k\[p(k,i)p(k,i_s)\]-{\Σ}_{k}p(k,i){\Σ}_{k}p(k,i_s)}{M{\Σ}_k{\[p(k,i)\]}^2-{\[{\Σ}_{k}p(k,i)\]}^2}$

重复上述步骤S1至步骤S5，直至c^*(i)中所有数据点均小于f_m；此时获得去除数据突变点和数据远大于背景的数据点后的矩阵数据，记作d_b(k)；

S6、计算d_b(k)和p(i,j)的卷积，记作c_b(i)；

S7、通过Gauss-Seidel迭代或Richardson-Lucy迭代方式恢复数据背景，其中在所述迭代中所设定的上限是所有的数值均大于等于0；

S8、重复步骤S7直到得到收敛结果作为重建后的背景数据，记作b^(l)(i)，其中上标l表示迭代l次；

S9，以b^(l)(i)或者是预先知道的背景作为限制条件，利用Gauss-Seidel迭代或Richardson-Lucy迭代方式计算真实矩阵数据，记作f^(l)(i)，其中上标l表示为迭代l次；

S10，令f^(l)(i)满足归一化条件：

$\underset{k}{\Σ}\underset{i}{\Σ}p(k,i)f^{\left(l\right)}\left(i\right)=\underset{k}{\Σ}d\left(k\right)$

满足归一化条件的f^(l)(i)即为恢复后的矩阵数据。