[发明专利]一种由计算机执行的图像处理方法

说明书

技术领域

本发明涉及数字图像处理领域，特别涉及一种由计算机执行的迭代图像处理方法。

背景技术

常用的处理算法采用迭代计算，提高信噪比。在有噪声和对成像系统参数不可能完美获取的情况下，由于不能严格地解反演的积分方程，基本思想是定义一个目标参量，通过迭代使这个目标参量达到极值。再定义一个极值稳定条件，当条件满足时，认为图像已经完成优化。比较有代表性地算法是最大熵算法，通过“熵”这一统计量地最大化，处理图像。一般的迭代过程，由于只是在运算初始使用了成像系统特征，随后地计算过程会持续将弥散信号聚集到点源中去，随着信噪比的提高，也丢失原始信息。因此，需要提供一种新的图像处理方法，能够克服现有技术中的所述缺陷。

发明内容

本发明提供了一种由计算机执行的图像处理方法，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)，

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，

计算d_b(k)=d(k)-p(k，i_s)f_s，减去上述点的数值；

其中f_s满足：

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：

重复上述步骤，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⁽¹⁾(i)，其中上标1表示迭代1次。

S9，以b⁽¹⁾(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⁽¹⁾(i)，其中上标1表示为迭代1次；

S10，令f⁽¹⁾(i)满足归一化条件：

满足归一化条件的f⁽¹⁾(i)即为恢复后的矩阵数据。

其中，在所述步骤S7中通过如下公式，采用Gauss-Seidel迭代方式恢复数据背景：

b⁽¹⁾(i)≥0

其中，f⁽¹⁾(i)表示第1次迭代后的结果，p₁(i，i)是p(i，j)和p^T(i，j)相乘的结果。

可替换地，其中，在所述步骤S7中通过如下公式，采用带有收敛因子的Gauss-Seidel迭代方式恢复数据背景：

b⁽¹⁾(i)≥0

其中，α是收敛因子，是介于0和1之间的数值。

再可替换地，在所述步骤S7中通过如下公式采用Richardson-Lucy迭代方式恢复数据背景：

b⁽¹⁾(i)≥0

特别地，在所述步骤S9中通过如下公式采用Gauss-Seidel迭代方式计算真实矩阵数据：