[发明专利]任意形状曲线刃边的点扩散函数估计方法

说明书

本发明公开一种任意形状曲线刃边的点扩散函数估计方法，包括：对退化刀刃图进行边缘检测，以获取所述退化刀刃图的刃边；利用移动窗口，对所述退化刀刃图的刃边进行采样，以获取所述对化刀刃图的边缘扩散函数样本；对所述边缘扩散函数样本进行筛选，并对筛选后的所述边缘扩散函数样本进行插值和重采样操作；对插值和重采样操作后的所述边缘扩散函数样本进行微分，以获取线扩散函数样本；对所述线扩散函数样本进行截取及进行高斯函数拟合，以获取点扩散函数样本。通过本发明，能够提高峰值信噪比，且抗噪性能良好。

技术领域

本发明涉及估计方法的技术领域，尤其涉及一种任意形状曲线刃边的点扩散函数估计方法。

背景技术

图像分辨率是评价图像质量的一项关键性指标，在实际问题中，希望获取的图像具有更高的分辨率、更好的质量是十分自然的。由于红外遥感成像具有被动工作、抗干扰性强、目标识别能力强、全天候工作等特点，已广泛应用与军事侦察、监视和制导方面。与可见光遥感图像相比，红外遥感图像具有分辨率低、对比度低、边缘模糊、信噪比低、成分复杂等缺点。

光学系统的点扩散函数(point spread function,PSF)的精确估计是提高图像光学质量的必要前提之一。很多情形下，遥感图像的点扩散函数只能利用成像系统的参数或获取的图像对系统退化函数进行辨识以获取准确的PSF。常利用遥感图像中的刀刃目标，线性脉冲目标以及方波目标来获取准确的PSF。但是这些传统方法均要求预先铺设靶标，并严格控制靶标的形状以及摆放的角度。为了克服对靶标的依赖，很多方法，例如多通道盲反卷积、基于联合变换的方法、基于全变分正则化盲复原的方法被提出并进行研究测试。这些方法虽然时间开销小，但是却对噪声异常敏感。

尽管最近几年提出了很多种解决弯曲刃边获取PSF的方案，但是大部分方法的思路可以归结为两种：基于ISO12233及其一系列改进的方法；将像元点灰度值以及点到弯曲刃边的距离组成集合后进一步处理的方法。传统刃边法直接通过对边缘扩散函数(edgespread function,ESF)曲线族微分得到的线扩散函数(line spread function,LSF)进行曲线族的对齐以及样本重采样最终得到唯一的LSF曲线。但这是在曲线每个点的切线都满足理想倾角时才较为准确，否则同倾斜直线刃边下的情况一样会使横坐标拉长导致PSF测量不准确。曲线拟合法采用二次多项式拟合弯曲刃边，将像元点灰度值以及点到弯曲刃边的距离值加入距离—灰度集合中，最后用集合中的元素拟合Fermi函数作为实际的ESF曲线。一方面，该算法使用了模拟退火算法导致迭代次数过多，时间开销大。其次刃边边缘很难用二次函数完美拟合。事实上，将像元点的灰度值以及点到弯曲刃边距离作为ESF样本的参考本身就值得商榷。一般的刃边图像分为左右型(如图1a所示)和上下型(如图1b所示)，为方便起见，将默认以左右型进行讨论，上下型的刃边以此类推。

发明内容

本发明的主要目的在于提供一种任意形状曲线刃边的点扩散函数估计方法，以解决现有技术存在的受到靶标极大的限制以及会因坐标拉伸导致估计值误差偏大的问题。

为解决上述问题，本发明实施例提供一种任意形状曲线刃边的点扩散函数估计方法，包括：对退化刀刃图进行边缘检测，以获取所述退化刀刃图的刃边；利用移动窗口，对所述退化刀刃图的刃边进行采样，以获取所述对化刀刃图的边缘扩散函数样本；对所述边缘扩散函数样本进行筛选，并对筛选后的所述边缘扩散函数样本进行插值和重采样操作；对插值和重采样操作后的所述边缘扩散函数样本进行微分，以获取线扩散函数样本；对所述线扩散函数样本进行截取及进行高斯函数拟合，以估计点扩散函数。