[发明专利]一种由计算机执行的图像处理方法

摘要

本发明公开了一种图像处理方法，将选取的仪器特征矩阵p(i，j)；与输入图像的每一帧矩阵数据d(i)，计算d(i)和pT(i，j)的卷积作为再卷积矩阵c(i)；计算p(i，j)和d(i)的归一化再卷积矩阵c*(i)，设定阈值fm，判断c*(i)的每一点是否大于fm，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，重复上述步骤，直至c*(i)中所有数据点均小于fm；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db(k)；计算db(k)和p(i，j)的卷积，记作cb(i)；通过Gauss‑Seidel迭代或Richardson‑Lucy迭代方式恢复数据背景；重复上述步骤直到得到收敛结果作为重建后的背景数据。本发明的图像处理方法所获得的图像最大化恢复了图像信息，通过充分利用对仪器和目标的先验知识，实现较大动态范围内的图像还原和特定的信息提取。

主权项

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pT(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*(i)=MΣk[p(k,i)d(k)]-Σkp(k,i)Σkd(k)MΣk[p(k,i)]2-[Σkp(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fm，判断c*(i)的每一点是否大于fm，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db(k)＝d(k)‑p(k,is)fs，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fs满足：Σi′{cb(i′)-[c*(i′)-fscs(i′,is)]}2=min]]>其中，db(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，cb(i)是db(k)和p(i,j)的再卷积矩阵，cs(i；is)是p(i,j)和自身的再卷积矩阵：cs(i;is)=MΣk[p(k,i)p(k,is)]-Σkp(k,i)Σkp(k,is)MΣk[p(k,i)]2-[Σkp(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fm；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db(k)；S6、计算db(k)和p(i,j)的卷积，记作cb(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：ΣkΣip(k,i)f(l)(i)=Σkd(k)]]>满足归一化条件的f(l)(i)即为恢复后的矩阵数据。