自适应高精度mtf测量方法
【技术领域】
[0001] 本发明属于航天光学遥感技术领域，特别是涉及一种自适应高精度MTF测量方 法。
【背景技术】
[0002] 调制传递函数（Modulation Transfer Function,缩写为MTF)为遥感器性能的一 个综合评价指标，其值直接反映了影像在不同频率的衰减情况。基于影像质量退化理论可 知，如果成像系统的MTF能够精确测量得到，那么真实影像就可以被高质量恢复。考虑到影 像的MTF会受到卫星平台不稳定性、卫星载荷老化、影像信噪比以及卫星成像时大气环境 等因素的影响，因此卫星成像系统的MTF值是一个随拍摄时间以及拍摄位置发生变化的函 数，为了获取影像准确的MTF，最简单最直观的方法即是对不同影像逐一计算MTF值。现阶 段的MTF提取方法主要依赖人为选取的地面参照物，急剧膨胀的数据量使得这种选取方法 的处理效率面临挑战，同时人为选取地面参照物并不能使遥感影像的高精度复原实现完全 的自动化处理。因此需要考虑自适应地面参照物选取的方法，提高处理的效率。另一方面， 由于MTF的分布对噪声极为敏感，如何在噪声存在的情况下，获得影像MTF的最优估计，从 而提升影像的复原精度，同样也是决定复原后影像质量的关键因素。因此，研宄自适应的地 面参照物提取以及高精度的MTF测量方法，对于提高图像复原的精度、降低劳动强度，具有 重要的理论和实际意义。
[0003] 基于遥感图像的MTF测量方法，目前国内外常用的方法为刃边法和脉冲法，由于 刃边靶标易选取，能量足，因此在实际生产中使用的较为频繁。然而正如前文所述，目前 的刃边法对人为选取靶标的依赖性较大，无法满足MTF估算的时间不一致性和空间不一致 性，同时由于目前刃边法对噪声的抑制能力不足，一次对MTF的估算可能存在偏差，基于 此，需要对目前的刃边法进行优化处理。
[0004] 本发明就是基于刃边法的优化，其中优化主要包括两个方面：第一是刃边靶标的 自动选取；第二是线扩展函数的最优估计。
【发明内容】
[0005] 本发明要解决的技术问题为：提供一种用于图像处理的自适应高精度MTF测量方 法，优化现有的刃边法，提高对图像的处理效率和图形质量。
[0006] 本发明的技术方案为：
[0007]-种自适应高精度MTF测量方法，包括步骤如下：步骤1:检测图像边缘像素点灰 度变化；步骤2 :构建图像边缘轮廓的线支持区；步骤3 :计算基于缩放窗口的线支持区的 属性参数；步骤4 :计算基于卡尔曼滤波的高精度MTF。
[0008]进一步地：步骤1中检测图像边缘像素点灰度变化，包括：步骤11 :计算每个像素 点的梯度幅值及水平线方向；步骤12 :按照编码规则对图像的每个像素点进行编码。
[0009]进一步地，步骤2中构建图像边缘轮廓的线支持区，包括：步骤21 :对几何位置邻 近并且编码值变化小于1的划为同一线支持区；步骤22:对上步划分的线支持区进行优化 处理，剔除粗差点。
[0010] 进一步地，步骤3中计算基于缩放窗口的线支持区的属性参数，包括，步骤31 :计 算线支持区中拟合直线的倾斜方向；步骤32:利用一个可扩展的矩形框计算矩形框内图像 的峰值系数值KU以及歪斜度值SK;步骤33:剔除不满足峰值度以及歪斜度要求的线支持 区。
[0011] 进一步地，步骤4中基于卡尔曼滤波的高精度MTF计算，包括：步骤41 :线扩展函 数提取；步骤42:线扩展函数高斯拟合；步骤43:基于卡尔曼滤波的高精度线扩展函数计 算；步骤43 :MTF计算与优化。
[0012] 本发明与现有技术相比的优点在于：
[0013] 本发明提出了一种基于"灰度特征+水平线方向"的自适应刃边提取方法，一种基 于缩放窗口的最佳刃边靶标自动选取的方法，一种基于卡尔曼滤波的最优线扩展函数估计 方法，实现了对刃边法的改进，实现刃边靶标的自动选取和线扩展函数的最优估计。
【附图说明】
[0014] 图1为本发明的自适应高精度MTF测量方法的流程示意图；
[0015] 图2为本发明的MTF曲线计算流程示意图；
[0016] 图3为本发明的基于卡尔曼滤波的高精度MTF计算流程示意图。
【具体实施方式】
[0017] 由于卫星影像地物类型繁多，分布复杂，地面靶标的自动选取难度较大，因此本发 明结合MTF计算的特点以及地面自动化生产的需要，构建了一种计算量不大，可以自适应 地检测出连续的边缘点，并且边缘定位能够达到亚像素级的线性地物提取算法。为了满足 MTF计算的地面参照物的线性边缘两侧的灰度分布应该较为均匀的特点，引入KURT0SIS值 (峰值系数值）确定地面参照物候选区域，然后根据候选区域线性边缘两侧的地物的灰度 分布状况最终确定是否为符合MTF计算要求的地面参照物。在线扩展函数优化方面，本发 明使用高斯函数拟合线扩展函数，同时使用卡尔曼滤波估算线扩展函数的最优估计，最终 计算生成MTF曲线。
[0018] 如图1所示，本发明的实现过程为：
[0019] 步骤1 :图像边缘轮廓像素点灰度变化检测：
[0020] 边缘轮廓是图像中所有灰度级变化最为剧烈的区域的集合，因此图像的灰度变化 信息，即梯度值是边缘提取的关键因素，像素点灰度变化检测的作用就是计算影像中逐个 像素的梯度幅值，通过设定适当的阈值，剔除灰度变化较小的值，保留灰度变化较大的值， 一般选择辐射量化指标的30%至50%作为梯度阈值。像素点灰度变化检测具体步骤如下：
[0021]1、计算每个像素点的梯度幅值及水平线方向。
[0022] 按照式（1)和式（2)计算每个像素点梯度幅值及水平线方向：
[0023]
【主权项】
1. 一种自适应高精度MTF测量方法，其特征在于，包括步骤如下： 步骤1 :检测图像边缘像素点的灰度变化； 步骤2 :构建图像边缘轮廓的线支持区； 步骤3 :计算基于缩放窗口的线支持区的属性参数； 步骤4 :计算基于卡尔曼滤波的高精度MTF。
2. 如权利要求1所述的自适应高精度MTF测量方法，其特征在于：步骤1中所述的检 测图像边缘像素点灰度变化，包括： 步骤11 :计算每个像素点的梯度幅值及水平线方向； 步骤12 :按照编码规则对图像的每个像素点进行编码。
3. 如权利要求1所述的自适应高精度MTF测量方法，其特征在于：步骤2中所述的构 建图像边缘轮廓的线支持区，包括： 步骤21 :对几何位置邻近并且编码值变化小于1的划为同一线支持区； 步骤22 :对步骤21划分的线支持区进行优化处理，剔除粗差点。
4. 如权利要求1所述的自适应高精度MTF测量方法，其特征在于：步骤3中所述的计 算基于缩放窗口的线支持区的属性参数，包括： 步骤31 :计算线支持区中拟合直线的倾斜方向； 步骤32 :利用一个可扩展的矩形框计算矩形框内图像的峰值系数值KU以及歪斜度值SK； 步骤33 :剔除不满足峰值度以及歪斜度要求的线支持区。
5. 如权利要求1所述的自适应高精度MTF测量方法，其特征在于：步骤4中所述的计 算基于卡尔曼滤波的高精度MTF，包括： 步骤41:线扩展函数提取； 步骤42 :线扩展函数高斯拟合； 步骤43 :基于卡尔曼滤波的高精度线扩展函数计算； 步骤43 :MTF计算与优化。
【专利摘要】本发明提供一种自适应高精度MTF测量方法，包括步骤如下：步骤1：检测图像边缘像素点灰度变化；步骤2：构建图像边缘轮廓的线支持区；步骤3：计算基于缩放窗口的线支持区的属性参数；步骤4：计算基于卡尔曼滤波的高精度MTF。本发明提出了一种基于“灰度特征+水平线方向”的自适应刃边提取方法，实现了对刃边法的改进，实现刃边靶标的自适应提取，同时本发明提出了一种基于卡尔曼滤波的线扩展函数最优值估算的方法，实现了高精度MTF的计算。
【IPC分类】G06T7-00
【公开号】CN104820980
【申请号】CN201510178462
【发明人】张炳先, 李岩, 何红艳, 邢坤, 周楠, 岳春宇, 曹世翔
【申请人】北京空间机电研究所
【公开日】2015年8月5日
【申请日】2015年4月15日