基于三边置信测度的主动式探测成像数据融合方法
【专利摘要】本发明公开了一种基于三边置信测度的主动式探测成像数据融合方法，包括：首先，对序列图像，进行配准，并投影到标准高分辨率网格，形成像素非均匀分布的图像f(s)；接着，设计基于距离测度的加权最小二乘法对f(s)预处理，得到然后，根据f(s)和构造并计算基于混合模型的灰度差测度，设计基于距离测度和灰度差测度的加权最小二乘法对f(s)再处理，得到像素均匀分布的图像最后，根据f(s)和构造并计算邻域灰度差测度，设计基于距离测度、灰度差测度和邻域灰度差测度的加权最小二乘法对f(s)处理，得到融合图像并输出。本发明整合了归一化卷积和双边滤波器的加权机制，灰度差测度采用混合模型，能更好实现主动式探测图像的高分辨率融合与去噪。
【专利说明】
基于三边置信测度的主动式探测成像数据融合方法
技术领域
[0001]本发明涉及一种基于三边置信测度的主动式探测成像数据融合方法，属于雷达信 号处理技术领域。
【背景技术】
[0002] 雷达成像数据是一种主动式探测成像数据，数据主要以图像形式展现。主动式探 测成像与一般成像相比:①要多出信号发射源，但会受制于技术水平和硬件条件;②信号传 输路径更长更复杂，会受环境和探测目标的干扰。因此，雷达成像数据所展现的单帧雷达图 像会有不同程度的畸变、欠采样或噪声。而采用成像数据融合，即图像融合的方法对序列雷 达图像进行处理，所得图像的质量会显著改善。
[0003] 成像数据融合，即图像融合，是一种将不同时间、不同模式获取的同场景的低分辨 率序列图像进行合成的技术。融合的图像充分利用了序列图像间的互补信息，剔除了序列 图像间的冗余甚至干扰信息，分辨率得以提高，从而保证信息提取及目标识别的精度。图像 融合的一般过程为:①对序列图像进行配准。②依据配准结果将序列图像都投影到一帧高 分辨率网格上。因为各帧低分辨率图像之间不仅有平移关系，还有缩放、旋转和剪切关系， 所以高分辨率网格上的像素分布并不均匀。③将像素分布不均匀的图像均匀化，也即对图 像像素进行重采样或插值。
[0004] 归一化卷积方法可有效实现主动式探测图像的重采样，同时也可去除主动式探测 图像的噪声及异常值。这是因为:归一化卷积对图像像素进行的重采样或插值，本质上是通 过加权最小二乘拟合图像曲面来完成的，而拟合恰可有效消除噪声。加权最小二乘中的权 值，实质是参与拟合运算的邻域像素的置信测度，用以表征参与拟合运算的邻域像素的可 靠性。归一化卷积包含两个置信测度:一个是距离测度，邻域像素与中心像素的距离越大， 距离测度越小；另一个是灰度差测度，邻域像素的观测灰度与其估计灰度的差距越大，灰度 差测度越小。归一化卷积不单以距离测度为标准，其特有的双边置信测度提升了去噪效果。
[0005] 然而，问题在于:①对比同样具有双边置信测度的双边滤波器，归一化卷积的置信 测度仍有不足之处。双边滤波器的双边置信测度为:距离测度和邻域灰度差测度;其中的邻 域灰度差测度，度量的是邻域像素与中心像素的灰度差距，差距越大，邻域灰度差测度越 小。不同于归一化卷积中的灰度差测度，邻域灰度差正是归一化卷积所缺少的。②归一化卷 积的灰度差测度通常用高斯函数表征，这样可抑制高灰度差的像素。但是，高斯函数对低灰 度差噪声像素的抑制作用并不理想，对低灰度差噪声像素需要施加更高的强度加以抑制。 而拉普拉斯函数在低灰度差区间对噪声像素的抑制作用比高斯函数更为有效。
【发明内容】
[0006] 为了解决上述技术问题，本发明提供了一种基于三边置信测度的主动式探测成像 数据融合方法。
[0007] 为了达到上述目的，本发明所采用的技术方案是：
[0008] 基于三边置信测度的主动式探测成像数据融合方法，包括以下步骤，
[0009] 首先，对受噪声及异常值干扰的低分辨率序列主动式探测成像数据，即序列图像， 进行配准，并投影到标准高分辨率网格，形成像素非均匀分布的图像f(s);接着，设计基于 距离测度的加权最小二乘法对f(s)预处理，得到/<4，/&；)为预处理后的像素非均匀分 布的图像;然后，根据f(s)和/〇)，构造并计算基于混合模型的灰度差测度，设计基于距离 测度和灰度差测度的加权最小二乘法对f(s)再处理，得到像素均匀分布的图像 ./'(Χ)，又(X)为再处理后的像素均匀分布的图像;最后，根据汽幻和./ Ω(Χ)，构造并计算 邻域灰度差测度，设计基于距离测度、灰度差测度和邻域灰度差测度的加权最小二乘法对f (S)处理，得到融合图像/(X；)并输出。
[0010] 具体步骤如下，
[0011] 步骤1，输入受噪声及异常值干扰的低分辨率序列主动式探测成像数据，即序列图 像；
[0012] 步骤2,以序列图像的第一帧为参考帧，对序列图像的其余各帧进行亚像素精度的 配准；
[0013] 步骤3,根据配准结果，将所有低分辨率图像均投影到一个标准高分辨率网格中， 形成像素非均匀分布的高分辨率图像f(s);
[0014] 其中，s表示非均匀分布像素的坐标；
[0015] 步骤4,以Si表示第i个非均匀分布像素的坐标，在以Si为中心的局部窗口S，构建加 权二乘式e(si);
[0017] 其中，表示坐标犯处像素灰度的预估值， 表示距离测度，〇s表示距离控制参数；
[0018] 步骤5,对每个Si，通过最小化e(si)，求得
[0019] 所有构成像素非均勾分布的图像;
[0020] 步骤6,构造并计算基于混合模型的灰度差测度c(s);
[0022] 其中，min( ·，·）表示取两数的较小值，(^表示灰度差控制参数；
[0023] 步骤7,以^表示标准高分辨率网格中的第i个坐标，在以Xl为中心的局部窗口X，构 建双边测度的加权二乘式E( Xi);
[0025] 其中，/d'：)表示坐标义:处像素灰度的初估值， 表示距离测度；
[0026] 步骤8,对每个Xi，通过最小化E(xi)，求得;
[0027] 所有_/。(；)构成像素均匀分布的图像又(X);
[0028] 步骤9,在以Xi为中心的局部窗口X，构建三边测度的加权二乘式Δ (Xi);
[0030]
?表示领域灰度差测度，〇r表示领域 灰度差控制参数；
[0031 ] 步骤10,对每个Xi，通过最小化Δ (xi)，求得，
[0032] 所有构成像素均匀分布的图像
[0033] 步骤11，输出/(χ；)，作为主动式探测成像数据融合的结果。
[0034]本发明所达到的有益效果:本发明提出的基于三边置信测度的加权机制，不仅考 虑了归一化卷积的距离测度和灰度差测度，还耦合了双边滤波器的邻域灰度差测度，相比 归一化卷积和双边滤波器，可以更有效地剔除异常值，提高主动式探测图像的分辨率;构建 的基于混合模型的灰度差测度，相比高斯函数和拉普拉斯函数，其对图像噪声更具鲁棒性， 进而提高主动式探测图像的融合效果。
【附图说明】
[0035]图1为本发明的流程图。
【具体实施方式】
[0036] 下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明 的技术方案，而不能以此来限制本发明的保护范围。
[0037] 基于三边置信测度的主动式探测成像数据融合方法，包括:首先，对受噪声及异常 值干扰的低分辨率序列主动式探测成像数据，即序列图像，进行配准，并投影到标准高分辨 率网格，形成像素非均匀分布的图像f(s);接着，设计基于距离测度的加权最小二乘法对f (s)预处理，得到/Gv)，为预处理后的像素非均匀分布的图像；然后，根据f(s)和 /&；)，构造并计算基于混合模型的灰度差测度，设计基于距离测度和灰度差测度的加权最 小二乘法对f(s)再处理，得到像素均匀分布的图像/Κχ；)，/jx)为再处理后的像素均匀 分布的图像;最后，根据f(s)和构造并计算邻域灰度差测度，设计基于距离测度、灰 度差测度和邻域灰度差测度的加权最小二乘法对f(s)处理，得到融合图像/GO并输出。
[0038] 具体步骤如图1所示：
[0039] 步骤1，输入受噪声及异常值干扰的低分辨率序列主动式探测成像数据，即序列图 像。
[0040] 步骤2,以序列图像的第一帧为参考帧，对序列图像的其余各帧进行亚像素精度的 配准。
[0041] 步骤3,根据配准结果，将所有低分辨率图像均投影到一个标准高分辨率网格中， 形成像素非均匀分布的高分辨率图像f(s);
[0042] 其中，s表示非均匀分布像素的坐标。
[0043] 步骤4,以Si表示第i个非均匀分布像素的坐标，在以Si为中心的局部窗口S，构建加 权二乘式e(Si);
[0045] 其中，表示坐标8:处像素灰度的预估值， 表示距离测度，〇s表示距离控制参数。
[0046] 步骤5,对每个Si，通过最小化e(si)，求得/'h.);
[0047] 所有/〇(.)构成像素非均勾分布的图像/〇)。
[0048] 步骤6,构造并计算基于混合模型的灰度差测度c(s);
[0050] 其中，min( ·，·）表示取两数的较小值，(^表示灰度差控制参数。
[0051] 步骤7,以^表示标准高分辨率网格中的第i个坐标，在以Xl为中心的局部窗口X，构 建双边测度的加权二乘式E( Xi);
[0053] 其中，表示坐标私处像素灰度的初估值，， 表示距离测度。
[0054] 步骤8,对每个Xi，通过最小化E(Xi)，求得又;
[0055]所有又(七）构成像素均匀分布的图像又⑷。
[0056] 步骤9,在以Xi为中心的局部窗口X，构建三边测度的加权二乘式Δ (Xi);
[0058]
.表示领域灰度差测度，〇R表示领域 灰度差控制参数。
[0059] 步骤10,对每个Xi，通过最小化Δ (Xi)，求得:
[0060] 所有,/〇2.)构成像素均匀分布的图像./(X)。
[0061] 步骤11，输出/&；),作为主动式探测成像数据融合的结果。
[0062]上述方法提出的基于三边置信测度的加权机制，不仅考虑了归一化卷积的距离测 度和灰度差测度，还耦合了双边滤波器的邻域灰度差测度，相比归一化卷积和双边滤波器， 可以更有效地剔除异常值，提高主动式探测图像的分辨率;构建的基于混合模型的灰度差 测度，相比高斯函数和拉普拉斯函数，其对图像噪声更具鲁棒性，进而提高主动式探测图像 的融合效果。
[0063]以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人 员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形 也应视为本发明的保护范围。
【主权项】
1. 基于三边置信测度的主动式探测成像数据融合方法，其特征在于:包括以下步骤， 首先，对受噪声及异常值干扰的低分辨率序列主动式探测成像数据，即序列图像，进行 配准，并投影到标准高分辨率网格，形成像素非均匀分布的图像f(s);接着，设计基于距离 测度的加权最小二乘法对f(s)预处理，得到为预处理后的像素非均匀分布的 图像;然后，根据f(s)和/构造并计算基于混合模型的灰度差测度，设计基于距离测度 和灰度差测度的加权最小二乘法对f(s)再处理，得到像素均匀分布的图像为 再处理后的像素均匀分布的图像;最后，根据f(s)和iOO,构造并计算邻域灰度差测度， 设计基于距离测度、灰度差测度和邻域灰度差测度的加权最小二乘法对f(s)处理，得到融 合图像并输出。2. 根据权利要求1所述的基于三边置信测度的主动式探测成像数据融合方法，其特征 在于:具体步骤如下， 步骤1，输入受噪声及异常值干扰的低分辨率序列主动式探测成像数据，即序列图像； 步骤2,以序列图像的第一帧为参考帧，对序列图像的其余各帧进行亚像素精度的配 准； 步骤3,根据配准结果，将所有低分辨率图像均投影到一个标准高分辨率网格中，形成 像素非均匀分布的高分辨率图像f(s); 其中，s表示非均匀分布像素的坐标； 步骤4,以81表示第i个非均匀分布像素的坐标，在以Sl为中心的局部窗口 S，构建加权二 乘式e(si);seS. 其中，表示坐标Si处像素灰度的预估值表示距离测度，〇s表示距离控制参数； 步骤5，对每个Si，通过最小化ε (si)，求得 所有/(')构成像素非均勾分布的图像./'⑷； 步骤6,构造并计算基于混合模型的灰度差测度c(s);' / 其中，min( ·，·）表示取两数的较小值，(^表示灰度差控制参数； 步骤7，以Xi表示标准高分辨率网格中的第i个坐标，在以Xi为中心的局部窗口X，构建双 边测度的加权二乘式E(xi);8?Χ 其中，表示坐标1:处像素灰度的初估值，表示 VJ 距离测度； 步骤8，对每个Xi，通过最小化E(Xi)，求得| 所有又(X.)构成像素均勾分布的图像又(JC); 步骤9,在以Xi为中心的局部窗口X，构建三边测度的加权二乘式Δ (Xi);其中，表示领域灰度差测度，cR表示领域灰度 差控制参数； 步骤10,对每个Xi，通过最小化Δ (Xi)，求得; 所有/XxD构成像素均匀分布的图像/Xxh 步骤11，输出，作为主动式探测成像数据融合的结果。
【文档编号】G06T7/00GK105869162SQ201610183108
【公开日】2016年8月17日
【申请日】2016年3月28日
【发明人】徐枫, 陈哲, 张振, 石爱业, 蒋德富, 徐立中
【申请人】河海大学