本发明涉及中子照相,特别是涉及一种图像混合降质复原方法。
背景技术:
1、中子照相技术是利用中子成像的技术,被广泛应用于无损检测行业。中子照相技术由于中子源和成像条件的限制,观察图像的质量往往不佳,尤其是对小型中子照相装置,存在观察图像模糊、几何不锐度较高等问题。现有技术的图像复原方法,仅对单一特定的噪声有去除效果,应用的中子照相中时,由于中子图像中包含混合噪声,所以图像的复原效果不佳。
技术实现思路
1、鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的图像混合降质复原方法,旨在解决现有图像复原方法无法对混合噪声进行有效去除的问题,达到提高无损检测精度的目的。
2、具体地,本发明提供了如下技术方案:
3、一种图像混合降质的复原方法,包括:
4、获得观察图像;
5、根据所述观察图像,构建反卷积模型,以对所述观察图像的几何不锐度进行修正;以及,构建低秩去噪模型,对所述观察图像进行去噪处理;
6、根据所述反卷积模型和所述低秩去噪模型,得到原始图像。
7、可选地,所述的根据所述反卷积模型和所述低秩去噪模型,得到原始图像,包括:
8、以所述反卷积模型的输出结果作为所述低秩去噪模型的输入,同时以所述低秩去噪模型的输出结果作为所述反卷积模型的输入,以进行双循环降质修正。
9、可选地,所述的根据所述观察图像,构建反卷积模型,包括:
10、获得所述观察图像的暗场的像素平均值;以及获得所述观察图像的平场的像素平均值;
11、根据所述暗场的像素平均值和所述平场的像素平均值,对所述观察图像进行归一化;
12、根据归一化的所述观察图像,进行掩码操作,以得到初始去噪图像。
13、可选地,所述的根据所述观察图像,构建反卷积模型,还包括:
14、获得所述观察图像的几何不锐度;
15、根据所述几何不锐度,获得点扩散函数;
16、以所述点扩散函数为卷积核,获得反卷积函数。
17、可选地,所述的根据所述几何不锐度,获得点扩散函数,包括:
18、选择二维柯西分布函数为所述点扩散函数;
19、将所述几何不锐度近似为所述二维柯西分布函数的半峰全宽,以获得分散度参数;
20、根据所述分散度参数,获得所述二维柯西分布函数。
21、可选地,所述的构建低秩去噪模型,包括:
22、将所述观察图像模拟为所述原始图像的泊松噪声分布,获得kl散度函数。
23、可选地,所述的构建低秩去噪模型,还包括:
24、矩阵分块,所述矩阵分块包括:
25、在所述观察图像上选择多个大小相等的矩形块,其中所述观察图像的每个像素至少处于两个所述矩形块;在每个所述矩形块内设置搜索窗口,并在所述搜索窗口内设置多个分块;以及
26、相似块匹配,所述相似块匹配包括:
27、在一个所述搜索窗口的处于中心附近的所述分块的周围范围内搜索其它所述搜索窗口的所述分块,并进行相似性计算;根据相似性计算结果,选择多个所述分块作为相似块,并将多个所述相似块按顺序生成相似性矩阵;
28、相似块低秩逼近,所述相似块低秩逼近包括:
29、利用非局部均值算法得到低秩逼近求解函数;
30、根据所述kl散度函数和所述低秩逼近求解函数,获得最优解。
31、可选地,所述的构建低秩去噪模型,还包括图像重组,所述图像重组包括:
32、像素叠加,所述像素叠加包括:
33、按照生成所述相似块矩阵的所述搜索窗生对应的处于中心的所述分块的序号,对所述相似块矩阵进行叠加;
34、均值处理,所述均值处理包括:
35、对每个叠加后的像素,将其灰度除以其在处于所述相似块矩阵时被叠加的次数。
36、可选地,所述的根据所述反卷积模型和所述低秩去噪模型,得到原始图像,包括:
37、以拉普拉斯清晰度作为评价标准,对所述反卷积函数进行处理。
38、可选地,所述的根据所述kl散度函数和所述低秩逼近求解函数,获得最优解,包括:
39、对所述kl散度函数和所述低秩逼近求解函数进行正则化处理;
40、根据正则化处理后的所述kl散度函数和正则化处理后的所述低秩逼近求解函数,获得最优解。
41、本申请提供的图像混合降质的复原方法,针对照相系统的特点,通过构建反卷积模型,对由照相系统造成的图像的几何不锐度进行修正。针对观察图像自身包含的自相似的信息,通过构建低秩去噪模型,对图像进行去噪处理。本申请提供的复原方法,能够很好地去除照相图像的混合噪声和空间几何不锐度,达到较好的复原效果。将本申请提供的复原方法应用低信噪比低几何不清晰度的混合降质的图像上,尤其是应用到小型中子照相系统的图像上时,能够达到较好的复原图像,提高小型中子照相系统的无损检测的精度。
42、进一步地,本申请提供的复原方法,反卷积模型和低秩去噪模型在对图像修正过程中构成双循环,相互提升复原效果,以得到最优原始图像。并且在修正过程中,无需手动调节,可自适应调整去噪和去模糊参数,进一步提高了图像混合降质的复原效率和效果。
43、根据下文结合附图对本发明具体实施例的详细描述,本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。
1.一种图像混合降质的复原方法,其特征在于,包括:
2.根据权利要求1所述的复原方法,其特征在于,
3.根据权利要求1所述的复原方法,其特征在于,所述的根据所述观察图像,构建反卷积模型,包括:
4.根据权利要求3所述的复原方法,其特征在于,所述的根据所述观察图像,构建反卷积模型,还包括:
5.根据权利要求4所述的复原方法,其特征在于,所述的根据所述几何不锐度,获得点扩散函数,包括:
6.根据权利要求3所述的复原方法,其特征在于,所述的构建低秩去噪模型,包括:
7.根据权利要求6所述的复原方法,其特征在于,所述的构建低秩去噪模型,还包括:
8.根据权利要求7所述的复原方法,其特征在于,所述的构建低秩去噪模型,还包括图像重组,所述图像重组包括:
9.根据权利要求5所述的复原方法,其特征在于,所述的根据所述反卷积模型和所述低秩去噪模型,得到原始图像,包括:
10.根据权利要求8所述的复原方法,其特征在于,所述的根据所述kl散度函数和所述低秩逼近求解函数,获得最优解,包括: