刃边线扩展数据和穿轨刃边线扩展数据分别作矩形窗处理，分别得到固定化沿轨刃边线扩 展数据和固定化穿轨刃边线扩展数据；
[0085] 步骤407,对所述固定化沿轨刃边线扩展数据和固定化穿轨刃边线扩展数据分别 作离散傅里叶变换，分别得到沿轨MTF和穿轨MTF;
[0086]步骤408，对所述沿轨MTF和穿轨MTF相乘得出二维的MTF，或对所述沿轨刃边线 扩展数据和穿轨刃边线扩展数据相乘得出点扩散数据。
[0087] 其中，步骤404所述费米多项式拟合为：
[0089] 其中，a表示Fermi函数的幅度；P表示Fermi函数中心位置对应X轴上的坐标； y表示Fermi函数的陡度；D表示Fermi函数的暗区对应y轴上的坐标；a、0、y和D分 别通过最小二乘法拟合得到。
[0090] 与现有技术相比，本发明所述基于相位非线性重采样拟合刃边的在轨MTF估计方 法，达到了如下效果：
[0091] 1、本发明所述基于相位非线性重采样拟合刃边的在轨MTF估计方法，通过费米拟 合不仅可以消除暗区和亮区的噪声，还能使线扩散函数更加似真，可以得到更精确的MTF。
[0092] 2、本发明所述基于相位非线性重采样拟合刃边的在轨MTF估计方法，不仅可以用 于求直线刃边MTF，还可以用于求弯曲刃边MTF。
[0093] 还需要说明的是，术语"包括"、"包含"或者其任何其他变体意在涵盖非排他性的 包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包 括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要 素。在没有更多限制的情况下，由语句"包括一个……"限定的要素，并不排除在包括所述 要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0094] 本领域技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。 因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的 形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存 储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形 式。
[0095] 以上所述仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员 来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同 替换、改进等，均应包含在本发明的权利要求范围之内。
【主权项】
1. 基于相位非线性重采样拟合刃边的在轨MTF估计方法，其特征包括： 获取所述卫星在轨MTF中载入含有倾斜刃边靶标的遥感检校图像，利用所述遥感图像 分别选取其中的靶标区域中的沿轨刃边区域和穿轨刃边区域； 对选取的所述沿轨刃边区域去除非靶标区域的行，得到偶数行沿轨刃边区域数据；同 时，对选取的所述穿轨刃边区域去除非靶标区域的列，得到偶数列穿轨刃边区域数据； 对所述偶数行沿轨刃边区域数据和偶数列穿轨刃边区域数据分别按像素值重新排序 并映射到一行，对所述偶数行沿轨刃边区域数据得到该区域数据行数倍的沿轨刃边插值边 缘扩散数据，对所述偶数列穿轨刃边区域数据得到该区域数据列数倍的穿轨刃边插值边缘 扩散数据； 对所述沿轨刃边插值边缘扩散数据和穿轨刃边插值边缘扩散数据分别进行费米拟合， 分别得到拟合后的拟合沿轨刃边插值边缘扩散数据和拟合穿轨刃边插值边缘扩散数据； 对所述拟合沿轨刃边插值边缘扩散数据和拟合穿轨刃边插值边缘扩散数据分别进行 平均重采样，分别得到无插值沿轨刃边边缘扩散数据和无插值穿轨刃边边缘扩散数据； 对所述无插值沿轨刃边边缘扩散数据和无插值穿轨刃边边缘扩散数据分别作离散差 分，分别得到沿轨刃边线扩展数据和穿轨刃边线扩展数据； 对所述沿轨刃边线扩展数据和穿轨刃边线扩展数据分别作离散傅里叶变换，分别得到 沿轨MTF和穿轨MTF ; 对所述沿轨MTF和穿轨MTF整合得出二维的MTF。2. 根据权利要求1所述的基于相位非线性重采样拟合刃边的在轨MTF估计方法，其特 征在于，对所述偶数行沿轨刃边区域数据和偶数列穿轨刃边区域数据分别按像素值重新排 序并映射到一彳丁，进一步为： 对所述偶数行沿轨刃边区域数据和偶数列穿轨刃边区域数据形成二维矩阵数据分别 按像素值大小重新排序并映射到一维数组。3. 根据权利要求1所述的基于相位非线性重采样拟合刃边的在轨MTF估计方法，其特 征在于，所述费米拟合为：其中，α表示Fermi函数的幅度；β表示Fermi函数中心位置对应X轴上的坐标；γ 表示Fermi函数的陡度；D表示Fermi函数的暗区对应y轴上的坐标；α、β、γ和D分别 通过最小二乘法拟合得到。4. 根据权利要求1所述的基于相位非线性重采样拟合刃边的在轨MTF估计方法，其特 征在于，对选取的所述沿轨刃边区域去除非靶标区域的行，得到偶数行沿轨刃边区域数据， 进一步为： 对选取的所述沿轨刃边区域去除非靶标区域的行，得到偶数行沿轨刃边区域数据，然 后对所述偶数行沿轨刃边区域数据去除不均等的暗区或亮区数据，得到规范化偶数行沿轨 刃边区域数据。5. 根据权利要求1所述的基于相位非线性重采样拟合刃边的在轨MTF估计方法，其特 征在于，对选取的所述穿轨刃边区域去除非靶标区域的列，得到偶数列穿轨刃边区域数据， 进一步为： 对选取的所述穿轨刃边区域去除非靶标区域的列，得到偶数列穿轨刃边区域数据，然 后对所述偶数列穿轨刃边区域数据去除不均等的暗区或亮区数据，得到规范化偶数列穿轨 刃边区域数据。6. 根据权利要求4所述的基于相位非线性重采样拟合刃边的在轨MTF估计方法，其特 征在于，对所述偶数行沿轨刃边区域数据和偶数列穿轨刃边区域数据分别按像素值重新排 序并映射到一行，对所述偶数行沿轨刃边区域数据得到该区域数据行数倍的沿轨刃边插值 边缘扩散数据，对所述偶数列穿轨刃边区域数据得到该区域数据列数倍的穿轨刃边插值边 缘扩散数据，进一步为： 对所述规范化偶数行沿轨刃边区域数据按像素值重新排序并映射到一行，得到该区域 数据行数倍的沿轨刃边插值边缘扩散数据。7. 根据权利要求5所述的基于相位非线性重采样拟合刃边的在轨MTF估计方法，其特 征在于，对所述偶数行沿轨刃边区域数据和偶数列穿轨刃边区域数据分别按像素值重新排 序并映射到一行，对所述偶数行沿轨刃边区域数据得到该区域数据行数倍的沿轨刃边插值 边缘扩散数据，对所述偶数列穿轨刃边区域数据得到该区域数据列数倍的穿轨刃边插值边 缘扩散数据，进一步为： 对所述规范化偶数列穿轨刃边区域数据按像素值重新排序并映射到一行，得到该区域 数据列数倍的穿轨刃边插值边缘扩散数据。8. 根据权利要求1所述的基于相位非线性重采样拟合刃边的在轨MTF估计方法，其特 征在于，对所述无插值沿轨刃边边缘扩散数据和无插值穿轨刃边边缘扩散数据分别作离散 差分，分别得到沿轨刃边线扩展数据和穿轨刃边线扩展数据，进一步为： 对所述无插值沿轨刃边边缘扩散数据和无插值穿轨刃边边缘扩散数据分别作离散差 分，分别得到沿轨刃边线扩展数据和穿轨刃边线扩展数据，然后对所述沿轨刃边线扩展数 据和穿轨刃边线扩展数据分别作矩形窗处理，分别得到固定化沿轨刃边线扩展数据和固定 化穿轨刃边线扩展数据。9. 根据权利要求8所述的基于相位非线性重采样拟合刃边的在轨MTF估计方法，其特 征在于，对所述沿轨刃边线扩展数据和穿轨刃边线扩展数据分别作离散傅里叶变换，分别 得到沿轨MTF和穿轨MTF，进一步为： 对所述固定化沿轨刃边线扩展数据和固定化穿轨刃边线扩展数据分别作离散傅里叶 变换，分别得到沿轨MTF和穿轨MTF。10. 根据权利要求1所述的基于相位非线性重采样拟合刃边的在轨MTF估计方法，其特 征在于，对所述沿轨MTF和穿轨MTF整合得出二维的MTF，进一步为：对所述沿轨MTF和穿 轨MTF相乘得出二维的MTF，或对所述沿轨刃边线扩展数据和穿轨刃边线扩展数据相乘得 出点扩散数据。
【专利摘要】本申请公开了一种基于相位非线性重采样拟合刃边的在轨MTF估计方法，获取所述卫星在轨MTF中载入含有倾斜刃边靶标的遥感检校图像，利用所述遥感图像分别选取其中的靶标区域中的沿轨刃边区域和穿轨刃边区域；对选取的所述沿轨刃边区域去除非靶标区域的行，得到偶数行沿轨刃边区域数据；同时，对选取的所述穿轨刃边区域去除非靶标区域的列，得到偶数列穿轨刃边区域数据等步骤；本发明解决了在布设倾斜刃边靶标，进而采用相位采样法获取在轨卫星MTF的时候，成像系统、大气扰动和卫星平台的振动等形成的噪声和模糊导致成像质量下降。
【IPC分类】G06F19/00
【公开号】CN105069313
【申请号】CN201510523927
【发明人】高昆, 徐志高, 李果, 韩璐, 赵华, 杨桦, 闫雪梅
【申请人】北京理工大学
【公开日】2015年11月18日
【申请日】2015年8月24日