一种基于“谱”反演的红外图像增强与重建方法技术

该发明专利技术公开了一种基于“谱”反演的红外图像增强与重建方法，属于红外图像处理领域，特别涉及一种新的红外图像增强与细节重建方法和新的计算成像方法。该方法借鉴近期提出的地震信号处理中地震道高分辨率重建思想，进行红外图像的“谱”反演(反射能量重构)。该方法通过建立红外反射能量模型和反射能量奇、偶分解模型，进行优势频带内的谱反演，最终实现红外图像细节分辨率的提高。该发明专利技术可以在不增加图像空间分辨率的基础上，突出弱小目标的“反射”能量细节，提高目标对比度和能量特征。有利于后续红外弱小目标的检测和跟踪，具有较大的应用前景。

【技术实现步骤摘要】
一种基于“谱”反演的红外图像增强与重建方法
本专利技术属于红外图像处理领域，特别涉及一种新的红外图像增强与细节重建方法和新的计算成像方法。该方法借鉴近期提出的地震信号处理中地震道高分辨率重建思想，进行红外图像的“谱”反演(反射能量重构)。
技术介绍
红外成像技术在现代交通、安防监控等领域得到了广泛的应用，在红外探测系统中，红外目标检测与跟踪是其关键技术和核心模块。由于远距离红外成像往往带来图像对比度低、信噪比及信杂比低、成像面积小、无形状及纹理特征等缺陷，需要对采集到的红外图像进行预处理，提高图像的细节分辨率，以压制背景能量、提高目标区域能量并突出目标细节，有利于后续的红外弱小目标的检测和跟踪。传统的超分辨率图像重建(Superresolutionimagere-construction，SRIR/SR)是指用信号处理和图像处理的方法，通过软件算法的方式将已有的低分辨率(Low-resolution,LR)图像转换成高分辨率(High-resolution,HR)图像的技术，主要方法分为基于图像重构的超分辨率重建，以及基于学习的超分辨率重建等。该技术通过利用一组低质量、低分辨率图像(或运动序列)来产生单幅高质量、高分辨率图像。传统方法往往带来图像空间尺寸的改变，且不能有针对性地增强感兴趣区域的能量特征。在地震勘探信号处理中，谱反演是一种精细识别薄层和反射系数的反演方法。谱反演建立在地震信号谱分解的基础之上，通过谱分解，我们提取出地震道瞬时属性，这些属性可以用来适当提高地震资料的分辨率。在频率域中，进行反射系数的估计和重构，以进一步提高反演结果的分辨率，即为谱反演。1980s，谱分解的概念被提出。Taner等人(1979)提出的复数道分析形成了最早的谱分解理论基础。随着测不准原理被引入数字信号处理领域，谱分解技术开始迅速发展。借鉴数字信号处理中用不同的时频基函数分析信号的方法，物探学家们相继将Gabor变换、连续小波变换、离散小波变换、S变换等方法引入地震资料分析。伴随着这些新算法的推广应用，地震资料瞬时属性的提取结果也有了很大改进。之后，Portniaguine(2004)提出了地震信号逆谱分解方法，Sinha、Castagna等人(2005)提出了将连续小波变换用于地震谱分解的方法等等，这些方法的提出促进了地震资料谱分解技术的发展。谱反演是谱分解和反演算法的结合。经过多年的研究及发展，谱反演方法被证明为一种行之有效的、能提高地震资料图像薄层分辨率的方法。在没有噪声且已知地震子波的理想情况下，该方法理论上能识别厚度小于调谐厚度的薄层，并且可以精确地刻画出地层的边界。谱反演的目标函数具有较好的收敛性和约束能力，通过调整反射系数的位置和大小，在频域目标函数的约束下，可得到高分辨率反射系数序列。谱反演方法从提出到现在虽然经历了十余年的发展，但在关键技术及其应用上，还有多问题需要去深入研究，可以说它还是一种新的方法技术。回顾谱反演的发展历史，可以分为以下几个阶段：Partyka(1999)等发现谱分解方法应用在地震资料解释中，可适当提高地震资料的分辨率；2004年，Partyka等将谱分解技术结合地震反演，提出谱反演理论。SatinderChopra，JohnP.Castagna等(2006)用谱分解获得的局部频谱资料进行反演，计算出薄层反射系数，反演结果的分辨率优于常规反演，并指出了该方法具有无需先验模型、反射系数假设、层位约束、测井约束等优点。CharlesI.Puryear和JohnP.Castagna(2008)把反射系数分解成偶分量和奇分量，推导出谱反演的基本公式，并通过模型试算证明了该方法可用来分辨地下小于调谐厚度的薄层；SanyiYuan等(2009)从理论上讨论了现阶段谱反演存在的问题及其适用条件，并对谱反演的不适定性进行了详细的分析。Satinder.Chopra和JohnP.Castagna等(2009)将谱反演方法应用于实际资料，并计算出了稀疏的反射系数，这不仅证明了谱反演方法的可行性，也指出谱反演的应用前景和未来发展方向。
技术实现思路
本专利技术设计一种基于小波分解并借鉴地震勘探信号谱反演理论的图像处理方法。通过建立红外图像反射能量模型，采用“谱”反演方法，在不改变空间分辨率的情况下，实现图像的细节分辨率增强。该方法为红外图像信息的后续处理，比如弱小目标的识别，背景的分类等提供更加有用而高效的信息，可以提高红外目标检测和识别率。本专利技术一种基于“谱”反演的红外图像增强与重建方法，该方法包括：步骤1：获得一幅待处理的红外图像；步骤2：采用小波构建红外图像分解字典，字典中的原子为稀疏基或正交基；步骤3：将步骤1获得的图像利用字典进行分解，得到若干子带，并获得各子带的系数；步骤4：建立各子带能量模型；步骤5：对各子带系数进行奇偶分量分解，得到奇分量系数和偶分量系数，并可以分别构建出奇偶分量子带及其对应的能量模型；步骤6：建立红外图像细节分辨率评价标准；步骤7：将步骤5得到的各子带的奇分量系数和偶分量系数乘以不同的变换因子，改变其大小，然后利用改变后的系数重构红外图像，通过步骤6建立的评价标准判断还原后图像分辨率是否达到要求；步骤8：按照步骤1到步骤7相同的方法对多幅相似情况下采集到的红外图像进行细节强化，获得不同图像的分量系数变换因子，再根据得到的分量系数变换因子得到一个普遍使用的分量系数变换因子，用于相似情况下获得的红外图像的细节强化。其中所述步骤2中采用正交小波构建字典。其中所述步骤3中利用字典对获得图像分解为高频子带和低频子带，并获得其对应的子带系数；其中所述步骤6建立红外图像细节分辨率评价标准为：C＝Cdef×CSNR，其中：Cdef为图像的清晰度，CSNR为图像的信噪比；其中所述步骤7的具体步骤为：步骤7-1：建立正演模型M为要求的最优子带系数，K1和K2为反变换算子，H1和H2为图像的退化算子，例如由于相机成像质量所引起的模糊、环境噪声、大气扰动等，F表示图像子带，n是一个微小的扰动，表示正演模型和实际信号的差异性；步骤7-2：根据步骤7-1获得目标函数：其中δ表示红外图像细节分辨率评价阈值，α为正则化因子。本专利技术一种基于“谱”反演的红外图像增强与重建方法，属于红外图像处理领域，特别涉及一种新的红外图像增强与细节重建方法和新的计算成像方法。该方法通过建立红外反射能量模型和反射能量奇、偶分解模型，进行优势频带内的谱反演，最终实现红外图像细节分辨率的提高。该专利技术可以在不增加图像空间分辨率的基础上，突出弱小目标的“反射”能量细节，提高目标对比度和能量特征。有利于后续红外弱小目标的检测和跟踪，具有较大的应用前景。附图说明图1为含有两个脉冲的信号的奇偶分量分解示意图；图2为一幅含有弱小目标的实际红外图像；图3为红外图像不同频带子图进行奇偶分量分解的结果图；图4为采用本专利技术中提出的方法，得到的红外图像“谱”反演结果图；图5为红外图像“谱”反演结果的能量分布图，圆圈部分表示得到增强的红外弱小目标能量；图6为方法流程图。具体实施方式下面结合附图对本专利技术进行具体说明。步骤1：输入一幅待处理的红外图像f(x,y)，其大小为M×N；步骤2：构建红外图像分解字典，字典中的原子为稀疏基或正交基。在本专利技术本文档来自技高网...

【技术保护点】
一种基于“谱”反演的红外图像增强与重建方法，该方法包括：步骤1：获得一幅待处理的红外图像；步骤2：采用小波构建红外图像分解字典，字典中的原子为稀疏基或正交基；步骤3：将步骤1获得的图像利用字典进行分解，得到若干子带，并获得各子带的系数；步骤4：建立各子带能量模型；步骤5：对各子带系数进行奇偶分量分解，得到奇分量系数和偶分量系数，并可以分别构建出奇偶分量子带及其对应的能量模型；步骤6：建立红外图像细节分辨率评价标准；步骤7：将步骤5得到的各子带的奇分量系数和偶分量系数乘以不同的变换因子，改变其大小，然后利用改变后的系数重构红外图像，通过步骤6建立的评价标准判断还原后图像分辨率是否达到要求；步骤8：按照步骤1到步骤7相同的方法对多幅相似情况下采集到的红外图像进行细节强化，获得不同图像的分量系数变换因子，再根据得到的分量系数变换因子得到一个普遍使用的分量系数变换因子，用于相似情况下获得的红外图像的细节强化。

【技术特征摘要】
1.一种基于“谱”反演的红外图像增强与重建方法，该方法包括：步骤1：获得一幅待处理的红外图像；步骤2：采用小波构建红外图像分解字典，字典中的原子为稀疏基或正交基；步骤3：将步骤1获得的图像利用字典进行分解，得到若干子带，并获得各子带的系数；步骤4：建立各子带能量模型；步骤5：对各子带系数进行奇偶分量分解，得到奇分量系数和偶分量系数，并可以分别构建出奇偶分量子带及其对应的能量模型；步骤6：建立红外图像细节分辨率评价标准；步骤7：推导目标函数，求解能够增强红外弱小目标成像平面能量的“伪”子带系数；所述步骤7的具体步骤为：步骤7-1：建立正演模型M为要求的最优子带系数，K1和K2为反变换算子，H1和H2为图像的退化算子，由于相机成像质量所引起的模糊、环境噪声、大气扰动造成，F表示图像子带，n是一个微小的扰动，表示正演模型和实际信号的差异性...

【专利技术属性】
技术研发人员：彭真明，王晓阳，张帆，钟露，孔德辉，江阳，浦洋，张倩，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51