一种弱小目标图像的自适应恢复增强方法技术

本发明专利技术公开了一种弱小目标图像的自适应恢复增强方法，步骤为：①利用光学成像探测系统获取气动光学模糊图像g，图像大小为M*N，作为观测图像；②对气动光学模糊图像g进行校正增强，得到的初始校正图像③对初始校正图像进行分割，找出感兴趣的区域m为感兴趣区域的数目；④对感兴趣的区域再依次进行恢复增强，得到新校正图像⑤将得到的新校正图像拼接到其在初始校正图像的相应位置。本发明专利技术构造了边校正、边检测，校正与检测互动的处理流程，由开始全图，约束到若干感兴趣区域，保证校正的实时性、智能化和有效性，实现了空间自适应的弱小目标图像恢复校正。

【技术实现步骤摘要】

本专利技术属于气动光学与图像处理相结合的交叉科学
，具体涉及。
技术介绍
气动光学是研究高速流场对高速飞行器成像探测影响的一门学科。带有光学成像探测系统的高速飞行器在大气层内飞行时，光学头罩与来流之间的相互作用形成复杂的流场，对光学成像探测系统造成除热辐射外的光学波前传输畸变或传输干扰，引起观测对象图像的偏移、抖动、模糊，从而无法正确探测到目标，需要图像恢复处理，以获得清晰的目标。点源/斑状目标经气动光学效应退化后信号很弱，再经过传感器和信道传输又会引入噪声，直接检测识别则会出现漏检和误检的问题，需要先进行图像校正处理去除模糊提高点/斑状目标能量的集中度。点源/斑状目标在图像中所占的比例小，但是目前经典的算法是针对全图进行的，不仅浪费很多校正时间，达不到实时性的要求，而且校正性能不好达不到预期的效果，必须专利技术新的校正方法。
技术实现思路
本专利技术的目的在于提供一种弱小目`标图像的自适应恢复校正方法，该方法构造了边校正、边检测，校正与检测互动的处理流程，由开始全图，约束到若干感兴趣区域，保证校正的实时性、智能化和有效性，实现了空间自适应的弱小目标图像恢复校正。本专利技术提供的，其步骤包括:(I)利用光学成像探测系统获取气动光学模糊图像g，图像大小为M*N，作为观测图像；(2)对气动光学模糊图像g进行校正增强，得到的初始校正图像/;(3)对初始校正图像./进行分割，找出感兴趣的区域i;，./;，..../:,，m为感兴趣区域的数目；(4)对感兴趣的区域 ,…,再依次进行恢复增强，得到新校正图像;^ ;(5)将得到的新校正图像I拼接到其在初始校正图像^的相应位置。传统的对点源/斑状目标的校正增强总是对全图进行，没有充分考量点源/斑状目标在全图中所占区域都是很小的特点，不仅浪费很多校正时间，达不到实时性的要求，而且校正结果不好达不到预期的效果。本专利技术所提出的对点源/斑状目标图像的校正增强方法中要求算法边校正增强，边检测；由开始全图，约束到若干感兴趣区，保证校正的实时性、智能化和效果。附图说明图1是本专利技术的点源/斑状目标恢复增强方法的流程图2是最大似然估计算法(MAP)的流程图。图3是根据初步校正图像/找出感兴趣区域f1;f2，…乙的流程图。图4a、4b、4c、4d、4e、4f、4g、4h和4i是无噪模糊图像的全图校正增强和本专利技术提出的校正增强算法的实验结果对比示意图。图5a、5b、5c、5d和5e是第一种退化图像的全图校正增强和本专利技术提出的校正增强算法的实验结果对比示意图；图6a、6b、6c、6d和6e是第二种退化图像的全图校正增强和本专利技术提出的校正增强算法的实验结果对比示意图。图7a、7b、7c、7d和7e是第一种无噪模糊图像的全图校正增强和本专利技术提出的校正增强算法的一种实验结果对比示意图。图8a、8b、8c、8d和8e是第三种退化图像的全图校正增强和本专利技术提出的校正增强算法的实验结果对比示意图。图9a、9b、9c、9d和9e是第四种退化图像的全图校正增强和本专利技术提出的校正增强算法的实验结果对比示意图。图10a、10b、10c、10d和IOe是第五种退化图像的全图校正增强和本专利技术提出的校正增强算法的实验结果对比示意图。图lla、llb、llc、lld、lle、llf、llg、llh和Ili是第二种无噪模糊图像的全图校正增强和本专利技术提出的校正增强算法的一种实验结果对比示意图。图12a、12b、12c、12d和12e是第六种退化图像的全图校正增强和本专利技术提出的校正增强算法的实验结果对比示意图。图13a、13b、13c、13d和13e是第七种退化图像的全图校正增强和本专利技术提出的校正增强算法的实验结果对比示意图。具体实施例方式本专利技术方法流程如图1所示，其中全图校正及感兴趣区域的校正算法可以利用现有对弱小目标恢复增强的有效校正算法如最大似然估计算法(MAP)，期望最大化校正算法(EM)，递归逆滤波盲目去卷积校正算法(NLF)。为了便于阐述该专利技术方法，下面在具体步骤阶段全图校正及感兴趣区域校正我们使用最大似然估计算法(MAP)。在具体介绍算法前，我们定义一些变量:X:表示目标图像f和观测图像g的支持域(一般两者的支持域是相同的，X e R2)；X1:表示感兴趣区域校正图像和感兴趣区域gi的支持域(一般两者的支持域是相同的，Xi e R2)；Y:表示点扩散函数图像h的支持域(Y e R2)；Y1:表示点扩散函数图像^的支持域(Yi e R2)；g(x):表示观测图像g中位置x(x e X)的像素值；f (x):表示校正图像f中位置x(x e X)的像素值；9UI):表示图像 中位置U，j)的像素值;h(x):表示点扩 散函数h中位置x(x e Y)的像素值。如图1所示，本专利技术提供的弱小目标图像的自适应恢复校正方法，其步骤包括:(I)利用光学成像探测系统获取气动光学模糊图像g，图像大小为M*N，作为观测图像。(2)对步骤I获取的气动光学模糊图像g进行校正增强；(2.1)用最大似然估计算法对整幅图像进行校正，其流程如图2所示:创建一幅与模糊图像g大小相同，灰度值却全本文档来自技高网...

【技术保护点】
一种弱小目标图像的自适应恢复增强方法，其步骤包括：（1）利用光学成像探测系统获取气动光学模糊图像g，图像大小为M*N，作为观测图像；（2）对气动光学模糊图像g进行校正增强，得到的初始校正图像（3）对初始校正图像进行分割，找出感兴趣的区域m为感兴趣区域的数目；（4）对感兴趣的区域再依次进行恢复增强，得到新校正图像（5）将得到的新校正图像拼接到其在初始校正图像的相应位置。FDA00002538749800011.jpg,FDA00002538749800012.jpg,FDA00002538749800013.jpg,FDA00002538749800014.jpg,FDA00002538749800015.jpg,FDA00002538749800016.jpg,FDA00002538749800017.jpg

【技术特征摘要】
1.一种弱小目标图像的自适应恢复增强方法，其步骤包括: (1)利用光学成像探测系统获取气动光学模糊图像g，图像大小为M*N，作为观测图像； (2)对气动光学模糊图像g进行校正增强，得到的初始校正图像/; (3)对初始校正图像^进行分割，找出感兴趣的区域…尤，m为感兴趣区域的数目； (4)对感兴趣的区域无义，…大，再依次进行恢复增强，得到新校正图像/; (5)将得到的新校正图像又拼接到其在初始校正图像的相应位置。2.根据权利要求1所述的自适应恢复增强方法，其特征在于，步骤(2)采用最大似然估计算法对气动光学模糊图像g进行校正增强，得到初始校正图像/ ,3.根据权利要求1所述的自适应恢复增强方法，其特征在于，步骤(3)包括下述...

【专利技术属性】
技术研发人员：张天序，左芝勇，关静，周刚，刘立，朱生国，张超，王正，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：