一種基于“譜”反演的紅外圖像增強與重建方法
【專利摘要】該發明公開了一種基于“譜”反演的紅外圖像增強與重建方法,屬于紅外圖像處理領域,特別涉及一種新的紅外圖像增強與細節重建方法和新的計算成像方法。該方法借鑒近期提出的地震信號處理中地震道高分辨率重建思想,進行紅外圖像的“譜”反演(反射能量重構)。該方法通過建立紅外反射能量模型和反射能量奇、偶分解模型,進行優勢頻帶內的譜反演,最終實現紅外圖像細節分辨率的提高。該發明可以在不增加圖像空間分辨率的基礎上,突出弱小目標的“反射”能量細節,提高目標對比度和能量特征。有利于后續紅外弱小目標的檢測和跟蹤,具有較大的應用前景。
【專利說明】一種基于"譜"反演的紅外圖像増強與重建方法
【技術領域】
[0001] 本發明屬于紅外圖像處理領域,特別涉及一種新的紅外圖像增強與細節重建方法 和新的計算成像方法。該方法借鑒近期提出的地震信號處理中地震道高分辨率重建思想, 進行紅外圖像的"譜"反演(反射能量重構)。
【背景技術】
[0002] 紅外成像技術在現代交通、安防監控等領域得到了廣泛的應用,在紅外探測系統 中,紅外目標檢測與跟蹤是其關鍵技術和核心模塊。由于遠距離紅外成像往往帶來圖像對 比度低、信噪比及信雜比低、成像面積小、無形狀及紋理特征等缺陷,需要對采集到的紅外 圖像進行預處理,提高圖像的細節分辨率,以壓制背景能量、提高目標區域能量并突出目標 細節,有利于后續的紅外弱小目標的檢測和跟蹤。
[0003] 傳統的超分辨率圖像重建(Super resolution image re-construction, SRIR/SR)是指用信號處理和圖像處理的方法,通過軟件算法的方式將已有的低分辨率 (Low-resolution, LR)圖像轉換成高分辨率(High-resolution, HR)圖像的技術,主要方法 分為基于圖像重構的超分辨率重建,以及基于學習的超分辨率重建等。該技術通過利用一 組低質量、低分辨率圖像(或運動序列)來產生單幅高質量、高分辨率圖像。傳統方法往往 帶來圖像空間尺寸的改變,且不能有針對性地增強感興趣區域的能量特征。
[0004] 在地震勘探信號處理中,譜反演是一種精細識別薄層和反射系數的反演方法。譜 反演建立在地震信號譜分解的基礎之上,通過譜分解,我們提取出地震道瞬時屬性,這些屬 性可以用來適當提高地震資料的分辨率。在頻率域中,進行反射系數的估計和重構,以進一 步提高反演結果的分辨率,即為譜反演。
[0005] 1980s,譜分解的概念被提出。Taner等人(1979)提出的復數道分析形成了最早的 譜分解理論基礎。隨著測不準原理被引入數字信號處理領域,譜分解技術開始迅速發展。借 鑒數字信號處理中用不同的時頻基函數分析信號的方法,物探學家們相繼將Gabor變換、 連續小波變換、離散小波變換、S變換等方法引入地震資料分析。伴隨著這些新算法的推廣 應用,地震資料瞬時屬性的提取結果也有了很大改進。之后,Portniaguine (2004)提出了 地震信號逆譜分解方法,Sinha、Castagna等人(2005)提出了將連續小波變換用于地震譜 分解的方法等等,這些方法的提出促進了地震資料譜分解技術的發展。
[0006] 譜反演是譜分解和反演算法的結合。經過多年的研宄及發展,譜反演方法被證明 為一種行之有效的、能提高地震資料圖像薄層分辨率的方法。在沒有噪聲且已知地震子波 的理想情況下,該方法理論上能識別厚度小于調諧厚度的薄層,并且可以精確地刻畫出地 層的邊界。譜反演的目標函數具有較好的收斂性和約束能力,通過調整反射系數的位置和 大小,在頻域目標函數的約束下,可得到高分辨率反射系數序列。
[0007] 譜反演方法從提出到現在雖然經歷了十余年的發展,但在關鍵技術及其應用上, 還有多問題需要去深入研宄,可以說它還是一種新的方法技術。回顧譜反演的發展歷史,可 以分為以下幾個階段:
[0008] Partyka(1999)等發現譜分解方法應用在地震資料解釋中,可適當提高地震資料 的分辨率;2004年,Partyka等將譜分解技術結合地震反演,提出譜反演理論。Satinder Chopra,JohnP. Castagna等(2006)用譜分解獲得的局部頻譜資料進行反演,計算出薄層反 射系數,反演結果的分辨率優于常規反演,并指出了該方法具有無需先驗模型、反射系數假 設、層位約束、測井約束等優點。Charles I. Puryear和John P. Castagna(2008)把反射系 數分解成偶分量和奇分量,推導出譜反演的基本公式,并通過模型試算證明了該方法可用 來分辨地下小于調諧厚度的薄層;Sanyi Yuan等(2009)從理論上討論了現階段譜反演存 在的問題及其適用條件,并對譜反演的不適定性進行了詳細的分析。Satinder. Chopra和 John P.Castagna等(2009)將譜反演方法應用于實際資料,并計算出了稀疏的反射系數, 這不僅證明了譜反演方法的可行性,也指出譜反演的應用前景和未來發展方向。
【發明內容】
[0009] 本發明設計一種基于小波分解并借鑒地震勘探信號譜反演理論的圖像處理方法。 通過建立紅外圖像反射能量模型,采用"譜"反演方法,在不改變空間分辨率的情況下,實現 圖像的細節分辨率增強。該方法為紅外圖像信息的后續處理,比如弱小目標的識別,背景的 分類等提供更加有用而高效的信息,可以提高紅外目標檢測和識別率。
[0010] 本發明一種基于"譜"反演的紅外圖像增強與重建方法,該方法包括:
[0011] 步驟1 :獲得一幅待處理的紅外圖像;
[0012] 步驟2 :采用小波構建紅外圖像分解字典,字典中的原子為稀疏基或正交基;
[0013] 步驟3 :將步驟1獲得的圖像利用字典進行分解,得到若干子帶,并獲得各子帶的 系數;
[0014] 步驟4 :建立各子帶能量模型;
[0015] 步驟5 :對各子帶系數進行奇偶分量分解,得到奇分量系數和偶分量系數,并可以 分別構建出奇偶分量子帶及其對應的能量模型;
[0016] 步驟6 :建立紅外圖像細節分辨率評價標準;
[0017] 步驟7 :將步驟5得到的各子帶的奇分量系數和偶分量系數乘以不同的變換因子, 改變其大小,然后利用改變后的系數重構紅外圖像,通過步驟6建立的評價標準判斷還原 后圖像分辨率是否達到要求;
[0018] 步驟8 :按照步驟1到步驟7相同的方法對多幅相似情況下采集到的紅外圖像進 行細節強化,獲得不同圖像的分量系數變換因子,再根據得到的分量系數變換因子得到一 個普遍使用的分量系數變換因子,用于相似情況下獲得的紅外圖像的細節強化。
[0019] 其中所述步驟2中采用正交小波構建字典。
[0020] 其中所述步驟3中利用字典對獲得圖像分解為高頻子帶和低頻子帶,并獲得其對 應的子帶系數;
[0021] 其中所述步驟6建立紅外圖像細節分辨率評價標準為:C = Cdef X Csnk,其中:Cdrf為 圖像的清晰度,Csnk為圖像的信噪比;
[0022] 其中所述步驟7的具體步驟為:
[0023] 步驟7-1:建立正演模型
[0024] HiKiMKl1U1" +n=F
[0025] M為要求的最優子帶系數,&和K 2為反變換算子,H JP H 2為圖像的退化算子,例如 由于相機成像質量所引起的模糊、環境噪聲、大氣擾動等,F表示圖像子帶,η是一個微小的 擾動,表不正演模型和實際信號的差異性;
[0026] 步驟7-2 :根據步驟7-1獲得目標函數:
[0027]
【權利要求】
1. 一種基于"譜"反演的紅外圖像增強與重建方法,該方法包括: 步驟1 :獲得一幅待處理的紅外圖像; 步驟2 :采用小波構建紅外圖像分解字典,字典中的原子為稀疏基或正交基; 步驟3 :將步驟1獲得的圖像利用字典進行分解,得到若干子帶,并獲得各子帶的系 數; 步驟4:建立各子帶能量模型; 步驟5 :對各子帶系數進行奇偶分量分解,得到奇分量系數和偶分量系數,并可以分別 構建出奇偶分量子帶及其對應的能量模型; 步驟6 :建立紅外圖像細節分辨率評價標準; 步驟7 :將步驟5得到的各子帶的奇分量系數和偶分量系數乘以不同的變換因子,改變 其大小,然后利用改變后的系數重構紅外圖像,通過步驟6建立的評價標準判斷還原后圖 像分辨率是否達到要求; 步驟8 :按照步驟1到步驟7相同的方法對多幅相似情況下采集到的紅外圖像進行細 節強化,獲得不同圖像的分量系數變換因子,再根據得到的分量系數變換因子得到一個普 遍使用的分量系數變換因子,用于相似情況下獲得的紅外圖像的細節強化。
2. 如權利要求書1所述的一種基于"譜"反演的紅外圖像增強與重建方法,其特征在于 所述步驟2中采用正交小波構建字典。
3. 如權利要求書1所述的一種基于"譜"反演的紅外圖像增強與重建方法,其特征在 于所述步驟3中利用字典對獲得圖像分解為高頻子帶和低頻子帶,并獲得其對應的子帶系 數。
4. 如權利要求書1所述的一種基于"譜"反演的紅外圖像增強與重建方法,其特征在 于所述步驟6建立紅外圖像細節分辨率評價標準為:C = CdefXCsm,其中:Cdrf為圖像的清晰 度,C sm為圖像的信噪比。
5. 如權利要求書1所述的一種基于"譜"反演的紅外圖像增強與重建方法,其特征在于 所述步驟7的具體步驟為: 步驟7-1 :建立正演模型 II1K1MK" Il2" +n=F M為要求的最優子帶系數,KJPK2為反變換算子,HJPH2為圖像的退化算子,例如由 于相機成像質量所引起的模糊、環境噪聲、大氣擾動等,F表示圖像子帶,η是一個微小的擾 動,表不正演模型和實際信號的差異性; 步驟7-2 :根據步驟7-1獲得目標函數: rn\n\\niKim!1,Il2 11 -7\\2+a\\M\\, s.t. C>S 其中δ表示紅外圖像細節分辨率評價閾值,α為正則化因子。
【文檔編號】G06T5/00GK104517267SQ201410811549
【公開日】2015年4月15日 申請日期:2014年12月23日 優先權日:2014年12月23日
【發明者】彭真明, 王曉陽, 張帆, 鐘露, 孔德輝, 江陽, 浦洋, 張倩 申請人:電子科技大學