主权项 |
一种多尺度时域矩匹配非均匀性校正方法,其特征在于,包括以下步骤:1)将原始图像序列X(i,j,n)进行K层拉普拉斯金字塔分解,得到K个拉普拉斯金字塔分量图像LP<sub>1</sub>(i,j,n)、LP<sub>2</sub>(i,j,n)、……、LP<sub>K</sub>(i,j,n)和1个高斯金字塔分量图像GA<sub>K</sub>(i,j,n);原始图像序列X(i,j,n)和其分解后的金字塔分量图像具有关系是:X(i,j,n)=LP<sub>1</sub>(i,j,n)+LP<sub>2</sub>(i,j,n)+LP<sub>3</sub>(i,j,n)+...+LP<sub>K</sub>(i,j,n)+GA<sub>K</sub>(i,j,n);其中,i,j为像元坐标,n为帧计数,i=1,2,...M;j=1,2,...N;2)分别计算分解后各金字塔分量图像LP<sub>1</sub>(i,j,n)、LP<sub>2</sub>(i,j,n)、……、LP<sub>K</sub>(i,j,n)和GA<sub>K</sub>(i,j,n)中的列均值μ<sub>X</sub>(j,n)和列方差σ<sub>X</sub>(j,n);μ<sub>X</sub>(j,n)=Σ<sub>i</sub>LP<sub>X</sub>(i,j,n)/M;<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><msub><mi>σ</mi><mi>X</mi></msub><mrow><mo>(</mo><mi>j</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow><mo>=</mo><msqrt><msub><mi>Σ</mi><mi>i</mi></msub><msup><mrow><mo>(</mo><msub><mi>LP</mi><mi>X</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow><mo>-</mo><msub><mi>μ</mi><mi>X</mi></msub><mrow><mo>(</mo><mi>j</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow><mo>)</mo></mrow><mn>2</mn></msup></msqrt><mo>/</mo><mi>M</mi><mo>;</mo></mrow>]]></math><img file="FDA0000652452180000011.GIF" wi="938" he="109" /></maths>其中,LP<sub>X</sub>的取值分别为LP<sub>1</sub>、LP<sub>2</sub>、……、LP<sub>K</sub>和GA<sub>K</sub>;3)判断原始图像序列中相邻两帧图像之间是否发生全局运动;设相邻两帧图像分别为X(i,j,n‑1)和X(i,j,n);3.1)对相邻帧图像的高斯金字塔分量GA<sub>K</sub>(i,j,n‑1)和GA<sub>K</sub>(i,j,n)分别进行边缘检测,设边缘检测的结果分别为E(i,j,n‑1)和E(i,j,n);若点(i,j)为边缘点,则令E(i,j,n)=1,否则令E(i,j,n)=0;3.2)通过边缘检测结果分别计算出E(i,j,n‑1)和E(i,j,n)中的边缘点的数目p(n‑1)和p(n),并统计出E(i,j,n‑1)和E(i,j,n)中位置重合的边缘点的数目pp;3.3)若p(n‑1)、p(n)和pp之间满足<img file="FDA0000652452180000012.GIF" wi="571" he="130" />其中,δ的取值范围为0.96~0.98;则认为相邻帧图像X(i,j,n‑1)和X(i,j,n)之间没有发生全局运动,否则认为相邻帧图像X(i,j,n‑1)和X(i,j,n)之间发生了全局运动;4)当相邻帧图像X(i,j,n‑1)和X(i,j,n)之间发生了全局运动,需对当前帧图像LP<sub>1</sub>(i,j,n)、LP<sub>2</sub>(i,j,n)、……、LP<sub>K</sub>(i,j,n)和GA<sub>K</sub>(i,j,n)的列均值μ<sub>X</sub>(j,n)和列方差σ<sub>X</sub>(j,n);具体关系式是:<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><mfenced open='{' close=''><mtable><mtr><mtd><msub><mi>μ</mi><mi>X</mi></msub><mrow><mo>(</mo><mi>j</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><mi>K</mi></mfrac><msub><mi>μ</mi><mi>X</mi></msub><mrow><mo>(</mo><mi>j</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow><mo>+</mo><mrow><mo>(</mo><mn>1</mn><mo>-</mo><mfrac><mn>1</mn><mi>K</mi></mfrac><mo>)</mo></mrow><mrow><mo>(</mo><msub><mi>μ</mi><mi>X</mi></msub><mrow><mo>(</mo><mi>j</mi><mo>,</mo><mi>n</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>-</mo><msub><mi>μ</mi><mi>X</mi></msub><mrow><mo>(</mo><mi>j</mi><mo>,</mo><mi>n</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>)</mo></mrow></mtd></mtr><mtr><mtd><msub><mi>σ</mi><mi>X</mi></msub><mrow><mo>(</mo><mi>j</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mn>1</mn><mi>K</mi></mfrac><msub><mi>σ</mi><mi>X</mi></msub><mrow><mo>(</mo><mi>j</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow><mo>+</mo><mrow><mo>(</mo><mn>1</mn><mo>-</mo><mfrac><mn>1</mn><mi>K</mi></mfrac><mo>)</mo></mrow><mrow><mo>(</mo><msub><mi>σ</mi><mi>X</mi></msub><mrow><mo>(</mo><mi>j</mi><mo>,</mo><mi>n</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>-</mo><msub><mi>σ</mi><mi>X</mi></msub><mrow><mo>(</mo><mi>j</mi><mo>,</mo><mi>n</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>)</mo></mrow></mtd></mtr></mtable></mfenced><mo>;</mo></mrow>]]></math><img file="FDA0000652452180000021.GIF" wi="1228" he="276" /></maths>其中,K为固定的时间常数,K=33,X分别取值LP<sub>1</sub>、LP<sub>2</sub>、……、LP<sub>K</sub>(i,j,n)和GA<sub>K</sub>(i,j,n);若相邻帧图像X(i,j,n‑1)和X(i,j,n)之间没有发生全局运动,则当前帧图像LP<sub>1</sub>(i,j,n)、LP<sub>2</sub>(i,j,n)、……、LP<sub>K</sub>(i,j,n)和GA<sub>K</sub>(i,j,n)的列均值和列方差沿用上一帧的列均值和列方差,具体关系式是:<maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><mfenced open='{' close=''><mtable><mtr><mtd><msub><mi>μ</mi><mi>X</mi></msub><mrow><mo>(</mo><mi>j</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow><mo>=</mo><msub><mi>μ</mi><mi>X</mi></msub><mrow><mo>(</mo><mi>j</mi><mo>,</mo><mi>n</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mtd></mtr><mtr><mtd><msub><mi>σ</mi><mi>X</mi></msub><mrow><mo>(</mo><mi>j</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow><mo>=</mo><msub><mi>σ</mi><mi>X</mi></msub><mrow><mo>(</mo><mi>j</mi><mo>,</mo><mi>n</mi><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mtd></mtr></mtable></mfenced><mo>;</mo></mrow>]]></math><img file="FDA0000652452180000022.GIF" wi="513" he="162" /></maths>其中,X分别取值LP<sub>1</sub>、LP<sub>2</sub>、……、LP<sub>K</sub>和GA<sub>K</sub>;5)分别对各金字塔分量图像LP<sub>1</sub>(i,j,n)、LP<sub>2</sub>(i,j,n)、……、LP<sub>K</sub>(i,j,n)和GA<sub>K</sub>(i,j,n)进行非均匀性校正,具体关系式是:<maths num="0004" id="cmaths0004"><math><![CDATA[<mrow><msub><mi>Y</mi><mi>X</mi></msub><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow><mo>=</mo><mfrac><mrow><msub><mi>σ</mi><mi>X</mi></msub><mrow><mo>(</mo><mi>r</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow></mrow><mrow><msub><mi>σ</mi><mi>X</mi></msub><mrow><mo>(</mo><mi>j</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow></mrow></mfrac><mi>X</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow><mo>+</mo><msub><mi>μ</mi><mi>X</mi></msub><mrow><mo>(</mo><mi>r</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow><mo>-</mo><mfrac><mrow><msub><mi>σ</mi><mi>X</mi></msub><mrow><mo>(</mo><mi>r</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow></mrow><mrow><msub><mi>σ</mi><mi>X</mi></msub><mrow><mo>(</mo><mi>j</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow></mrow></mfrac><msub><mi>μ</mi><mi>X</mi></msub><mrow><mo>(</mo><mi>j</mi><mo>,</mo><mi>n</mi><mo>)</mo></mrow><mo>;</mo></mrow>]]></math><img file="FDA0000652452180000023.GIF" wi="1245" he="141" /></maths>其中,X(i,j,n)分别取值LP<sub>1</sub>(i,j,n)、LP<sub>2</sub>(i,j,n)、……、LP<sub>K</sub>(i,j,n)和GA<sub>K</sub>(i,j,n),μ<sub>X</sub>(r,n)和σ<sub>X</sub>(r,n)分别为各金字塔分量的均值和方差,X分别取值LP<sub>1</sub>、LP<sub>2</sub>、……、LP<sub>K</sub>和GA<sub>K</sub>;6)利用校正后的各金字塔分量Y<sub>X</sub>(i,j,n)重构得到最终的去除了条纹噪声的图像Y(i,j,n),具体关系式是:Y(i,j,n)=ΣY<sub>X</sub>(i,j,n)=Y<sub>LP1</sub>(i,j,n)+Y<sub>LP2</sub>(i,j,n)+Y<sub>LP3</sub>(i,j,n)+Y<sub>GA3</sub>(i,j,n)。 |