国防科学技术大学：理学院（PPT讲稿）数学成像中的几个问题

数学成像中的几个问题 国防科学技术大学理学院 2011年06月20日

数学成像中的几个问题 国防科学技术大学理学院 2011年06月20日

报告提要 、数学成像 、已做的工作 三、几个问题 () 圖防科学技大学 National University of Defense Technology

报 告 提 要 一、数学成像 二、已做的工作 三、几个问题 1

数学成像 数学成像包括: ■从数据到图像—成像 ■从图像到图像一处理 ■从图像到语义一解译 () 圖防科学技大学 2 National University of Defense Technology

一、数学成像 2 数学成像包括： ◼ 从数据到图像—成像 ◼ 从图像到图像—处理 ◼ 从图像到语义—解译

二、已做的工作 圆绕成像过程中降质辨识和增强处狸两 个核心问题开展研究工作。 完成的项目: 《遥感图像超分辨率处理》 《星载SAR图像提高分辨率技术》 )圖科改背大学 National University of Defense Technology

二、已做的工作 4 围绕成像过程中降质辨识和增强处理两 个核心问题开展研究工作。 完成的项目： 《遥感图像超分辨率处理》 《星载SAR图像提高分辨率技术》

二、已做的工作 图像复原与超分辨的总体方案 ■降质过程辨识 图像后处理 处理结果 () 圖防科学技大学 National University of Defense Technology

5 ◼ 图像复原与超分辨的总体方案 ◼ 降质过程辨识 ◼ 图像后处理 ◼ 处理结果 二、已做的工作

二、已做的工作 1.恿体方亲 先验信息开采 模捌标准 单帧超 糊→[判’断 分析 解模糊 分辨处理 后处 SNR标准 多帧超 分析 SNR 判断 抑制 分析 噪声 分辨处理 云 C1 雾 判断}9 抑制 Cai「频域 云雾 混叠标准 校正 图像复原 抑制振铃 频谱[判断 超分辨处理 12 图像分析 卫星 图象 控制器 (序列

卫星 图象 (序列) 先验信息开采 控 制 器 解模糊 抑 制 噪 声 抑 制 云 雾 图像复原 频 域 校 正 抑制振铃 后处理 分析 单帧超 分辨处理 多帧超 分辨处理 频 谱 超分辨处理 分 析 模 糊 分 析 SNR 分 析 判 断 判 断 模糊标准 判 断 C11 C12 C2 C3 图像分析 云 雾 分 析 判 断 C4 SNR标准 云雾标准 混叠标准 C11 C12 1.总体方案 二、已做的工作

已做的工作 2.降质过程辨识 系统的点扩散函数(降质算子)等价于一个低通滤波器。 当 Frequency~可) 150 g 100 Frequency-可 () 圖防科学技大学 National University of Defense Technology

2. 降质过程辨识 系统的点扩散函数（降质算子）等价于一个低通滤波器。 二、已做的工作

(1)线性移动降质函数 描述成像系统和目标之间相对匀速直线运动的降质算子: 水平方向线性移动 ≤m≤-,n=0 h(m,n)={d2 0, otherwise 垂直方向线性移动 h(m,n)={d2 ≤n≤ 0 0. otherwise 线性移动既不在水平方向,也不在垂直方向 ≤n≤ h(m,n)={d2k2+ ,=K 2√k2+1 0. otherwise 圖防桦学技大学 National University of Defense Technology

描述成像系统和目标之间相对匀速直线运动的降质算子： 水平方向线性移动 垂直方向线性移动 线性移动既不在水平方向，也不在垂直方向 1 0 2 2 0 , , ( , ) , d d m n h m n d otherwise   −   = =    1 0 2 2 0 , , ( , ) , d d n m h m n d otherwise   −   = =    2 2 1 2 1 2 1 0 , , ( , ) , d d m n km h m n d k k otherwise   −   = =  + +   （1）线性移动降质函数

(2)GauS降质函数 Gas降质函数是最常用的,可表示为 Kerns m +n h( },(m,n)∈C m,n)= 2 0 otherwise 对图象来说,一个二维Gau数总可以分解为两个一维 Gaus函数的卷积。 (3)散焦降质函数 光学系统散焦引起的降质函数是一个均匀分布的圆形或 方形光斑,即 2R2,m2 +n2≤R 0. otherwise 圖防桦学技大学 National University of Defense Technology

Gauss降质函数是最常用的，可表示为 对图象来说，一个二维Gauss函数总可以分解为两个一维 Gauss函数的卷积。 2 2 2 2 0 exp{ }, ( , ) ( , ) , m n K m n C h m n otherwise   +  −  =    （2）Gauss降质函数 光学系统散焦引起的降质函数是一个均匀分布的圆形或 方形光斑，即 2 2 2 2 1 0 , ( , ) , m n R h m n R otherwise    +  =    （3）散焦降质函数

运动模糊降质算子的拟合实验结果 拟合降质算子图 原降质算子图 0025 0015 0015 0005 0005 台差值图 2 误差图

运动模糊降质算子的拟合实验结果 误差图