基于三邊置信測度的主動式探測成像數(shù)據(jù)融合方法
【專利摘要】本發(fā)明公開了一種基于三邊置信測度的主動式探測成像數(shù)據(jù)融合方法，包括：首先，對序列圖像，進(jìn)行配準(zhǔn)，并投影到標(biāo)準(zhǔn)高分辨率網(wǎng)格，形成像素非均勻分布的圖像f(s)；接著，設(shè)計基于距離測度的加權(quán)最小二乘法對f(s)預(yù)處理，得到然后，根據(jù)f(s)和構(gòu)造并計算基于混合模型的灰度差測度，設(shè)計基于距離測度和灰度差測度的加權(quán)最小二乘法對f(s)再處理，得到像素均勻分布的圖像最后，根據(jù)f(s)和構(gòu)造并計算鄰域灰度差測度，設(shè)計基于距離測度、灰度差測度和鄰域灰度差測度的加權(quán)最小二乘法對f(s)處理，得到融合圖像并輸出。本發(fā)明整合了歸一化卷積和雙邊濾波器的加權(quán)機制，灰度差測度采用混合模型，能更好實現(xiàn)主動式探測圖像的高分辨率融合與去噪。
【專利說明】
基于三邊置信測度的主動式探測成像數(shù)據(jù)融合方法
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及一種基于三邊置信測度的主動式探測成像數(shù)據(jù)融合方法，屬于雷達(dá)信 號處理技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 雷達(dá)成像數(shù)據(jù)是一種主動式探測成像數(shù)據(jù)，數(shù)據(jù)主要以圖像形式展現(xiàn)。主動式探 測成像與一般成像相比:①要多出信號發(fā)射源，但會受制于技術(shù)水平和硬件條件;②信號傳 輸路徑更長更復(fù)雜，會受環(huán)境和探測目標(biāo)的干擾。因此，雷達(dá)成像數(shù)據(jù)所展現(xiàn)的單幀雷達(dá)圖 像會有不同程度的畸變、欠采樣或噪聲。而采用成像數(shù)據(jù)融合，即圖像融合的方法對序列雷 達(dá)圖像進(jìn)行處理，所得圖像的質(zhì)量會顯著改善。
[0003] 成像數(shù)據(jù)融合，即圖像融合，是一種將不同時間、不同模式獲取的同場景的低分辨 率序列圖像進(jìn)行合成的技術(shù)。融合的圖像充分利用了序列圖像間的互補信息，剔除了序列 圖像間的冗余甚至干擾信息，分辨率得以提高，從而保證信息提取及目標(biāo)識別的精度。圖像 融合的一般過程為:①對序列圖像進(jìn)行配準(zhǔn)。②依據(jù)配準(zhǔn)結(jié)果將序列圖像都投影到一幀高 分辨率網(wǎng)格上。因為各幀低分辨率圖像之間不僅有平移關(guān)系，還有縮放、旋轉(zhuǎn)和剪切關(guān)系， 所以高分辨率網(wǎng)格上的像素分布并不均勻。③將像素分布不均勻的圖像均勻化，也即對圖 像像素進(jìn)行重采樣或插值。
[0004] 歸一化卷積方法可有效實現(xiàn)主動式探測圖像的重采樣，同時也可去除主動式探測 圖像的噪聲及異常值。這是因為:歸一化卷積對圖像像素進(jìn)行的重采樣或插值，本質(zhì)上是通 過加權(quán)最小二乘擬合圖像曲面來完成的，而擬合恰可有效消除噪聲。加權(quán)最小二乘中的權(quán) 值，實質(zhì)是參與擬合運算的鄰域像素的置信測度，用以表征參與擬合運算的鄰域像素的可 靠性。歸一化卷積包含兩個置信測度:一個是距離測度，鄰域像素與中心像素的距離越大， 距離測度越??；另一個是灰度差測度，鄰域像素的觀測灰度與其估計灰度的差距越大，灰度 差測度越小。歸一化卷積不單以距離測度為標(biāo)準(zhǔn)，其特有的雙邊置信測度提升了去噪效果。
[0005] 然而，問題在于:①對比同樣具有雙邊置信測度的雙邊濾波器，歸一化卷積的置信 測度仍有不足之處。雙邊濾波器的雙邊置信測度為:距離測度和鄰域灰度差測度;其中的鄰 域灰度差測度，度量的是鄰域像素與中心像素的灰度差距，差距越大，鄰域灰度差測度越 小。不同于歸一化卷積中的灰度差測度，鄰域灰度差正是歸一化卷積所缺少的。②歸一化卷 積的灰度差測度通常用高斯函數(shù)表征，這樣可抑制高灰度差的像素。但是，高斯函數(shù)對低灰 度差噪聲像素的抑制作用并不理想，對低灰度差噪聲像素需要施加更高的強度加以抑制。 而拉普拉斯函數(shù)在低灰度差區(qū)間對噪聲像素的抑制作用比高斯函數(shù)更為有效。

【發(fā)明內(nèi)容】

[0006] 為了解決上述技術(shù)問題，本發(fā)明提供了一種基于三邊置信測度的主動式探測成像 數(shù)據(jù)融合方法。
[0007] 為了達(dá)到上述目的，本發(fā)明所采用的技術(shù)方案是：
[0008] 基于三邊置信測度的主動式探測成像數(shù)據(jù)融合方法，包括以下步驟，
[0009] 首先，對受噪聲及異常值干擾的低分辨率序列主動式探測成像數(shù)據(jù)，即序列圖像， 進(jìn)行配準(zhǔn)，并投影到標(biāo)準(zhǔn)高分辨率網(wǎng)格，形成像素非均勻分布的圖像f(s);接著，設(shè)計基于 距離測度的加權(quán)最小二乘法對f(s)預(yù)處理，得到/<4，/&；)為預(yù)處理后的像素非均勻分 布的圖像;然后，根據(jù)f(s)和/〇)，構(gòu)造并計算基于混合模型的灰度差測度，設(shè)計基于距離 測度和灰度差測度的加權(quán)最小二乘法對f(s)再處理，得到像素均勻分布的圖像 ./'(Χ)，又(X)為再處理后的像素均勻分布的圖像;最后，根據(jù)汽幻和./ Ω(Χ)，構(gòu)造并計算 鄰域灰度差測度，設(shè)計基于距離測度、灰度差測度和鄰域灰度差測度的加權(quán)最小二乘法對f (S)處理，得到融合圖像/(X；)并輸出。
[0010] 具體步驟如下，
[0011] 步驟1，輸入受噪聲及異常值干擾的低分辨率序列主動式探測成像數(shù)據(jù)，即序列圖 像；
[0012] 步驟2,以序列圖像的第一幀為參考幀，對序列圖像的其余各幀進(jìn)行亞像素精度的 配準(zhǔn)；
[0013] 步驟3,根據(jù)配準(zhǔn)結(jié)果，將所有低分辨率圖像均投影到一個標(biāo)準(zhǔn)高分辨率網(wǎng)格中， 形成像素非均勻分布的高分辨率圖像f(s);
[0014] 其中，s表示非均勻分布像素的坐標(biāo)；
[0015] 步驟4,以Si表示第i個非均勻分布像素的坐標(biāo)，在以Si為中心的局部窗口S，構(gòu)建加 權(quán)二乘式e(si);
[0017] 其中，表示坐標(biāo)犯處像素灰度的預(yù)估值， 表示距離測度，〇s表示距離控制參數(shù)；
[0018] 步驟5,對每個Si，通過最小化e(si)，求得
[0019] 所有構(gòu)成像素非均勾分布的圖像;
[0020] 步驟6,構(gòu)造并計算基于混合模型的灰度差測度c(s);
[0022] 其中，min( ·，·）表示取兩數(shù)的較小值，(^表示灰度差控制參數(shù)；
[0023] 步驟7,以^表示標(biāo)準(zhǔn)高分辨率網(wǎng)格中的第i個坐標(biāo)，在以Xl為中心的局部窗口X，構(gòu) 建雙邊測度的加權(quán)二乘式E( Xi);

[0025] 其中，/d'：)表示坐標(biāo)義:處像素灰度的初估值， 表示距離測度；
[0026] 步驟8,對每個Xi，通過最小化E(xi)，求得;
[0027] 所有_/。(；)構(gòu)成像素均勻分布的圖像又(X);
[0028] 步驟9,在以Xi為中心的局部窗口X，構(gòu)建三邊測度的加權(quán)二乘式Δ (Xi);
[0030]
?表示領(lǐng)域灰度差測度，〇r表示領(lǐng)域 灰度差控制參數(shù)；
[0031 ] 步驟10,對每個Xi，通過最小化Δ (xi)，求得，
[0032] 所有構(gòu)成像素均勻分布的圖像
[0033] 步驟11，輸出/(χ；)，作為主動式探測成像數(shù)據(jù)融合的結(jié)果。
[0034]本發(fā)明所達(dá)到的有益效果:本發(fā)明提出的基于三邊置信測度的加權(quán)機制，不僅考 慮了歸一化卷積的距離測度和灰度差測度，還耦合了雙邊濾波器的鄰域灰度差測度，相比 歸一化卷積和雙邊濾波器，可以更有效地剔除異常值，提高主動式探測圖像的分辨率;構(gòu)建 的基于混合模型的灰度差測度，相比高斯函數(shù)和拉普拉斯函數(shù)，其對圖像噪聲更具魯棒性， 進(jìn)而提高主動式探測圖像的融合效果。
【附圖說明】
[0035]圖1為本發(fā)明的流程圖。
【具體實施方式】
[0036] 下面結(jié)合附圖對本發(fā)明作進(jìn)一步描述。以下實施例僅用于更加清楚地說明本發(fā)明 的技術(shù)方案，而不能以此來限制本發(fā)明的保護(hù)范圍。
[0037] 基于三邊置信測度的主動式探測成像數(shù)據(jù)融合方法，包括:首先，對受噪聲及異常 值干擾的低分辨率序列主動式探測成像數(shù)據(jù)，即序列圖像，進(jìn)行配準(zhǔn)，并投影到標(biāo)準(zhǔn)高分辨 率網(wǎng)格，形成像素非均勻分布的圖像f(s);接著，設(shè)計基于距離測度的加權(quán)最小二乘法對f (s)預(yù)處理，得到/Gv)，為預(yù)處理后的像素非均勻分布的圖像；然后，根據(jù)f(s)和 /&；)，構(gòu)造并計算基于混合模型的灰度差測度，設(shè)計基于距離測度和灰度差測度的加權(quán)最 小二乘法對f(s)再處理，得到像素均勻分布的圖像/Κχ；)，/jx)為再處理后的像素均勻 分布的圖像;最后，根據(jù)f(s)和構(gòu)造并計算鄰域灰度差測度，設(shè)計基于距離測度、灰 度差測度和鄰域灰度差測度的加權(quán)最小二乘法對f(s)處理，得到融合圖像/GO并輸出。
[0038] 具體步驟如圖1所示：
[0039] 步驟1，輸入受噪聲及異常值干擾的低分辨率序列主動式探測成像數(shù)據(jù)，即序列圖 像。
[0040] 步驟2,以序列圖像的第一幀為參考幀，對序列圖像的其余各幀進(jìn)行亞像素精度的 配準(zhǔn)。
[0041] 步驟3,根據(jù)配準(zhǔn)結(jié)果，將所有低分辨率圖像均投影到一個標(biāo)準(zhǔn)高分辨率網(wǎng)格中， 形成像素非均勻分布的高分辨率圖像f(s);
[0042] 其中，s表示非均勻分布像素的坐標(biāo)。
[0043] 步驟4,以Si表示第i個非均勻分布像素的坐標(biāo)，在以Si為中心的局部窗口S，構(gòu)建加 權(quán)二乘式e(Si);

[0045] 其中，表示坐標(biāo)8:處像素灰度的預(yù)估值， 表示距離測度，〇s表示距離控制參數(shù)。
[0046] 步驟5,對每個Si，通過最小化e(si)，求得/'h.);
[0047] 所有/〇(.)構(gòu)成像素非均勾分布的圖像/〇)。
[0048] 步驟6,構(gòu)造并計算基于混合模型的灰度差測度c(s);
[0050] 其中，min( ·，·）表示取兩數(shù)的較小值，(^表示灰度差控制參數(shù)。
[0051] 步驟7,以^表示標(biāo)準(zhǔn)高分辨率網(wǎng)格中的第i個坐標(biāo)，在以Xl為中心的局部窗口X，構(gòu) 建雙邊測度的加權(quán)二乘式E( Xi);

[0053] 其中，表示坐標(biāo)私處像素灰度的初估值，， 表示距離測度。
[0054] 步驟8,對每個Xi，通過最小化E(Xi)，求得又;
[0055]所有又(七）構(gòu)成像素均勻分布的圖像又⑷。
[0056] 步驟9,在以Xi為中心的局部窗口X，構(gòu)建三邊測度的加權(quán)二乘式Δ (Xi);
[0058]
.表示領(lǐng)域灰度差測度，〇R表示領(lǐng)域 灰度差控制參數(shù)。
[0059] 步驟10,對每個Xi，通過最小化Δ (Xi)，求得:
[0060] 所有,/〇2.)構(gòu)成像素均勻分布的圖像./(X)。
[0061] 步驟11，輸出/&；),作為主動式探測成像數(shù)據(jù)融合的結(jié)果。
[0062]上述方法提出的基于三邊置信測度的加權(quán)機制，不僅考慮了歸一化卷積的距離測 度和灰度差測度，還耦合了雙邊濾波器的鄰域灰度差測度，相比歸一化卷積和雙邊濾波器， 可以更有效地剔除異常值，提高主動式探測圖像的分辨率;構(gòu)建的基于混合模型的灰度差 測度，相比高斯函數(shù)和拉普拉斯函數(shù)，其對圖像噪聲更具魯棒性，進(jìn)而提高主動式探測圖像 的融合效果。
[0063]以上所述僅是本發(fā)明的優(yōu)選實施方式，應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人 員來說，在不脫離本發(fā)明技術(shù)原理的前提下，還可以做出若干改進(jìn)和變形，這些改進(jìn)和變形 也應(yīng)視為本發(fā)明的保護(hù)范圍。
【主權(quán)項】
1. 基于三邊置信測度的主動式探測成像數(shù)據(jù)融合方法，其特征在于:包括以下步驟， 首先，對受噪聲及異常值干擾的低分辨率序列主動式探測成像數(shù)據(jù)，即序列圖像，進(jìn)行 配準(zhǔn)，并投影到標(biāo)準(zhǔn)高分辨率網(wǎng)格，形成像素非均勻分布的圖像f(s);接著，設(shè)計基于距離 測度的加權(quán)最小二乘法對f(s)預(yù)處理，得到為預(yù)處理后的像素非均勻分布的 圖像;然后，根據(jù)f(s)和/構(gòu)造并計算基于混合模型的灰度差測度，設(shè)計基于距離測度 和灰度差測度的加權(quán)最小二乘法對f(s)再處理，得到像素均勻分布的圖像為 再處理后的像素均勻分布的圖像;最后，根據(jù)f(s)和iOO,構(gòu)造并計算鄰域灰度差測度， 設(shè)計基于距離測度、灰度差測度和鄰域灰度差測度的加權(quán)最小二乘法對f(s)處理，得到融 合圖像并輸出。2. 根據(jù)權(quán)利要求1所述的基于三邊置信測度的主動式探測成像數(shù)據(jù)融合方法，其特征 在于:具體步驟如下， 步驟1，輸入受噪聲及異常值干擾的低分辨率序列主動式探測成像數(shù)據(jù)，即序列圖像； 步驟2,以序列圖像的第一幀為參考幀，對序列圖像的其余各幀進(jìn)行亞像素精度的配 準(zhǔn)； 步驟3,根據(jù)配準(zhǔn)結(jié)果，將所有低分辨率圖像均投影到一個標(biāo)準(zhǔn)高分辨率網(wǎng)格中，形成 像素非均勻分布的高分辨率圖像f(s); 其中，s表示非均勻分布像素的坐標(biāo)； 步驟4,以81表示第i個非均勻分布像素的坐標(biāo)，在以Sl為中心的局部窗口 S，構(gòu)建加權(quán)二 乘式e(si);seS. 其中，表示坐標(biāo)Si處像素灰度的預(yù)估值表示距離測度，〇s表示距離控制參數(shù)； 步驟5，對每個Si，通過最小化ε (si)，求得 所有/(')構(gòu)成像素非均勾分布的圖像./'⑷； 步驟6,構(gòu)造并計算基于混合模型的灰度差測度c(s);' / 其中，min( ·，·）表示取兩數(shù)的較小值，(^表示灰度差控制參數(shù)； 步驟7，以Xi表示標(biāo)準(zhǔn)高分辨率網(wǎng)格中的第i個坐標(biāo)，在以Xi為中心的局部窗口X，構(gòu)建雙 邊測度的加權(quán)二乘式E(xi);8?Χ 其中，表示坐標(biāo)1:處像素灰度的初估值，表示 VJ 距離測度； 步驟8，對每個Xi，通過最小化E(Xi)，求得| 所有又(X.)構(gòu)成像素均勾分布的圖像又(JC); 步驟9,在以Xi為中心的局部窗口X，構(gòu)建三邊測度的加權(quán)二乘式Δ (Xi);其中，表示領(lǐng)域灰度差測度，cR表示領(lǐng)域灰度 差控制參數(shù)； 步驟10,對每個Xi，通過最小化Δ (Xi)，求得; 所有/XxD構(gòu)成像素均勻分布的圖像/Xxh 步驟11，輸出，作為主動式探測成像數(shù)據(jù)融合的結(jié)果。
【文檔編號】G06T7/00GK105869162SQ201610183108
【公開日】2016年8月17日
【申請日】2016年3月28日
【發(fā)明人】徐楓, 陳哲, 張振, 石愛業(yè), 蔣德富, 徐立中
【申請人】河海大學(xué)