基于空域的自適應(yīng)MTFC遙感圖像復(fù)原算法

周楠 齊文雯 曹世翔 何紅艷 邢坤 岳春宇

（北京空間機電研究所，北京 100094）

0 引言

“高分二號”（GF-2）衛(wèi)星是我國自主研發(fā)的首顆空間分辨率優(yōu)于1m的民用光學(xué)遙感衛(wèi)星。為了滿足輕小型高分辨率相機的研制要求，采用小相對孔徑（大F數(shù)）相機系統(tǒng)設(shè)計；同時，遙感圖像成像過程中，受到大氣環(huán)境、光學(xué)系統(tǒng)、探測器、平臺運動和電路等因素的影響[1-3]，導(dǎo)致調(diào)制傳遞函數(shù)（modulation transfer function，MTF）的下降，引起圖像品質(zhì)退化。因此，為了使相機圖像更加完美地展現(xiàn)出亞米級的優(yōu)勢，GF-2衛(wèi)星從天地一體化設(shè)計角度出發(fā)，確定采用地面調(diào)制傳遞函數(shù)補償法（modulation transfer function compensation，MTFC）的方式對退化后的圖像進行復(fù)原。

圖像復(fù)原就是去除或者減輕圖像獲取過程中發(fā)生的像質(zhì)退化，使圖像趨向于沒有退化的理想圖像。由于圖像退化的原因可能有很多種，如光電傳感器的非線性、物體與攝像機間的相對運動、大氣的擾動等，因此根據(jù)不同的退化原因，出現(xiàn)了很多種圖像復(fù)原方法，如逆濾波[4-6]（去卷積）、維納濾波[7]、約束最小平方濾波[8]等。

國外的MTFC技術(shù)較成熟，美國研制的亞米級商業(yè)遙感衛(wèi)星，包括IKONOS、QuickBird-2、OrbView-3和GeoEye-1等都成功地應(yīng)用了地面MTFC技術(shù)，圖像品質(zhì)得到顯著提升。國內(nèi)也開展了MTFC技術(shù)的相關(guān)研究，文獻[9]基于MTF理論的遙感圖像復(fù)原研究，提出了一種基于MTF理論的圖像復(fù)原方法，該方法主要包括去噪和 MTF拉伸兩部分，針對遙感圖像的特點，提出了一種基于頻域的去噪方法；為了能夠調(diào)節(jié)頻譜拉伸的程度，還給出了一種指數(shù)調(diào)節(jié)曲線的方法。文獻[10]針對遙感圖像在成像與傳輸過程中的退化而導(dǎo)致的圖像模糊與噪聲干擾，提出了一種基于 MTF估算與總變分優(yōu)化的圖像恢復(fù)方法。文獻[11]針對 TDI-CCD成像數(shù)據(jù)的特點，從遙感圖像中獲取刃邊來計算成像系統(tǒng)的 MTF，采用維納濾波法對退化圖像進行MTF補償處理。

MTFC在提升系統(tǒng)MTF的同時，必然導(dǎo)致圖像信噪比（signal to noise ratio，SNR）下降。目前MTFC研究主要集中于MTF曲線獲取和構(gòu)造MTF補償曲線，但是對于如何精確計算MTFC卷積核和噪聲抑制研究甚少。鑒于此，本文提出一種MTFC復(fù)原算法，即根據(jù)實驗室實測的MTF值以及用戶的需求確定相機不同頻率處 MTF的補償值，依據(jù)有限長脈沖響應(yīng)原理，計算獲取一維卷積系數(shù)；在此基礎(chǔ)上，精確構(gòu)造二維卷積核對圖像進行卷積處理。卷積處理時以實驗室實測的相機不同成像參數(shù)下不同灰度的SNR信息和不同的景物內(nèi)容為約束進行自適應(yīng)抑噪，在提升圖像MTF的同時保證圖像的SNR。

1 圖像品質(zhì)退化

假定 (,)fxy為原目標圖像[12-13]， (,)gxy為觀察到的退化圖像，則

式中 (,)hxy為點擴散函數(shù)；符號*表示卷積。

式（1）表示原圖像通過與相應(yīng)的點擴散函數(shù)作卷積而得到退化圖像的的過程。對式（1）兩邊同時作傅里葉變換則得到

式中 (,)Guv為 (,)gxy的傅里葉變換； (,)Fuv為 (,)fxy的傅里葉變換； (,)Huv為 (,)hxy的傅里葉變換，它的值為復(fù)數(shù)，可以表示成

式中 |(,)Huv|是幅值；φ為相位。若對幅值做歸一化，使得零頻率的幅值為 1，則歸一化的幅值為MTF，即

式中 k為 (,)Huv在零頻率的幅值。由式（2）～（4）得

假定MTF在作用于 (,)Fuv時，其與頻譜中心為圓心的等半徑圓上的MTF值相同，則可以將式（5）簡化為

上面的圖像品質(zhì)退化過程是假定沒有噪聲的理想情況。實際成像過程中，噪聲的引入是不可避免的，假定噪聲圖像為 (,)bxy，則式（1）應(yīng)改寫為

相應(yīng)地由式（7）可得

式中 (,)Buv為 (,)bxy的傅里葉變換。

式（6）可改寫為

式（9）為最終的圖像品質(zhì)退化公式。

2 自適空域MTFC圖像復(fù)原算法

自適應(yīng)空域MTFC復(fù)原算法流程如圖1所示。

圖1 自適應(yīng)空域MTFC圖像復(fù)原算法流程Fig.1 Adaptive MTFC image restoration algorithm flow

復(fù)原算法步驟：

1）根據(jù)實驗室實測得到的相機不同頻率處的MTF值以及用戶需求確定的MTF補償值，構(gòu)建一維有限長脈沖響應(yīng)，計算一維卷積系數(shù)；

2）利用步驟1）得到的一維卷積系數(shù)，構(gòu)造二維卷積核；

3）利用實驗室實測的相機不同成像參數(shù)下確定的不同灰度的SNR信息，計算抑噪查找表系數(shù)；

4）利用步驟3）得到的抑噪查找表系數(shù)，計算抑噪閾值；

5）對待復(fù)原的圖像進行卷積處理，卷積處理時利用步驟4）得到的抑噪閾值以及景物內(nèi)容進行自適應(yīng)抑噪處理。

2.1 卷積系數(shù)

卷積系數(shù)的構(gòu)建對于MTFC復(fù)原算法至關(guān)重要，如何精確快速的計算卷積系數(shù)是本文研究的重點之一。本文采用實驗室實測的相機不同頻率的 MTF值，構(gòu)建有限長脈沖響應(yīng)，計算濾波系數(shù)，較傳統(tǒng)的利用傅里葉方法更加簡潔精確、快速，可以針對不同頻率進行精確補償。

2.1.1 一維卷積系數(shù)

一維卷積系數(shù)的計算根據(jù)相機不同頻率處實驗室測得的靜態(tài) MTF值以及用戶需求確定的不同頻率處MTF的補償值構(gòu)造一維有限長脈沖響應(yīng)[14-15]。

式中 ()Xn為一維卷積系數(shù)，是中心對稱的，其長度本文取11（注：濾波系數(shù)的長度影響處理效果。根據(jù)計算資源和處理時間要求，實際情況應(yīng)綜合考慮選擇濾波系數(shù)長度）；取N為正整數(shù)；為不同頻率處的MTF補償值。

2.1.2 二維卷積核

利用步驟2.1.1節(jié)得到的一維卷積系數(shù) ()Xn構(gòu)造二維卷積核 (,)Xij， (,)Xij為一個N×N的正方形矩陣且滿足中心對稱和軸對稱，其中i，j的取值范圍分別為中不同的卷積系數(shù)的個數(shù)為，1/2象限的二維頻域響應(yīng)函數(shù)可表示為：

2.2 抑噪處理

圖像進行MTFC復(fù)原時，在提升圖像清晰度的同時必然導(dǎo)致信噪比下降。因此，如何把噪聲抑制在較低的水平也是本文算法研究的重點之一。算法在進行抑噪處理時引入實驗室實測的相機不同成像參數(shù)下確定的不同灰度值的SNR信息作為抑噪的約束。該方法克服了傳統(tǒng)抑噪方法的盲目性，在提升圖像清晰度的同時有效保證圖像SNR。

式（12）所示為算法采用的抑噪基本原理:

式中 s0為原始圖像灰度值；s1為直接利用二維卷積核卷積處理后結(jié)果值；s2為進行抑噪處理后的結(jié)果值；K為抑噪閾值。當K gt;1時，判斷結(jié)果高于抑噪閾值的像元（即該像元附近高頻信息較豐富），此時作全額補償(此種情況下相當于不做抑噪處理)，若 K lt;1，說明判斷結(jié)果低于抑噪閾值的像元（即該像元附近高頻信息較少），只進行適當補償，即做一定程度的抑噪處理。

2.2.1 抑噪查找表

抑噪查找表的建立主要依據(jù)實驗室實測的相機不同成像參數(shù)下確定的不同灰度值的SNR信息，建立抑噪查找表系數(shù)矩陣M，如式（13）所示，M是關(guān)于灰度值s0的函數(shù)。

式中0()Ys 為灰度值對應(yīng)的SNR，由實驗室定標圖像實測的至少6組不同灰度等級下的SNR值，擬合得到各個灰度值下的SNR曲線；Ymax為該組相機參數(shù)狀態(tài)下最大的SNR。

2.2.2 抑噪閾值

一般來說，平坦區(qū)域，高頻部分中噪聲所占比例較大，灰度層次豐富的區(qū)域，高頻部分中噪聲所占比例相對較小。抑噪閾值的確定與抑噪查找表和圖像灰度層次豐富程度相關(guān)。

3 試驗結(jié)果與分析

3.1 MTFC試驗結(jié)果

為了驗證本文算法的正確性與有效性，試驗采用 GF-2衛(wèi)星全色譜段圖像，圖像經(jīng)過相對輻射校正處理。對復(fù)原后的圖像品質(zhì)的評價方法采用主、客觀評價相結(jié)合。主觀評價主要通過目視解譯的方式查看圖像的色調(diào)、紋理、邊緣等信息是否改善以及復(fù)原后圖像是否有異?，F(xiàn)象出現(xiàn)?？陀^評價采用圖像均值、方差、信息熵、對比度和邊緣能量5種客觀指標進行對比分析。

圖2所示為采用本文MTFC算法復(fù)原后的結(jié)果圖像，從目視解譯角度可以發(fā)現(xiàn)復(fù)原后圖像并無異?，F(xiàn)象出現(xiàn)，并且地物邊界、輪廓以及圖像細節(jié)更加突出，清晰度提升的同時無明顯噪聲出現(xiàn)。

圖2 采用本文MTFC算法復(fù)原結(jié)果圖像Fig.2 Restored result by using our proposed MTFC method

為了更客觀地反映圖像復(fù)原的效果，對復(fù)原前后圖像的相關(guān)指標進行評價，如表1所示。

表1 復(fù)原前后圖像比較結(jié)果Tab.1 Comparison of the images before and after restoration

從表1可以看出，復(fù)原后：圖像均值變化很小，幾乎可以忽略，表明復(fù)原結(jié)果整體灰度值并無明顯變化；圖像的方差增大，表明復(fù)原后圖像的信息量有所增加；圖像信息熵增大，表明復(fù)原后圖像信息豐富程度提升，同樣說明信息量增加。圖像對比度顯著增大，反映復(fù)原后圖像中的微小細節(jié)與紋理信息豐富。圖像邊緣能量顯著增大，表明復(fù)原后圖像中邊緣的豐富和清晰程度增大，紋理增多。

為了充分驗證本文算法的適應(yīng)性，針對不同地物類型的遙感圖像利用本文算法進行驗證試驗，如圖3～4所示。主客觀評價結(jié)果與以上結(jié)果一致。

圖3 采用本文MTFC算法復(fù)原結(jié)果圖像Fig.3 Restored result by using the proposed MTFC method

圖4 采用本文MTFC算法復(fù)原結(jié)果圖像Fig.4 Restored result by using the proposed MTFC method

3.2 MTFC方法比較分析

為了驗證本文算法的優(yōu)越性，選取不同類型的圖像同時采用3種方法進行MTFC處理。方法1取自文獻[11]，采用一種基于MTF估算與總變分優(yōu)化的圖像復(fù)原方法；方法2取自文獻[12]，采用刃邊法計算圖像 MTF，然后采用維納濾波法對退化圖像進 MTFC處理，同時采用自適應(yīng)矩匹配方法以及自適應(yīng)中值濾波算法來過濾噪聲。圖5為不同復(fù)原算法的處理結(jié)果圖像。

圖5 采用不同復(fù)原算法復(fù)原結(jié)果圖像Fig.5 Restored results by using different recovering methods

為了客觀地反映不同算法圖像復(fù)原效果，對復(fù)原前后圖像的相關(guān)指標進行評價，如表2所示。

從表2可以看出，本文算法與其他算法相比，提升MTF程度最大的情況下SNR下降卻最小，充分說明本文算法在有效提升圖像MTF的同時，能夠有效抑制噪聲，保證圖像的SNR。本文算法復(fù)原后圖像均值變化很小，方差增大，結(jié)果與 3.1節(jié)一致。表明復(fù)原結(jié)果整體灰度值并無明顯變化，信息量有所增加。對比度顯著增大，反映復(fù)原后圖像中的微小細節(jié)與紋理信息增加。

表2 不同算法復(fù)原結(jié)果比較Tab.2 Comparison of the image restored results of different methods

4 結(jié)束語

本文提出一種基于空域的自適應(yīng)MTFC遙感圖像復(fù)原算法，首先根據(jù)實驗室實測的MTF值以及用戶的需求值確定不同頻率處 MTF的補償值，構(gòu)建有限長脈沖響應(yīng)，計算卷積系數(shù)，較傳統(tǒng)方法計算更加精確、簡潔。同時，根據(jù)實驗室實測的相機不同成像參數(shù)下確定的不同灰度的SNR和景物內(nèi)容進行自適應(yīng)抑噪，在提升圖像清晰度的同時保證圖像的SNR。通過試驗驗證本文算法的正確性和有效性。

本文算法也存在如下一些問題：

1）算法在進行圖像復(fù)原時，在推掃方向和線陣方向補償程度一致，這與實際情況不相符。因此，后續(xù)需改進二維卷積核，使得不同方向補償程度不一樣。

2）算法并未考慮大氣湍流、平臺振動引起的MTF下降問題，如何準確計算平臺振動和大氣湍流引起的MTF下降，從而進行準確補償是后續(xù)研究的重點。

3）文中利用圖像均值、方差、信息熵、對比度及邊緣能量來評價影像的復(fù)原品質(zhì)，但他們與實際復(fù)原效果并不能準確對應(yīng)，并不是圖像對比度越大，圖像復(fù)原效果就越好。如何找到一個指標準確的評價圖像復(fù)原品質(zhì)，是今后研究的重點。

References)

[1]陳世平. 景物和成像條件對遙感圖像品質(zhì)的影響[J]. 航天返回與遙感, 2010, 31(1): 1-10.CHEN Shiping. The Effects on Remote Sensing Image Quality from Scenes and Imaging Conditions[J]. Spacecraft Recovery amp; Remote Sensing, 2010, 31(1): 1-10.(in Chinese)

[2]王彪, 姜志國, 趙丹培. 遙感圖像運動模糊恢復(fù)方法及評價標準研究[J]. 航天返回與遙感, 2009, 30(3): 18-25.WANG Biao, JIANG Zhiguo, ZHAO Danpei. Research on Technologies and Quality Evaluation for Restoring Remote Sensing Motion-blurred Image[J]. Spacecraft Recovery amp; Remote Sensing, 2009, 30(3): 18-25. (in Chinese)

[3]陳奮, 趙忠明. 遙感影像反卷積復(fù)原處理[J]. 數(shù)字采集與處理, 2008, 23(2): 168-175.CHEN Fen, ZHAO Zhongming. Deconvolution of Remote Sensing Images[J]. Journal of Data Acquisition amp; Processing, 2008,23(2): 168-175. (in Chinese)

[4]Sondhi M M. Image Restoration: The Removal of Spatially Invariant Degradations[J]. Preceedings IEEE on Special Issue on Picture Processing. 1972, 60(7): 842-853.

[5]Andrews H C, Hunt B R. Digital Image Restoration[M]. Englewood Cliffs, New Jersey. USA: Prentice-Hall, 1977.

[6]洪漢玉, 張?zhí)煨? 基于多分辨率盲目去卷積的氣動光學(xué)效應(yīng)退化圖像復(fù)原算法[J]. 計算機學(xué)報. 2004, 27(7): 952-963.HONG Hanyu, ZHANG Tianxu. Investigation of Restoration Algorithm for Degraded Images Caused by Aero-optics Effects Using Multi-resolution Blind Deconvolution[J]. Chinese Journal of Computers. 2004, 27(7): 952-963. (in Chinese)

[7]Guan L, Ward R K. Restoration of Randomly Blurred Images by the Wiener Filter[J]. IEEE Transactions on Acoustics, Speech amp; Signal Processing, 1989, 37(7): 589-592.

[8]Hunt B R. The Application of Constrained Least Squares Estimations to Image Restoration by Digital Computer[J]. IEEE Transactions on Computer, 1973, 22(9): 805-812.

[9]陳強, 戴奇燕, 夏德深. 基于MTF理論的遙感圖像復(fù)原[J]. 中國圖像圖形學(xué)報, 2006, 11(9): 1299-1305.CHEN Qiang, DAI Qiyan, XIA Deshen. Restoration of Remote Sensing Images Based on MTF Theory[J]. Journal of Image and Graphics, 2006, 11(9): 1299-1305. (in Chinese)

[10]秦世引, 魏曉明, 劉遠民, 等. 模糊遙感圖像總編分優(yōu)化恢復(fù)方法[J]. 科技導(dǎo)報, 2011, 29(14): 26-32.QIN Shiyin, WEI Xiaoming, LIU Yuanmin, etal. A Restoration Method of Blurred Remote Sensing Images Based on Total Variation Optimization[J]. Science amp; Technology Review, 2011, 29(14): 26-32. (in Chinese).

[11]葛平, 王密, 潘俊, 等. 高分辨率TDI-CCD成像數(shù)據(jù)的自適應(yīng)MTF圖像復(fù)原處理研究[J]. 國土資源遙感, 2010, 87(4):23-28.GE Ping, WANG Mi, PAN Jun, etal. A Study of Adaptive MTF Restoration of High Resolution TDI-CCD Image Data[J].Remote Sensing for Land amp; Resources, 2010, 87(4): 23-28. (in Chinese)

[12]岡薩雷斯. 數(shù)字圖像處理(第二版)[M]. 北京: 電子工業(yè)出版社, 2003: 75-77.Gonzales. Digital Image Processing(Second Edition) [M]. Beijing: Electronic Industry Press, 2003: 75-77. (in Chinese)

[13]劉正軍, 王長耀, 駱成鳳. CBERS-1 PSF估計與圖像復(fù)原[J]. 遙感學(xué)報, 2004, 2(3): 234-238.LIU Zhengjun, WANG Changyao, LUO Chengfeng. Estimation of CBERS-1 Point Spread Function and Image Restoration [J].Journal of Remote Sensing, 2004, 2(3): 234-238. (in Chinese)

[14]周凱汀, 鄭力新, 戴在平. 基于有限脈沖變換的FIR濾波器進化設(shè)計[J]. 華僑大學(xué)學(xué)報(自然科學(xué)版), 2001, 11(1): 81-84.ZHOU Kaiting, ZHENG Lixin, DAI Zaiping. Evolutionary Design of FIR Filter Based on Finite Impulse Transform [J].Journal of Huaqiao University (Natural Science), 2001, 11(1): 81-84. (in Chinese)

[15]仝云旭, 吳保衛(wèi). 連續(xù)時間線性脈沖系統(tǒng)的有限時間濾波[J]. 計算機工程與應(yīng)用, 2014, 50(8): 48-52.TONG Yunxu, WU Baowei. Finite-time Filtering for Continue-time Linear Impulsive Systems [J]. Computer Engineering and Applications, 2014, 50(8): 48-52. (in Chinese)