CN102081737B - 一种气动热辐射图像多尺度建模方法及其应用 - Google Patents

Abstract

本发明公开了一种气动热辐射图像多尺度建模方法，包括：（1）分别对各气动热辐射退化图像进行配准，并求各退化图像与基准图像之差值；（2）对各差值图像在全图区域即第一尺度下进行拟合，得到该第一尺度下的拟合曲面；（3）对上一次的拟合尺度进行细化，对差值图像d_k进行多尺度的曲面逼近拟合，得到各尺度下拟合的曲面多项式，即构成气动热辐射退化图像序列在相应气动热环境下的窗口热辐射指纹库。本发明还公开了一种应用上述方法进行图像校正的应用。本发明校正之后的目标区域对比度明显提升，并且随着尺度的细化，对比度提升更为明显，可广泛应用于图像校正中。

Description

一种气动热辐射图像多尺度建模方法及其应用

技术领域

本发明属于气动光学与图像处理相结合的交叉科学技术领域，具体涉及一种气动热辐射多尺度建模方法及其在图像校正中的应用。 

背景技术

气动光学是研究高速绕流流场对高速飞行器成像探测影响的一门学科。带有光学成像探测***的高速飞行器在大气层内飞行时，光学窗口与来流之间的相互作用形成复杂的流场。由于空气粘性的作用，与光学窗口表面相接触的气流将受到阻滞，使得气流速度降低，在窗口表面附近形成边界层。边界层内具有很大速度梯度的各层会产生强烈的摩擦，气流的动能不可逆转地变为热能，造成窗口壁面温度的升高。高温气流将不断向低温壁面传热，引起很强的气动加热。光学窗口被气动加热而处于严重的气动热环境中，产生热辐射噪声，降低光电探测***的信噪比和图像质量。 

飞行速度越大，气流在飞行器表面加热的程度就越严重。窗外气流的辐照度和窗口的辐照度与背景的辐照度迭加，成像传感器将进入非线性区或饱和，造成景物有效信息的丢失或信噪比、信杂比的降低，探测性能的下降或功能失效。因此，需要进行气动热辐射校正，以提高信噪比。 

由于气动热辐射的退化模型是未知且随机变化的，退化图像还含有传感器噪声，增加了图像恢复或校正的难度，目前还没有相关文献报道气动热辐射退化图像校正方法。 

发明内容

本发明提出了一种气动热辐射图像多尺度建模方法，该方法从多个尺度利用最小二乘逼近对气动热辐射图像的退化特性进行建模，得到一定气动热环境下的窗口热辐射指纹。本发明还提出了一种利用上述建模得到的 窗口热辐射指纹对气动热辐射退化图像序列进行校正的方法，可以有效地对气动热辐射图像进行校正恢复，提高图像的信噪比和图像质量。 

本发明中，处于气动热环境中的光学窗口有随着温度及压强变化的规律，称为窗口热辐射指纹。 

本发明提供的一种气动热辐射图像多尺度建模方法的具体步骤包括： 

(1)通过成像装置获取一定气动热环境下(即一定温度和压强条件下)的气动热辐射退化图像序列(f₁，f₂，f₃，......，f_n-2，f_n-1，f_n)，并将图像序列中每帧图像均与基准图像f₀成对分组，每一组图像构成校正和恢复运算的基本处理对象： 

(f₀，f₁)，(f₀，f₂)，(f₀，f₃)，......，(f₀，f_n-1)，(f₀，f_n) 

n为退化图像序列的帧数，f_k为在温度为T_k，压强为P_k的条件下获取的气动热辐射退化图像，k为气动热辐射退化图像的帧序号； 

(2)对每一组图像(f₀，f_k)进行配准，得到配准后的图像组合(f₀，f′_k)以及偏移值(Vx_k，Vy_k)，Vx_k为x轴方向上的偏移量，Vy_k为y轴方向上的偏移量； 

(3)对配准后的每一组图像(f₀，f′_k)，求其气动热辐射退化图像与基准图像之差值d_k＝f′_k-f₀； 

(4)利用最小二乘逼近原理，对差值图像d_k进行多尺度的曲面逼近拟合，得到各尺度下拟合的曲面多项式 

即窗口热辐射指纹，scale＝max，mid，min，分别代表大尺度(即第一尺度)、中尺度(即第二尺度)和小尺度(即第三尺度)，p、q为多项式的最高幂次方，若为双三次多项式，则取p＝q＝3；具体为： 

大尺度最小二乘逼近：设气动热辐射退化图像大小为N_max×M_max，对全 图区域内的N_max×M_max个差值点进行采样，取N′_max×M′_max个差值点(x_u，y_v)(u＝0，1，...，N′_max-1；v＝0，1，...，M′_max-1)进行大尺度的多项式曲面拟合，得到大尺度下拟合的曲面多项式 

即大尺度下的热辐射指纹； 

中尺度最小二乘逼近：分析得到的大尺度下的热辐射指纹 对误差相对较大的区域进行进一步的中尺度分析，设选定的中尺度区域的大小为N_mid×M_mid，对区域内的N_mid×M_mid个差值点进行采样，取N′_mid×M′_mid个差值点(x_u，y_v)(u＝0，1，...，N′_mid-1；v＝0，1，...，M′_mid-1)进行中尺度的多项式曲面拟合，得到中尺度下拟合的曲面多项式 

即中尺度下的热辐射指纹； 

小尺度最小二乘逼近：分析得到的中尺度下的热辐射指纹 

对误差相对较大的区域进行进一步的小尺度分析，设选定的小尺度区域的大小为N_min×M_min，对区域内的N_min×M_min个差值点进行采样，取N′_min×M′_min个差值点(x_u，y_v)(u＝0，1，...，N′_min-1；v＝0，1，...，M′_min-1)进行小尺度的多项式曲面拟合，得到小尺度下拟合的曲面多项式 

即小尺度下的热辐射指纹； 

分析得到的小尺度下的热辐射指纹 如果仍存在误差相对较大的区域，则可仿照上述步骤对选定的误差较大区域进行微尺度等更小尺度的分析，得到相应尺度下的热辐射指纹； 

综合上述过程可得到一定气动热环境下的光轴偏移量(Vx_k，Vy_k)以及大尺度、中尺度、小尺度等多个尺度下的热辐射指纹 

(scale＝max，mid，min)，即可建立多尺度的气动热辐射图像校正指纹库。 

利用上述方法获得的气动热辐射图像校正指纹库进行图像校正的方法，具体为： 

(1)输入气动热辐射退化图像序列(g₁，g₂，g₃，......，g_m-2，g_m-1，g_m)，m为退化图像序列的帧数，g_k为温度T_k，压强P_k条件下的气动热辐射退化图像，k为气动热辐射退化图像的帧序号； 

(2)对任意的气动热辐射退化图像g_k，在气动热辐射图像校正指纹库中获取温度T_k和压强P_k条件下的选择的相应尺度的热辐射指纹 (scale＝max，mid，min)以及相应的光轴偏移量(Vx_k，Vy_k)，对气动热辐射退化图像进行校正，得到其在多个尺度下的校正结果g′_k，scale； 

对校正前后的气动热辐射退化图像进行目标区域对比度分析比较，可以发现校正之后的目标区域对比度明显提升，并且随着尺度的细化，对比度提升更为明显，证明了该方法的有效性。 

附图说明

图1是高速飞行器光学窗口气动热辐射效应示意图； 

图2是本发明多尺度的气动热辐射指纹库的建立流程图； 

图3是本发明多尺度的气动热辐射图像校正方法流程图； 

图4是本发明气动热辐射图像多尺度分析流程图； 

图5是本发明多尺度的气动热辐射指纹的建立流程图； 

图6(a)是气动热辐射退化图像序列的基准图像； 

图6(b)是本发明建模方法中的气动热辐射退化图像序列的第f₁帧图像； 

图6(c)是本发明建模方法中的气动热辐射退化图像序列的第f₂帧图像； 

图6(d)是本发明建模方法中的气动热辐射退化图像序列的第f₃帧图像； 

图6(e)是本发明建模方法中的气动热辐射退化图像序列的第f₄帧图像； 

图6(f)是本发明建模方法中的气动热辐射退化图像序列的第f₅帧图像； 

图6(g)是本发明建模方法中的气动热辐射退化图像序列的第f₆帧图像； 

图6(h)是本发明建模方法中的气动热辐射退化图像序列的第f₇帧图像； 

图6(i)是本发明建模方法中的气动热辐射退化图像序列的第f₈帧图像； 

图7为图6(b)～6(i)中的气动热辐射退化图像配准后的目标形心位置偏移曲线图； 

图8(a)是配准后的图6(b)中退化图像与图6(a)中基准图像的差值的三维显示； 

图8(b)是配准后的图6(c)中退化图像与图6(a)中基准图像的差值的三维显示； 

图8(c)是配准后的图6(d)中退化图像与图6(a)中基准图像的差值的三维显示； 

图8(d)是配准后的图6(e)中退化图像与图6(a)中基准图像的差值的三维显示； 

图8(e)是配准后的图6(f)中退化图像与图6(a)中基准图像的差值的三维显示； 

图8(f)是配准后的图6(g)中退化图像与图6(a)中基准图像的差值的三维显示； 

图8(g)是配准后的图6(h)中退化图像与图6(a)中基准图像的差值的三维显示； 

图(8h)是配准后的图(6i)中退化图像与图6(a)中基准图像的差值的三维显示； 

图9(a)是图6(b)中的退化图像在大尺度下的热辐射指纹的三维显示； 

图9(b)是图6(c)中的退化图像在大尺度下的热辐射指纹的三维显示； 

图9(c)是图6(d)中的退化图像在大尺度下的热辐射指纹的三维显示； 

图9(d)是图6(e)中的退化图像在大尺度下的热辐射指纹的三维显示； 

图9(e)是图6(f)中的退化图像在大尺度下的热辐射指纹的三维显示； 

图9(f)是图6(g)中的退化图像在大尺度下的热辐射指纹的三维显示； 

图9(g)是图6(h)中的退化图像在大尺度下的热辐射指纹的三维显示； 

图9(h)是图6(i)中的退化图像在大尺度下的热辐射指纹的三维显示； 

图10(a)是图6(b)中的退化图像在中尺度下的热辐射指纹的三维显示； 

图10(b)是图6(c)中的退化图像在中尺度下的热辐射指纹的三维显示； 

图10(c)是图6(d)中的退化图像在中尺度下的热辐射指纹的三维显示； 

图10(d)是图6(e)中的退化图像在中尺度下的热辐射指纹的三维显示； 

图10(e)是图6(f)中的退化图像在中尺度下的热辐射指纹的三维显示； 

图10(f)是图6(g)中的退化图像在中尺度下的热辐射指纹的三维显示； 

图10(g)是图6(h)中的退化图像在中尺度下的热辐射指纹的三维显示； 

图10(h)是图6(i)中的退化图像在中尺度下的热辐射指纹的三维显示； 

图11(a)是图6(b)中的退化图像在小尺度下的热辐射指纹的三维显示； 

图11(b)是图6(c)中的退化图像在小尺度下的热辐射指纹的三维显示； 

图11(c)是图6(d)中的退化图像在小尺度下的热辐射指纹的三维显示； 

图11(d)是图6(e)中的退化图像在小尺度下的热辐射指纹的三维显示； 

图11(e)是图6(f)中的退化图像在小尺度下的热辐射指纹的三维显示； 

图11(f)是图6(g)中的退化图像在小尺度下的热辐射指纹的三维显示； 

图11(g)是图6(h)中的退化图像在小尺度下的热辐射指纹的三维显示； 

图11(h)是图6(i)中的退化图像在小尺度下的热辐射指纹的三维显示； 

图12是等晕区边界适当往外延伸得到的数据重叠区域示意图； 

图13是将等晕区边界适当往外延伸得到的在一维方向上的数据重叠区域示意图； 

图14为需要校正的实际气动热辐射退化图像； 

图15(a)是图14中的气动热辐射退化图像在大尺度下的热辐射校正图像； 

图15(b)是图14中的气动热辐射退化图像在中尺度下的热辐射校正图像； 

图15(c)是图14中的气动热辐射退化图像在小尺度下的热辐射校正图像； 

图16(a)是目标区((170，53)，(237，124))的选取示意图； 

图16(b)是对图14中的气动热辐射退化图像在多个尺度下的校正图像进行区域(图16(a))对比度评价的结果，横坐标的5个标度从左往右依次代表基准图像(图6(a))、气动热辐射退化图像(图14)、退化图像在大尺度下的校正图像(图15(a))、中尺度下的校正图像(图15(b))和小尺度下的校正图像(图15(c))，纵坐标表示图像对应的区域对比度； 

图17(a)是目标区((103，154)，(145，195))的选取示意图； 

图17(b)是对图14中的气动热辐射退化图像在多个尺度下的校正图像进行区域(图17(a))对比度评价的结果，横坐标的5个标度从左往右依次代表基准图像(图6(a))、气动热辐射退化图像(图14)、退化图像在大尺度下的校正图像(图15(a))、中尺度下的校正图像(图15(b))和小尺度下 的校正图像(图15(c))，纵坐标表示图像对应的区域对比度。 

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细的说明。 

一种气动热辐射图像多尺度建模方法，包括如下步骤： 

(1)通过成像装置获取一定气动热环境下(即一定温度和压强条件下)的气动热辐射退化图像序列(f₁，f₂，f₃，......，f_n-2，f_n-1，f_n)，并将其与基准图像f₀成对分组，每一组图像构成校正和恢复运算的基本处理对象： 

(f₀，f₁)，(f₀，f₂)，(f₀，f₃)，......，(f₀，f_n-1)，(f₀，f_n) 

n为退化图像序列的帧数，f_k为在温度为T_k，压强为P_k的条件下获取的气动热辐射退化图像，k为气动热辐射退化图像的帧序号。 

分别将气动热辐射退化图像序列的第f₁帧退化图像与基准图像、第f₂帧退化图像与基准图像成对分组，后面的气动热辐射退化图像做类似处理。 

(2)对每一组图像(f₀，f_k)进行配准，得到配准后的图像组合(f₀，f′_k)以及偏移值(Vx_k，Vy_k)，Vx_k为x轴方向上的偏移量，Vy_k为y轴方向上的偏移量。 

(3)对配准后的每一组图像(f₀，f′_k)，求其气动热辐射退化图像与基准图像之差值d_k＝f′_k-f₀； 

对于配准后的第一组图像(f₀，f′₁)，求出配准后的第f₁帧气动热辐射退化图像与基准图像f₀的差值d₁＝f′₁-f₀，以此类推，对于配准后的第k组图像(f₀，f′_k)，配准后的第f_k帧气动热辐射退化图像与基准图像f₀的差值为d_k＝f′_k-f₀，由此得到气动热辐射退化图像与基准图像的差值图像序列(d₁，d₂，d₃，......，d_n-2，d_n-1，d_n)。 

(4)利用最小二乘逼近原理，对差值图像d_k进行多尺度的曲面逼近拟 合，得到各尺度下拟合的曲面多项式 

scale＝max，mid，min，分别代表大尺度、中尺度和小尺度，p、q为多项式的最高幂次方，若为双三次多项式，则取p＝q＝3； 

按照步骤(4.1)至(4.4)对差值图像d_k进行曲面拟合，其具体过程为： 

(4.1)对图像矩形区域内的N×M个点(x_u，y_v)(u＝0，1，...，N-1；v＝0，1，...，M-1；)上的函数值z_uv，令最小二乘拟合多项式为 

其中，p、q为多项式的最高幂次方； 

(4.2)固定y，对x构造M个最小二乘拟合多项式： 

其中， 

(i＝0，1，...，p)为相互正交的多项式，由以下递推公式构造： 

令 

有 

β_i＝η_i/η_i-1，根据最小二乘原理可得： 

(4.3)构造y的最小二乘拟合多项式： 

其中，ψ_j(y)(j＝0，1，...，q)为相互正交的多项式，由以下递推公式构造： 

ψ₀(y)＝1 

ψ₁(y)＝y-α′₀

ψ_j(y)＝(y-α′_j)ψ_j-1(y)-β′_jψ_j-2(y) 

令 

有 

β′_j＝δ_j/δ_j-1，根据最小二乘原理可得： 

(4.4)结合步骤(4.2)、(4.3)中推导的结果可以得到曲面拟合的多项式： 

转换成标准的多项式形式为：  $f(x,y)=\underset{i=0}{\overset{p}{\mathrm{\Σ}}}\underset{j=0}{\overset{q}{\mathrm{\Σ}}}{a}_{\mathrm{ij}}{x}^i{y}^j.$

(5)大尺度最小二乘逼近：设图像大小为N_max×M_max，对全图区域内的N_max×M_max个差值点进行采样，取N′_max×M′_max个差值点(x_u，y_v)(u＝0，1，...，N′_max-1；v＝0，1，...，M′_max-1)，按照步骤(4.1)至(4.4)进行大尺度的多项式曲面拟合，得到大尺度下拟合的曲面多项式 

即退化图像f_k在大尺度下的热辐射指纹。 

(6)中尺度最小二乘逼近：分析得到的大尺度下的热辐射指纹 

对误差相对较大的区域进行进一步的中尺度分析，设选定的中尺度区域的大小为N_mid×M_mid，对区域内的N_mid×M_mid个差值点进行采样，取N′_mid×M′_mid个差值点(x_u，y_v)(u＝0，1，...，N′_mid-1；v＝0，1，...，M′_mid-1)进行中尺度的多项式曲面拟合，得到中尺度下拟合的曲面多项式 

即退化图像f_k在中尺度下的热辐射指纹； 

按照步骤(6.1)至(6.3)对气动热辐射退化图像进行中尺度的分析，其具体过程为： 

(6.1)将步骤(5)中得到的大尺度下的热辐射指纹 划分成M₂×M₂个子块(对于中尺度分析，M₂一般取2～4即可)，各子块用 (s为子块的序号，s＝1，2，L，M₂×M₂)表示，同样，将步骤(3)中得到的差值图像d_k对应划分成M₂×M₂个子块，各子块用d_k，mid(s)表示，各子块内可近似看成等晕区，将等晕区边界适当往外延伸一定像素值； 

(6.2)计算全图区域内的N_max×M_max个点(x_u，y_v)(u＝0，1，...，N_max-1；v＝0，1，...，M_max-1)上的大尺度热辐射指纹的相对误差 以及各子块区域内N_mid(s)×M_mid(s)个点(x_u，y_v)(u＝0，1，...，N_mid(s)-1；v＝0，1，...，M_mid(s)-1)上的大尺度热辐射指纹的相对误差 

||为绝对值符号，如果 

则对应的子块的中尺度热辐射指纹 

如果 则对差值子块d_k，mid(s)区域内的N_mid(s)×M_mid(s)个差值点进行采样，取N′_mid(s)×M′_mid(s)个差值点(x_u，y_v)(u＝0，1，...，N′_mid(s)-1；v＝0，1，...，M′_mid(s)-1)，按照步骤(4.1)至(4.4)进行中尺度的多项式曲面拟合，得到中尺度下拟合的曲面多项式 即对应的子块在中尺度下的热辐射指纹； 

(6.3)用拼接算法将各子块在中尺度下的热辐射指纹 

(s＝1，2，L，M₂×M₂)拼接起来，得到退化图像f_k在中尺度下的热辐射指 纹 

其具体过程为：依据各子块重叠区像素到边界的距离构造加权系数，使用重叠区数据完成渐变的拼接，以去除拼接图像视觉上的割裂感。 

如图12所示，区域[1][2][3]为某一级尺度模型下没有和其他区域重叠的部分，不需要做其他处理，直接使用原值即可，区域[4]是两块区域的重叠部分，区域[5]是4块区域的重叠部分；在拼接和叠加的过程中，采用加权平均的方法，以一维方向上的重叠为例来简化说明该加权系数。将相邻两图像块分别以X、Y表示，两者拼接后图像以Z表示，如图13所示，X、Y的大小分别是W_X、W_Y，图像边界块状区边界往外延伸L，即块状区边界在X的第W_X-L列，在Y的第L列。X、Y在经过图像校正处理之后，去除了存在块状效应的l列，那么剩下的两图像块的重叠区宽度2d＝2(L-l)，即此时的块状区边界在X的第W_X-d列，在Y的第d列，两侧图像重叠区各过渡元素的权重系数按50％/d＝1/(2d)递推。 

(7)小尺度最小二乘逼近：分析得到的中尺度下的热辐射指纹 

对误差相对较大的区域进行进一步的小尺度分析，设选定的小尺度区域的大小为N_min×M_min，对区域内的N_min×M_min个差值点进行采样，取N′_min×M′_min个差值点(x_u，y_v)(u＝0，1，...，N′_min-1；v＝0，1，...，M′_min-1)进行小尺度的多项式曲面拟合，得到小尺度下拟合的曲面多项式 

即退化图像f_k在小尺度下的热辐射指纹； 

按照步骤(7.1)至(7.3)对气动热辐射退化图像进行小尺度的分析，其具体过程为： 

(7.1)将步骤(6)中得到的中尺度下的热辐射指纹 

划分成M₃×M₃ 个子块(对于小尺度分析，M₃一般取4～8即可)，各子块用 

(s为子块的序号，s＝1，2，L，M₃×M₃)表示，同样，将步骤(3)中得到的差值图像d_k对应划分成M₃×M₃个子块，各子块用d_k，min(s)表示，各子块内可近似看成等晕区，将等晕区边界适当往外延伸一定像素值； 

(7.2)计算全图区域内的N_max×M_max个点(x_u，y_v)(u＝0，1，...，N_max-1；v＝0，1，...，M_max-1)上的中尺度热辐射指纹的相对误差 

以及各子块区域内N_min(s)×M_min(s)个点(x_u，y_v)(u＝0，1，...，N_min(s)-1；v＝0，1，...，M_min(s)-1)上的中尺度热辐射指纹的相对误差 

||为绝对值符号，如果 

则对应的子块的小尺度热辐射指纹 

如果 则对差值子块d_k，min(s)区域内的N_min(s)×M_min(s)个差值点进行采样，取N′_min(s)×M′_min(s)个差值点(x_u，y_v)(u＝0，1，...，N′_min(s)-1；v＝0，1，...，M′_min(s)-1)，按照步骤(4.1)至(4.4)进行小尺度的多项式曲面拟合，得到小尺度下拟合的曲面多项式 

即对应的子块在小尺度下的热辐射指纹； 

(7.3)按照步骤(6.3)中的拼接算法将各子块在小尺度下的热辐射指纹 

(s＝1，2，L，M₃×M₃)拼接起来，得到退化图像f_k在小尺度下的热辐射指纹。 

(8)分析得到的小尺度下的热辐射指纹 

如果仍存在误差相对较大的区域，则可依照上述步骤对选定的误差较大区域进行微尺度等更小尺度的分析，得到相应尺度下的热辐射指纹。 

(9)综合步骤(2)、(5)、(6)、(7)、(8)，可得到一定气动热环境下的光轴偏移量(Vx_k，Vy_k)以及大尺度、中尺度、小尺度等多个尺度下的热辐射指纹，建立多尺度的气动热辐射图像校正指纹库。 

利用上述方法获得的气动热辐射图像校正指纹库进行图像校正的方法，具体步骤为： 

(1)输入气动热辐射退化图像序列(g₁，g₂，g₃，......，g_m-2，g_m-1，g_m)，m为退化图像序列的帧数，g_k为温度T_k，压强P_k条件下的气动热辐射退化图像，k为气动热辐射退化图像的帧序号； 

(2)对任意的气动热辐射退化图像g_k，在气动热辐射图像校正指纹库中获取温度T_k和压强P_k条件下的多个尺度的热辐射指纹 

(scale＝max，mid，min)以及相应的光轴偏移量(Vx_k，Vy_k)，对气动热辐射退化图像进行校正，得到其在多个尺度下的校正结果g′_k，scale； 

按照步骤(2.1)至(2.2)对气动热辐射退化图像进行多尺度的校正，其具体过程为： 

(2.1)利用获取的光轴偏移量(Vx_k，Vy_k)，得到配准后的气动热辐射退化图像g′_k(x，y)＝g_k(x-Vx_k，y-Vy_k)； 

(2.2)根据需要对气动热辐射退化图像进行多尺度的校正，如果对校正图像在局部细节上的要求不高，则可对气动热辐射退化图像g_k进行大尺度的校正，将g′_k减去从上述指纹库中获取的大尺度热辐射指纹 

得到 气动热辐射退化图像g_k在大尺度下的校正图像 如果对校正图像在局部细节上的要求较高，则可对气动热辐射退化图像g_k进行中尺度或小尺度的校正，将g′_k减去从上述指纹库中获取的中尺度热辐射指纹 

得到气动热辐射退化图像g_k在中尺度下的校正图像 

或将g′_k减去从上述指纹库中获取的小尺度热辐射指纹 得到气动热辐射退化图像g_k在小尺度下的校正图像 

对校正前后的气动热辐射退化图像进行目标区域对比度分析比较，可以发现校正之后的目标区域对比度明显提升，并且随着尺度的细化，对比度提升更为明显，证明了该方法的有效性。 

Claims (8)

1.一种气动热辐射图像多尺度建模方法，通过对气动热辐射退化图像序列中各图像的差值图像进行多个尺度下的曲面逼近拟合，从而得到相应气动热环境下的窗口热辐射指纹库，该方法具体步骤包括：

（1）根据基准图像分别对各气动热辐射退化图像进行配准，并求各退化图像与基准图像之差值，得到各自的光轴偏移量和差值图像；

（2）对各差值图像在全图区域即第一尺度下进行拟合，得到该第一尺度下的拟合曲面，即为该第一尺度下的窗口热辐射指纹；

（3）对上一次的拟合尺度进行细化，即将上一次的拟合曲面划分为多个分块区域，计算各分块区域的拟合误差，如果其中任一分块区域的拟合误差不小于预设的当前细化尺度下的误差门限值，则对该分块区域进行再次拟合，获得该分块区域的拟合曲面，即为该分块区域在该当前细化尺度下的窗口热辐射指纹，进而获得整个气动热辐射退化图像在该细化尺度下的窗口热辐射指纹，重复上述过程，直至所细化的分块区域的拟合误差均小于其对应的细化尺度下的误差门限值为止；否则，上一次拟合尺度下的窗口热辐射指纹即作为气动热辐射退化图像在该细化尺度下的窗口热辐射指纹；

通过上述步骤，获得多个尺度下的窗口热辐射指纹，即构成气动热辐射退化图像序列在相应气动热环境下的窗口热辐射指纹库。

2.根据权利要求1所述的方法，其特征在于，所述拟合具体过程为：对所述差值图像在拟合尺度对应的区域上的差值点进行采样，以采样获得的差值点进行多项式曲面拟合逼近。

3.根据权利要求1或2所述的方法，其特征在于，所述分块区域的拟合误差指该分块区域上的相对误差，即该分块区域上的上一次拟合尺度下的拟合曲面各点与差值图像中对应各点的差值取绝对值后的和与对应的基准图像上各点之和的比值。

4.根据权利要求1或2所述的方法，其特征在于，所述当前细化尺度的误差门限值指，当前细化尺度下进行分块后的各分块区域在上一次拟合尺度下的拟合误差之和与所述分块区域数之比值。

5.根据权利要求1或2所述的方法，其特征在于，所述步骤（3）中，所述拟合误差小于误差门限值的分块区域的窗口热辐射指纹即为该区域在上一次尺度拟合得到的窗口热辐射指纹，所述整个气动热辐射退化图像在该细化尺度下的窗口热辐射指纹通过各分块区域在该细化尺度下的窗口热辐射指纹相互拼接而成。

6.根据权利要求1或2所述的方法，其特征在于，所述拟合为最小二乘拟合。

7.应用权利要求1-6之一中所述的气动热辐射图像多尺度建模方法对气动热辐射退化图像进行校正的方法，其特征在于，包括如下步骤：

（1）输入待校正的气动热辐射退化图像；

（2）利用权利要求1-6之一所述的方法获得气动热辐射图像校正指纹库，从该指纹库中获取该退化图像在气动热环境下的热辐射指纹以及相应的光轴偏移量，再对该退化图像进行校正，即首先利用光轴偏移量对该退化图像进行配准，配准后的图像再减去相应尺度下的热辐射指纹，即可得到该相应尺度下的校正结果。

8.根据权利要求7所述的方法，其特征在于，所述相应尺度根据待校正图像的精度要求而确定。

Images