CN103530876A - 一种基于傅里叶变换的红外图像分析方法 - Google Patents

Abstract

本发明公开了一种基于傅里叶变换的红外图像分析方法，它主要应用于红外辐射强度图像和偏振度图像分析。它首先对待分析的红外辐射强度图像和红外偏振度图像进行傅里叶变换，得到各自的频谱。然后对得到的频谱进行中心化，得到中心化的频谱。然后根据所创建的分区模型，根据不同的n值，对辐射强度图像和偏振度图像的频谱特点进行分析。实验结果表明该方法能够较好说明红外图像的频谱分布特征，可以为红外图像进一步处理提供理论依据。

Description

一种基于傅里叶变换的红外图像分析方法

技术领域：

本发明属于图像探测与处理领域，具体涉及一种基于傅里叶变换的红外图像分析方法。

背景技术：

目前，红外图像融合已经成为一种重要的红外图像处理技术，涉及到可见光与红外图像融合、中波红外与长波红外图像融合、红外辐射强度图像与偏振度图像融合等领域。其中数据层融合通常用于多源图像组合，多源图像组合是将不同传感器获得的同一场景的图像经过匹配、合成处理，最终获得一幅克服单一传感器图像在几何、光谱和空间分辨率上存在局限性的优质图像，以利于进一步对其有效应用。

对不同的红外图像进行融合，首先要对图像的特点进行分析，因此设计一种红外图像分析方法非常有必要。采用傅里叶分析手段，对红外图像进行分析，可以得出红外图像频谱分布特点，为红外图像融合提供理论依据。

发明内容：

针对红外偏振图像融合的实际需要，本发明提出一种基于傅里叶变换的红外图像分析方法，事实表明用此方法可以对红外图像频谱分布特点进行分析。

实现本发明的技术解决方案为：一种基于傅里叶变换的红外图像分析方法，步骤如下：

步骤1：对待分析红外图像X进行二维离散傅里叶变换，得到图像的频率域F(μ,ν)，它为复数阵列，可以表示为F(μ,ν)＝R(μ,ν)+jI(μ,ν)，然后根据公式|F(μ,ν)|＝[R²(μ,ν)+I²(μ,ν)]^1/2，得到其频谱图|F(μ,ν)|。

步骤2：中心化该频谱图，将|F(μ,ν)|的原点移到频谱矩形的中心，得到|FC(μ,ν)|。

步骤3：如下图所示，对得到的|FC(μ,ν)|，我们定义了频谱能量集中度p。以频谱图中心像素点为中心，以n个像素为半径的圆内所有像素灰度值之和比上整幅图像的像素灰度值之和。其中n为整数，对一幅M×N的图像，其取值范围为：1～min(M/2,N/2)。

具体方法如下：

$p=\frac{\underset{{[{(\mathrm{\&mu;}-M/2-1)}^2+{(v-N/2-1)}^2]}^{1/2}<n}{\mathrm{\&Sigma;}}\left|\mathrm{FC}(\mathrm{\&mu;},v)\right|}{\underset{\mathrm{\&mu;}=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{v=1}{\overset{N}{\mathrm{\&Sigma;}}}\left|\mathrm{FC}(\mathrm{\&mu;},v)\right|}$

步骤4：对红外辐射强度图像和红外偏振度图像，我们分别求得它们在n取不同值时的p值，从而估计它们的频谱分布情况，得出红外辐射强度图像和红外偏振度图像的频谱特点。

附图说明

图1：基于傅里叶变换红外图像分析方法框图。

图2：一幅256×256红外辐射强度图像。

图3：一幅256×256红外偏振度图像。

图4：频谱图分区方式。

具体实施方式：

下面根据附图对本发明的具体实施方式作进一步的详细说明。

图1是基于傅里叶变换的红外图像分析方法框图。

图2是一幅256×256红外辐射强度图像X。

图3是一幅256×256红外偏振度图像Y。

图4是频谱图分区方式。

步骤1：对图2红外辐射强度图像X进行二维离散傅里叶变换，得到其频率域F_X(μ,ν)，它为复数阵列，可以表示为F_X(μ,ν)＝R(μ,ν)+jI(μ,ν)，然后根据公式|F_X(μ,ν)|＝[R²(μ,ν)+I²(μ,ν)]^1/2，得到其频谱图|F_X(μ,ν)|。对图3红外偏振度图像Y，按照上述步骤得到F_Y(μ,ν)和|F_Y(μ,ν)|。其中图像X和图像Y大小均为256×256个像素。

步骤2：中心化该频谱图，将|F_X(μ,ν)|和|F_Y(μ,ν)|的原点移到频谱矩形的中心，得到|FC_X(μ,ν)|和|FC_Y(μ,ν)|。

步骤3：如图4所示，对得到的|FC_X(μ,ν)|和|FC_Y(μ,ν)|，我们定义了频谱能量集中度p。以频谱图中心像素点为中心，以n个像素为半径的圆内所有像素灰度值之和比上整幅图像的像素灰度值之和，即以A中所有像素灰度值之和比上整幅图像灰度值之和。其中n为整数，对图2和图3两幅256×256的图像，其取值范围为：1～128。

具体方法步骤如下：

$p=\frac{\underset{{[{(\mathrm{\&mu;}-129)}^2+{(v-129)}^2]}^{1/2}<n}{\mathrm{\&Sigma;}}\left|\mathrm{FC}(\mathrm{\&mu;},v)\right|}{\underset{\mathrm{\&mu;}=1}{\overset{256}{\mathrm{\&Sigma;}}}\underset{v=1}{\overset{256}{\mathrm{\&Sigma;}}}\left|\mathrm{FC}(\mathrm{\&mu;},v)\right|}$

步骤4：对红外辐射强度图像和红外偏振度图像，我们分别求得它们在n取不同值时的p值，从而估计它们的频谱分布情况，得出红外辐射强度图像和红外偏振度图像的频谱特点。下表给出了n取10、20、30、40、50时的p值。从中可以看出红外辐射强度图像和红外偏振度图像频谱分布情况，如下表所示。

P	红外辐射强度频谱图	红外偏振度频谱图
			P,n=10	0.6263	0.0740
P，n=20	0.8092	0.1490
			P,n=30	0.8780	0.2273
P，n=40	0.9156	0.3162
			P,n=50	0.9390	0.4021

Claims (1)

1.一种基于傅里叶变换的红外图像分析方法，其特征在于包括以下步骤：

步骤1：对待分析红外图像X进行二维离散傅里叶变换，得到图像的频率域F(μ,ν)，它为复数阵列，可以表示为F(μ,ν)＝R(μ,ν)+jI(μ,ν)，然后根据公式|F(μ,ν)|＝[R²(μ,ν)+I²(μ,ν)]^1/2，得到其频谱图|F(μ,ν)|；

步骤2：中心化该频谱图，将|F(μ,ν)|的原点移到频谱矩形的中心，得到|FC(μ,ν)|；

步骤3：如下图所示，对得到的|FC(μ,ν)|，我们定义了频谱能量集中度p，以频谱图中心像素点为中心，以n个像素为半径的圆内所有像素灰度值之和比上整幅图像的像素灰度值之和，其中n为整数，对一幅M×N的图像，其取值范围为：1～min(M/2,N/2)；

具体方法如下：

$p=\frac{\underset{{[{(\mathrm{\&mu;}-M/2-1)}^2+{(v-N/2-1)}^2]}^{1/2}<n}{\mathrm{\&Sigma;}}\left|\mathrm{FC}(\mathrm{\&mu;},v)\right|}{\underset{\mathrm{\&mu;}=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{v=1}{\overset{N}{\mathrm{\&Sigma;}}}\left|\mathrm{FC}(\mathrm{\&mu;},v)\right|}$

步骤4：对红外辐射强度图像和红外偏振度图像，我们分别求得它们在n取不同值时的p值，从而估计它们的频谱分布情况，得出红外辐射强度图像和红外偏振度图像的频谱特点。

Images