[发明专利]一种应用于关联成像的图像增强处理方法

说明书

本发明公开了一种应用于关联成像的图像增强处理方法，包括：对参考臂光场采样数据与信号臂光强响应数据进行关联计算，得到关联成像结果图；计算结果图归一化自相关矩阵、半高全宽；将结果图减去归一化自相关矩阵和增益系数的乘积得到残差图；迭代计算残差图内最大值点及对应的归一化自相关矩阵，并用残差图中减掉该矩阵与增益系数的乘积；将该点的位置与强度计入净点图中；满足迭代终止条件时停止迭代；用半高全宽拟合高斯函数与净点图卷积，得到无周期性结构的关联成像结果图。本发明可解决空间频率采样不充分造成的周期性重复结构问题，提升关联成像结果图的可见度和信噪比，该方法抗噪声能力强，计算速度快，实用效果好。

技术领域

本发明属于图像处理领域，特别涉及一种基于关联成像中二阶自相关函数的关联成像结果图像去周期性重复结构的图像增强处理方法。

背景技术

关联成像技术是基于照明电磁场特定阶数的相关性质进行的一种非直接多次曝光成像方式。其对物探测的光路无需空间分辨的“离物成像”特性大大降低了成像系统对面阵探测器的要求，能够实现特定条件下的超衍射极限空间分辨，并能实现与激光雷达、三维立体成像等应用光学和成像领域技术的高效结合，具有重要的应用意义与广泛的应用前景。

目前关联成像技术的主流应用方向之一是结合激光雷达的技术特点，实现长距离、高空间分辨性能的关联成像激光雷达。通常情况下，关联成像激光雷达因功率、造价等因素制约，发射端的光纤激光头数量有限，对应空间频率采样不足以覆盖整个空间频率域，导致成像系统的点扩散函数有周期性延拓的旁瓣，成像结果中产生周期性重复结构，严重影响图像内容的可见度。因此，需要在保留图像中的有效信息的同时，采用图像处理方法将图像中的空间周期性重复结构去除，提升图像内容的信噪比以及可见度。

目前可用于关联成像的图像去周期性重复结构的方法有压缩感知算法、矩阵伪逆算法等。压缩感知算法由E.Candès，D.Donoho和T.Tao提出，基于图像的稀疏先验特性实现突破奈奎斯特采样极限的图像重构恢复算法。应用该算法需要提供成像目标在某个域上的稀疏先验特性，而往往在对目标进行成像之前该特性并不能确知。而关联成像的矩阵伪逆算法由C.Zhang等人提出，基于对重复测量矩阵的伪逆计算实现更高信噪比、更高分辨率的关联图像恢复。该方法的抗噪声性能差，矩阵伪逆计算的时间复杂度高，成像速率难以适应关联成像激光雷达的实际应用场景。

与关联成像激光雷达所面临的空间频率采样不充分问题类似，现代天文观测中所使用的甚大望远镜阵列、甚长基线干涉阵列等技术的空间频率采样同样不充分，天体的点源响应也有彼此覆盖的旁瓣，影响天体图像的可见度。而天文图像处理领域已发展出一套成熟的CLEAN数值反卷积算法增强天体图像的可见度。但与关联成像激光雷达所不同的是：其一，关联成像激光雷达系统中此前并未有对应于天文成像系统点源响应的概念，CLEAN算法很难直接应用于关联成像激光雷达系统；其二，CLEAN算法需要计算每幅残差图内最大值点处的点源响应，算法的时间复杂度高，同时对内存空间有较高的消耗。

发明内容

本发明是为了提供一种基于关联成像中的高阶自相关函数的去周期性结构的图像增强处理方法，该算法能够解决关联成像结果图中由于空间频率采样不足产生的图像周期性结构问题，提高了成像结果的恢复质量并降低了图像背景噪声。

相较于其他的关联成像去图像周期性结构的方法无需探测目标的稀疏先验特性约束，抗噪声性能强，时间复杂度低，同时极大地降低了算法对内存空间的消耗。相较于传统CLEAN算法，改进后的本方法无需在每一次迭代中都遍历全部的光场信息并存储迭代结果，仅需在第一次迭代运算中遍历全部的光场信息并计算一次中间结果即可，时间复杂度从o(n²)降至o(n)，同时算法运行占用的内存空间也显著降低。

本发明提供的技术方案为：

一种基于关联成像中的高阶自相关函数的去周期性结构的图像增强处理方法，包括：