基于图像质量与频谱特性加权的光瞳结构优化

发布时间：2021-12-09 16:36

　　为进一步优化光学合成孔径成像系统的光瞳结构,研究了3种典型光瞳结构下复原图像质量与调制传递函数之间的关系,提出基于图像质量与频谱特性加权的光瞳优化方法。该方法将复原图像质量评价因子与频谱分布特性因子的线性加权值,作为光瞳优化的目标函数,调整权重因子使合成孔径成像系统的性能在图像质量与分辨率之间达到平衡。仿真结果表明,对六孔径和九孔径光瞳结构优化后,复原图像对比度更高,人工痕迹更少,更利于在保证成像分辨率的同时获得更好的成像质量。 

【文章来源】：自动化与仪表. 2020,35(02)

【文章页数】：6 页

【部分图文】：

三种典型阵列的光瞳结构与MTF

采用信息熵E(entropy），峰值信噪比PSNR(Peak Signal to Noise Ratio）和结构相似度SSIM(Structural SIMilarity)3种常用的客观图像质量评价模型，对图2中的复原图像进行质量评价，以对比不同光瞳结构的复原图像质量。其中，E值越小说明图像越清晰；PSNR值越大，说明复原图像和原图像越接近；SSIM从亮度、对比度和结构相似度这3个方面，综合评价两幅图像之间的相似程度，其取值范围为0～1。SSIM值越大，表示两幅图越相似[15]。其计算公式为评价后所得的结果见表2。

由图3a,b可见，差值图在边缘为负值，环型光瞳结构的MTF频谱截止频率高于Golay-6型和三臂型，但是Golay-6型和三臂型在中低频具有更多的频谱信息；由图3c可见，三臂型的截止频率略小于Golay-6型，但在中低频比环型有更多的频谱信息。结合图2中的局部放大图，可以推测，在有噪声条件下中低频信息更有利于抑制复原图像中的噪声，提高复原图像质量，更有利于人眼分辨。4 基于图像质量与频谱特性加权的光瞳优化方法


本文编号：3530943