一种基于寄生像干扰消除的干涉图像污染物识别方法

本发明涉及图像识别方法，具体涉及一种基于寄生像干扰消除的干涉图像污染物识别方法。

背景技术：

1、随着大孔径静态干涉光谱成像技术的不断发展，干涉成像在科学研究和工业应用中扮演着日益重要的角色。然而，由于受到环境噪声、光学系统误差等因素的影响，干涉图像的部分区域会出现污染物且污染物表征不明显。这种现象往往会导致成像质量明显下降，尤其在高光谱分辨率的应用场景中。此外，如图1和图2所示，干涉图像的寄生像表现为图像中不必要的伪影或噪声，易与污染物的特征发生混淆，降低识别的准确性。

2、因此，消除寄生像所引起的干扰，进而快速、准确地识别污染物，不仅有助于提升干涉图像的质量评估，还能为后续的数据分析和决策提供可靠依据。然而，现有的污染物识别方法均无法对其进行准确识别，给干涉图像质量的评估带来了阻碍。

技术实现思路

1、为了解决干涉图像识别污染物过程中污染物表征不明显且易受到寄生像干扰导致污染物识别不准确的技术问题，本发明提供了一种基于寄生像干扰消除的干涉图像污染物识别方法。

2、为了实现上述目的，本发明采用如下技术方案：

3、一种基于寄生像干扰消除的干涉图像污染物识别方法，其特殊之处在于，包括以下步骤：

4、步骤1、干涉图像沿干涉维进行多项式拟合；

5、对干涉图像i(h,w)沿干涉维h进行多项式拟合，得到拟合后的干涉图像i′(h,w)，其中，干涉维h表示行数；幅宽维w表示列数；

6、步骤2、计算干涉图像i′(h,w)的干涉维校正系数kh；

7、步骤3、计算干涉图像i′(h,w)的幅宽维校正系数kw；

8、步骤4、通过干涉维校正系数kh和幅宽维校正系数kw对干涉图像i(h,w)进行相对辐射校正，得到消除寄生像干扰的干涉图像i″；

9、步骤5、利用haar小波对消除寄生像干扰的干涉图像i″进行小波变换，将干涉图像i″分解为不同频率成分，获取垂直边缘信息图像cv；

10、步骤6、计算垂直边缘信息图像cv中每个像素点的幅度，从而得到垂直边缘信息图像cv中每个像素点的特征强度；对每一列像素点的特征强度进行排序，选择排序后的第t分位数作为特征强度基准，60％≤t≤80％；

11、步骤7、对垂直边缘信息图像cv中的各个像素点的特征强度进行逐列处理，将特征强度大于特征强度基准预设倍数的像素点识别为初始污染物；

12、步骤8、将初始污染物的坐标还原至干涉图像i(h,w)的坐标中，则得到四个像素点坐标，选择其中像素值最小的像素点，识别其为干涉图像i(h,w)的最终污染物；完成干涉图像污染物识别。

13、进一步地，步骤1具体为：

14、对干涉图像i(h,w)沿干涉维h进行多项式拟合，得到拟合后的干涉图像i′(h,w)，干涉维h表示行数；幅宽维w表示列数；拟合公式如下：

15、i′j＝fn(ij)；

16、其中，ij表示干涉图像i(h,w)的第j列干涉曲线，j＝1、2……或w；fn()表示n阶多项式函数，n≥1；i′j表示多项式拟合后的干涉图像i′(h,w)的第j列干涉曲线。

17、进一步地，步骤2具体包括：

18、2.1、对干涉图像i′(h,w)沿幅宽维w进行平均计算，得到均值向量m＝(m1,m2,…,mi,…,mh)t；其中，p(i,j)表示干涉图像i′(h,w)中第i行、第j列的像素值；

19、2.2、对均值向量m求平均，得到全局均值mall：

20、

21、2.3、利用相对辐射校正方法计算干涉维校正系数kh：

22、

23、进一步地，步骤3具体包括：

24、3.1、对干涉图像i′(h,w)沿干涉维h进行平均计算，得到均值向量n＝(n1,n2,…,nj,…,nw)t；其中，

25、3.2、利用相对辐射校正方法计算幅宽维校正系数kw：

26、

27、进一步地，步骤4具体为：

28、对干涉图像i(h,w)进行相对辐射校正，得到消除寄生像干扰的干涉图像i″：

29、i″＝i·kh·kw。

30、进一步地，步骤6具体为：

31、计算垂直边缘信息图像cv中每个像素点的幅度cv′(x,y)＝|cv(x,y)|，以得到垂直边缘信息图像cv中每个像素点的特征强度；其中(x，y)是像素点的坐标；对每一列像素点的特征强度按照从小到大的顺序进行排序，选择排序后的第t分位数作为特征强度基准cv′y，60≤t≤80。

32、进一步地，步骤7具体为：

33、对垂直边缘信息图像cv中的各个像素点进行逐列处理，将特征强度大于q·cv′y的点(xpol,ypol)识别为污染物；其中，q为预设倍数且q≥1。

34、进一步地，步骤8具体为：

35、将垂直边缘信息图像cv中识别的初始污染物坐标(xpol,ypol)还原至原始干涉图像i(h,w)的坐标(xori,yori)中：

36、

37、干涉图像i′(h,w)的坐标(xori,yori)包含4个像素点，分别为选择其中像素值最小的对应像素点，识别其为干涉图像i(h,w)的最终污染物，完成干涉图像污染物识别。

38、进一步地，步骤1中，n＝4。

39、进一步地，步骤7中，q＝4；

40、步骤8中，t＝70％。

41、本发明的有益效果：

42、1、本发明提供的一种基于寄生像干扰消除的干涉图像污染物识别方法，通过消除寄生像的干扰，避免了因寄生像与污染物特征混淆导致的误判，显著提高了污染物识别的准确性。

43、2、本发明提供的一种基于寄生像干扰消除的干涉图像污染物识别方法，适用于多种类型的大孔径静态干涉光谱成像系统，能够处理不同场景下的污染物识别问题，为科学研究和工业应用中的高光谱成像提供了更加可靠的技术支持，具有广泛的应用价值。

技术特征：

1.一种基于寄生像干扰消除的干涉图像污染物识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于寄生像干扰消除的干涉图像污染物识别方法，其特征在于，步骤1具体为：

3.根据权利要求2所述的基于寄生像干扰消除的干涉图像污染物识别方法，其特征在于，步骤2具体包括：

4.根据权利要求3所述的基于寄生像干扰消除的干涉图像污染物识别方法，其特征在于，步骤3具体包括：

5.根据权利要求4所述的基于寄生像干扰消除的干涉图像污染物识别方法，其特征在于，步骤4具体为：

6.根据权利要求5所述的基于寄生像干扰消除的干涉图像污染物识别方法，其特征在于，步骤6具体为：

7.根据权利要求6所述的基于寄生像干扰消除的干涉图像污染物识别方法，其特征在于，步骤7具体为：

8.根据权利要求7所述的基于寄生像干扰消除的干涉图像污染物识别方法，其特征在于，步骤8具体为：

9.根据权利要求2-8任一所述的基于寄生像干扰消除的干涉图像污染物识别方法，其特征在于：

10.根据权利要求8所述的基于寄生像干扰消除的干涉图像污染物识别方法，其特征在于：

技术总结
本发明公开了一种基于寄生像干扰消除的干涉图像污染物识别方法，解决了干涉图像识别污染物过程中污染物表征不明显且易受到寄生像干扰导致污染物识别不准确的问题，其方法包括以下步骤：首先对干涉图像的干涉维进行多项式拟合以校正图像信号，并计算干涉维和幅宽维的校正系数；然后通过相对辐射校正处理消除图像中的寄生像干扰。接着利用Haar小波变换分解图像为不同频率成分，获取垂直边缘信息图像并计算特征强度，筛选出具有较高特征强度的区域识别为污染物。最后，通过坐标还原将污染物的位置映射回原始干涉图像。本发明能快速、精准识别干涉图像中的污染物，不仅有助于提升干涉图像的质量评估，还能为后续的数据分析和决策提供可靠依据。

技术研发人员：王泽辉,冯向朋,刘科为,王一豪,陈军宇,程娟,赵航,张耿,王爽,李思远,刘学斌
受保护的技术使用者：中国科学院西安光学精密机械研究所
技术研发日：
技术公布日：2025/3/16