MTF与图像质量参数关系的建模研究
|
摘要
从卫星传回的遥感图像上获知卫星光学系统的评价指标MTF的变化情况，是卫星光学系统研制领域非常活跃的研究课题，对于在轨运行的卫星光学系统的监测遥控，以及后继卫星的研制，有着非常重要的意义。目前，研究集中在如何从卫星遥感图像上直接测量MTF，但该方法还有许多难点，使这一技术成为完全成熟的技术还有许多工作需要去做。因此，本文提出另外一种设想，建立图像的质量评价参数和光学系统指标MTF的数据关系模型，通过简单易行的计算在轨卫星的图像质量参数，根据已经建立的模型关系，直接推算出MTF。
本文首先理解理解MTF的原理，选择了合适的图像参数，并分别用数值关系和神经网络提出几种拟和数据模型的方法，对模型的正确性分别进行了检验，并给出了相应的结论。
How to find the change degree of satellite optical system from remote sensing image is an active researching topic in the satellite optical system developing field. It is very important to supervise and control the on-obit satellite and develop the next generation satellite. Now the research focus on the measure MTF directly from remote sensing image through finding special ground object such as bridge, glacier, etc, fitting the line expend function, using .Fourier transform to get MTF. But how to rid of some disadvantages become the hotspots and difficulties. There are a lot of work to make the technique mature. We suppose an idea that building up a data relation model between image quality assessment parameters and optical system assessment parameter MTF. Through model we can use image quality assessment parameters to get MTF indirectly. These parameters can be calculated easily. We proposed some method to build up the model.
Our work including: Understand the physical meaning of MTF, Select image quality assessment parameter , Curve fitting based on basic numeric analysis method, curve fitting based on Neural Network.. We bridled model first and then verify the model.
本文首先理解理解MTF的原理，选择了合适的图像参数，并分别用数值关系和神经网络提出几种拟和数据模型的方法，对模型的正确性分别进行了检验，并给出了相应的结论。
How to find the change degree of satellite optical system from remote sensing image is an active researching topic in the satellite optical system developing field. It is very important to supervise and control the on-obit satellite and develop the next generation satellite. Now the research focus on the measure MTF directly from remote sensing image through finding special ground object such as bridge, glacier, etc, fitting the line expend function, using .Fourier transform to get MTF. But how to rid of some disadvantages become the hotspots and difficulties. There are a lot of work to make the technique mature. We suppose an idea that building up a data relation model between image quality assessment parameters and optical system assessment parameter MTF. Through model we can use image quality assessment parameters to get MTF indirectly. These parameters can be calculated easily. We proposed some method to build up the model.
Our work including: Understand the physical meaning of MTF, Select image quality assessment parameter , Curve fitting based on basic numeric analysis method, curve fitting based on Neural Network.. We bridled model first and then verify the model.
引文
1 夏德深，傅德胜 现代图像处理技术与应用 东南大学出版社 1997
2 宁书年 遥感图像处理与应用 地震出版社 1995
3 徐建华 图象处理与分析 科学出版社 1992．1
4 麦伟麟 光学传递函数及其数理基础 国防工业出版社 1978．1
5 章毓晋《图象处理与分析》清华大学出版社 1992．2 pp．111-116
6 沃德．切尼，戴维．金凯德，数值数学与计算，复旦大学出版社，1991
7 Martin T. Hagan Howard B. Demuth Mark H. Beal Neural Network Design China Machine Press 2002
8 曾生根，仲海泉等 从图像工程角度看CBERS-1卫星图像 航天返网与遥感 2001 Vol．22 NO．3
9 胡如忠等 中巴地球资源卫星及其应用 全国地方遥感应用协会 2001
10 张霞，张兵等 中巴地球资源一号卫星多光谱扫描图像质量评价 中国图形图像学报 2002 Vol．7No．6
11 殷德奎 俞卞章 佟明安 基于多维直方图的灰度图像质量评价 模式识别与人工智能 1996
12 李奇、冯华君、徐之海等 数字图象点锐度算法评价函数研究 光子学报 2002 Vol．31 NO．6
13 Ahmet M. Eskicioglu and Paul S. Fisher. Image Quality Measures and Their Performance. IEEE Transactions on communications Vol 43, NO.12, December 1995.
14 R. A. Schowengerdt, R. W. Basedow, and J. E. Colwell, "Measurement of the HYDICE System MTF from Flight Imagery," Proc. SPIE Vol. 2821, pp 127-136, June 1996.
15 R.M. Haralick, K, Shanmugam, and I. Dinstein. Textural Features for Image Classification. IEEE Transactions on Systems Man and Cybernetics, 3(6):610-621, November 1973.
16 王晓彤 施围等，BP算法在磁化曲线拟合中的应用，西安交通大学学报，1998，Vol．32，NO．8
17 施晓秋BP网络与GMAG用于非线性曲线拟合，温州大学学报，2001，NO．1
18 Qin Kaihuai, Neural Network Methods for NURBS Curve and Surface Interpolation, I. of Comput. Sci. &Technol. 1997, Vol. 12 No.1
19 K.M. Hornik, M. Stinchcombe.and H. White, "Multilayer feed forward networks are universal approximators," Neural Networks, vol. 2, no. 5, pp. 359-366,1989
20 董天信，姜玉英，徐宗本，多重最小成分的神经网络算法及其在曲线拟台中的应用，西安交通大学学报，2003，Vol．37 No，2
21 刘亚彬 刘大有 王金鹤 利用人工神经网络推断曲线间的空间关系，中国图象图形学报，2002，Vol．7 No．1
22 周正民 神经元网络在实验数据拟合中的应用，太原重型机械学院学报，2000，Vol．21NO．2
23 姜智峰 一种新型模糊神经网络结构确定的研究，电路与系统学报，1997．电路与系统学报，Vol．2 No．1
24 李贵存 刘万顺 宫德锋 藤林 王剑 邓慧琼 用于磁化曲线拟合的高精度混合型径向基函数神经网绍，电网技术，2001，Vol．25 No．12
25 张军平 王珏 主曲线研究综述，计算机学报，2003，Vol．26 No．2
26 Douglas M. Bates, Donald G. Watts Nonlinear regression analysis and its applications,中国统计出版社
27 杨元元，王鸿南 中巴地球资源一号卫星图像数据质量评价研究，航天遥感与返回，Vol．4 No．12
2 宁书年 遥感图像处理与应用 地震出版社 1995
3 徐建华 图象处理与分析 科学出版社 1992．1
4 麦伟麟 光学传递函数及其数理基础 国防工业出版社 1978．1
5 章毓晋《图象处理与分析》清华大学出版社 1992．2 pp．111-116
6 沃德．切尼，戴维．金凯德，数值数学与计算，复旦大学出版社，1991
7 Martin T. Hagan Howard B. Demuth Mark H. Beal Neural Network Design China Machine Press 2002
8 曾生根，仲海泉等 从图像工程角度看CBERS-1卫星图像 航天返网与遥感 2001 Vol．22 NO．3
9 胡如忠等 中巴地球资源卫星及其应用 全国地方遥感应用协会 2001
10 张霞，张兵等 中巴地球资源一号卫星多光谱扫描图像质量评价 中国图形图像学报 2002 Vol．7No．6
11 殷德奎 俞卞章 佟明安 基于多维直方图的灰度图像质量评价 模式识别与人工智能 1996
12 李奇、冯华君、徐之海等 数字图象点锐度算法评价函数研究 光子学报 2002 Vol．31 NO．6
13 Ahmet M. Eskicioglu and Paul S. Fisher. Image Quality Measures and Their Performance. IEEE Transactions on communications Vol 43, NO.12, December 1995.
14 R. A. Schowengerdt, R. W. Basedow, and J. E. Colwell, "Measurement of the HYDICE System MTF from Flight Imagery," Proc. SPIE Vol. 2821, pp 127-136, June 1996.
15 R.M. Haralick, K, Shanmugam, and I. Dinstein. Textural Features for Image Classification. IEEE Transactions on Systems Man and Cybernetics, 3(6):610-621, November 1973.
16 王晓彤 施围等，BP算法在磁化曲线拟合中的应用，西安交通大学学报，1998，Vol．32，NO．8
17 施晓秋BP网络与GMAG用于非线性曲线拟合，温州大学学报，2001，NO．1
18 Qin Kaihuai, Neural Network Methods for NURBS Curve and Surface Interpolation, I. of Comput. Sci. &Technol. 1997, Vol. 12 No.1
19 K.M. Hornik, M. Stinchcombe.and H. White, "Multilayer feed forward networks are universal approximators," Neural Networks, vol. 2, no. 5, pp. 359-366,1989
20 董天信，姜玉英，徐宗本，多重最小成分的神经网络算法及其在曲线拟台中的应用，西安交通大学学报，2003，Vol．37 No，2
21 刘亚彬 刘大有 王金鹤 利用人工神经网络推断曲线间的空间关系，中国图象图形学报，2002，Vol．7 No．1
22 周正民 神经元网络在实验数据拟合中的应用，太原重型机械学院学报，2000，Vol．21NO．2
23 姜智峰 一种新型模糊神经网络结构确定的研究，电路与系统学报，1997．电路与系统学报，Vol．2 No．1
24 李贵存 刘万顺 宫德锋 藤林 王剑 邓慧琼 用于磁化曲线拟合的高精度混合型径向基函数神经网绍，电网技术，2001，Vol．25 No．12
25 张军平 王珏 主曲线研究综述，计算机学报，2003，Vol．26 No．2
26 Douglas M. Bates, Donald G. Watts Nonlinear regression analysis and its applications,中国统计出版社
27 杨元元，王鸿南 中巴地球资源一号卫星图像数据质量评价研究，航天遥感与返回，Vol．4 No．12
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |