一种图像空间退化模拟方法及系统

摘要

本发明公开了一种图像空间退化模拟方法，该方法是依据待模拟图像奈奎斯特频率下的MTF值，以及基础图像和待模拟图像的空间分辨率值，针对基础图像进行空间退化模拟，获得空间退化后的待模拟图像。本发明通过考虑MTF或PSF对于图像空间实际分辨能力的影响，解决了现有技术中由于采用像元求平均值来实现空间退化模拟的方法得到的图像分辨率无法满足新型遥感器图像数据模拟精度或无法为模型算法研究提供需要的图像数据的问题。

说明书

技术领域

本发明涉及遥感传感器成像技术领域，更具体的说，是涉及一种图像空间退化模拟方法及系统。

背景技术

随着遥感技术和计算机技术的快速发展，遥感成像产品在各行各业中起着越来越重要的作用，因此遥感成像分辨率越来越高，数据量也越来越大。当需要模拟特定空间分辨率的图像时，一般是以较高空间分辨率的图像数据为基础图像，对其进行计算处理获得对应的空间分辨率图像，这个过程为图像的空间退化模拟，它一般可用于新研制遥感器的图像数据模拟或为模型算法研究提供需要的图像数据。

现有技术中，图像空间退化模拟根据较高的空间分辨率图像与待模拟图像的空间分辨率差异，针对较高的空间分辨率图像数据，确定其像元与对应待模拟图像的像元关系，通过像元的空间退化计算，进而通过像元求平均，来实现空间退化模拟，例如：若待模拟图像空间分辨率为10m，基础图像空间分辨率为5m，则将基础图像上4个像元求平均作为待模拟图像上的一个像元来实现图像空间退化模拟。但是这种像元求平均值来实现空间退化模拟的方法得到的图像分辨率无法满足新型遥感器的图像数据模拟精度或无法为模型算法研究提供需要的图像数据。

发明内容

有鉴于此，本发明提供了一种图像空间退化模拟方法及系统，以解决现有技术中由于采用像元求平均值来实现空间退化模拟的方法得到的图像分辨率无法满足新型遥感器的图像数据模拟精度或无法为模型算法研究提供需要的图像数据的问题。

为实现上述目的，本发明提供如下技术方案：

本发明公开了一种图像空间退化模拟方法，包括：

获取基础图像数据、基础图像空间分辨率、待模拟图像奈奎斯特频率下的调制传递函数的参数值以及待模拟图像空间分辨率；

根据所述待模拟图像奈奎斯特频率下的调制传递函数的参数值，求得有效瞬时视场角和调制传递函数的傅里叶变换函数，并对所述傅里叶变换函数的参数值求解；

根据所述基础图像空间分辨率、所述待模拟图像空间分辨率以及所述傅里叶变换函数求解的参数值构建点扩展函数矩阵；

将所述点扩展函数矩阵对应的曲线作为权重，与所述基础图像数据进行空间卷积计算，得到图像空间退化后的模拟图像。

优选的，所述根据所述待模拟图像奈奎斯特频率下的调制传递函数的参数值，求得有效瞬时视场角和调制传递函数的傅里叶变换函数，并对所述傅里叶变换函数求解的参数值具体为：

获取所述待模拟图像奈奎斯特频率下的调制传递函数的参数值对应参数向量值；

预设所述调制传递函数为高斯型函数，根据所述调制传递函数的参数值对应参数向量值对每个波段依次进行所述傅里叶变换函数的参数系数求解；

根据所述调制传递函数和所述参数系数求解对应的所述有效瞬时视场角EIFOV；

根据所述有效瞬时视场角EIFOV求解所述傅里叶变换函数的参数值。

优选的，所述根据所述基础图像空间分辨率、所述待模拟图像空间分辨率以及所述傅里叶变换函数求解的参数值构建点扩展函数矩阵具体为：

根据所述基础图像空间分辨率和所述待模拟图像空间分辨率得到空间分辨率关系因子；

根据所述空间分辨率关系因子和所述有效瞬时视场角求得所述点扩展函数矩阵的大小；

根据所述点扩展函数矩阵的大小和所述有效瞬时视场角求得所述点扩展函数矩阵中的自变量对应的输入矩阵；

根据所述输入矩阵和所述调制传递函数的参数值求得所述点扩展函数矩阵，并对所述点扩展函数矩阵进行归一化，得到归一化的点扩展函数矩阵。

优选的，所述将所述点扩展函数矩阵对应的曲线作为权重，与所述基础图像数据进行空间卷积计算，得到图像空间退化后的模拟图像具体为：

根据所述空间分辨率关系因子和所述点扩展函数矩阵，求解输出图像行列数；

根据所述有效瞬时视场角和所述输出图像行列数确定输出图像对应输入图像的像元增量；

根据所述像元增量和所述归一化的点扩展函数矩阵进行图像空间退化模拟，得到图像空间退化后的模拟图像。

在上述公开的方法的基础上，本发明还公开了一种图像空间退化模拟装置，包括：

获取模块，用于获取基础图像数据、基础图像空间分辨率、待模拟图像奈奎斯特频率下的调制传递函数的参数值以及待模拟图像空间分辨率；

求解模块，用于根据所述待模拟图像奈奎斯特频率下的调制传递函数的参数值，求得有效瞬时视场角和调制传递函数的傅里叶变换函数，并对所述傅里叶变换函数的参数值求解；

构建模块，用于根据所述基础图像空间分辨率、所述待模拟图像空间分辨率以及所述傅里叶变换函数求解的参数值构建点扩展函数矩阵；

模型退化模块，用于将所述点扩展函数矩阵对应的曲线作为权重，与所述基础图像数据进行空间卷积计算，得到图像空间退化后的模拟图像。

优选的，所述求解模块包括：

第一获取模块，用于获取所述待模拟图像奈奎斯特频率下的调制传递函数的参数值对应参数向量值；

第一求解模块，用于预设所述调制传递函数为高斯型函数，根据所述调制传递函数的参数值对应参数向量值对每个波段依次进行所述傅里叶变换函数的参数系数求解；

第二求解模块，用于根据所述调制传递函数和所述参数系数求解对应的所述有效瞬时视场角EIFOV；

第三求解模块，用于根据所述有效瞬时视场角EIFOV求解所述傅里叶变换函数的参数值。

优选的，所述构建模块包括：

第四求解模块，用于根据所述基础图像空间分辨率和所述待模拟图像空间分辨率得到空间分辨率关系因子；

第五求解模块，用于根据所述空间分辨率关系因子和所述有效瞬时视场角求得所述点扩展函数矩阵的大小；

第六求解模块，用于根据所述点扩展函数矩阵的大小和所述有效瞬时视场角求得所述点扩展函数矩阵中的自变量对应的输入矩阵；

归一化模块，用于根据所述输入矩阵和所述调制传递函数的参数值求得所述点扩展函数矩阵，并对所述点扩展函数矩阵进行归一化，得到归一化的点扩展函数矩阵。

优选的，所述模型退化模块包括：

第七求解模块，用于根据所述空间分辨率关系因子和所述点扩展函数矩阵，求解输出图像行列数；

第八求解模块，用于根据所述有效瞬时视场角和所述输出图像行列数确定输出图像对应输入图像的像元增量；

退化模块，用于根据所述像元增量和所述归一化的点扩展函数矩阵进行图像空间退化模拟，得到图像空间退化后的模拟图像。

经由上述的技术方案可知，与现有技术相比，本发明公开了一种图像空间退化模拟方法，该方法是依据待模拟图像奈奎斯特(Nyquist)频率下的MTF值，以及基础图像和待模拟图像的空间分辨率值，针对基础图像进行空间退化模拟，获得空间退化后的待模拟图像。处理步骤为：首先，基于待模拟图像奈奎斯特频率下的MTF值，求得其有效瞬时视场角，进而求得MTF函数的傅里叶变换函数(即PSF函数)的参数；其次，根据基础图像的空间分辨率、待模拟图像的空间分辨率，计到空间比值，利用PSF函数参数，计算得到PSF二维矩阵；最后，将PSF二维矩阵作为权重，与输入图像进行卷积计算，进行逐像元的空间退化计算，最终获得考虑MTF效应空间退化后的待模拟图像，上述方法通过考虑MTF或PSF对于图像空间实际分辨能力的影响，解决了现有技术中由于采用像元求平均值来实现空间退化模拟的方法得到的图像分辨率无法满足新型遥感器的图像数据模拟精度或无法为模型算法研究提供需要的图像数据的问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例公开的一种图像空间退化模拟方法流程图；

图2为本发明实施例公开的图1中步骤S102的方法流程图；

图3为本发明实施例公开的图1中步骤S103的方法流程图；

图4为本发明实施例公开的图1中步骤S104的方法流程图；

图5为本发明实施例公开的一种图像空间退化模拟装置的结构示意图；

图6为本发明实施例公开的图5中的求解模块的具体结构示意图；

图7为本发明实施例公开的图5中的构建模块的具体结构示意图；

图8为本发明实施例公开的图5中的模型退化模块的具体结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

传感器的PSF(point spread function，点扩展函数)或MTF(modulation transfer function，调制传递函数)是传感器成像性能的重要指标，其中PSF是信号扩散与削弱在空间域的描述，而MTF是PSF在频率域的描述。MTF或PSF是用一个函数去表达，反映的是系统在对目标成像过程中的信号扩散与削弱程度,是决定图像质量及其应用效能的重要参量。因此，在对图像进行空间退化模拟，应考虑MTF或PSF对于图像空间实际分辨能力的影响。

具体的，本发明采用以下实施例手段进行实现：

获取图像模拟对应的基础图像imgin(nl,ns,nb),其中nl表示图像行数，ns表示图像列数，nb为图像波段数；图像模拟对应的基础图像的空间分辨率SRin； 待模拟图像，即空间退化后图像的空间分辨率SRout；待模拟图像的奈奎斯特频率下的MTF参数值mtf_n(nb)。

预先设定MTF函数为高斯型，即函数根据给定的奈奎斯特频率下的MTF参数值，求得系数c，第k波段对应的c(k)为：

$c\left(k\right)=\frac{1}{2\sqrt{-ln(mtf\_n(k))}}$

通过计算得到有效瞬时视场角EIFOV，作为图像实际的分辨率：

$EIFOV\left(k\right)=\frac{1}{2*x_{0.5}\left(k\right)}$

其中，x_0.5(k)为上述高斯函数值等于0.5时候对应的x值即：

$x_{0.5}\left(k\right)=c\left(k\right)*\sqrt{-\ln \left(0.5\right)}$

根据EIFOV，求得图像的二维PSF函数，该函数为高斯概率密度函数：

$Z=e^{-\frac{x^2+y^2}{2{\sigma }^2}},$

该函数公式中对应到波段k的σ(k)为：

$\sigma \left(k\right)=\frac{EIFOV\left(k\right)}{\sqrt{2*ln\left(2\right)}}$

具体的，根据基础图像、待模拟图像的空间分辨率，以及每个波段的有效瞬时视场角，构建二维PSF函数矩阵。对于波段k有：

求得空间分辨率比例关系：

$scale=\frac{SRout}{SRin}$

二维PSF函数矩阵为方阵，其中一维单元数nk(k)为：

temp(k)＝ceil(2*EIFOV(k)*scale+1)，

其中，ceil表示向上取整。如果temp(k)为奇数，则nk(k)＝temp(k)；如果temp(k)为偶数，则nk(k)＝temp(k)+1。

求得函数矩阵中自变量x(k)，y(k)对应的输入矩阵X(k)，Y(k)，为nk(k)*nk(k)的方阵：

x1(k)＝-(nk(k)-1)/2:1:(nk(k)-1)/2

X(1,:)＝X(2,:)＝...＝X(nk(k),:)＝x1(k)*2*EIFOV(k)/nk(k)

Y(k)＝X(k)

根据自变量x(k)，y(k)对应的输入矩阵X(k)，Y(k)，求得二维PSF概率密度函数矩阵为：

$Z\left(k\right)=e^{-\frac{x{\left(k\right)}^2+y{\left(k\right)}^2}{2\sigma {\left(k\right)}^2}}$

其中，Z(k)为nk(k)*nk(k)的方阵。

对PSF概率密度函数矩阵Z(k)求和：

factor(k)＝sum(Z(k))

对PSF概率密度函数矩阵Z(k)进行归一化：

Z1(k)＝Z(k)/factor(k)

优选的，确认输出图像imgout的大小，列数nsout，行数nlout为：

nsout＝floor(ns/scale)

nlout＝floor(nl/scale)

其中，floor表示向下取整的意思，如floor(10.5)为10。

最后，针对输出图像的每个点基于PSF概率密度函数矩阵Z(k)进行卷积求解，实现基于MTF参数的图像空间退化模拟。

主要的，针对波段k有：

确定像元增量：

step(k)＝2*EIFOV(k)*scale/nk(k)

Z1(k)作为核函数对图像进行卷积计算，对于第k波段，针对输出图像的第m，n像元，通过以下过程进行计算得到空间退化后的结果：

求得该像元对应基础图像上的空间位置：

xx＝(scale+1)/2+(m-1)*scale；

yy＝(scale+1)/2+(n-1)*scale；

以xx，yy为中心位置，求得二维PSF函数每个点在基础图像上的对应的空间位置，对于该矩阵中第ki，kj点的像元位置(nx(ki)，ny(kj))有：

var1(k)＝(nk(k)-1)/2

var(k)＝(nk(k)-1)/2

nx(ki)＝xx+(ki-1-var1(k))*step(k)，ki＝1:nk(k)

ny(kj)＝yy+(kj-1-var1(k))*step(k)，kj＝1:nk(k)

求得矩阵中像元位置(nx(ki)，ny(kj))在基础图像对应的像元值，对于第k波段imgin(nx(ki)，ny(kj)，k)为：

x1＝floor(nx(ki))；

x2＝ceil(nx(ki))；

y1＝floor(ny(kj))；

y2＝ceil(ny(kj))；

dx＝x2-nx(ki)；

dy＝y2-ny(kj)；

tmp＝dx*imgin(x1，y1，k)+(1-dx)*imgin(x2，y1，k)；

具体的，imgin(nx(ki)，ny(kj)，k)＝dy*tmp+(1-dy)*(dx*imgin(x1，y2，k)+(1-dx)*imgin(x2，y2，k))。

以归一化后的二维PSF函数矩阵Z1(nk(k),nk(k))为核函数，通过卷积运算求解空间退化后的imgout(m,n,k)的像元值：

$imgout(m,n,k)=\underset{i=1,j=1}{\overset{i=ki,j=kj}{\Sigma }}imgin\left(nx\right(ki),ny(kj),k)*Z1(ki,kj,k)$

请参阅附图1，图1为本发明公开的一种图像空间退化模拟方法流程图。如图1所示，本发明公开了一种图像空间退化模拟方法，该方法具体包括如下步骤：

S101、获取基础图像数据、基础图像空间分辨率、待模拟图像奈奎斯特频率下的调制传递函数的参数值以及待模拟图像空间分辨率。

其中，图像模拟对应的基础图像imgin，三维矩阵，nl*ns*nb，其中nl表示图像行数，ns表示图像列数，nb为图像波段数；图像模拟对应的基础图像的空间分辨率变量SRin；待模拟图像，即空间退化后图像的空间分辨率变量SRout；待模拟图像的奈奎斯特频率下的MTF参数值向量mtf_n，长度为波段数nb。

S102、根据待模拟图像奈奎斯特频率下的调制传递函数的参数值，求得有效瞬时视场角和调制传递函数的傅里叶变换函数，并对傅里叶变换函数的参数值求解。

基于奈奎斯特频率下的MTF值，求得有效瞬时视场角，进而求得MTF函数的傅里叶变换函数，即PSF函数。

S103、根据基础图像空间分辨率待模拟图像空间分辨率以及傅里叶变换函数求解的参数值构建点扩展函数矩阵。

S104、将点扩展函数矩阵对应的曲线作为权重，与基础图像数据进行空间卷积计算，得到图像空间退化后的模拟图像。

根据基础图像的空间分辨率、待模拟图像的空间分辨率比值，将PSF函数曲线作为权重，与输入图像进行卷积计算，进行逐像元的空间退化计算，最终获得空间退化后的模拟图像。

具体的，请参阅附图2，图2为图1中步骤S102的方法流程图。具体的，步骤S102为如下步骤：

S201、获取待模拟图像奈奎斯特频率下的调制传递函数的参数值对应参数向量值。

S202、预设调制传递函数为高斯型函数，根据调制传递函数的参数值对应参数向量值对每个波段依次进行傅里叶变换函数的参数系数求解。

S203、根据调制传递函数和参数系数求解对应的有效瞬时视场角EIFOV。

S204、根据有效瞬时视场角EIFOV求解傅里叶变换函数的参数值。

上述步骤可以描述为以下内容：

输入待模拟图像的奈奎斯特频率下的MTF参数值向量mtf_n(nb)。

设定MTF函数为高斯型，即函数根据给定的奈奎斯特频率下的MTF参数值，对每个波段依次进行PSF函数参数系数求解，第k波段对应的c(k)为：

$c\left(k\right)=\frac{1}{2\sqrt{-ln(mtf\_n(k))}}$

计算得到有效瞬时视场角EIFOV，作为图像实际的分辨率：

$EIFOV\left(k\right)=\frac{1}{2*x_{0.5}\left(k\right)}$

其中，x_0.5(k)为上述高斯函数值等于0.5时候对应的x值即：

$x_{0.5}\left(k\right)=c\left(k\right)*\sqrt{-ln\left(0.5\right)}$

根据EIFOV，求得图像的二维PSF函数，该函数为高斯概率密度函数该函数公式中对应到波段k的σ(k)为：

$\sigma \left(k\right)=\frac{EIFOV\left(k\right)}{\sqrt{2*ln\left(2\right)}}$

具体的，请参阅附图3，图3为图1中步骤S103的方法流程图。具体的，步骤S103为如下步骤：

S301、根据基础图像空间分辨率和待模拟图像空间分辨率得到空间分辨率关系因子。

S302、根据空间分辨率关系因子和有效瞬时视场角求得点扩展函数矩阵的大小。

S303、根据点扩展函数矩阵的大小和有效瞬时视场角求得点扩展函数矩阵中的自变量对应的输入矩阵。

S304、根据输入矩阵和调制传递函数的参数值求得点扩展函数矩阵，并对点扩展函数矩阵进行归一化，得到归一化的点扩展函数矩阵。

上述步骤可以描述为以下内容：

输入基础图像的空间分辨率变量SRin；输入待模拟图像，即空间退化后图像的空间分辨率变量SRout；输入有效瞬时视场角EIFOV(nb)；输入二维PSF函数参数σ(nb)。

求得空间分辨率关系因子：

$scale=\frac{SRout}{SRin}$

求得二维PSF函数矩阵大小，该矩阵方阵，对于第k波段，其某一维单元数nk(k)为：

temp(k)＝ceil(2*EIFOV(k)*scale+1)，

其中ceil表示向上取整；如果temp(k)为奇数，则nk(k)＝temp(k)；如果temp(k)为偶数，则nk(k)＝temp(k)+1。

求得二维PSF函数矩阵中自变量x,y对应的输入矩阵X、Y，为nk(k)*nk(k)的方阵，对于第k波段X(k)、Y(k)为：

x1(k)＝-(nk(k)-1)/2:1:(nk(k)-1)/2

X(1,:)＝X(2,:)＝...＝X(nk(k),:)＝x1(k)*2*EIFOV(k)/nk(k)

Y(k)＝X(k)

求得二维PSF函数矩阵，对于第k波段，根据自变量x(k)，y(k)对应的输入矩阵X(k)，Y(k)，有：

其中，Z(k)为nk(k)*nk(k)的方阵。

对PSF函数矩阵进行归一化，具体为：

对PSF函数矩阵求和，对于第k波段有：

factor(k)＝sum(Z(k))

对PSF概率密度函数矩阵进行归一化，对于第k波段有：

Z1(k)＝Z(k)/factor(k)

最后得到归一化的点扩展函数矩阵。

具体的，请参阅附图4，图4为图1中步骤S104的方法流程图。具体的，步骤S104为如下步骤：

S401、根据空间分辨率关系因子和点扩展函数矩阵，求解输出图像行列数。

S402、根据有效瞬时视场角和输出图像行列数确定输出图像对应输入图像的像元增量。

S403、根据像元增量和归一化的点扩展函数矩阵进行图像空间退化模拟，得到图像空间退化后的模拟图像。

上述步骤可以描述为以下内容：

根据空间分辨率关系因子scale，输入基础图像矩阵imgin(nl,ns,nb)、每个波段的有效瞬时视场角EIFOV(nb)、每个波段的归一化后的二维PSF函数矩阵，对于第k波段矩阵为Z1(nk(k),nk(k))。

求解输出图像行列数，数nlout分别为：

nlout＝floor(nl/scale)

其中，floor表示向下取整的意思，如floor(10.5)为10。

确定输出图像单个像元对应输入图像的像元增量：

step(k)＝2*EIFOV(k)*scale/nk(k)

逐像元的求得待模拟图像像元值，进行基于MTF参数的图像空间退化模拟。对于第k波段，针对输出图像的第m，n像元，通过以下过程进行计算得到空间退化后的结果：

求得该像元对应基础图像上的空间位置：

xx＝(scale+1)/2+(m-1)*scale；

yy＝(scale+1)/2+(n-1)*scale；

以xx，yy为中心位置，求得二维PSF函数每个点在基础图像上的对应的空间位置，对于该矩阵中第ki，kj点的像元位置(nx(ki),ny(kj))有：

var1(k)＝(nk(k)-1)/2

nx(ki)＝xx+(ki-1-var1(k))*step(k)，ki＝1:nk(k)

ny(kj)＝yy+(kj-1-var1(k))*step(k)，kj＝1:nk(k)

求得矩阵中像元位置(nx(ki),ny(kj))在基础图像对应的像元值，对于第k波段imgin(nx(ki),ny(kj),k)为：

x1＝floor(nx(ki))；

x2＝ceil(nx(ki))；

y1＝floor(ny(kj))；

y2＝ceil(ny(kj))；

dx＝x2-nx(ki)；

dy＝y2-ny(kj)；

tmp＝dx*imgin(x1,y1,k)+(1-dx)*imgin(x2,y1,k)；

imgin(nx(ki),

ny(kj),k)＝dy*tmp+(1-dy)*(dx*imgin(x1,y2,k)+(1-dx)*imgin(x2,y2,k))；

以归一化后的二维PSF函数矩阵Z1(nk(k),nk(k))为核函数，通过卷积运算求解空间退化后的imgout(m,n,k)的像元值：

$imgout(m,n,k)=\underset{i=1,j=1}{\overset{i=ki,j=kj}{\Sigma }}imgin\left(nx\right(ki),ny(kj),k)*Z1(ki,kj,k)$

本发明公开了一种图像空间退化模拟方法，该方法是依据待模拟图像奈奎斯特(Nyquist)频率下的MTF值，以及基础图像和待模拟图像的空间分辨率值，针对基础图像进行空间退化模拟，获得空间退化后的待模拟图像。本发明通过考虑MTF或PSF对于图像空间实际分辨能力的影响，解决了现有技术中由于采用像元求平均值来实现空间退化模拟的方法得到的图像分辨率无法满足新型遥感器的图像数据模拟精度或无法为模型算法研究提供需要的图像数据的问题。

在上述公开的方法的基础上，请参阅附图5，图5为本发明公开的一种图像空间退化模拟装置的结构示意图。本发明还公开了一种图像空间退化模拟装置，具体的该装置包括：

获取模块501，用于获取基础图像数据、基础图像空间分辨率、待模拟图像奈奎斯特频率下的调制传递函数的参数值以及待模拟图像空间分辨率。

求解模块502，用于根据待模拟图像奈奎斯特频率下的调制传递函数的参数值，求得有效瞬时视场角和调制传递函数的傅里叶变换函数，并对傅里叶变换函数的参数值求解。

构建模块503，用于根据基础图像空间分辨率、待模拟图像空间分辨率以及傅里叶变换函数求解的参数值构建点扩展函数矩阵。

模型退化模块504，用于将点扩展函数矩阵对应的曲线作为权重，与基础图像数据进行空间卷积计算，得到图像空间退化后的模拟图像。

本实施例的装置，可以用于执行图1所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

具体的，请参阅附图6，图6为图5中的求解模块的具体结构示意图，所述求解模块502包括：

第一获取模块601，用于获取待模拟图像奈奎斯特频率下的调制传递函数的参数值对应参数向量值。

第一求解模块602，用于预设调制传递函数为高斯型函数，根据调制传递函数的参数值对应参数向量值对每个波段依次进行傅里叶变换函数的参数系数求解。

第二求解模块603，用于根据调制传递函数和参数系数求解对应的有效瞬时视场角EIFOV。

第三求解模块604，用于根据有效瞬时视场角EIFOV求解傅里叶变换函数的参数值。

本实施例的装置，可以用于执行图2所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

具体的，请参阅附图7，图7为图5中的构建模块的具体结构示意图，所述构建模块503包括：

第四求解模块701，用于根据基础图像空间分辨率和待模拟图像空间分辨率得到空间分辨率关系因子。

第五求解模块702，用于根据空间分辨率关系因子和有效瞬时视场角求得点扩展函数矩阵的大小。

第六求解模块703，用于根据点扩展函数矩阵的大小和有效瞬时视场角求得点扩展函数矩阵中的自变量对应的输入矩阵。

归一化模块704，用于根据输入矩阵和调制传递函数的参数值求得点扩展函数矩阵，并对点扩展函数矩阵进行归一化，得到归一化的点扩展函数矩阵。

本实施例的装置，可以用于执行图3所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

具体的，请参阅附图8，图8为图5中的模型退化模块的具体结构示意图，所述模型退化模块504包括：

第七求解模块801，用于根据空间分辨率关系因子和点扩展函数矩阵，求解输出图像行列数。

第八求解模块802，用于根据有效瞬时视场角和输出图像行列数确定输出图像对应输入图像的像元增量。

退化模块803，用于根据像元增量和归一化的点扩展函数矩阵进行图像空间退化模拟，得到图像空间退化后的模拟图像。

本实施例的装置，可以用于执行图4所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

综上所述，本发明公开了一种图像空间退化模拟方法，该方法是依据待模拟图像奈奎斯特(Nyquist)频率下的MTF值，以及基础图像和待模拟图像的空间分辨率值，针对基础图像进行空间退化模拟，获得空间退化后的待模拟图像。处理步骤为：首先，基于待模拟图像奈奎斯特频率下的MTF值，求得其有效瞬时视场角，进而求得MTF函数的傅里叶变换函数(即PSF函数)的参数；其次，根据基础图像的空间分辨率、待模拟图像的空间分辨率，计到空间比值，利用PSF函数参数，计算得到PSF二维矩阵；最后，将PSF二维矩阵作为权重，与输入图像进行卷积计算，进行逐像元的空间退化计算，最终获得考虑MTF效应空间退化后的待模拟图像，上述方法通过考虑MTF或PSF对于图像空间实际分辨能力的影响，解决了现有技术中由于采用像元求平均值来实现空间退化模拟的方法得到的图像分辨率无法满足新型遥感器的图像 数据模拟精度或无法为模型算法研究提供需要的图像数据的问题。另外，本发明还公开了一种图像空间退化模拟装置。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。