本申请公开了一种基于相位非线性重采样拟合刃边的在轨MTF估计方法，获取所述卫星在轨MTF中载入含有倾斜刃边靶标的遥感检校图像，利用所述遥感图像分别选取其中的靶标区域中的沿轨刃边区域和穿轨刃边区域；对选取的所述沿轨刃边区域去除非靶标区域的行，得到偶数行沿轨刃边区域数据；同时，对选取的所述穿轨刃边区域去除非靶标区域的列，得到偶数列穿轨刃边区域数据等步骤；本发明解决了在布设倾斜刃边靶标，进而采用相位采样法获取在轨卫星MTF的时候，成像系统、大气扰动和卫星平台的振动等形成的噪声和模糊导致成像质量下降。
1.基于相位非线性重采样拟合刃边的在轨MTF估计方法，其特征包括：
获取卫星在轨MTF中载入含有倾斜刃边靶标的遥感检校图像，利用所述遥感检校图像分别选取其中的靶标区域中的沿轨刃边区域和穿轨刃边区域；
对选取的所述沿轨刃边区域去除非靶标区域的行，得到偶数行沿轨刃边区域数据；同时，对选取的所述穿轨刃边区域去除非靶标区域的列，得到偶数列穿轨刃边区域数据；
对所述偶数行沿轨刃边区域数据和偶数列穿轨刃边区域数据分别按像素值重新排序并映射到一行，对所述偶数行沿轨刃边区域数据得到该区域数据行数倍的沿轨刃边插值边缘扩散数据，对所述偶数列穿轨刃边区域数据得到该区域数据列数倍的穿轨刃边插值边缘扩散数据；
对所述沿轨刃边插值边缘扩散数据和穿轨刃边插值边缘扩散数据分别进行费米拟合，分别得到拟合后的拟合沿轨刃边插值边缘扩散数据和拟合穿轨刃边插值边缘扩散数据；
对所述拟合沿轨刃边插值边缘扩散数据和拟合穿轨刃边插值边缘扩散数据分别进行平均重采样，分别得到无插值沿轨刃边边缘扩散数据和无插值穿轨刃边边缘扩散数据；
对所述无插值沿轨刃边边缘扩散数据和无插值穿轨刃边边缘扩散数据分别作离散差分，分别得到沿轨刃边线扩展数据和穿轨刃边线扩展数据；
对所述沿轨刃边线扩展数据和穿轨刃边线扩展数据分别作离散傅里叶变换，分别得到沿轨MTF和穿轨MTF；
对所述沿轨MTF和穿轨MTF整合得出二维的MTF。
2.根据权利要求1所述的基于相位非线性重采样拟合刃边的在轨MTF估计方法，其特征在于，对所述偶数行沿轨刃边区域数据和偶数列穿轨刃边区域数据分别按像素值重新排序并映射到一行，进一步为：对所述偶数行沿轨刃边区域数据和偶数列穿轨刃边区域数据形成二维矩阵数据分别按像素值大小重新排序并映射到一维数组。
3.根据权利要求1所述的基于相位非线性重采样拟合刃边的在轨MTF估计方法，其特征在于，所述费米拟合为：其中，α表示Fermi函数的幅度；β表示Fermi函数中心位置对应x轴上的坐标；γ表示Fermi函数的陡度；D表示Fermi函数的暗区对应y轴上的坐标；α、β、γ和D分别通过最小二乘法拟合得到。
4.根据权利要求1所述的基于相位非线性重采样拟合刃边的在轨MTF估计方法，其特征在于，对选取的所述沿轨刃边区域去除非靶标区域的行，得到偶数行沿轨刃边区域数据，进一步为：对选取的所述沿轨刃边区域去除非靶标区域的行，得到偶数行沿轨刃边区域数据，然后对所述偶数行沿轨刃边区域数据去除不均等的暗区或亮区数据，得到规范化偶数行沿轨刃边区域数据。
5.根据权利要求1所述的基于相位非线性重采样拟合刃边的在轨MTF估计方法，其特征在于，对选取的所述穿轨刃边区域去除非靶标区域的列，得到偶数列穿轨刃边区域数据，进一步为：对选取的所述穿轨刃边区域去除非靶标区域的列，得到偶数列穿轨刃边区域数据，然后对所述偶数列穿轨刃边区域数据去除不均等的暗区或亮区数据，得到规范化偶数列穿轨刃边区域数据。
6.根据权利要求4所述的基于相位非线性重采样拟合刃边的在轨MTF估计方法，其特征在于，对所述偶数行沿轨刃边区域数据和偶数列穿轨刃边区域数据分别按像素值重新排序并映射到一行，对所述偶数行沿轨刃边区域数据得到该区域数据行数倍的沿轨刃边插值边缘扩散数据，对所述偶数列穿轨刃边区域数据得到该区域数据列数倍的穿轨刃边插值边缘扩散数据，进一步为：对所述规范化偶数行沿轨刃边区域数据按像素值重新排序并映射到一行，得到该区域数据行数倍的沿轨刃边插值边缘扩散数据。
7.根据权利要求5所述的基于相位非线性重采样拟合刃边的在轨MTF估计方法，其特征在于，对所述偶数行沿轨刃边区域数据和偶数列穿轨刃边区域数据分别按像素值重新排序并映射到一行，对所述偶数行沿轨刃边区域数据得到该区域数据行数倍的沿轨刃边插值边缘扩散数据，对所述偶数列穿轨刃边区域数据得到该区域数据列数倍的穿轨刃边插值边缘扩散数据，进一步为：对所述规范化偶数列穿轨刃边区域数据按像素值重新排序并映射到一行，得到该区域数据列数倍的穿轨刃边插值边缘扩散数据。
8.根据权利要求1所述的基于相位非线性重采样拟合刃边的在轨MTF估计方法，其特征在于，对所述无插值沿轨刃边边缘扩散数据和无插值穿轨刃边边缘扩散数据分别作离散差分，分别得到沿轨刃边线扩展数据和穿轨刃边线扩展数据，进一步为：对所述无插值沿轨刃边边缘扩散数据和无插值穿轨刃边边缘扩散数据分别作离散差分，分别得到沿轨刃边线扩展数据和穿轨刃边线扩展数据，然后对所述沿轨刃边线扩展数据和穿轨刃边线扩展数据分别作矩形窗处理，分别得到固定化沿轨刃边线扩展数据和固定化穿轨刃边线扩展数据。
9.根据权利要求8所述的基于相位非线性重采样拟合刃边的在轨MTF估计方法，其特征在于，对所述沿轨刃边线扩展数据和穿轨刃边线扩展数据分别作离散傅里叶变换，分别得到沿轨MTF和穿轨MTF，进一步为：对所述固定化沿轨刃边线扩展数据和固定化穿轨刃边线扩展数据分别作离散傅里叶变换，分别得到沿轨MTF和穿轨MTF。
10.根据权利要求1所述的基于相位非线性重采样拟合刃边的在轨MTF估计方法，其特征在于，对所述沿轨MTF和穿轨MTF整合得出二维的MTF，进一步为：对所述沿轨MTF和穿轨MTF相乘得出二维的MTF，或对所述沿轨刃边线扩展数据和穿轨刃边线扩展数据相乘得出点扩散数据。
基于相位非线性重采样拟合刃边的在轨MTF估计方法
技术领域
[0001] 本发明涉及空间遥感成像领域，具体涉及到光学卫星遥感器场地定标时，采用布设倾斜刃边靶标估计卫星在轨MTF(Modulation Transfer Function，即调制传递函数)的方法。
背景技术
[0002] 高分辨率遥感图像作为一种主要的信息载体，在国防、测绘等各个领域有着重要的战略意义。在实际成像系统中，图像质量往往受到多方面的影响。例如光学成像系统的孔径大小、衍射效应和像差；遥感器的灵敏度、分辨率和非线性响应；电子系统的噪声；对于在轨卫星的遥感图像，还受到大气湍流和散射等大气消光的影响，同时卫星的震动、遥感器探测性能在真空的退化以及轨道高度及姿态的变化都会导致成像质量的下降。MTF是光学遥感成像系统的重要综合评价指标，同时也是图像质量提升和评价的一个重要的客观参数。目前，地面检校获取在轨卫星遥感成像的MTF方法，多采用人工布设倾斜刃边的靶标，按照ISO12233规范所述的倾斜刃边相位采样法，但该方法没有很好地消除相位噪声的影响，对于刃边存在着弯曲等情况下的计算并不精确。因此，如何通过地面检校的方法来精确测量在轨卫星光学成像系统的MTF，是评价在轨相机工作性能的重要手段，也是地面进行MTFC(Modulation Transfer Function Compensation，即传递函数补偿)处理的重要依据，是保证遥感影像质量亟待解决的关键问题。
[0003] 如图1所示，所述倾斜刃边相位采样法核心是利用刃边倾斜一定的角度，通过相位采样法得到较多的数据拟合出ESF(Edge Spread Function,即边缘扩散函数)，进而通过微分得到LSF(Line Spread Function，即线扩展函数)，再通过离散傅里叶变换分别求出沿轨和穿轨的MTF，最终合成二维的MTF。
[0004] 所述倾斜刃边相位采样法提取MTF的主要步骤为：
[0005] 步骤101，在成像器件采集到的图像中选取沿轨方向的ROI(Region of Interest，即感兴趣区域)；
[0006] 步骤102，使用传感器的OECF(Optical Electricity Conversion Function，即光电转换函数)对图像数据进行线性化处理(如果有条带噪声)；
[0007] 步骤103，计算行方向上ESF的离散差分，即LSF；
[0008] 步骤104，计算所选刃边区域中每行LSF的重心位置，作为每行ESF的边缘位置，并对所有边缘位置做线性拟合；
[0009] 步骤105，对于沿轨刃边区域，计算区域内每个相位周期所包含的行数，去除多余的行数使得所选区域行数包含整数倍数的相位周期；
[0010] 步骤106，将所选刃边区域中的所有像素点沿着拟合得到的直线方向投影到刃边区域的第一行；
[0011] 步骤107，取相位周期行数的倒数为间隔对该行重新采样，对落在同一采样间隔中的所有数据点做几何平均来代表该采样间隔的数据，从而获得平均上采样ESF；
[0012] 步骤108，对平均上采样ESF求导可得平均上采样LSF；
[0013] 步骤109，将平均上采样LSF作汉明窗滤波处理，对输出结果做DFT(Discrete Fourier Transformation，即离散傅里叶变换)得到OTF(Optical Transfer Function，即光学传递函数)；
[0014] 步骤110，OTF的模的归一化值即为成像系统的穿轨方向MTF；
[0015] 步骤111，同理，通过步骤1至步骤10，可以对穿轨方向的刃边作同样的处理得到沿轨方向的MTF，进而通过沿轨MTF和穿轨MTF得到二维的MTF矩阵。
发明内容
[0016] 本申请解决的主要问题是提供基于相位非线性重采样拟合刃边的在轨MTF估计方法，以解决在布设倾斜刃边靶标，进而采用相位采样法获取在轨卫星MTF的时候，成像系统、大气扰动和卫星平台的振动等形成的噪声和模糊导致成像质量下降。
[0017] 为了解决上述技术问题，本发明公开了基于相位非线性重采样拟合刃边的在轨MTF估计方法，其特征包括：
[0018] 获取所述卫星在轨MTF中载入含有倾斜刃边靶标的遥感检校图像，利用所述遥感图像分别选取其中的靶标区域中的沿轨刃边区域和穿轨刃边区域；
[0019] 对选取的所述沿轨刃边区域去除非靶标区域的行，得到偶数行沿轨刃边区域数据；同时，对选取的所述穿轨刃边区域去除非靶标区域的列，得到偶数列穿轨刃边区域数据；
[0020] 对所述偶数行沿轨刃边区域数据和偶数列穿轨刃边区域数据分别按像素值重新排序并映射到一行，对所述偶数行沿轨刃边区域数据得到该区域数据行数倍的沿轨刃边插值边缘扩散数据，对所述偶数列穿轨刃边区域数据得到该区域数据列数倍的穿轨刃边插值边缘扩散数据；
[0021] 对所述沿轨刃边插值边缘扩散数据和穿轨刃边插值边缘扩散数据分别进行费米拟合，分别得到拟合后的拟合沿轨刃边插值边缘扩散数据和拟合穿轨刃边插值边缘扩散数据；
[0022] 对所述拟合沿轨刃边插值边缘扩散数据和拟合穿轨刃边插值边缘扩散数据分别进行平均重采样，分别得到无插值沿轨刃边边缘扩散数据和无插值穿轨刃边边缘扩散数据；
[0023] 对所述无插值沿轨刃边边缘扩散数据和无插值穿轨刃边边缘扩散数据分别作离散差分，分别得到沿轨刃边线扩展数据和穿轨刃边线扩展数据；
[0024] 对所述沿轨刃边线扩展数据和穿轨刃边线扩展数据分别作离散傅里叶变换，分别得到沿轨MTF和穿轨MTF；
[0025] 对所述沿轨MTF和穿轨MTF整合得出二维的MTF。
[0026] 优选地，其中，对所述偶数行沿轨刃边区域数据和偶数列穿轨刃边区域数据分别按像素值重新排序并映射到一行，进一步为：
[0027] 对所述偶数行沿轨刃边区域数据和偶数列穿轨刃边区域数据形成二维矩阵数据分别按像素值大小重新排序并映射到一维数组。
[0028] 优选地，其中，所述费米拟合为：
[0029]
[0030] 其中，α表示Fermi函数的幅度；β表示Fermi函数中心位置对应x轴上的坐标；γ表示Fermi函数的陡度；D表示Fermi函数的暗区对应y轴上的坐标；α、β、γ和D分别通过最小二乘法拟合得到。
[0031] 优选地，其中，对选取的所述沿轨刃边区域去除非靶标区域的行，得到偶数行沿轨刃边区域数据，进一步为：
[0032] 对选取的所述沿轨刃边区域去除非靶标区域的行，得到偶数行沿轨刃边区域数据，然后对所述偶数行沿轨刃边区域数据去除不均等的暗区或亮区数据，得到规范化偶数行沿轨刃边区域数据。
[0033] 优选地，其中，对选取的所述穿轨刃边区域去除非靶标区域的列，得到偶数列穿轨刃边区域数据，进一步为：
[0034] 对选取的所述穿轨刃边区域去除非靶标区域的列，得到偶数列穿轨刃边区域数据，然后对所述偶数列穿轨刃边区域数据去除不均等的暗区或亮区数据，得到规范化偶数列穿轨刃边区域数据。
[0035] 优选地，其中，对所述偶数行沿轨刃边区域数据和偶数列穿轨刃边区域数据分别按像素值重新排序并映射到一行，对所述偶数行沿轨刃边区域数据得到该区域数据行数倍的沿轨刃边插值边缘扩散数据，对所述偶数列穿轨刃边区域数据得到该区域数据列数倍的穿轨刃边插值边缘扩散数据，进一步为：
[0036] 对所述规范化偶数行沿轨刃边区域数据按像素值重新排序并映射到一行，得到该区域数据行数倍的沿轨刃边插值边缘扩散数据。
[0037] 优选地，其中，对所述偶数行沿轨刃边区域数据和偶数列穿轨刃边区域数据分别按像素值重新排序并映射到一行，对所述偶数行沿轨刃边区域数据得到该区域数据行数倍的沿轨刃边插值边缘扩散数据，对所述偶数列穿轨刃边区域数据得到该区域数据列数倍的穿轨刃边插值边缘扩散数据，进一步为：
[0038] 对所述规范化偶数列穿轨刃边区域数据按像素值重新排序并映射到一行，得到该区域数据列数倍的穿轨刃边插值边缘扩散数据。
[0039] 优选地，其中，对所述无插值沿轨刃边边缘扩散数据和无插值穿轨刃边边缘扩散数据分别作离散差分，分别得到沿轨刃边线扩展数据和穿轨刃边线扩展数据，进一步为：
[0040] 对所述无插值沿轨刃边边缘扩散数据和无插值穿轨刃边边缘扩散数据分别作离散差分，分别得到沿轨刃边线扩展数据和穿轨刃边线扩展数据，然后对所述沿轨刃边线扩展数据和穿轨刃边线扩展数据分别作矩形窗处理，分别得到固定化沿轨刃边线扩展数据和固定化穿轨刃边线扩展数据。
[0041] 优选地，其中，对所述沿轨刃边线扩展数据和穿轨刃边线扩展数据分别作离散傅里叶变换，分别得到沿轨MTF和穿轨MTF，进一步为：
[0042] 对所述固定化沿轨刃边线扩展数据和固定化穿轨刃边线扩展数据分别作离散傅里叶变换，分别得到沿轨MTF和穿轨MTF。
[0043] 优选地，其中，对所述沿轨MTF和穿轨MTF整合得出二维的MTF，进一步为：对所述沿轨MTF和穿轨MTF相乘得出二维的MTF，或对所述沿轨刃边线扩展数据和穿轨刃边线扩展数据相乘得出点扩散数据。
[0044] 与现有技术相比，本发明所述基于相位非线性重采样拟合刃边的在轨MTF估计方法，达到了如下效果：
[0045] 1、本发明所述基于相位非线性重采样拟合刃边的在轨MTF估计方法，通过费米多项式拟合不仅可以消除暗区和亮区的噪声，还能使线扩散函数更加似真，可以得到更精确的MTF。
[0046] 2、本发明所述基于相位非线性重采样拟合刃边的在轨MTF估计方法，不仅可以用于求直线刃边MTF，还可以用于求弯曲刃边MTF。
附图说明
[0047] 发明此处所说明的附图用来提供对本发明的进一步理解，发明构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0048] 图1是现有技术ISO12233的倾斜刃边相位采样法流程图；
[0049] 图2是本发明实施例1所述基于相位非线性重采样拟合刃边的在轨MTF估计方法流程图；
[0050] 图3是本发明实施例2所述基于相位非线性重采样拟合刃边的在轨MTF估计方法流程图；
[0051] 图4是本发明实施例3所述基于相位非线性重采样拟合刃边的在轨MTF估计方法流程图。
具体实施方式
[0052] 如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解，硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语，故应解释成“包含但不限定于”。“大致”是指在可接收的误差范围内，本领域技术人员能够在一定误差范围内解决所述技术问题，基本达到所述技术效果。此外，“耦接”一词在此包含任何直接及间接的电性耦接手段。因此，若文中描述一第一装置耦接于一第二装置，则代表所述第一装置可直接电性耦接于所述第二装置，或通过其他装置或耦接手段间接地电性耦接至所述第二装置。说明书后续描述为实施本发明的较佳实施方式，然所述描述乃以说明本发明的一般原则为目的，并非用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。
[0053] 实施例1
[0054] 如图2所示，为本发明实施例1所述的基于相位非线性重采样拟合刃边的在轨MTF估计方法，本发明的具体实施方法如下：
[0055] 步骤201，获取所述卫星在轨MTF中载入的遥感图像，利用所述遥感图像分别选取其中的靶标区域中的沿轨刃边区域和穿轨刃边区域；
[0056] 步骤202，对选取的所述沿轨刃边区域去除非靶标区域的行，得到偶数行沿轨刃边区域数据；同时，对选取的所述穿轨刃边区域去除非靶标区域的列，得到偶数列穿轨刃边区域数据；
[0057] 步骤203，对所述偶数行沿轨刃边区域数据和偶数列穿轨刃边区域数据分别按像素值重新排序并映射到一行，对所述偶数行沿轨刃边区域数据得到该区域数据行数倍的沿轨刃边插值边缘扩散数据，对所述偶数列穿轨刃边区域数据得到该区域数据列数倍的穿轨刃边插值边缘扩散数据；
[0058] 步骤204，对所述沿轨刃边插值边缘扩散数据和穿轨刃边插值边缘扩散数据分别进行费米拟合，分别得到拟合后的拟合沿轨刃边插值边缘扩散数据和拟合穿轨刃边插值边缘扩散数据；
[0059] 步骤205，对所述拟合沿轨刃边插值边缘扩散数据和拟合穿轨刃边插值边缘扩散数据分别进行平均重采样，分别得到无插值沿轨刃边边缘扩散数据和无插值穿轨刃边边缘扩散数据；
[0060] 步骤206，对所述无插值沿轨刃边边缘扩散数据和无插值穿轨刃边边缘扩散数据分别作离散差分，分别得到沿轨刃边线扩展数据和穿轨刃边线扩展数据；
[0061] 步骤207，对所述沿轨刃边线扩展数据和穿轨刃边线扩展数据分别作离散傅里叶变换，分别得到沿轨MTF和穿轨MTF；
[0062] 步骤208，对所述沿轨MTF和穿轨MTF相乘得出二维的MTF。
[0063] 实施例2
[0064] 如图3所示，在实施例1的基础上，本发明的具体实施方法如下：
[0065] 步骤301，获取所述卫星在轨MTF中载入的遥感图像，利用所述遥感图像分别选取其中的靶标区域中的沿轨刃边区域和穿轨刃边区域；
[0066] 步骤302，对选取的所述沿轨刃边区域去除非靶标区域的行，得到偶数行沿轨刃边区域数据；同时，对选取的所述穿轨刃边区域去除非靶标区域的列，得到偶数列穿轨刃边区域数据；
[0067] 步骤303，对所述偶数行沿轨刃边区域数据和偶数列穿轨刃边区域数据分别按像素值重新排序并映射到一行，进一步为：
[0068] 对所述偶数行沿轨刃边区域数据和偶数列穿轨刃边区域数据形成二维矩阵数据分别按像素值大小重新排序并映射到一维数组，对所述偶数行沿轨刃边区域数据得到该区域数据行数倍的沿轨刃边插值边缘扩散数据，对所述偶数列穿轨刃边区域数据得到该区域数据列数倍的穿轨刃边插值边缘扩散数据；
[0069] 步骤304，对所述沿轨刃边插值边缘扩散数据和穿轨刃边插值边缘扩散数据分别进行费米拟合，分别得到拟合后的拟合沿轨刃边插值边缘扩散数据和拟合穿轨刃边插值边缘扩散数据；
[0070] 步骤305，对所述拟合沿轨刃边插值边缘扩散数据和拟合穿轨刃边插值边缘扩散数据分别进行平均重采样，分别得到无插值沿轨刃边边缘扩散数据和无插值穿轨刃边边缘扩散数据；
[0071] 步骤306，对所述无插值沿轨刃边边缘扩散数据和无插值穿轨刃边边缘扩散数据分别作离散差分，分别得到沿轨刃边线扩展数据和穿轨刃边线扩展数据；
[0072] 步骤307，对所述沿轨刃边线扩展数据和穿轨刃边线扩展数据分别作离散傅里叶变换，分别得到沿轨MTF和穿轨MTF；
[0073] 步骤308，对所述沿轨MTF和穿轨MTF相乘得出二维的MTF，或对所述沿轨刃边线扩展数据和穿轨刃边线扩展数据相乘得出点扩散数据。
[0074] 其中，步骤304所述费米多项式拟合为：
[0075]
[0076] 其中，α表示Fermi函数的幅度；β表示Fermi函数中心位置对应x轴上的坐标；γ表示Fermi函数的陡度；D表示Fermi函数的暗区对应y轴上的坐标；α、β、γ和D分别通过最小二乘法拟合得到。
[0077] 实施例3
[0078] 如图4所示，在实施例2的基础上，本发明的具体实施方法如下：
[0079] 步骤401，获取所述卫星在轨MTF中载入的遥感图像，利用所述遥感图像分别选取其中的靶标区域中的沿轨刃边区域和穿轨刃边区域；
[0080] 步骤402，对选取的所述沿轨刃边区域去除非靶标区域的行，得到偶数行沿轨刃边区域数据，然后对所述偶数行沿轨刃边区域数据去除不均等的暗区或亮区数据，得到规范化偶数行沿轨刃边区域数据；同时，对选取的所述穿轨刃边区域去除非靶标区域的列，得到偶数列穿轨刃边区域数据，然后对所述偶数列穿轨刃边区域数据去除不均等的暗区或亮区数据，得到规范化偶数列穿轨刃边区域数据；
[0081] 步骤403，对所述规范化偶数行沿轨刃边区域数据和规范化偶数列穿轨刃边区域数据形成二维矩阵数据分别按像素值大小重新排序并映射到一维数组，对所述规范化偶数行沿轨刃边区域数据得到该区域数据行数倍的沿轨刃边插值边缘扩散数据，对所述规范化偶数列穿轨刃边区域数据得到该区域数据列数倍的穿轨刃边插值边缘扩散数据；
[0082] 步骤404，对所述沿轨刃边插值边缘扩散数据和穿轨刃边插值边缘扩散数据分别进行费米拟合，分别得到拟合后的拟合沿轨刃边插值边缘扩散数据和拟合穿轨刃边插值边缘扩散数据；
[0083] 步骤405，对所述拟合沿轨刃边插值边缘扩散数据和拟合穿轨刃边插值边缘扩散数据分别进行平均重采样，分别得到无插值沿轨刃边边缘扩散数据和无插值穿轨刃边边缘扩散数据；
[0084] 步骤406，对所述无插值沿轨刃边边缘扩散数据和无插值穿轨刃边边缘扩散数据分别作离散差分，分别得到沿轨刃边线扩展数据和穿轨刃边线扩展数据，然后对所述沿轨刃边线扩展数据和穿轨刃边线扩展数据分别作矩形窗处理，分别得到固定化沿轨刃边线扩展数据和固定化穿轨刃边线扩展数据；
[0085] 步骤407，对所述固定化沿轨刃边线扩展数据和固定化穿轨刃边线扩展数据分别作离散傅里叶变换，分别得到沿轨MTF和穿轨MTF；
[0086] 步骤408，对所述沿轨MTF和穿轨MTF相乘得出二维的MTF，或对所述沿轨刃边线扩展数据和穿轨刃边线扩展数据相乘得出点扩散数据。
[0087] 其中，步骤404所述费米多项式拟合为：
[0088]
[0089] 其中，α表示Fermi函数的幅度；β表示Fermi函数中心位置对应x轴上的坐标；γ表示Fermi函数的陡度；D表示Fermi函数的暗区对应y轴上的坐标；α、β、γ和D分别通过最小二乘法拟合得到。
[0090] 与现有技术相比，本发明所述基于相位非线性重采样拟合刃边的在轨MTF估计方法，达到了如下效果：
[0091] 1、本发明所述基于相位非线性重采样拟合刃边的在轨MTF估计方法，通过费米拟合不仅可以消除暗区和亮区的噪声，还能使线扩散函数更加似真，可以得到更精确的MTF。
[0092] 2、本发明所述基于相位非线性重采样拟合刃边的在轨MTF估计方法，不仅可以用于求直线刃边MTF，还可以用于求弯曲刃边MTF。
[0093] 还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0094] 本领域技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
[0095] 以上所述仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。
