基于噪声特性的大气湍流退化图像多帧盲反卷积复原

由于大气湍流和噪声的影响,造成观测目标图像的退化.为了目标的精确观测,根据噪声特性,结合符合物理意义的约束条件,提出了新的大气湍流图像盲反卷积复原最小化模型,并以共轭梯度数值优化方法交替迭代求解,复原观测目标图像.为验证提出的算法的有效性,在计算机上模拟参数为望远镜口径为2.0 m,大气相干长度为0.1 m,图像信噪比为10 dB的大气湍流退化和噪声污染的图像,以提出的盲反卷积复原方法复原,实验结果表明,提出的盲反卷积复原算法避免了传统的盲反卷积复原算法的缺陷,有效地克服大气湍流和噪声的影响,复原出了清晰的观测目标图像.该图像盲反卷积复原方法的研究,对地基望远镜的观测有重要的基础性作用.     

一种偏振普适性多尺度实时的图像去雾算法

针对现有偏振算法依赖于"天空区域"估计大气参数,从而受白色目标或高亮区域干扰的不足之处,提出了一种图像普适性多尺度偏振去雾方法.研究偏振差分图像四叉树空间索引和图像暗通道先验方法,突破估计模型参数利用天空的局限性,重建场景深度,结合大气散射模型复原低频无雾图像;同时针对目标复原过程中噪声遗留问题,研究软阈值去噪算法,结合低频信息重构的透射率,以梯度增强方式丰富纹理细节,最后小波重构出清晰图像.实验结果表明,该算法有效消除了估计大气参数受制于天空区域的局限性,抑制噪声的影响,复原的目标更加清晰,细节方面更为丰富,算法运行效率方面有较大提高.     

红外气动退化图像复原校正的复合算法研究

鉴于气动效应图像退化因素的复杂性和随机性,单一复原算法难以满足要求,提出构造复合算法来提高湍流退化图像复原质量的思路,综合各种基于不同理论模型和应用对象的实用算法,实现优势互补。给出了现有算法结合的主要途径,主要探讨了基于统计理论的MAP复原算法与基于正则化理论的总变分算法复合后各算法结构的自适应调整和改造以及各种参数的自适应性选择问题。充分利用各算法的优势,完成基于算法结构相对稳定的智能化组合。在微机上进行了一系列的复原对比实验。实验结果表明：复合算法提高了图像的总体复原质量。     

基于大气相干长度的湍流模糊图像复原

利用地基光学望远镜观测空间目标时,大气湍流是影响成像质量的主要因素。由于大气湍流引起成像波面的畸变,导致望远镜所获得的图像模糊。为了从模糊图像中复原出目标的原始图像,提出了一种基于大气相干长度的湍流点扩展函数估计方法,进行了理论推导,并利用Sobel方法对迭代相同次数后的盲卷积复原图进行像质评价,找出像质评价结果峰值处对应的大气相干长度;再将此值代入点扩展函数的估计公式中,得到点扩展函数更加准确的估计;然后利用此点扩展函数对湍流模糊图像进行盲卷积图像复原,最后得到目标的复原图像。从多种像质评价结果来看,该方法无需测量大气相干长度,且复原效果较理想。     

基于边窗盒子滤波和透射率修正的图像去雾

针对雾线先验去雾算法存在的颜色过饱和现象、图像初始透射率估算不准确等问题,提出了一种基于边窗盒子滤波和透射率修正的图像去雾算法。为了解决初始透射率估算不准确带来的边缘细节信息丢失的问题,首先利用非局部总广义变分（TGV）正则化的方法估算初始透射率,并将二阶的非局部总广义变分（TGV）正则器来作为正则项,以确保对由图像颜色和深度之间的噪声和歧义引起的异常值具有鲁棒性。随后利用边窗滤波算法对初始透射率进行优化,从而实现对图像中纹理信息和边缘信息的保留。最后利用大气散射模型和多角度优化后的透射率复原出无雾的原始图像。实现结果表明,本文算法能够解决图像颜色过饱和与边缘处的细节纹理信息丢失的问题,且无色调偏移和光晕效应。在定性评估上,复原后的图像视觉效果好;在定量评估上,本文算法的去雾后图像的评价指标皆高于基于雾线先验算法。     

基于随机点扩散函数的多帧湍流退化图像自适应复原方法

针对湍流退化图像随机性的问题,提出了一种基于随机点扩散函数的多帧湍流退化图像自适应复原方法。首先介绍了随机点扩散函数的图像退化模型,并分析了点扩散函数随机性对图像复原造成的影响,建立了基于随机点扩散函数的多帧图像退化模型。在此基础上,建立了基于多帧退化图像的全变分复原模型,利用前向后向算子分裂法对模型进行求解,提高了算法的运算效率。然后,提出了一种新的自适应正则化参数选取方法,该方法利用全变分复原模型的目标函数计算正则化参数,当正则化参数收敛时,复原图像的峰值信噪比达到最大值,因此利用目标函数的相对差值作为自适应算法迭代终止的条件,可以获得最佳复原效果。最后通过实验分析,算法中退化图像的帧数应不大于10帧。实验结果表明:当取10帧退化图像时,AFBS算法运算时间与单帧的FBS算法相当,信噪比增益为1.4 dB。本文算法对图像噪声有明显的抑制作用,对湍流退化图像可以获得较好的复原效果。     

空间调制傅里叶变换光谱仪光谱探测中的大气扰动分析

在利用空间调制傅里叶变换光谱仪对远距离目标进行光谱遥测时,大气湍流扰动引起的入射光场的波前畸变会影响干涉图像和复原光谱的质量。根据大气湍流扰动对光场的相位调制作用,建立了大气湍流的随机相位模型与光场在大气中的分步传输模型,并对大气湍流扰动作用下的干涉图像与复原光谱进行了数值计算,结果显示:大气湍流会导致干涉图像的背景产生低频的强度起伏,并致使复原光谱在低频区域出现伴频噪声。采用统计实验的方法对归一化光谱误差与望远系统入瞳放大率、大气相干长度之间的关系进行统计分析。结果表明:归一化光谱误差的统计均值与望远系统入瞳放大率为准线性正相关,与大气相干长度为非线性负相关。依据归一化光谱误差的统计分析结果便可以根据外场环境的大气相干长度,合理地设计望远系统的入瞳放大率,从而实现对目标光谱的有效探测。     

自适应光学系统的最优斜率复原算法

分析了自适应光学系统的波前斜率校正效果，综合大气湍流扰动和测量噪声的统计特性，在最小二乘复原算法的基础上推导得出一种形式简洁、易于实际操作的最优斜率复原算法。在大气湍流波前扰动条件下，对这种最优斜率复原算法的补偿效果和工作稳定性进行了计算研究。     

红外目标湍流退化图像的优化复原算法

提出了基于最速下降法的湍流退化图像盲目复原算法。将图像转换到频域中，建立一个基于目标图像和点扩展函数频谱的目标函数，通过迭代方式采用最速下降优化方法来极小化该目标函数，并利用傅里叶变换和反变换将目标图像和点扩展函数在频域和空域之间进行变换，在每次迭代中交替加入约束条件进行反复修正，以便取得预期的图像恢复效果，增强算法的稳定性和抗噪能力。针对红外目标湍流退化图像，在微机上对算法进行了一系列复原验证实验。实验结果表明：该文算法复原效果稳定，抗噪能力强，具有实用价值。     

天文图像多帧盲反卷积收敛性的增强方法

天文图像多帧盲反卷积的收敛性受到初始目标、约束条件和光子噪声等因素的影响.提出了用实际光学成像系统参数确定频率带宽有限约束的方法.用Knox-Thompson 方法重构初始目标相位形成盲反卷积算法的初始目标函数.研究了一种新颖的有效减小光子噪声、边缘效应和振铃现象的方法.根据最大似然估计理论，用期望最大化的优化方法建立了改进的严格约束多帧盲反卷积算法.模拟图像和实际天文图像的复原结果表明，所建立的多帧盲反卷积，可以有效克服大气湍流和减小光子噪声，改善天文观察图像的分辨率，并部分消除光学系统衍射效应对恢复图像的影响. 关键词： 大气光学 天文观测 图像处理和恢复     

Point Spread Function Estimation for a Turbulence-Degenerated Image Based on Àtrous Wavelet Transform

The observed object images are seriously blurred because of the influence of atmospheric turbulence. The restoration is required for the reconstruction of turbulence degraded images. Point spread function (PSF) estimation, an essential part of image restoration, has no accurate estimation algorithm at present. Based on the àtrous wavelet, we deduce a novel PSF estimation algorithm. First, the àtrous wavelet at varying scales is transformed. Then, on the basis of the relation among the local maxima of the modulus of the wavelet coefficients at different scales, the Lipschitz exponent of the wavelet coefficients is computed, thus the variance of a PSF is estimated. From this estimated variance, one is able to obtain the PSF. Consequently, the object image can be restored. Experimental results show that the proposed method is highly effective with good performance.     

应用闭环残余倾斜数据分析自适应光学系统精跟踪回路性能

在自适应光学系统中,目标跟踪误差主要由未完全补偿的大气湍流扰动和望远镜抖动引起的跟踪误差以及系统的倾斜噪声误差两部分组成。提出一种用闭环残余倾斜数据计算倾斜噪声误差、大气湍流扰动和望远镜抖动引起的跟踪误差以及系统跟踪残余误差的新方法,并用此方法分析61单元自适应光学系统中精跟踪回路的性能。     

天文望远镜像差对斑点成像技术的影响

着重研究了采用斑点成像技术处理天文望远镜图像时,光学系统固定像差对图像恢复结果的影响。在详细研究各种恢复天文图像振幅和相位的理论和方法的基础上,建立了一个包括Labeyrie振幅恢复方法和KnoxThompson相位重构方法的恢复扩展目标的斑点成像处理模型,分析了光学系统固定像差对系统传递函数相位分布和目标相位重构的影响：天文目标通过大气成像,固定像差将会被淹没在大气湍流随机起伏中,像差对相位重构没有显著影响。处理图像结果表明,斑点成像技术能同时消除大气湍流和望远镜系统固定像差的影响,得到高分辨力的扩展目标图像。还提出了一种消除光学系统像差的方法。     

夏克-哈特曼波前传感器的波前相位探测误差

对夏克－哈特曼（Ｓｈａｃｋ－Ｈａｒｔｍａｎｎ）波前传感器的相位探测误差进行了分析,并分析了它的政论相位探测极限,分析结果表明,夏克－哈特曼波前传感器的相位探测精度与探测器的噪声水平,探测目标的亮度有关,还与被探测对象的特性、孔径波前分割有关。给出了它们的关系表达式。     

Restoration of solar and star images with phase diversity-based blind deconvolution

The images recorded by a ground-based telescope are often degraded by atmospheric turbulence and the aberration of the optical system. Phase diversity-based blind deconvolution is an effective post-processing method that can be used to overcome the turbulence-induced degradation. The method uses an ensemble of short-exposure images obtained imultaneously from multiple cameras to jointly estimate the object and the wavefront distribution on pupil. Based on signal estimation theory and optimization theory, we derive the cost function and solve the large-scale optimization problem using a limited memory Broyden-Fletcher-Goldfarb-Shanno (L-BFGS) method. We apply the method to the urbulence degraded images generated with computer, the solar images acquired with the swedish vacuum solar telescope (SVST, 0.475m) in La Paima and the star images collected with 1.2-m telescope in Yunnan Observatory. In order to avoid edge effect in the restoration of the solar images, a modified Hanning apodized window is adopted.The star image till can be estored when the defocus distance is measured inaccurately. The restored results demonstrate that the method is efficient for removing the effect of turbulence and reconstructing the point-like or extended objects.     

Blind image deconvolution subject to bandwidth and total variation constraints

We present a maximum likelihood (ML) deconvolution algorithm with bandwidth and total variation (TV) constraints for degraded image due to atmospheric turbulence. The bandwidth limit function is estimated in view of optical system parameters and Fourier optical theory. With the aid of bandwidth and TV minimization as compelling constraints, the algorithm can not only suppress noise effectively but also restrict the bandwidth of point-spread function (PSF) that may lead to trivial solution. Compared with the conventional ML method, the proposed algorithm is able to restore a noise-free image, and the detailed texture is better than that of ML.     

An exact, linear solution to the problem of imaging through turbulence

We show how, in principle, to solve the ‘blind deconvolution' problem. This is in the context of the problem of imaging through atmospheric turbulence. The approach is digital but not iterative, and requires as input data but two short-exposure intensity images, without the need for reference point sources. By taking the Fourier transform of each image and dividing, a set of linear equations is generated whose unknowns are sampled values of the two random point spread functions that degraded the images. An oversampling by 50% in Fourier space equalizes the number of unknowns and independent equations. With some prior knowledge of spread function support, and in the absence of added noise of image detection, the inverted equations give exact solutions. The two observed images are then inverse filtered to reconstruct the object.     

一种双正则项全变差高光谱图像去噪算法

受传感器特性影响,高光谱图像中的噪声在各个维度都有体现。噪声的存在降低了高光谱图像中信息的有效性,在进行地物分类前必须采用适当的算法对噪声予以去除。文章针对高光谱图像的噪声特性,提出了一种基于全变差的高光谱图像去噪算法。该算法将经典二维图像全变差去噪模型推广至三维形式,提出了采用双正则项及相应的调整参数的目标函数,在三维空间中完成新目标函数的离散化,并采用基于优化-最小化算法的迭代方法对目标函数进行优化与求解。对星载Hyperion成像光谱仪数据的实验表明,适当的设置调整参数,该方法可很好地提高高光谱图像的各波段信噪比、平滑光谱曲线并保留细节特征,其去噪效果优于经典的MNF去噪算法及Savitzky-Golay滤波方法。