自适应光学图像非对称图像迭代盲复原算法

为了提高自适应光学图像复原效果,提出了一种新的多重约束非对称图像迭代盲解卷积算法。首先,在点扩散函数（PSF）频率域引入带宽有限约束来提高迭代盲解卷积算法的可靠性;然后,在PSF空间域引入支持域动态更新的思想以加快迭代盲解卷积算法收敛速度;最后,自动计算迭代盲解卷积算法的非对称因子以提高算法的自适应性。模拟实验结果表明,与RL-IBD算法比较,新算法迭代次数减少22.4%、峰值信噪比提高10.18 dB。在FK5-857和某双星的自适应光学图像复原实验中,也取得很好的复原效果。     

自适应光学图像非对称图像迭代盲复原算法

 为了提高自适应光学图像复原效果,提出了一种新的多重约束非对称图像迭代盲解卷积算法。首先,在点扩散函数（PSF）频率域引入带宽有限约束来提高迭代盲解卷积算法的可靠性;然后,在PSF空间域引入支持域动态更新的思想以加快迭代盲解卷积算法收敛速度;最后,自动计算迭代盲解卷积算法的非对称因子以提高算法的自适应性。模拟实验结果表明,与RL-IBD算法比较,新算法迭代次数减少22.4%、峰值信噪比提高10.18 dB。在FK5-857和某双星的自适应光学图像复原实验中,也取得很好的复原效果。     

基于最大熵准则的多视角SAR目标分类方法

针对合成孔径雷达（Synthetic aperture radar,SAR）目标分类问题,提出基于最大熵准则的多视角方法。采用经典的图像相似度测度构建不同视角SAR图像之间的相关性矩阵,在此基础上分别计算不同视角组合条件下的非线性相关信息熵值。非线性相关信息熵值可分析多个变量之间的统计特性,熵值的大小即可反映不同变量之间的内在关联。根据最大熵的原则选择最优的视角子集,其中SAR图像具有最大的内在相关性。分类过程以联合稀疏表示为基础,对具有最大熵值的多个视角进行联合表示。联合稀疏表示模型同时处理若干稀疏表示问题,在它们具有关联的条件下具有提升重构精度的优势。根据不同视角求解得到的表示系数,按照类别分别计算对于选取多视角的重构误差,并根据误差最小的准则进行最终决策。文中方法可有效对多视角SAR图像样本进行相关性分析,并利用联合稀疏表示利用这种相关性,能够更好提高分类精度。采用MSTAR数据集对方法进行分析测试,通过与几类其他方法在多种测试条件下进行对比,结果显示了最大熵准则在多视角选取中的有效性和文中方法对SAR目标分类性能的优越性。     

ENAS-RIF图像复原算法

大气湍流严重影响天文、遥感等光学观测的成像效果,必须进行图像复原处理后才能获取更清晰的图像.为了提高图像复原效果,提出了一种基于可靠支持域和改进代价函数的增强型非负性和有限支撑域的递归逆滤波器(ENAS-RIF)图像复原算法.首先,利用Curvelet去噪进行图像平滑的预处理,抑制图像噪声;然后利用图像阈值分割和形态学...     

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

The observed object images are seriously blurred because of the influence of atmospheric turbulence. The restora- tion 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 gtroas wavelet, we deduce a novel PSF estimation algorithm. First, the gtrous 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.     

Iterative blind deconvolution of adaptive optics images

Adaptive optics (AO) technique has been extensively used for large ground-based optical telescopes to overcome the effect of atmospheric turbulence. But the correction is often partial. An iterative blind deconvolution (IBD) algorithm based on maximum-likelihood (ML) method is proposed to restore the details of the object image corrected by AO. IBD algorithm and the procedure are briefly introduced and the experiment results are presented. The results show that IBD algorithm is efficient for the restoration of some useful high-frequency of the image.