0引言目標通過大氣湍流的成像是諸如天文觀測、精確制導等光電探測成像系統必然會遇到的問題,它影響到光學系統的成像性能。特別是隨著地基高分辨力成像望遠鏡技術的發展,從湍流退化圖像中有效地恢復出原目標圖像,已引起特別重視。為簡化問題,將大氣和望遠鏡組成的成像系統視為線性空間不變(LinerSpace-invariant,LSI)系統。簡化的成像過程的數學模型如圖1所示。圖1圖像退化模型(H表示退化過程)用公式描述為g(x,y)=Dh(x-s,y-t)f(s,t)dsdt+n(x,y)(1)圖像的復原是一個反卷積的過程,其中g(x,y)、h(x-s,y-t)、f(x,y)、n(x,y)分別表示退化的模糊圖像、點擴散函數、原始圖像和噪聲。我們稱在LSI假設下的復原為空間不變模糊(Space-invariantblur,SIB)圖像復原。但實際中,大氣湍流的劇烈變化以及各光學系統視場像差不同均導致空間目標各點點擴散函數不同。我們稱此種情況下的復原為空間變化模糊(Space-variantblur,SVB)圖像復原。其用公式描述為g(x,y)=Dh(s,t,x-s,y-t)f(s,t)dsdt+n(x,y)(2)根據以上兩種點擴散函數不同假設的情況,結合現今國際上對于湍流退化圖像復原的算法研究,可以將湍流圖像復原算法做如下劃分(見圖2)。1SIB圖像復原圖像復原技術以圖像退化的某種先驗知識為基圖2湍流退化圖像復原算法分類礎。若系統的點擴散函數(PSF)已知,則圖像復原問題簡化為解卷積運算;若PSF未知,則圖像復原問題為盲解卷積;若PSF已知但不可靠,則圖像復原問題為近視(Myopic)解卷積。1.1解卷積方法傳統的解卷積方法是在退化模型確定和已知的情況下進行圖像復原[1],即先確定PSF或其參數,然后利用逆濾波、維納濾波等方法恢復目標圖像。此類方法最早的成果是1970年LabeyrieA提出的斑點干涉測量方法,其原理是獲取大量的短曝光湍流退化圖像,并將其功率譜疊加在一起形成對圖像功率譜的估計(這樣的疊加并沒有導致空間高頻信息的丟失),預期的目標圖像功率譜可通過逆濾波來恢復,但存在相位譜損失的問題,且通常無法恢復目標的唯一圖像。此外,1978年FienupJR對Gerchberg-Saxton復原算法進行改進,并用于相位恢復,其原理是采用傅立葉變換和傅立葉反變換交替進行迭代運算,稱為迭代傅立葉變換算法。由于需要利用傅立葉變換幅值復原目標圖像,該方法要求目標圖像滿足非負限制及其傅立葉變換模值等于先通過測定大氣湍流模值傳遞函數后逆濾波得出的目標圖像模值,可通過迭代方式來解決此問題。此方法實際是對Gerchberg-Saxton算法的改進,增加一系列的約束條件,以達到更有效的輸出結果。由于需要得到確切的退化模型,而在實際觀測活動中,造成觀測目標模糊的點擴散函數變化是復雜并難于確定的,這就導致解卷積方法的實際復原效果并不理想,其實用價值不高。1.2盲解卷積方法在許多實際觀測活動中PSF難以確定,則必須從觀察圖像中以某種方式估計出退化信息,找出圖像復原方法。這種在既不知道理想目標圖像又不知道PSF的情況下,直接從觀測圖像中估計理想目標的方法,稱為盲解卷積。其普遍模型如圖3所示。T.6l0KF圖3圖像盲解卷積普遍模型圖像盲解卷積算法主要分為兩大類:一類是先驗模糊估計法,即根據降質圖像確定PSF,然后用某種圖像解卷積法來估計原圖像,這類方法計算原理簡單。第二類是聯合估計法,即同時估計PSF和估計原圖像,這類算法的原理復雜。1.2.1先驗模糊估計方法先驗模糊估計法要求首先辨識出

總結

以上是生活随笔為你收集整理的湍流退化图像复原如何使用matlab,湍流退化图像复原技术研究现状及展望的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。