论文摘要：湍流退化图像的复原与降晰函数辨识研究

湍流流场气动光学效应(Aero-optical effect)使得红外成像系统获得的图像严重退化，极大影响了导引部件的探测精度，本文针对反导导弹等高速及高超声速飞行器光学成像制导系统存在的气动光学效应问题，对气动光学效应湍流退化图像的像抖动、像偏移和像模糊进行了研究，提出了一些气动光学效应湍流退化图像复原及降晰函数辨识的算法，并进行了相应的仿真实验验证，本论文的主要研究工作和创新之处如下。1、针对湍流退化图像的复原图像中存在的振铃波纹和噪声放大问题，提出了基于Wiener滤波的抑制复原图像振铃波纹的频域循环边界复原算法，并分析和讨论了Wiener滤波复原技术中参数的规整化问题，提出了对周边区域梯度较为均匀的退化图像复原过程中的规整化参数表达式。实验结果表明，该算法对复原图像的振铃波纹和观测噪声有一定的抑制作用。2、降晰函数辨识是图像复原过程中的重要环节，为了从湍流退化图像中有效地估计出湍流退化点扩展函数(Point Spread Function (PSF))，针对成像过程中经常遇到的成像系统与观测目标的相对线性移动和成像系统镜头的散焦引起的图像降晰，提出了基于逆自适应幅度谱滤波的退化图像降晰函数辨识及复原算法。首先将降晰图像的幅度谱经逆自适应幅度谱滤波器滤波得到滤波后的幅度谱图像帧，然后，对滤波后的降晰图像的幅度谱图像帧的频域特性进行分析，以辨识幅度谱像帧中特征谱线的参数，进而辨识退化图像的降晰函数。在降晰图像信噪比较高时，该算法对线性移动降晰图像和散焦降晰图像降晰函数的辨识具有非常好的效果。3、针对成像过程中经常遇到的线性移动降晰、散焦降晰和高斯降晰的情况，提出了基于先验降晰模型的空域模糊辨识方法，线性移动降晰、散焦降晰和高斯降晰的降晰函数均可以用参数化表达式描述，降晰函数的辨识转化为降晰函数参数的辨识，该算法最小化降晰图像和瞬时估计图像的差的Frobenius范数。在降晰图像信噪比较高的情况下，该算法对于常见已知先验模型的降晰图像，能够较为精确的辨识降晰函数参数。4、针对纹理湍流退化图像的复原及降晰函数辨识问题，提出了基于最大似然估计的湍流退化图像复原及降晰函数辨识算法，该算法将未失真原始图像看作一个自回归(Autoregressive (AR))过程，用AR模型来建模，而将湍流退化图像的降晰过程视为一个滑动平均(Moving Average (MA))过程，用MA过程来建模，湍流退化图像视为自回归滑动平均(Autoregressive Moving Average (ARMA))过程，用ARMA模型来建模，在ARMA模型中包含了原始图像、模型噪声方差、降晰过程中的降晰函数和观测噪声方差等相关信息，得到含有未知参数向量的概率密度函数，并根据Bayes框架简化似然函数，应用期望最大化算法最大化该似然函数估计未知参数向量。进行湍流退化图像的复原与降晰函数辨识之前，对湍流退化图像进行空域高通滤波。实验结果表明，该算法对纹理红外湍流退化图像的复原质量有明显的改进，纹理信息较原湍流退化图像丰富许多。5、针对点源红外目标湍流退化图像的复原和降晰函数辨识，提出了基于非负支持域约束递归逆滤波算法的湍流退化图像的复原和递归滤波器参数集的辨识算法。进行NAS-RIF算法之前，首先对湍流退化图像进行空域高通滤波，以滤除湍流退化过程中的部分噪声信号。该算法的主要优点是复原图像和点扩展函数可以同时获得，且有较高的计算效率。因为最小化一个凸集函数，非负支持域递归逆滤波算法能够收敛到一个可靠的解集。实验结果表明，该算法对点源红外湍流退化图像有较好的复原效果。

来源：半壳优胜鲸鱼幸运星转载请保留出处和链接！

本文链接：http://87cpy.com/209087.html