基于光纖陀螺顫振探測(cè)的圖像復(fù)原技術(shù)研究.pdf

1、不論是在日常攝影還是在高分辨率遙感對(duì)地觀(guān)測(cè)中，照明條件不佳都將意味著曝光時(shí)間的增長(zhǎng)，隨之而來(lái)的問(wèn)題便是曝光過(guò)程中由于手抖動(dòng)或平臺(tái)顫振造成的圖像模糊，大大損失了圖像包含的信息。在數(shù)學(xué)上，圖像模糊可以表述為清晰圖像與點(diǎn)擴(kuò)散函數(shù)(PSF)的卷積，再疊加一定噪聲的結(jié)果，其逆過(guò)程稱(chēng)為圖像復(fù)原或圖像反卷積，是一個(gè)典型的病態(tài)問(wèn)題，結(jié)果極易受到噪聲放大和振鈴等負(fù)面效應(yīng)的影響，而正則化算法則能在一定程度上克服這些負(fù)面效應(yīng)，提高復(fù)原圖像的質(zhì)量。圖像復(fù)原算法

2、有著極高的應(yīng)用價(jià)值，尤其是在高分辨率遙感對(duì)地觀(guān)測(cè)中，可以有效的避免由于設(shè)計(jì)制造大口徑、長(zhǎng)焦距成像系統(tǒng)以及相應(yīng)的穩(wěn)像設(shè)備而帶來(lái)的成本急劇上升。為此，本文將圖像復(fù)原算法作為研究重點(diǎn)，詳細(xì)討論了與其相關(guān)的若干關(guān)鍵問(wèn)題，概括如下。
　　 首先是PSF的獲取。PSF在圖像復(fù)原問(wèn)題中扮演著至關(guān)重要的角色，傳統(tǒng)的獲取PSF的方法多種多樣，比較經(jīng)典的有點(diǎn)光源法和刃邊法，以及S.K.Nayar和M.Ben-Ezra提出的基于運(yùn)動(dòng)軌跡的PSF重構(gòu)方

3、法。針對(duì)顫振運(yùn)動(dòng)的特點(diǎn)，本文提出了一種基于光纖陀螺顫振探測(cè)的PSF重構(gòu)方法。光纖陀螺是一種角速度敏感器件，具有結(jié)構(gòu)緊湊，探測(cè)精度高的特點(diǎn)，將兩個(gè)敏感軸互相垂直的光纖陀螺與相機(jī)光軸進(jìn)行剛性連接，就能獲取相機(jī)在曝光時(shí)間內(nèi)的顫振角位置數(shù)據(jù)，進(jìn)而根據(jù)物像關(guān)系得到像面上像的運(yùn)動(dòng)軌跡，重構(gòu)出PSF。此外，本文還對(duì)傳統(tǒng)的基于運(yùn)動(dòng)軌跡的PSF重構(gòu)方法做了改進(jìn)，利用設(shè)置較高采樣頻率的方法，將復(fù)雜的幾何和插值運(yùn)算轉(zhuǎn)化為簡(jiǎn)單的統(tǒng)計(jì)運(yùn)算，有效提高了運(yùn)行效率。<

4、br>　　 按照PSF是否已知，可將圖像復(fù)原算法分為非盲復(fù)原算法和盲復(fù)原算法兩大類(lèi)，本文在前人工作的基礎(chǔ)上提出了三種正則化的非盲復(fù)原算法，它們分別是分段局部正則化的Richardson-Lucy(RL)算法，基于自然圖像梯度先驗(yàn)分布的正則化RL算法和基于混合高斯型馬爾可夫?qū)＜覉?chǎng)(GSM FoE)的非盲復(fù)原算法。前兩種算法都基于泊松噪聲模型，是對(duì)標(biāo)準(zhǔn)RL算法的改進(jìn)。在分段局部正則化的RL算法中，本文設(shè)計(jì)了一種基于高斯馬爾可夫隨機(jī)場(chǎng)的正則

5、項(xiàng)，并通過(guò)一個(gè)分段冪函數(shù)，對(duì)其平滑強(qiáng)度加以調(diào)整，從而達(dá)到了抑制復(fù)原圖像中的噪聲放大和振鈴效應(yīng)的目的。與其相似，基于自然圖像梯度先驗(yàn)分布的正則化RL算法是將自然圖像梯度先驗(yàn)分布模型與泊松噪聲模型相結(jié)合，由于自然圖像梯度先驗(yàn)分布模型很好的符合了真實(shí)自然圖像梯度的稀疏分布規(guī)律，因此該算法能夠有效的改善標(biāo)準(zhǔn)RL算法的表現(xiàn)，得到高質(zhì)量的復(fù)原圖像。GSM FoE是在馬爾可夫?qū)＜覉?chǎng)(FoE)基礎(chǔ)上提出的一種新型自然圖像概率模型，與傳統(tǒng)模型相比，其優(yōu)勢(shì)

6、在于構(gòu)成它的全部濾波器都是通過(guò)特殊的最優(yōu)化方法，采用自然圖像庫(kù)訓(xùn)練得到的，因此它能夠?qū)ψ匀粓D像進(jìn)行更加準(zhǔn)確的建模。本文將其引入非盲復(fù)原算法，并采用了Split Bregman算法對(duì)問(wèn)題進(jìn)行求解，實(shí)驗(yàn)結(jié)果表明，它是一種優(yōu)秀的圖像復(fù)原算法，達(dá)到或超過(guò)了目前一些主流復(fù)原算法的水平。
　　 在盲復(fù)原算法方面，本文同樣提出了三種方法，它們是基于馬爾可夫?qū)＜覉?chǎng)(FoE)的單幅圖像盲復(fù)原算法，基于自然圖像梯度先驗(yàn)分布的單幅圖像盲復(fù)原算法和基于

7、多幅圖像的盲復(fù)原算法。其中，基于馬爾可夫?qū)＜覉?chǎng)的單幅圖像盲復(fù)原算法的創(chuàng)新主要有兩點(diǎn)，首先是將FoE模型引入盲復(fù)原算法，與GSM FoE相似，構(gòu)成它的全部參數(shù)和濾波器都是由訓(xùn)練得到的，因此該模型的準(zhǔn)確度很高。同時(shí)，還采用了基于Student-t函數(shù)的概率模型對(duì)PSF進(jìn)行建模。其次，在問(wèn)題求解上，本文改進(jìn)了傳統(tǒng)的輪換迭代算法，在每次迭代中，都將上次迭代所得的結(jié)果作為約束條件，因此克服了傳統(tǒng)方法容易收斂到模糊解的缺點(diǎn)，得到了高質(zhì)量的復(fù)原圖像。

8、基于自然圖像梯度先驗(yàn)分布的單幅圖像盲復(fù)原算法建立在基于自然圖像梯度先驗(yàn)分布的正則化RL算法基礎(chǔ)上，并采用了傳統(tǒng)的輪換迭代算法求解，其不同之處在于對(duì)PSF進(jìn)行優(yōu)化時(shí)，用高斯概率模型對(duì)泊松概率模型做了近似，因而提高了運(yùn)算速度和結(jié)果的準(zhǔn)確度。最后，本文還提出了一種基于多幅圖像的盲復(fù)原算法，它分別采用了自然圖像梯度先驗(yàn)分布模型和基于L1范數(shù)的概率模型對(duì)清晰圖像和PSF進(jìn)行建模，由于多幅模糊圖像包含了更多的信息，因此該算法能夠得到高質(zhì)量的復(fù)原圖像