基于光纖陀螺顫振探測的圖像復(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地觀測中，照明條件不佳都將意味著曝光時間的增長，隨之而來的問題便是曝光過程中由于手抖動或平臺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擴散函數(shù)(PSF)的卷積，再疊加一定噪聲的結(jié)果，其逆過程稱為圖像復(fù)原或圖像反卷積，是一個典型的病態(tài)問題，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)用價值，尤其是在高分辨率遙感對地觀測中，可以有效的避免由于設(shè)計制造大口徑、長焦距成像系統(tǒng)以及相應(yīng)的穩(wěn)像設(shè)備而帶來的成本急劇上升。為此，本文將圖像復(fù)原算法作為研究重點，詳細(xì)討論了與其相關(guān)的若干關(guān)鍵問題，概括如下。
　　 首先是PSF的獲取。PSF在圖像復(fù)原問題中扮演著至關(guān)重要的角色，傳統(tǒng)的獲取PSF的方法多種多樣，比較經(jīng)典的有點光源法和刃邊法，以及S.K.Nayar和M.Ben-Ezra提出的基于運動軌跡的PSF重構(gòu)方

3、法。針對顫振運動的特點，本文提出了一種基于光纖陀螺顫振探測的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，探測精度高的特點，將兩個敏感軸互相垂直的光纖陀螺與相機光軸進行剛性連接，就能獲取相機在曝光時間內(nèi)的顫振角位置數(shù)據(jù)，進而根據(jù)物像關(guān)系得到像面上像的運動軌跡，重構(gòu)出PSF。此外，本文還對傳統(tǒng)的基于運動軌跡的PSF重構(gòu)方法做了改進，利用設(shè)置較高采樣頻率的方法，將復(fù)雜的幾何和插值運算轉(zhuǎn)化為簡單的統(tǒng)計運算，有效提高了運行效率。<

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，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分布的正則化RL算法和基于混合高斯型馬爾可夫?qū)＜覉?GSM FoE)的非盲復(fù)原算法。前兩種算法都基于泊松噪聲模型，是對標(biāo)準(zhǔn)RL算法的改進。在分段局部正則化的RL算法中，本文設(shè)計了一種基于高斯馬爾可夫隨機場的正則

5、項，并通過一個分段冪函數(shù)，對其平滑強度加以調(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分布的正則化RL算法是將自然圖像梯度先驗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分布模型很好的符合了真實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?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

6、在于構(gòu)成它的全部濾波器都是通過特殊的最優(yōu)化方法，采用自然圖像庫訓(xùn)練得到的，因此它能夠?qū)ψ匀粓D像進行更加準(zhǔn)確的建模。本文將其引入非盲復(fù)原算法，并采用了Split Bregman算法對問題進行求解，實驗結(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?FoE)的單幅圖像盲復(fù)原算法，基于自然圖像梯度先驗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)＜覉龅膯畏鶊D像盲復(fù)原算法的創(chuàng)新主要有兩點，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，還采用了基于Student-t函數(shù)的概率模型對PSF進行建模。其次，在問題求解上，本文改進了傳統(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，得到了高質(zhì)量的復(fù)原圖像。

8、基于自然圖像梯度先驗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PSF進行優(yōu)化時，用高斯概率模型對泊松概率模型做了近似，因而提高了運算速度和結(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分布模型和基于L1范數(shù)的概率模型對清晰圖像和PSF進行建模，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