基于光纖陀螺顫振探測(cè)的圖像復(fù)原技術(shù)研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩182頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

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

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論