資源描述：
《多幀PML規(guī)整化湍流退化圖像復(fù)原算法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、第29卷第1期2010年2月飛行器測控學(xué)報(bào)JournalofSpacecraftTT&CTechnologyVol。29No．1Feb．2010多幀PML規(guī)整化湍流退化圖像復(fù)原算法。王亮亮，李明(北京跟蹤與通信技術(shù)研究所·北京·100094)摘要：從湍流退化圖像中有效地恢復(fù)出原目標(biāo)圖像，是空間目標(biāo)成像觀測亟待解決的問題。為解決強(qiáng)模糊實(shí)際觀測湍流退化圖像的復(fù)原問題，本文提出了多幀PML規(guī)整化圖像復(fù)原算法。該算法主要利用非線性規(guī)整化項(xiàng)在點(diǎn)擴(kuò)散函數(shù)和目標(biāo)圖像的估計(jì)過程中進(jìn)行平滑。為驗(yàn)證算法的有效性，針對強(qiáng)噪聲退化圖像進(jìn)行了恢復(fù)實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果證明，該算法對于強(qiáng)噪聲湍
2、流退化圖像的復(fù)原是非常有效的。關(guān)鍵詞：PMI。復(fù)原算法；規(guī)整化；湍流退化圖像中圖分類號(hào)：TN919．8文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1674—5620(2010)01一0034一05Multi—FrameRegularizedRestorationAlgorithmofTurbulence-DegradedImagesUsingPMLMethodWANGLiang-liang。LIMing(BeijingInstituteofTrackingandTelecommunicationsTechnology。Beijing100094)Abstract：Anurgen
3、tissueinthefieldofastronomicalspacetechnologyistherestorationofatmosphericturbulence-degradedimages．AblindrestorationalgorithmofPMLbasedonregularizationisproposedforactualmulti-frameturbulence-degradedimageswithheavynoise．Nonlinearregularizationfunctionsaresuggestedforsmoothinginth
4、eprocessofPSFestimationandtOrecoverobjectimages．Totestvalidityofthealgorithm，aseriesofrestorationex-perimentsarepeHormedontheturbulence-degradedimageswithheavynoise．Experimentresultsshowthattheal—gorithmiseffectiveforrestorationofspaceobjectsfromheavynoiseturbulence-degradedimages．
5、Keywords：PMLRestorationAlgorithm；Regularization；Turbulence-DegradedImageO引言目標(biāo)通過大氣湍流的成像是諸如天文觀測、空間目標(biāo)探測與識(shí)別等光電探測成像系統(tǒng)必然會(huì)遇到的問題，它嚴(yán)重地影響了光學(xué)系統(tǒng)的成像性能。特別是隨著地基高分辨力成像望遠(yuǎn)鏡技術(shù)的發(fā)展，從湍流退化圖像中有效地恢復(fù)出原目標(biāo)圖像，已經(jīng)引起特別重視。湍流退化圖像復(fù)原的難點(diǎn)在于其退化模型是未知的和隨機(jī)變化的，此外退化圖像中還包含噪聲，這都給目標(biāo)圖像的復(fù)原帶來很大困難。在湍流退化模型未知的情況下，直接從退化圖像中估計(jì)目標(biāo)的強(qiáng)度，Ayer
6、sGR和DaintyJC首先提出了基于單幀的迭代盲目去卷積方法(IterativeBlindDeconvolution，IBD)，且應(yīng)用在大氣湍流退化圖像的復(fù)原中。近年來，國際上對于湍流退化圖像的復(fù)原研究日益增多，但目前所提出的算法尚不完善，工程上還沒有令人滿意的解決方法，已取得的一些研究成果和研究方法尚處于不斷發(fā)展過程中[1]。在實(shí)際情況中，由于短曝光(ShortExposure，SE)天文圖像可用泊松隨機(jī)場建模，空間目標(biāo)湍流退化圖像也可用泊松隨機(jī)場建模[2]，即測定到的光學(xué)強(qiáng)度具有泊松分布性質(zhì)。所以基于貝葉斯框架(BayesianFramework)理論
7、的PML(Poisson-basedMaximumLikelihood)圖像復(fù)原方法對于空間目標(biāo)的湍流退化圖像具有良好的復(fù)原能力[3]，但其在復(fù)原過程中會(huì)產(chǎn)生振蕩條紋，且對噪聲較大的圖像復(fù)原效果不理想?，F(xiàn)階段研究較多的解決噪聲問題的方法是采用規(guī)整化技術(shù)[4-53，但尚未看到對強(qiáng)模糊、低信噪比的實(shí)際觀測圖像的相關(guān)文章。本文在PML算法基礎(chǔ)上，針對實(shí)際觀測圖像強(qiáng)模糊、強(qiáng)噪聲的客觀情況，主要從2個(gè)方面進(jìn)行了改進(jìn)：首先，為避免單幀湍流圖像復(fù)原方法過多依賴先驗(yàn)知-牧稿日期：2009一08—20；修冒日期：2009一09一14第一作者簡介；王亮亮(1984--)，男，碩
8、士研究生，主要研究方向?yàn)槟繕?biāo)識(shí)剮、圖像復(fù)原及圖像分析
