基于位相相異的盲去卷積圖像復(fù)原方法
【專利摘要】基于位相相異的盲去卷積圖像復(fù)原方法，涉及空間遙感成像系統(tǒng)中的數(shù)字圖像處理領(lǐng)域，解決了現(xiàn)有圖像復(fù)原法存在的像質(zhì)提升空間有限而無法提高圖像質(zhì)量的問題。該方法通過搭建光學(xué)成像系統(tǒng)，通過采集的一幅在焦像和至少一幅離焦像構(gòu)建盲去卷積最小化模型，將構(gòu)建的盲去卷積最小化模型分解為圖像優(yōu)化和對點擴散函數(shù)優(yōu)化兩個迭代子問題進行求解，完成圖像復(fù)原。本發(fā)明將位相相異方法與圖像盲去卷積結(jié)合在一起，利用多幀圖像和移相技術(shù)實現(xiàn)圖像復(fù)原，對存在波前像差擾動的光學(xué)成像系統(tǒng)的成像質(zhì)量進行了全面優(yōu)化，能夠補償動態(tài)環(huán)境像差擾動對光學(xué)成像系統(tǒng)成像質(zhì)量的影響，像質(zhì)提升空間大，魯棒性好，具有很好的應(yīng)用前景和價值。
【專利說明】基于位相相異的盲去卷積圖像復(fù)原方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及空間遙感成像系統(tǒng)中的數(shù)字圖像處理【技術(shù)領(lǐng)域】，具體涉及一種基于位 相相異的盲去卷積圖像復(fù)原方法。

【背景技術(shù)】
[0002] 隨著空間遙感技術(shù)的發(fā)展，對遙感成像系統(tǒng)的像質(zhì)提出了更高的要求，然而有很 多因素造成成像質(zhì)量下降。大氣湍流的存在使遙感圖像的像質(zhì)變得很模糊，給后續(xù)階段的 目標(biāo)識別和推斷造成了很大的困難；相機對地面目標(biāo)成像時，在曝光時間內(nèi)由于平臺的顫 振成像器件與物體之間存在相對運動，產(chǎn)生像移，拍出來的是運動模糊后的圖像；稀疏孔徑 光學(xué)系統(tǒng)能夠?qū)崿F(xiàn)空間遙感器輕量化以及突破系統(tǒng)口徑對分辨率的限制，然而其填充比小 于1，獲取的圖像存在中間頻率成分損失、對比度低、噪聲影響嚴(yán)重等特點，還存在較為敏感 的活塞和傾斜誤差帶來的子鏡單元不"共位相"問題，也會嚴(yán)重降低光學(xué)系統(tǒng)的成像質(zhì)量。
[0003] 解決這些問題主要有以下兩種方法：一種方法是硬件上通過波前傳感器自適應(yīng)補 償，但自適應(yīng)光學(xué)系統(tǒng)成本昂貴；另一種方法是采集圖像序列，通過圖像處理方法以恢復(fù)圖 像?，F(xiàn)有的像質(zhì)增強方法，如維納濾波圖像復(fù)原法像質(zhì)提升空間有限，因此需要更加穩(wěn)健的 圖像復(fù)原方法。


【發(fā)明內(nèi)容】

[0004] 為了解決現(xiàn)有圖像復(fù)原法存在的像質(zhì)提升空間有限而無法提高圖像質(zhì)量的問題， 本發(fā)明提供一種魯棒性較強的基于位相相異的盲去卷積圖像復(fù)原方法。
[0005] 本發(fā)明為解決技術(shù)問題所采用的技術(shù)方案如下：
[0006] 本發(fā)明的基于位相相異的盲去卷積圖像復(fù)原方法，該方法的條件和步驟如下：
[0007] 步驟一、搭建光學(xué)成像系統(tǒng)
[0008] 步驟二、采集一幅在焦像和至少一幅離焦像
[0009] 目標(biāo)物經(jīng)過光學(xué)成像系統(tǒng)進行成像，光學(xué)成像系統(tǒng)中，利用位于理想成像面處的 第一面陣CCD采集一幅在焦像，利用位于分光鏡后的第二面陣CCD采集至少一幅離焦像，所 述第二面陣C⑶不位于理想成像面處；
[0010] 步驟二、基于位相相異的盲去卷積圖像復(fù)原
[0011] 采集的在焦像和離焦像共K幅，構(gòu)建盲去卷積最小化模型，如式（1)所示：

【權(quán)利要求】
1.基于位相相異的盲去卷積圖像復(fù)原方法，其特征在于，該方法的條件和步驟如下： 步驟一、搭建光學(xué)成像系統(tǒng) 步驟二、采集一幅在焦像和至少一幅離焦像 目標(biāo)物（1)經(jīng)過光學(xué)成像系統(tǒng)進行成像，光學(xué)成像系統(tǒng)中，利用位于理想成像面處的 第一面陣CCD(4)采集一幅在焦像，利用位于分光鏡（3)后的第二面陣CCD(5)采集至少一 幅離焦像，所述第二面陣CCD (5)不位于理想成像面處； 步驟三、基于位相相異的盲去卷積圖像復(fù)原 采集的在焦像和離焦像共K幅，構(gòu)建盲去卷積最小化模型，如式（1)所示： min D(x,{jpk})+5(.v)+/5D({pk}) ⑴ A 丨 Pk I 式⑴中，x和{pk}分別表示待復(fù)原的圖像和每個圖像的點擴散函數(shù)； D(x，{pk})表示數(shù)據(jù)項，用以保證圖像一致性，如式（2)所示：
式（2)中，Y表示比例因子，|| ? || 2表示12范數(shù)，*表示卷積操作，{yk}表示在焦像 和離焦像，其中k G 1，2,3, ? ? ?，K ; S(x)表示基于L范數(shù)改進的圖像梯度約束，用以保證圖像梯度稀疏性，如式（3)所示：
式（3)中，i表示像素坐標(biāo)，h和v分別表示圖像水平方向和堅直方向，e表示梯度門 限，▽ # (?)表示對應(yīng)方向上的梯度算子，sign (?)表示符號函數(shù)，R表示自行規(guī)定的矩陣， 如式（16)所示，zji)表示硬判決門限操作，如式⑶所示； ro({Pk})表示位相相異方法對點擴散函數(shù)的約束，如式（4)所示：
式（4)中，S表示比例因子，Ym(i)表示第m幅觀測數(shù)據(jù)的傅立葉變換譜，Yn(i)表示第 n幅觀測數(shù)據(jù)的傅立葉變換譜，Pm(i)表示第m幅觀測數(shù)據(jù)的點擴散函數(shù)的傅立葉變換譜， Pn(i)表示第n幅觀測數(shù)據(jù)的點擴散函數(shù)的傅立葉變換譜，m和n均為正整數(shù)； 步驟四、優(yōu)化模型求解 將上述構(gòu)建的盲去卷積最小化模型分解為圖像優(yōu)化和對點擴散函數(shù)優(yōu)化兩個迭代子 問題進行求解，第t+1次迭代如式（5)和式（6)所示：
迭代優(yōu)化式（5)和式（6)直到滿足收斂條件； 圖像優(yōu)化如式（7)所示：
式（7)可以通過分別優(yōu)化1和2#(1)完成求解，首先通過硬判決門限方法更新z#(i)， 如式⑶所示：
得到Z#(i)之后，更新x，通過矩陣堆疊獲得圖像矩陣x、觀測矩陣y以及點擴散函數(shù)矩 陣P，變量矩陣Z#，P= [P]。為P的循環(huán)卷積矩陣，G#= [V#]。為對應(yīng)方向上梯度算子矩 陣，[?]。為循環(huán)卷積算子，重寫式（7)如下：
式（11)中，Pk(i)表示第k幅觀測數(shù)據(jù)的點擴散函數(shù)的傅立葉變換譜； 由于式（11)中位相相異部分是非凸的，因此用第t次迭代f的傅立葉變換P替換分 母部分，經(jīng)過變換得到式（12):
對式（12)中位相相異部分應(yīng)用帕塞瓦爾定理且忽略常數(shù)系數(shù)的影響得到新的盲去卷 積最小化模型：

2.根據(jù)權(quán)利要求1所述的基于位相相異的盲去卷積圖像復(fù)原方法，其特征在于，所述 光學(xué)成像系統(tǒng)還包括：望遠物鏡（2)、精密壓電致動直線導(dǎo)軌（6)、主控計算機（7)和存儲器 (9)，所述精密壓電致動直線導(dǎo)軌（6)分別與分光鏡（3)和主控計算機（7)電連接，所述存 儲器（9)分別與主控計算機（7)、第一面陣CCD⑷和第二面陣CCD (5)電連接；所述目標(biāo)物 (1)發(fā)出的光線經(jīng)過擾動波面（8)入射至望遠物鏡（2)，再經(jīng)過望遠物鏡（2)出射至分光鏡 (3)，經(jīng)分光鏡（3)后分成兩束出射，分別由第一面陣CCD (4)和第二面陣CCD (5)接收圖像， 并將接收的圖像存入存儲器（9)中，再通過存儲器（9)傳輸給主控計算機（7)，利用主控計 算機（7)對接收的圖像進行處理，第一面陣CCD (4)和第二面陣CCD (5)分別位于兩束光線 形成的理想成像面處，所述主控計算機（7)可以控制精密壓電致動直線導(dǎo)軌（6)運動，并可 以同時帶動分光鏡（3)移動。
【文檔編號】G06T5/00GK104346780SQ201410550685
【公開日】2015年2月11日 申請日期:2014年10月16日 優(yōu)先權(quán)日:2014年10月16日
【發(fā)明者】王剛, 武國梁 申請人:中國科學(xué)院長春光學(xué)精密機械與物理研究所