基于稀疏逼近的圖像解模糊與動態(tài)融合.pdf

1、圖像復(fù)原與圖像融合是解決復(fù)雜成像條件及提高系統(tǒng)操作范圍的有力工具。同時，空間平臺在軌自主形態(tài)測量與識別由于空間環(huán)境的影響仍面臨著很多問題，如光照變化、復(fù)雜且快速變化的背景和惡劣成像條件等。這些在軌自主操作的實施與執(zhí)行需要快速獲取、穩(wěn)定、可靠和高質(zhì)量的圖像數(shù)據(jù)。為解決圖像的快速解模糊及動態(tài)融合問題，本文從這兩個問題出發(fā)，開展空間環(huán)境下的視覺處理技術(shù)研究。論文的主要成果如下：
　　1.提出了一種基于稀疏逼近算子框架的快速圖像解模糊算法

2、。該算法主要解決空間環(huán)境中出現(xiàn)的圖像模糊問題，以及快速迭代收縮閾值化算法(FISTA)存在的問題。該算法的主要思想是將逼近算子框架中的罰參數(shù)廣義化為一個橢圓范數(shù)問題。這種廣義化的表示形式可以充分利用罰參數(shù)的快速逼近能力及局部調(diào)節(jié)能力，從而使得子問題的求解更加精確。本文推導(dǎo)并分析上述廣義化表示的基本理論性質(zhì)。仿真實驗表明所提出的算法相比主流算法有較好的圖像復(fù)原性能及質(zhì)量。
　　2.提出了一種廣義逼近共軛梯度算法框架及圖像快解模糊算法

3、。該算法的核心思想在于將逼近算子問題轉(zhuǎn)化一個變超橢圓范數(shù)問題，并通過引入共軛梯度以提高每一次迭代的估計精度。該算法框架被應(yīng)用于全變分最小化問題的求解。對比主流的圖像快速解模糊算法以及不同模糊條件下的仿真實驗，本文所提出的算法具有較低的迭代數(shù)，且具有較好的復(fù)原性能及視覺質(zhì)量。
　　3.提出了一種可分離時空動態(tài)圖像融合算法。為充分利用空間平臺的傳感器冗余性并提高系統(tǒng)操作范圍，本文提出一種基于卡爾曼-壓縮感知理論的時空圖像融合算法。該算

4、法假設(shè)空間與時間上的融合模式是不相關(guān)的，并以此思想將狀態(tài)空間分離為空間狀態(tài)空間和時間狀態(tài)空間。所提出的融合模型使用Tanimoto距離來度量不同子空間之間的相似度。該算法基于上述的相似度系數(shù)在狀態(tài)空間進(jìn)行加權(quán)融合?；谡鎸嵍嗄D像序列的融合實驗表明：所提出的動態(tài)融合算法可以克服傳統(tǒng)小波算法存在的時空自適應(yīng)性等問題，并改善圖像序列的動態(tài)融合性能。
　　4.基于上述工作，本文針對所采集的空間非合作目標(biāo)圖像進(jìn)行圖像復(fù)原算法研究。該算法通