大氣湍流退化圖像的復(fù)原研究.pdf

1、目標(biāo)反射光在湍流的大氣中傳播，傳播過程中受到隨機(jī)的干擾，其折射率隨時間和空間變化而隨機(jī)變化，光的傳播方向和相位發(fā)生抖動，這使成像焦平面產(chǎn)生像點強(qiáng)度隨機(jī)起伏，強(qiáng)度分布擴(kuò)散、峰值降低、圖像模糊和位置偏移等效應(yīng)，給目標(biāo)識別帶來了很大的困難。由于湍流是隨機(jī)變化的，因此，其退化模型也是隨機(jī)變化的，難以用數(shù)學(xué)解析式表達(dá)。大氣湍流退化圖像的復(fù)原是一個非常困難的課題，極具挑戰(zhàn)性。本文針對大氣湍流退化圖像的復(fù)原問題開展了研究，主要涉及湍流退化圖像復(fù)原算法

2、研究，主要工作包括：
　　 (1)退化圖像復(fù)原技術(shù)概述。介紹了圖像退化的過程，經(jīng)典的圖像復(fù)原算法和目前常見的一些盲目圖像復(fù)原方法以及大氣湍流退化圖像復(fù)原技術(shù)的國內(nèi)外研究概況與進(jìn)展。
　　 (2)改進(jìn)了迭代盲目反卷積復(fù)原算法。利用大氣湍流的調(diào)制傳遞函數(shù)，將其轉(zhuǎn)換成點擴(kuò)散函數(shù)，作為盲復(fù)原的點擴(kuò)散函數(shù)初始值，使點擴(kuò)散函數(shù)初始值在準(zhǔn)確值附近徘徊，將其應(yīng)用到雙迭代算法中。實驗證明該方法能夠有效地提高大氣湍流退化圖像的復(fù)原算法時效性

3、。
　　 (3)改進(jìn)了不對稱迭代盲目反卷積復(fù)原算法。介紹了Biggs和Andrews提出的基于不對稱IBD算法的改進(jìn)的R-L迭代，它包含了PSF支持域的估計和刪減，目標(biāo)圖像和點擴(kuò)散函數(shù)PSF的各自更新。并在此基礎(chǔ)上，對此算法進(jìn)行改進(jìn)，利用辨識出的點擴(kuò)散函數(shù)PSF公式估算出大氣湍流退化圖像中的點擴(kuò)散函數(shù)初始值，使初始值在準(zhǔn)確值附近徘徊，代入大氣湍流退化圖像的不對稱盲目反卷積復(fù)原算法中，得到復(fù)原圖像。大量實驗證明該方法能夠不僅顯著改