基于自适应总变分法的AO图像复原算法研究

为了提高自适应光学(AO)图像的质量,研究了一种基于波前重构和自适应总变分(TV)的AO图像复原方法。首先,基于Zernike多项式进行波前重构,对点扩散函数(PSF)进行初始估计。然后,提出了基于自适应总变分法的AO图像复原的迭代求解,解决了联合去卷积问题。最后,通过图像复原实验验证本文算法的恢复效果。实验结果表明:与RL-IBD算法和FS-MLJD算法相比,本文算法的NMSE值分别降低了18.6%、10.7%,算法的PSNR值分别提高了4.47%、0.987%,算法的运算时间分别降低了1.99%、13.66%。     

基于三维高斯模型的参数盲解卷积算法

提出了一种新的基于三维高斯点扩展函数（PSF）模型的参数盲解卷积（PBD）算法，并将此算法用于显微光学切片的图像复原。由于PBD算法需要在估计样本函数的同时估计PSF的参数，一般采用的PSF的模型较为复杂，计算量大，收敛慢；而基于三维高斯PSF模型的算法只需要估计2个参数，因此计算量大大降低了。经过实验验证，该算法能够较好地复原光学切片的图像，并且估计出PSF的参数。     

基于PSF重构和改进的最大后验估计的自适应光学图像复原算法

自适应光学(AO)系统为大气湍流提供实时补偿,但AO图像的对比度通常很差,这会导致图像质量下降。本文提出了一种基于点扩散函数(PSF)重构和改进的最大后验概率(MAP)估计的自适应光学图像恢复方法。首先,结合观测条件和AO系统的特点,建立基于波前相位信息的PSF重构模型;其次,基于本文提出的算法,建立了AO图像的迭代求解公式,实现多帧AO图像联合去卷积过程。为了验证本文算法的有效性,对仿真的退化AO图像进行了一系列复原实验。实验结果表明,以"Man"图像为例,与Wiener-IBD、RL-IBD及FS-MLJD算法相比,该算法的峰值信噪比(PSNR)测度分别提高了6.83%,4.47%和2.28%,拉普拉斯梯度模(LS)值分别提高了22.2%,17.9%和12.1%。本文的研究结果对实际的AO图像恢复具有一定的应用价值。     

空间变化离焦模糊红外图像快速复原算法

为了提升空间变化离焦模糊红外图像的图像质量,提出了一种基于图像质量评价的快速复原算法。本文提出的方法首先对模糊图像采用不同点扩散函数对应的截断约束最小二乘法算法进行复原而获得多幅复原图像,并对复原图像进行去振铃;然后对复原图像中每个像素为中心的区域进行图像质量评价,将采用不同参数复原的图像以图像质量评价的结果进行组合以获得最终的复原图像。由于无需对模糊图像点扩散函数估计,且采用了空间域运算的截断约束最小二乘法算法进行图像复原,实验结果表明,本文提出的算法能够对空间变化离焦模糊红外图像进行快速复原,算法运行速度较基于点扩散函数估计的方法大幅提升。     

基于波前相位单纯形样条函数建模的空间目标波前解卷积方法

针对空间目标地基自适应光学望远镜成像过程中同时记录目标图像及波前传感器数据的情形,提出了一种利用波前测量数据的空间目标自适应光学图像复原方法。该方法将大气降质波前表示为望远镜孔径内的二元单纯形样条函数,而非传统的Zernike模式的线性组合,基于该区域表示,为哈特曼-夏克波前传感器建立了平均斜率测量模型,进而非适定的波前重构问题转化为良态等式约束最小二乘问题,最终的目标图像即可通过非盲解卷积方法获得。仿真实验验证了提出的方法在不同的湍流强度下均能表现出良好的复原效果,对测量噪声亦不敏感。     

基于全变分和颜色平衡的水下图像复原

针对水下图像存在的雾化、模糊和颜色失真问题，提出一种基于全变分和颜色平衡的水下图像复原方法。以完整水下光学成像模型为基础，分别结合四叉树细分法与光在水中传播特性估计背景光，利用水下中值暗通道先验估计透射率，并采用共轭梯度和迭代最小二乘法估计模糊核。为提高计算效率，引入交替方向乘子法对变分能量方程进行逆求解得到去雾、去模糊的图像。在此基础上，在YCbCr空间采用颜色平衡算法对颜色通道进行补偿以校正色彩失真。与6种流行的水下图像增强和复原方法进行比较，实验结果表明，所提方法可以有效地去除雾化和模糊、校正色偏、恢复出清晰、色彩真实的水下图像。     

基于循环迭代的多帧湍流退化图像复原算法

采用频域多帧循环迭代解卷积算法(CIBD),针对提高复原图像的准确性和快速性两个方面进行研究。以退化序列中任意帧作为起始帧,逐次增加迭代帧,确保更多的观测帧参与循环迭代解卷积以增加复原的准确性;通过图像间的相关矩阵估计初始点扩展函数(PSF),采用尺度梯度投影法,自适应迭代步长,增加迭代终止条件等措施提高算法的收敛速度。实验结果表明,采用提议的算法能够有效地重建不同大气湍流条件下的远距离观测图像,性能优于传统多帧盲反卷积(MBD)迭代算法。     

高速飞行条件下长曝光图像复原方法北大核心CSCD

在大气层、临界层中高速飞行的飞行器其周边的光学成像环境复杂,准确求解点扩散函数并抑制噪声是图像复原的两个重点。针对目前复原算法存在抗噪性能差、先验信息利用不足等问题,本文提出高速飞行条件下长曝光图像的图像复原方法。首先构造多尺度多方向形态学滤波器对图像进行去噪预处理;引入小波变换将小波的多分辨率特征与图像复原相结合,进一步抑制残留噪声并加快运算速度;采用结合最大类间方差法的Radon变换计算运动模糊点扩散函数;最后构造多直线拟合模型,提出基于图像梯度的对称频谱估计,自适应重建清晰图像频谱。实验表明,本文算法可使用单幅长曝光图像完成有效去噪和去模糊,满足实时复原场景,PSNR和SSIM评价指标数值有效提升。     

任意方向匀速直线运动模糊的点扩展函数估计

在运动图像复原中,建立图像退化模型的关键是找到准确的点扩展函数(PSF)。提出了一种基于单幅图像的、改进的任意方向匀速直线运动模糊PSF的估计方法。利用基于图像频谱亮线灰度特征的方向鉴别方法鉴别模糊图像的模糊方向,利用微分自相关的方法对模糊图像的模糊尺寸进行计算,通过计算模糊图像沿二维直线运动方向不同距离的重叠度,来计算得到相应的PSF。通过开展仿真分析和成像实验,演示了PSF估计和图像复原过程。通过采用图像质量评价函数,将图像复原结果与现有算法进行对比,验证了所提出方法的有效性。     

基于加速阻尼Richardson-Lucy算法的湍流退化图像盲复原方法

提出了一种基于加速阻尼Richardson-Lucy(ADRL)算法的湍流退化图像盲复原方法,称为ADRL-IBD方法。在阻尼Richardson-Lucy算法的基础上,引入二阶矢量外推加速技术对其进行加速,形成ADRL算法,并将该算法应用到迭代盲目反卷积(IBD)算法中。使用长曝光大气湍流光学传递函数的物理模型或根据观测图像来获取初始的点扩展函数(PSF),利用阈值分割技术获取图像目标的可靠支持域,在每一次迭代中,对图像施加支持域约束。模拟图像和实际湍流退化图像复原结果表明,基于Richardson-Lucy算法的IBD算法要优于基于Wiener滤波的IBD算法,并且ADRL-IBD算法具有较强的抗噪性,与RL-IBD算法相比,收敛速度更快,复原结果更好。     

基于微机械薄膜变形镜的闭环实时模式复原

为了求解基于微机械薄膜变形镜自适应光学系统的最优模式控制电压,以使系统的入射畸变波前像差降到最小,采用了一种基于改进的奇异值分解闭环实时模式复原算法,可通过调整控制参量g1,gθ和W来优化波前复原的复原精度和收敛速度;采用一人眼出射畸变波前像差作为自适应光学系统的原始波前,与现有的几种实时模式复原算法相对比,其在收敛速度和复原精度上都有所改善。结果表明,基于改进的奇异值分解闭环实时模式复原算法,在一定程度上解决了微机械薄膜变形镜由于薄膜面型宽交连值、驱动电极单调但非线性的控制电压求解问题,算法可调整空间大、适用范围也较广。     

基于微机械连续膜变形镜的闭环实时模式复原

提出了一种基于奇异值分解的波前闭环实时模式复原算法。针对微机械薄膜变形镜（MMDM）控制电极之间交连值大、高阶模式像差校正能力低等不利因素，对闭环实时模式复原算法增加模式复原控制参数g1和g2，分别优化基于变形镜波前模式复原的收敛速度和复原精度，并且通过对变形镜影响函数进行统计分析，针对微机械薄膜变形镜的波前复原校正能力剔除了其中难以校正的模式组合，从而提高了波前复原校正的稳定性和准确度，该方法在自适应光学应用及研究领域具有一定价值。     

一种基于Shack-Hartmann传感器的自适应波前重建算法

波前重建是自适应光学系统中的一个重要环节,对系统性能影响明显。研究了一种无参考输入光条件下,基于Shack-Hartmann波前传感器的自适应波前重建算法,能根据实际光斑图的特点,自动确定探测窗口、计算实际质心、参考质心、选择重建区域和获取入射波前的Zernike模式系数,讨论了参考质心选择对波前重建结果的影响。搭建自适应光学系统,通过测量和校正模拟大气像差对重建算法进行了验证。实验结果表明,基于该重建算法的自适应光学系统可以把大气扰动引起的波前像差校正到0.1 λ以下,获得接近衍射极限的成像质量,说明该重建算法具有可靠性与实用性。     

基于归一化互相关因子的波前测量研究

为实现对光束近场强度分布不均匀或低信噪比场景中的高精度波前测量,分析了低信噪比情况下,在基于夏克-哈特曼波前传感器的自适应光学系统中,分别使用基于归一化互相关因子的相关算法与目前常用的自适应阈值灰度质心法时,信噪比对质心探测精度及后续波前复原精度的影响。通过数值仿真与实验对比,证明了基于归一化互相关因子的相关算法在不同光强条件下的波前测量结果一致性与准确性都高于自适应阈值的灰度质心法,其可为自适应光学系统在像差探测能力上提供更高的准确性与鲁棒性。针对基于归一化互相关因子的相关算法计算量较大,软件计算实时性较差,难以满足工程实用需要的问题,提出了一种基于算法实现优化与多级并行计算的加速方法,对448单元子孔径的夏克-哈特曼波前传感器可实现每秒上千赫兹的计算速度,可满足大部分自适应光学系统波前探测实时性的工程需要。     

基于先验信息和正则化技术的图像复原算法的研究

在湍流退化图像复原研究中,为了消除大气湍流的影响,提出了一种基于先验信息和正则化技术的盲解卷积图像复原算法.该算法是以极大似然估计为基本原理,将目标图像和点扩展函数的先验信息以惩罚项的形式引入到极大似然函数中,同时利用正则化技术优化目标图像和点扩展函数的估计过程,以增加极大似然估计算法的收敛性和稳定性.通过退化图像的复原实验结果表明,该算法在退化模型完全未知的情况下,可以有效的实现对湍流退化图像的盲复原.     

Efficient generalized cross-validation with applications toparametric image restoration and resolution enhancement

In many image restoration/resolution enhancement applications, the blurring process, i.e., point spread function (PSF) of the imaging system, is not known or is known only to within a set of parameters. We estimate these PSF parameters for this ill-posed class of inverse problem from raw data, along with the regularization parameters required to stabilize the solution, using the generalized cross-validation method (GCV). We propose efficient approximation techniques based on the Lanczos algorithm and Gauss quadrature theory, reducing the computational complexity of the GCV. Data-driven PSF and regularization parameter estimation experiments with synthetic and real image sequences are presented to demonstrate the effectiveness and robustness of our method.     

远场光斑反演波前相位的深度学习方法

自适应光学系统中,波前传感器的准确性和鲁棒性极大地影响像差探测能力和闭环校正效果。在波前振幅分布不均匀或信标光能量不足的情况下,哈特曼波前传感器由于存在子孔径缺光现象会导致传感精度下降,而基于远场光斑反演波前相位的无波前传感自适应系统实时性难以满足实用需求。基于深度学习复原波前的方法是通过输入远场光强图像直接求取像差,可以作为自适应光学系统的有效补充。文中通过数值模拟,证明了深度残差神经网络能够通过远场光斑直接预测波前相位的Zernike系数。实验验证了输入与重构波前相位之间校正后残差RMS为0.08λ,GPU加速后的平均计算耗时小于2 ms。该方法能较准确地预测入射波前畸变的Zernike系数,具有一定像差校正能力,适合在传统自适应光学技术中,用于测量并校正波前畸变的主要成分,或为优化式自适应光学提供良好的初始波前估计。     

基于广义规整化的红外湍流退化图像盲复原方法

针对湍流环境下红外成像的特点，提出了一种基于广义规整化的湍流退化图像盲复原方法。该方法在合理建立红外图像退化模型的基础上，根据极大似然估计准则来设计。为了抑制噪声同时有效地引入关于图像的先验信息，对传统的规整化方法进行了扩展，提出了广义规整化的策略，将规整化分为两个各有侧重点的层次，即复原过程中噪声的抑制和含噪条件下红外图像相关特征的保持，根据有限的先验知识将复原问题的求解转化为带规整化约束的最优化估计问题，进而复原湍流退化图像。     

基于APEX方法的改进图像复原算法

在湍流退化图像复原研究中,提出了一种基于APEX方法的改进图像复原算法.该算法采用APEX方法的基本原理,结合真实湍流退化图像的频谱信息特征, 对APEX方法中点扩展函数的估计过程进行了相应的改进,采用多方向的综合估计代替原有一次性估计,从而减少了点扩展函数的估计误差,增加了APEX方法的稳定性.对改进算法和原有算法进行了对比性实验研究,其结果表明,该算法对湍流退化图像的复原较原有算法在稳定性上有一定的提高,减少了随机噪声对图像复原的影响.