图像恢复盲解卷积之文献综述

图像恢复盲解卷积之文献综述
摘要:本文对近20年图像恢复的相关算法做了综述,最后寻找一种更适合针对大气湍流造成的图像质量退化的图像进行复原的方法,在处理效果上更进一步,并且能针对多帧图像进行修复。

关键词:图像恢复盲解卷积PSF
1 课题的研究意义
由于大气湍流扰动的影响,使得探测器(如地基天文望远镜、卫星成像探测装置等)获取的图像质量退化,甚至严重影响对目标的识别和检测。

为了解决因大气湍流造成的图像退化问题,近几十年来已发展了多种技术方法,主要包括空间望远镜、自适应光学和事后处理等三种方法。

目前检索的国外资料以天文望远镜应用居多,用于解决大气扰动对成像观测的影响。

由于原理相同,图像解卷积方法同样可应用于空间对地遥感领域,以解决环境扰动或自身形变对成像观测的影响。

由于大气湍流扰动以及成像设备分辨率的限制,使得探测器获取的图像质量退化,甚至严重影响对遥感影像的识别和判读。

但是,通常人们很难获得遥感影像获取时刻成像过程的点扩散函数,并且,在当前的技术条件下,大气湍流被认为是高度随机的,很难建立一个准确的数学模型。

因此,采用盲解卷积的方法来获取高清晰的遥感影像就成为一种常用方法。

通常图像恢复方法均在PSF已知下进行,实际上它通常是
未知的。

盲解卷积算法恢复是利用原始模糊图像,同时估计PSF和清晰图像的一种图像恢复方法。

盲解卷积并不是真的“盲”,通常还需要一些额外的信息,例如一些约束条件,能量约束,非负约束等。

利用仅有的一些信息,进行最优化运算,获得目标图像。

2 盲解卷积算法
盲解卷积算法主要有两大类。

第一大类是先对点扩展函数PSF进行估计,然后再用传统的图像恢复方法对图像进行恢复。

这种方法的最大优点是计算比较简单。

第二大类是将估计与算法合并,同时获得估计的PSF和目标图像值。

该方法的应用面较之第一种方法要广,但计算比较复杂。

经搜索资料知,现有的盲解卷积算法比较多,主要有:空间域迭代盲目去卷积、利用傅里叶变换的迭代盲目去卷积、最大似然估计方法、模拟退火方法以及最小熵方法等。

其中空域或频域的迭代盲解卷积算法都需要对点扩展函数的支持域进行较紧的约束,而且收敛性不够好,当然常常也可以得到一个比较接近的解。

McCallum提出的模拟退火方法,原则上说,其具有全局收敛性,但由于该方法计算量太大,因而限制了其使用范围,其只能处理尺寸很小的盲去卷积问题。

下面具体介绍几种算法。

3 逆维纳滤波法—— IWF
逆维纳滤波法是一种比较简单的盲解卷积的方法,直接对退化的图像进行估值。

维纳滤波其目的在于让估值与原目标图像的方差值最小,即.
4 迭代盲解卷积——IBD
IBD方法利用快速傅立叶算法,第k次迭代计算公式为:
5 约束方差最优化算法
此方法将信息进行预处理,降低噪声,将预处理之后的图像信息定义为,则去卷积的模型为:
式中,w定义为去卷积滤波器。

此类算法的目的在于寻找一个w,使得估计值的方差最大。

最优化问题的观测函数表示为:
6 基于滤波器的盲解卷积算法
基于滤波器的盲解卷积算法是基于最大似然估计的盲解卷积算法的一种改进方法。

该算法运用一个线性滤波器,以消除噪声,其模型可以表示为:
因为噪声的任意性,所以上式的第二项不能被恢复,故上式可以被写为:
根据最小方差原则,下面的模型可以解决该问题:
7 结语
通过阅读文献,我们知道盲解卷积图像恢复法不仅需要考虑噪声的污染,还要考虑滤波所带来的平滑问题。

从上世纪1987年Lane从理论上阐述了利用盲反卷积复原方法从退化图像恢复出原始目标的可能性开始,到目前,盲解卷积图像复原已经取得了很大的发展。

本课题的意义在于在以前的研究成果之上,寻找一种更适合针对大气湍流造成的图像质量退化的图像进行复原的方法,在处理效果上更进一步,
并且能针对多帧图像进行修复。

参考文献
[1]陈锡明,黄硕翼,等.盲源分离综述——问题、原理和方法[J].电子信息对抗技术,2008,3(2).
[2]DalongLi,RussellM.Mersereau,Fellow,andStevenSimske,Member ,“AtmosphericTurbulence-Degraded Image Restoration Using Principal Components Analys is”IEEEGeoscience and Remote Sensing Letters,vol.4,no.3,Jul.2007.
[3]田雨,饶长辉,魏凯,等.基于帧选择和多帧降质图像盲解卷积的自适应光学图像恢复[J].天文学报,2008,10(4).。