航天湍流退化图像的极大似然估计规整化复原算法

为了从有噪的湍流退化图像中有效地恢复出目标图像，提出了一种基于极大似然估计准则的规整化复原算法．根据图像随机场模型建立了有关多帧图像数据的对数似然函数，同时为了平滑噪声和保护图像边缘以及避免无价值的解，将一些合理的惩罚项和辅助平滑项融合到该对数似然函数中．推导出了湍流点扩展函数和目标图像的交替迭代求解公式，通过迭代方式可将点扩展函数和目标图像同时估计出来，给出了算法的并行处理方案．在微机上对强噪声条件下的湍流退化图像进行了恢复实验，实验结果表明本算法具有较强的抗噪能力和实用价值．     

基于各向异性规整化的总变分盲复原算法研究

针对大气湍流退化图像复原问题，提出了一种基于各向异性和非线性规整化的总变分盲复原新算法，该算法主要结合图像和湍流点扩展函数的一些性质采用基于各向异性的空间自适应规整化处理，建立了具有非线性和空间各向异性的规整化函数，使其在恢复目标图像和估计点扩展函数时能自适应地进行梯度平滑。最后，通过交替最小化方案来极小化代价函数和通过定点迭代策略将非线性方程进行线性化处理，快速地估计点扩展函数和恢复图像。在微机上对数字模拟和实际退化图像进行了一系列恢复实验，验证了算法的有效性和稳健性。     

基于低秩稀疏分解的湍流退化图像序列的盲去卷积算法

针对湍流退化图像序列存在像偏移、像抖动和像 模糊的问题,提出一种基于低秩稀疏分解和多帧去 卷积的图像复原算法。首先分析大气湍流下图像序列的退化特征,然后在低秩稀疏分解的思 想下,采用非增广拉格朗日乘子(IALM)法优化由低秩 矩阵的核范数和稀疏 矩阵的Frobenius范数之和构成的目标函数,将湍流退化序列分解为低秩稳像和稀疏湍流两 部分;最后利用 多帧去卷积算法复原对齐的稳像。实验结果表明,本文算法能够有效校 正湍流像素偏移,在提高复原质量和速度方面取得了明显的效果。     

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.     

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.     

复杂背景红外湍流退化图像复原算法研究

针对大气湍流复杂背景红外退化图像的复原问题,构造了各向异性权重差分项,在此基础上将基于二阶差分的2范数极小作为空间相关性约束应用在复杂背景湍流退化图像相邻两帧点扩展函数的优化求解过程中,提出了针对复杂背景的湍流退化图像复原算法。在微机上进行了一系列复原和方法对比实验,实验结果表明本文方法有效,效果较好。     

非凸性优化与动态自适应滤波的湍流退化视频复原

针对目标探测器在大气中高速飞行时受湍流干扰,导致光学系统接收到的视频/图像产生像素偏移、模糊、信噪比降低等问题,本文对湍流退化视频/图像复原的复杂性及复原方法进行了研究,提出了一种基于非凸势函数优化与动态自适应滤波的湍流退化视频复原方法。首先,研究了湍流退化视频的求和与去模糊框架,并通过利用非刚性配准方法对刚性全局配准方法进行改进,进一步缩小了模糊核的尺度;然后,在计算机视觉的非凸优化框架下,构建了图像解卷积的非凸性算法,有效地解决了图像解卷积难题;最后,结合湍流退化视频自身特点,对超分辨率视频复原的动态自适应滤波框架进行了扩展与改进,使其适用于湍流退化视频的复原。仿真实验结果表明,本文方法的复原效果不仅有较大提升,而且实现了对湍流退化视频序列的动态自适应复原。     

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。     

基于支持向量机的湍流退化图像加速复原算法

由于湍流图像的退化原因十分复杂,现有图像复原算法很难在复原效率和复原质量间达到很好的平衡,为此提出了一种基于支持向量机的湍流退化图像加速复原算法.该算法通过设置方差阈值进行样本选择,舍弃了冗余信息、提高了样本质量;同时,对序列图像进行实时模型更新,加快了序列图像的复原速度.针对电弧风洞图像,将加速复原算法和原算法进行了比较.实验结果表明,加速算法的复原速度更快、复原效果也更好,它可以有效地解决湍流退化给图像带来的噪声和能量衰减问题,并能很好地校正湍流效应引起的模糊和抖动现象.     

基于小波分解的湍流退化图像的快速复原算法

提出了一种基于小波分解的湍流退化图像的复原新方法．该方法以2帧同一目标的湍流退化图像作为输入，采用小波变换技术对两帧湍流退化图像进行多尺度分解．利用两个低频子频段图像的傅立叶频谱估计出两湍流点扩展函数在大尺度下的离散值，在图像的低频子频段进行去模糊，而在高频子频段则主要进行抑制噪声和保边缘特征．实验结果表明该方法十分有效，不但可以极大地减少计算复杂性，加快恢复速度，而且还可以很好地提高图像的恢复质量和抗噪能力。     

气动光学效应红外序列退化图像优化复原算法

从时间序列退化图像中依次连续取两帧图像来估计湍流瞬态点扩展函数,将约束优化原理应用在气动光学效应退化图像的复原过程中。针对气动光学效应湍流点扩展函数复杂多峰、随机多变等特性,在点扩展函数的估计过程中,采用保凸峰等优化策略,将点扩展函数离散值的计算转化为基于松弛迭代的最优化估计,通过极小化准则函数估计点扩展函数值,进而恢复退化图像。实验结果表明,本文方法复原效果好,速度较快。     

基于加速正则化RL算法的大气湍流退化图像盲复原方法

提出了一种基于加速正则化Richardson-Lucy（RL）算法的大气湍流退化图像盲复原方法（AccRLTV-IBD）。在总变分（TV）正则化RL算法的基础上,引入二阶矢量外推加速技术对其进行加速,形成加速正则化RL（AccRLTV）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（OTF）的物理模型或根据图像来获取初始的点扩散函数（PSF）,在灰度平均梯度（gray Mean Grads, GMG）的基础上定义了一个相对灰度平均梯度（relative Gray Mean Grads, RGMG）参数作为无参考图像复原质量的评价标准。模拟图像和实际湍流退化图像复原结果表明,基于RL的IBD算法要优于基于Wiener滤波的IBD算法,并且与RL-IBD算法相比,AccRLTV-IBD收敛速度更快,复原效果更好。     

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Huber正则化二阶加速Richardson-Lucy湍流图像复原算法

为了快速准确地恢复湍流退化图像,提出了Huber正则化Richardson-Lucy(R-L)加速迭代盲反卷积(IBD)算法。根据图像滤波处理结果,采用Huber函数自适应地选择一阶范数和二阶范数正则化约束,增加算法收敛速度同时提高图像细节和边界复原质量。引入基于泰勒级数的二阶矢量外推加速方法,进一步增加迭代的收敛速度。实验结果表明,采用提议的算法需要的迭代次数较少,适用于实时性要求较高的场合,复原图像的主客观质量均有所提高。     

基于点扩散函数支持域扩展的多帧未匹配退化图像盲解卷积复原

多帧盲解卷积算法利用多帧退化图像进行复原可以获得清晰原始图像和点扩散函数的信息,受到了很多研究者的关注。目前大部分多帧盲解卷积算法都需要对多帧退化图像进行匹配预处理,以消除图像间平移引入的算法求解误差。本文利用频率内的多帧盲解卷积算法对未匹配的退化图像进行处理,不需要进行预匹配处理,只需要对点扩散函数的支持域进行扩展就可以复原获取清晰化的图像。利用傅里叶变换的性质对该方法的可行性进行了说明。同时对该方法进行了数字仿真实验,复原结果中的点扩散函数发生了相对移动消除了图像间未匹配的影响,证实了本文方法的有效性。     

湍流退化图像相位恢复算法研究

为克服气动光学效应对目标图像的影响．把相位恢复算法与气动光学效应机理研究结合起来,用于湍流退化图像的恢复。该算法是通过目标图像的傅里叶变换幅值来恢复目标图像,或等价地,恢复傅里叶变换相位。讨论了两类相位复原算法——迭代傅里叶变换（研）和解相关算法。对现有的解相关算法作了改进。采用共轭梯度法解高斯一牛顿方程,可有效提高算法的收敛速度。研算法不能保证迭代过程总能收敛到正确解,有时会出现停滞现象。将研和解相关算法组合起来,可以克服IFT算法的停滞现象,提高正确收敛率。给出了在信噪比为20dB情况下的湍流退化仿真图像恢复的实例,目标图像能较清晰地恢复出来。实验结果表明该算法具有较好的稳定性和抗噪声能力。     

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。     

A super-resolution reconstruction algorithm for hyperspectral images

The spatial resolution of a hyperspectral image is often coarse because of the limitations of the imaging hardware. Super-resolution reconstruction (SRR) is a promising signal post-processing technique for hyperspectral image resolution enhancement. This paper proposes a maximum a posteriori (MAP) based multi-frame super-resolution algorithm for hyperspectral images. Principal component analysis (PCA) is utilized in both parts of the proposed algorithm: motion estimation and image reconstruction. A simultaneous motion estimation method with the first few principal components, which contain most of the information of a hyperspectral image, is proposed to reduce computational load and improve motion field accuracy. In the image reconstruction part, different image resolution enhancement techniques are applied to different groups of components, to reduce computational load and simultaneously remove noise. The proposed algorithm is tested on both synthetic images and real image sequences. The experimental results and comparative analyses verify the effectiveness of this algorithm.     

基于置信度的飞行时间点云去噪方法

飞行时间（Time-of-Flight,ToF）三维成像方法由于多路径干扰和混合像素等问题降低了目标物体深度测量的精度。传统的方法通过优化重构异常点云数据或滤除噪声点云数据来提高目标的准确性,但是这些方法复杂度高且容易导致过度平滑。三维点云图像中的有效点云与噪声点云之间的关系很难用数学模型来表示。针对上述问题,本文提出了一种基于置信度的飞行时间点云去噪方法。首先,分析多帧点云数据的概率相关性,以点云数据的置信度作为判别有效点云与噪声点云的依据;其次,利用多帧点云之间的矢量对偶性,提出了一种快速提取不同置信度点云的算法,其时间复杂度为O(L);最后使用该算法提取多帧三维图像中置信度高的点云数据获得目标物体的真实测量数据,并重点对4组不同场景的点云数据进行对比实验。实验结果表明,该算法能够在有效滤除噪声的同时,显著提高目标物体的距离测量精度,增强目标物体的特征,因此具有广泛的应用价值。     

Multi-frame super-resolution reconstruction based on mixed Poisson–Gaussian noise

In this paper, a non-blind multi-frame super-resolution (SR) model based on mixed Poisson–Gaussian noise (MPGSR) is proposed. Poisson noise arises from the stochastic nature of the photon-counting process. Readout noise and reset noise inherent to the readout circuitry can be modeled by an additive Gaussian noise. Therefore, a mixed Poisson–Gaussian noise model is more appropriate for real imaging system. Instead of deriving the data fidelity term from the perspective of error norms and the corresponding influence functions, we address the multi-frame SR problem based on a statistical noise model. The derived objective function is decomposed into sub-functions and solved by the alternating direction method of multipliers (ADMM) algorithm which allows using techniques of constrained optimization. The validation of the proposed MPGSR was performed quantitatively and qualitatively on natural and X-ray images. In comparison to the optimization-based and learning-based state-of-the-art methods, we have demonstrated the feasibility of MPGSR and the significance of applying a more appropriate noise model on the SR image reconstruction.