气动光学图像仿真与处理关键技术研究

气动光学效应发生于导弹在大气层中高超声速飞行的过程中,导弹头部的光学头罩与大气发生剧烈的摩擦,对目标图像产生图像传输干扰和热辐射干扰,产生图像模糊、抖动和偏移,对比度降低等气动光学退化效应.对高速导弹退化图像的仿真分为两部分:第一部分是对由高速气流引起的图像的模糊和抖动的仿真.第二部分是对由高速热流产生的图像对比度降低的气动热辐射退化的仿真.对第一部分气动退化图像的仿真,采用根据实际弹道参数(飞行高度,飞行速度,头罩半锥角,攻角)和几种不同流场条件下气动光传输模型模型相结合的方法.根据流场的速度,状态,将高速流场分为湍流场和层流场.根据气动参数和湍流流场光传输模型确定点扩展函数的大小,方差等参数.根据气动参数和层流流场光传输模型确定点扩展函数中心位置的抖动和偏移.实验表明,根据这种方法仿真的气动光学退化图像符合实际情况下不同飞行弹道参数图像的气动退化变化规律和退化程度,与直接数值模拟方法(Direct Numerical Simulations),大涡模拟方法(LarRe Eddy Simulation)等方法相比,适用范围更广,计算量大大降低,并且可以实现实时仿真序列气动退化图像.对第二部分气动热辐射退化图像的仿真,采用对热效应产生的各个过程进行分别仿真建模的方法.首先,对由于高速飞行,头罩与空气摩擦产生的温度场进行建模.利用飞行参数,如飞行高度,飞行马赫数,攻角和高速可压流体模型,计算出头罩表面温度场变化.再根据头罩的材质,厚度和热传导模型计算出头罩平均温度场.根据头罩平均温度场分布,发射率,探测器系统距离,通过普朗克公式得到温度场的辐射功率.最后,根据探测器的物理参数,可以将辐射功率转化为等效信号电压值,得到数字图像的气动热辐射退化灰度值和退化图像.对气动退化图像的处理,采用退化复原算法与实际弹道参数(飞行高度,飞行速度)相结合的方法.与以往的图像复原算法不同,采用的气动退化图像的复原算法利用了先验条件参数,如导弹的飞行高度,飞行马赫数.实验表明,利用这些条件参数,可以更有效、更准确地复原退化图像.结合实际气动弹道参数,实现了最大后验概率算法(MAP算法),总变分算法(TV算法),最大似然算法(ML算法)和相邻帧算法等算法,对气动退化图像进行复原,得到了较为准确和稳定的处理结果.与传统的复原算法相比,程序运行步骤数目减少,算法的处理速度大大提高,复原的准确性也得到了增强,并且可实现序列退化图像实时复原处理.     

水下数字图像盲复原算法研究

图像复原的目的是从观测到的退化图像重建原始图像,它是图像处理、模式识别、机器视觉等的基础。盲复原作为其中一个重要分支,其主要思想是在点扩展函数未知的情况下,力求获得最佳的清晰效果。由于水下图像退化模型中点扩展函数一般为高斯模型,故针对此提出误差一参数估计法,根据图像退化过程,给出频率域的误差形式,并选定参数的变化范围,再利用复原算法做出误差参数曲线,由此估计出点扩展函数的参数值,最后利用经典的复原算法,如维纳滤波对退化图像进行复原。实验证明该方法获得了比较清楚的复原效果。     

基于预处理的气动退化图像边缘定位

为了便于解决气动退化图像因图像模糊退化不易进行复原处理的问题,提出了一种气动退化红外图像的边缘定位算法。首先对退化图像进行基于像素疑似度的去噪预处理;然后使用Canny算子进行了边缘定位,进而对边缘区域进行了边缘修复和滤波处理。通过对多组气动退化图像的仿真实验及与多种边缘检测算法的对比分析表明,算法具有较好的边缘定位能力,较好地去除了气动退化图像模糊的问题,图像质量得以恢复,同时算法复杂度较低。     

基于飞行参数约束的湍流退化图像快速复原算法

为了克服盲目去卷积求解点扩展函数中由于点扩展函数大小的不确定性引起的复原图像的模糊和振铃现象,提出了一种基于飞行参数估计点扩展函数大小的湍流退化图像快速复原算法.利用飞行参数中飞行马赫数、高度、攻角等已知的先验条件来估计,最扩展函数大小,并建立了一个点扩展函数大小与飞行参数的函数表达式,解决了点扩展函数估计的盲目性,减少了估计时间,提高了退化图像复原校正的质量与速度.仿真试验结果表明:该方法对提高图像复原的速度与质量有明显效果.     

长曝光大气湍流退化图像点扩散函数估计

大气湍流能明显降低光学系统的成像质量,距离目标越远,曝光时间越长,受大气扰动越严重,图像越模糊。利用大气湍流退化点扩散函数可以对模糊图像进行复原,但实际自然条件下的点扩散函数往往难以准确获得。结合课题研究背景,针对长曝光大气湍流退化图像复原提出了近似等腰三角形模型,通过该模型能得到准确的大气湍流点扩散函数,并采用维纳滤波获得清晰复原图像。实验表明该方法能够对大视场、远距离条件下获得的长曝光大气湍流退化自然图像估计出准确的点扩散函数,复原图像拥有较好的视觉效果,通过计算灰度平均梯度值和拉普拉斯梯度模两个客观评价标准,进一步证实了该算法的有效性。     

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。     

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。     

离焦模糊数字图像的Wiener滤波频域复原

离焦模糊图像的退化模型可用均匀分布的圆盘函数表示 ,其对应的圆盘半径是需辨识的退化模型参数 (即模糊半径 )。利用模糊图像的频率域中的零点位置来估计模糊半径 ,采用简化Wiener滤波对模糊图像进行复原。实验结果表明该方法能够以较少的运算时间代价获取较好的复原效果 ,适用于信噪比高的离焦模糊图像的快速复原     

基于高斯型点扩展函数的红外图像热源复原

为了复原红外图像的热源,采用高斯点扩展函数的方法来增强热源的清晰度和对比度。首先,确定热源图像的高斯点扩展函数,建立其退化模型;然后,采用维纳滤波的方法复原红外图像中的热源,对复原图像通过YIQ变换来复原其温度场彩色信息;最后,通过边缘锐度和标准差评价分析热源复原的质量,并与盲复原算法对比。结果表明,边缘锐度边缘锐度和标准差分别提高了0.502%和0.124%。基于高斯型点扩展函数的方法对红外图像的热源复原具有明显的效果。     

采用冗余提升的不可分离小波变换的点扩散函数估计

针对点扩散函数估计(Point Spread Function,PSF)不准确导致在气动退化图像盲复原处理后易造成振铃效应的问题,提出了一种改进的PSF估计方法,并将之应用于气动退化图像的复原处理中。具体做法是:构建平移不变的非下采样小波变换(NSWT),从而使之更易于处理图像奇异信息;基于小波变换模极大值和点扩散函数方差之间的关系,提出基于冗余提升NSWT的PSF估计方法;最后,将之应用于气动退化图像的盲复原中进行仿真验证。实验结果表明,使用改进后的PSF估计方法复原后的图像振铃效应等伪像程度显著减轻,图像质量明显改善,从而验证了构建的平移不变NSWT及改进PSF估计方法的有效性。     

基于刃边法的红外图像目标信息复原

红外图像在成像过程中,由于成像系统本身的因素以及电子噪声、热噪声等,会造成图像质量下降,对红外目标信息的识别造成影响。针对以上问题,本文提出了一种基于刃边法的图像信息复原方案。首先建立红外系统的复原模型,采用刃边法来计算系统的复原参数;接着使用Prewitt锐化算子检测刃边,再利用三次样条插值以及Savitzky-Golay滤波优化边缘扩散函数,得到系统的点扩散函数;最后采用维纳与盲卷积复原算法对红外图像进行处理,比较两种方法的热噪声特性,并通过边缘锐度与标准差来量化复原效果。实验结果表明:维纳滤波相比于盲卷积在复原效果上的提升更为明显,约为1倍,且热燥声改善也优于盲卷积,复原方案切实可行。     

基于改进脊波变换的红外视频图像高质量复原

为了实现红外视频降质图像高质量复原,采用一种基于改进脊波变换的图像复原算法来进行处理。该算法首先对降质图像进行改进脊波变换,然后提出一种具有加权改进自适应伪中值滤波算法对脊波系数进行处理,最后针对滤波后图像中时常出现的"环绕"现象,引入自适应Wiener滤波算法来抑制。进行了理论分析和实验验证,取得了相关模拟降质图像、真实降质图像以及峰值信噪比的测试数据。结果表明,该算法性能优于伪中值滤波以及两类脊波变换去噪算法。这对于实现红外视频降质图像复原研究是有帮助的。     

红外视频帧运动模糊复原技术研究

当前红外空域监测探测系统常用视频的形式存储和传输图像信号,但是视频图像在形成、传输和记录过程中,易受运动模糊和噪声的污染,为了使该系统适用于当前空域形势,提出基于该系统的视频运动模糊复原算法。首先构建基于视频流运动模糊复原模型,综合序列图像各帧之间的互信息,估计有效的点扩散函数,然后描述运动模糊复原流程,提出相应算法,构建各功能模块。操作中视频以降频采样的方式减少计算复杂度,提高图像质量,获取较高复原效果。最后,通过引入主、客观两套评价体系对使用的算法以及其他经典算法作对照,评估复原结果。实验结果表明:复原视频各帧的峰值信噪比达到37,均方误差在9以下,均优于对照算法。基本满足监测系统发现目标,监测空域的要求。     

交替使用小波去噪和全变差正则化的盲图像恢复算法

盲图像恢复就是在点扩散函数未知情况下从降质观测图像恢复出原图像.该文提出了一种交替使用小波去噪和全变差正则化的盲图像恢复算法.观测模型首先被分解成两个相互关联的子模型,这种分解转化盲恢复问题成为图像去噪和图像恢复两个问题,可以交替采用图像去噪和图像恢复算法求解.模糊辨识阶段,使用全变差正则化算法估计点扩散函数;图像恢复阶段,使用小波去噪和全变差正则化相结合的算法恢复图像.实验结果和与其它方法的比较表明该文算法能够获得更好的恢复效果.     

基于生成对抗网络的单帧红外图像超分辨算法

高分辨率红外图像的获取受到了硬件性能的限制,利用信号处理的方法实现红外图像的超分辨率重建可以有效地提高红外图像的分辨率.将基于深度学习的超分辨方法应用于红外图像,实现了单帧红外图像的超分辨率重建,获得了更好的评价结果.通过引入对抗训练的思想,以及添加基于判别网络的损失函数分量,提高了放大倍数的同时,获得更好的高频细节恢复,图像边缘锐化,避免了超分辨率红外图像过于模糊.     

基于主客观联合评价判据的红外超分辨率重建方法

在红外超分辨率成像应用中,提高主观视觉效果有着很现实的需求.当前基于深度学习的图像超分辨率重建方法大多以客观评价指标为损失函数进行训练和优化,主观评价方法因量化困难而难以应用,为此本文着重研究了主观评价和各种可量化的客观评价指标的相关性,发现相位一致性特征与主观评价结果关联度高.据此设计了基于主客观联合评价的损失函数,应用于红外图像超分辨率重建算法,实验表明,在保持客观质量评价的同时,更好地提高了图像的主观视觉效果.     

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。     

一种改进的总变分正则化图像盲复原方法

传统的图像复原算法多数采用最小均方误差作为图像复原效果的评价标准,很少考虑人的视觉感受。本文在总变分盲复原算法的基础上结合Weber定律和正则化方法,运用不同的迭代表达式：在模糊辨识阶段,采用总变分正则化算法进行辨识;在图像复原阶段,采用Weber定律和正则化方法相结合。正则化的选择充分考虑图像的细节保持和边缘增强。实验结果采用基于人眼视觉感受的图像评价标准来验证。实验证明该算法在未知点扩散函数的情况下不但能有效的抑制噪声和消除纹波现象,而且还能有较好的视觉效果。