【技术实现步骤摘要】
一种基于生成式对抗网络的自适应光学图像盲复原方法
本专利技术属于光学图像处理
，涉及一种基于生成式对抗网络的自适应光学图像盲复原方法。
技术介绍
地基自适应光学望远镜在对空间目标进行探测成像时，由于受到大气湍流等因素的影响，导致光学波前畸变，会使目标图像中的高频信息受到较大抑制和衰减，从而使观测到的目标图像严重降质模糊。地基光学望远镜对空观测时，由于大气湍流扰动等因素影响，光学系统所采集的图像一般存在严重的降质模糊。为获得更为清晰的图像，现代大型望远镜大都采用了自适应光学(AO)系统。由于采用了波前校正技术，AO系统采集的图像像质有很大程度改善，但是，AO系统的单元数和速度通常不能完全满足大气动态扰动的校正需求，存在校正残差。因此，AO图像中的目标高频信息仍然受到较大程度的抑制和衰减。这种降质模糊图像一般难以满足对空观测的需要，必须借助图像复原手段进行清晰化处理。在图像处理领域，降质成像过程一般描述为：式中，x＝(x,y)表示图像空间坐标，i(x)表示降质成像结果，o(x)表示理想清晰图...
【技术保护点】
1.一种基于生成式对抗网络的自适应光学图像盲复原方法，其特征在于，具体按照如下步骤实施：/n步骤1，制作空间目标自适应光学模糊图像与对应清晰图像的训练集；/n步骤2，构建用于训练的生成对抗网络模型；/n步骤3，将步骤1自适应光学模糊图像与对应清晰图像的训练集输入到步骤2建立的生成对抗网络模型中，得到训练好的生成网络模型；/n步骤4，将待复原的模糊图像进行尺寸归一化预处理，输入到步骤3训练好的生成网络模型中，得到复原之后的清晰图像。/n
【技术特征摘要】
1.一种基于生成式对抗网络的自适应光学图像盲复原方法，其特征在于，具体按照如下步骤实施：
步骤1，制作空间目标自适应光学模糊图像与对应清晰图像的训练集；
步骤2，构建用于训练的生成对抗网络模型；
步骤3，将步骤1自适应光学模糊图像与对应清晰图像的训练集输入到步骤2建立的生成对抗网络模型中，得到训练好的生成网络模型；
步骤4，将待复原的模糊图像进行尺寸归一化预处理，输入到步骤3训练好的生成网络模型中，得到复原之后的清晰图像。
2.根据权利要求1所述的一种基于生成式对抗网络的自适应光学图像盲复原方法，其特征在于，所述步骤1具体为：
步骤1.1，获取真实空间目标仿真3D模型数据集；
步骤1.2，对步骤1.1获取的3D模型数据集中的每个目标，在不同姿态下进行渲染，得到空间目标清晰图像数据集；
步骤1.3，对空间目标清晰图像数据集的每个清晰图像o(x)采用Zernike多项式法模拟进行大气湍流降质仿真，得到对应模糊观测图像i(x)，得到空间目标自适应光学模糊图像i(x)与对应清晰图像o(x)的训练集。
3.根据权利要求2所述的一种基于生成式对抗网络的自适应光学图像盲复原方法，其特征在于，所述模糊观测图像i(x)的计算方法为：
其中，
式中，为Zernike多项式法表示的大气湍流降质波前，ak为第k项Zernike多项式的系数，每一项称为波前模式，在单位圆域内为1/π，圆域之外为零，F是傅里叶变换，是极坐标系下的极轴。
4.根据权利要求2所述的一种基于生成式对抗网络的自适应光学图像盲复原方法，其特征在于，所述步骤2具体为：生成对抗网络模型包括生成网络GθG和判别网络DθD；
所述生成网络GθG的结构为：包含15层，第1层为输入卷积层，卷积核大小7×7，个数为64；第2-3层为步长卷积单元，卷积核大小3×3，步长为2，个数分别为128和256；第4-12层为残差卷积单元，每个残差卷积单元包含两个3×3的卷积层；第13-14层为转置卷积单元，卷积核大小3×3，步长为2，个数分别为128和64；第15层为输出卷积层，卷积核大小7×7，个数为64；除第15层输出卷积外，每个卷积层后接一个实例归一化单元和ReLU激活单元；
所述判别网络DθD的结构为：包含5层，第1-3层为卷积层，卷积核大小为4×4，步长为2，个数分别为64、128、256；第4-5层为卷积层，卷积核大小为4×4，步长为1，个数分别为分别512、1。
5.根据权利要求4所述的一种基于生成式对抗网络的自适应光学图像盲复原方法，其特征在于，所述生成对抗网络模型的损失函数由生成网络的内容损失函数与判别网络的对抗损失函数加权和组成：
其中，λ是权重系数。<...
【专利技术属性】
技术研发人员：史江林，张荣之，徐蓉，郭世平，刘长海，谌钊，
申请(专利权)人：中国西安卫星测控中心，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。