一种基于最佳区域中值先验的湍流退化图像恢复方法技术

本发明专利技术涉及一种基于最佳区域中值先验的湍流退化图像恢复方法，其先根据目标湍流退化图像的梯度信息，确定最佳区域，再根据基于最佳区域中值先验的图像盲反卷积模型迭代优化点扩散函数，得到目标点扩散函数，最后对目标湍流退化图像进行盲反卷积处理，得到目标恢复图像。相比于现有技术，本发明专利技术从图像内容信息出发，设计了基于最佳区域中值先验信息的盲反卷积方法，使得运算过程中仅需要计算最佳区域内的先验信息即可，并且最佳区域中值先验能够排除不利于点扩散函数估计的信息，进而快速有效地估计点扩散函数和潜在清晰图像，仅需要较少的迭代次数，就可以达到快速收敛，极大地降低了算法的时空复杂度，减少了运行的代价，提高运行速度。高运行速度。高运行速度。

【技术实现步骤摘要】
一种基于最佳区域中值先验的湍流退化图像恢复方法


[0001]本专利技术涉及图像气动光学效应矫正
，尤其涉及一种基于最佳区域中值先验的湍流退化图像恢复方法。

技术介绍

[0002]高速飞行器在高速飞行的过程中会与周围空气产生摩擦碰撞，复杂的高速气流场产生气动光学效应。大气湍流会严重影响飞行器光学探测成像系统的性能，致使目标图像严重退化。气动光学效应校正的目的是对残存的或者说不可控的气动效应进行校正，使成像质量尽可能恢复到接近无气动光学效应时的理想成像状态。把退化图像反演到无气动效应的成像状态，这是一个求逆的过程，具有高度不适定性。
[0003]近年来，在图像和模糊核的各种有效先验的帮助下，单图像盲去模糊取得了很大的进展，能很好的用来解决上述求逆问题。为了解决盲去模糊问题，有效利用图像先验和模糊核模型是取得有效方法的关键。效果较好的图像先验包括梯度稀疏先验，归一化稀疏先验，patch先验，群稀疏性先验、强度先验、暗通道先验、极端通道先验、潜在结构先验、局部最大梯度先验、类特定先验，以及使用深度网络学习图像先验等等。
[0004]目前所提出的先验方法虽然能够在自然图像和特定图像上获得令人满意的性能，但所涉及的优化算法计算代价高昂，图像恢复过程耗时较长。

技术实现思路

[0005]有鉴于此，有必要提供一种基于最佳区域中值先验的湍流退化图像恢复方法，用以解决现有技术中恢复退化图像时耗时较长的问题。
[0006]为达到上述技术目的，本专利技术采取了以下技术方案：第一方面，本专利技术提供了一种基于最佳区域中值先验的湍流退化图像恢复方法，包括：获取目标湍流退化图像，并根据所述目标湍流退化图像的梯度信息，确定所述目标湍流退化图像的最佳区域；计算所述目标湍流退化图像在所述最佳区域内的中值先验信息，并根据所述中值先验信息和所述目标湍流退化图像的梯度信息，建立基于最佳区域中值先验的图像盲反卷积模型；根据所述目标湍流退化图像及所述目标湍流退化图像的最佳区域，基于所述基于最佳区域中值先验的图像盲反卷积模型迭代优化点扩散函数，得到目标点扩散函数；根据所述目标点扩散函数，对所述目标湍流退化图像进行反卷积处理，得到目标恢复图像。
[0007]进一步的，所述获取目标湍流退化图像，并根据所述目标湍流退化图像的梯度信息，确定所述目标湍流退化图像的最佳区域，包括：获取所述目标湍流退化图像，并根据所述目标湍流退化图像，得到所述目标湍流
退化图像的梯度信息图；二值化所述梯度信息图，得到显著梯度信息图像，并将所述显著梯度信息图像依据梯度特征划分为多个大梯度区域；分别计算所述目标湍流退化图像在每个所述大梯度区域中的拉普拉斯梯度和，并得到所有所述大梯度区域的拉普拉斯梯度和的平均值；筛选出拉普拉斯梯度和高于所述平均值的大梯度区域，作为所述目标湍流退化图像的最佳区域。
[0008]进一步的，所述计算所述目标湍流退化图像在所述最佳区域内的中值先验信息，包括：获取目标计算图像及所述目标计算图像的最佳区域；根据所述目标计算图像的尺寸，将所述目标计算图像划分为多个不重叠的图像块；根据位于所述目标计算图像的最佳区域中的图像块的灰度最小值，得到所述目标计算图像的最佳区域对应的最小值图；对每个所述最小值图进行中值滤波，得到每个所述目标计算图像的最佳区域的中值先验信息。
[0009]进一步的，所述根据所述目标计算图像的尺寸，将所述目标计算图像划分为多个不重叠的图像块，包括：获取所述目标计算图像的长度和宽度；根据所述目标计算图像的长度和宽度，将所述目标计算图像正交地划分为n
×
n个所述图像块，每个所述图像块的大小为n1×
n2；其中，n为大于或等于预设数值的正整数，n1和n2的值为所述目标计算图像的长度和宽度的加权取整。
[0010]进一步的，根据所述中值先验信息和所述目标湍流退化图像的梯度信息建立基于最佳区域中值先验的图像盲反卷积模型，包括：根据所述中值先验信息和所述目标湍流退化图像的梯度信息，建立基于所述最佳区域中值先验信息的去模糊正则化项，以及基于梯度信息的梯度约束正则化项；根据所述去模糊正则化项和所述梯度约束正则化项，约束图像盲反卷积模型，得到所述基于最佳区域中值先验的图像盲反卷积模型。
[0011]进一步的，所述根据所述目标湍流退化图像及所述目标湍流退化图像的最佳区域，基于所述基于最佳区域中值先验的图像盲反卷积模型迭代优化点扩散函数，得到目标点扩散函数，包括：获取输入点扩散函数，根据所述目标湍流退化图像及所述目标湍流退化图像的最佳区域，通过所述基于最佳区域中值先验的图像盲反卷积模型，得到潜在清晰图像；根据所述潜在清晰图像的梯度信息，及所述目标湍流退化图像的梯度信息，得到优化点扩散函数；将所述优化点扩散函数重新作为输入点扩散函数，并进行迭代以交替地得到新的潜在清晰图像与优化点扩散函数，直至达到预设迭代次数；其中第一次迭代时的输入点扩散函数为在最粗糙级别初始化的预设点扩散函数，
最后一次迭代得到的优化点扩散函数为所述目标点扩散函数。
[0012]进一步的，所述获取输入点扩散函数，根据所述目标湍流退化图像及所述目标湍流退化图像的最佳区域，通过所述基于最佳区域中值先验的图像盲反卷积模型，得到潜在清晰图像，包括：建立最佳区域中值先验信息辅助变量及梯度信息辅助变量；建立线性化算子，所述线性化算子等价于所述最佳区域中值先验信息计算模型中的非线性运算；根据所述最佳区域中值先验信息辅助变量、所述梯度信息辅助变量及所述线性化算子，线性化所述基于最佳区域中值先验的图像盲反卷积模型，得到线性化模型；获取所述输入点扩散函数，根据所述目标湍流退化图像及所述目标湍流退化图像的最佳区域，通过所述线性化模型，得到所述潜在清晰图像。
[0013]进一步的，所述根据所述目标点扩散函数，对所述目标湍流退化图像进行反卷积处理，得到目标恢复图像，包括：根据所述目标点扩散函数，结合拉普拉斯先验对所述目标湍流退化图像进行反卷积处理，得到第一估算图像；根据所述目标点扩散函数，结合梯度先验对所述目标湍流退化图像进行反卷积处理，得到第二估算图像；计算所述第一估算图像和所述第二估算图像之间的差分映像，并根据所述差分映像及所述第一估算图像，得到所述目标恢复图像。
[0014]第二方面，本专利技术还提供一种基于最佳区域中值先验的湍流退化图像恢复装置，包括：区域提取模块，用于获取目标湍流退化图像，并根据所述目标湍流退化图像的梯度信息，确定所述目标湍流退化图像的最佳区域；模型建立模块，用于计算所述目标湍流退化图像在所述最佳区域内的中值先验信息，并根据所述中值先验信息和所述目标湍流退化图像的梯度信息，建立基于最佳区域中值先验的图像盲反卷积模型；迭代处理模块，用于根据所述目标湍流退化图像及所述目标湍流退化图像的最佳区域，基于所述基于最佳区域中值先验的图像盲反卷积模型迭代优化点扩散函数，得到目标点扩散函数；图像恢复模块，用于根据所述目标点扩散函数，对所述目标湍流退化图像进行盲反卷积处理，得到目标恢复图像。
[0015]第三方面，本专利技术还提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于最佳区域中值先验的湍流退化图像恢复方法，其特征在于，包括：获取目标湍流退化图像，并根据所述目标湍流退化图像的梯度信息，确定所述目标湍流退化图像的最佳区域；计算所述目标湍流退化图像在所述最佳区域内的中值先验信息，并根据所述中值先验信息和所述目标湍流退化图像的梯度信息，建立基于最佳区域中值先验的图像盲反卷积模型；根据所述目标湍流退化图像及所述目标湍流退化图像的最佳区域，基于所述基于最佳区域中值先验的图像盲反卷积模型迭代优化点扩散函数，得到目标点扩散函数；根据所述目标点扩散函数，对所述目标湍流退化图像进行反卷积处理，得到目标恢复图像。2.根据权利要求1所述的基于最佳区域中值先验的湍流退化图像恢复方法，其特征在于，所述获取目标湍流退化图像，并根据所述目标湍流退化图像的梯度信息，确定所述目标湍流退化图像的最佳区域，包括：获取所述目标湍流退化图像，并根据所述目标湍流退化图像，得到所述目标湍流退化图像的梯度信息图；二值化所述梯度信息图，得到显著梯度信息图像，并将所述显著梯度信息图像依据梯度特征划分为多个大梯度区域；分别计算所述目标湍流退化图像在每个所述大梯度区域中的拉普拉斯梯度和，并得到所有所述大梯度区域的拉普拉斯梯度和的平均值；筛选出拉普拉斯梯度和高于所述平均值的大梯度区域，作为所述目标湍流退化图像的最佳区域。3.根据权利要求1所述的基于最佳区域中值先验的湍流退化图像恢复方法，其特征在于，所述计算所述目标湍流退化图像在所述最佳区域内的中值先验信息，包括：获取目标计算图像及所述目标计算图像的最佳区域；根据所述目标计算图像的尺寸，将所述目标计算图像划分为多个不重叠的图像块；根据位于所述目标计算图像的最佳区域中的图像块的灰度最小值，得到所述目标计算图像的最佳区域对应的最小值图；对每个所述最小值图进行中值滤波，得到每个所述目标计算图像的最佳区域的中值先验信息。4.根据权利要求3所述的基于最佳区域中值先验的湍流退化图像恢复方法，其特征在于，所述根据所述目标计算图像的尺寸，将所述目标计算图像划分为多个不重叠的图像块，包括：获取所述目标计算图像的长度和宽度；根据所述目标计算图像的长度和宽度，将所述目标计算图像正交地划分为n
×
n个所述图像块，每个所述图像块的大小为n1×
n2；其中，n为大于或等于预设数值的正整数，n1和n2的值为所述目标计算图像的长度和宽度的加权取整。5.根据权利要求1所述的基于最佳区域中值先验的湍流退化图像恢复方法，其特征在于，所述根据所述中值先验信息和所述目标湍流退化图像的梯度信息建立基于最佳区域中
值先验的图像盲反卷积模型，包括：根据所述中值先验信息和所述目标湍流退化图像的梯度信息，建立基于所述最佳区域中值先验信息的去模糊正则化项，以及基于梯度信息的梯度约束正则化项；根据所述去模糊正则化项和所述梯度约束正则化项，约束图像盲反卷积模型，得到所述基于最佳区域中值先验的图像盲反卷积模型。6.根据权利要求5所述的基于最佳区域中值先验的湍流退化图像恢复方法，其特征在于，所述根据所述目标湍流退化图像...

【专利技术属性】
技术研发人员：洪汉玉，胡康宇，王佳豪，张天序，桑农，
申请(专利权)人：武汉工程大学，
类型：发明
国别省市：