一种基于各向异性约束的多帧迭代盲解卷积图像复原方法技术

本发明专利技术提供了一种基于各向异性约束的多帧迭代盲解卷积的图像复原方法，将各向异性正则化的思想引入图像复原过程中，本发明专利技术方法可在没有关于点扩散函数任何先验信息的情况下，仅根据所获取的观测目标的多帧降质图像，利用其观测图像的互补信息，图像灰度值及点扩散函数的非负约束和点扩散函数的支持域约束，复原出观测目标的高清晰图像。本发明专利技术方法在复原过程中能够根据图像的能够有效利用图像自身的结构信息，自适应的根据其局部特征调整各向异性正则化参数，在保持图像边缘信息的同时提高算法的抗噪性。

【技术实现步骤摘要】

本专利技术属于图像处理
，涉及图像复原技术，特别是涉及天文目标的光电 成像观测与识别中天文点源星体及天文扩展目标的图像复原

技术介绍
为了给宇宙星体的演化研究提供依据，同时给天文扩展目标外部形态及几何结构 的分析提供支持，人们利用现有的地基光电成像设备，获取了大量的天文星体及天文扩展 目标的图像。但由于这些图像都是通过地基光电望远镜经由地球大气层获取的，而地球大 气层随机变化的湍流结构会使成像出现模糊和降质，严重影响了所获取的天文观测图像的 质量。这使得通过图像看不清星云团的分布及演变细节；区分不出相邻较近的双星，无法对 其运行规律进行分析；同时对天文扩展目标不能通过其观测图像判断其外部形态与几何结 构。因此如何克服大气湍流的影响是提高天文观测图像质量所必须解决的问题。目前克服大气湍流的影响，提高天文目标观测图像质量的方法主要包括自适 应光学(Adaptive Optics,以下简称为AO)技术，斑点成像以及基于数字技术的后处理 等三种方法。其中自适应光学技术是最有前景的途径，其基本思想是利用波前传感器 WFS(WFS-ffave Front Sensor)实时测量光学遥感器瞳面波前相位误差，然后将这些测量数 据转换成自适应光学系统的控制信号，对望远镜的波前校正器进行实时控制，从而对由大 气湍流等引起的波前相位畸变进行补偿，得到质量较好的图像。但是由于自适应光学系统 自身计算处理能力、闭环伺服带宽、非等晕效应、波前观测数据误差以及噪声等的影响，自 适应光学系统的补偿或校正仅仅是部分的、不充分的，影像的高频信息仍然受到严重的抑 制和衰减。如果要获取观测目标的高清晰图像，仍然需要对AO校正过的图像通过解卷积等 技术进行后处理。因此，无论采用哪种技术，相应的后处理都是必不可少的。传统的图像解卷积图像复原方法常常假设光学系统的点扩散函数(PSF-Point Spread Function)精确已知。然而在天文观测中，有关成像系统PSF的相关信息是部分 已知或完全未知的，在这种情况下，根据降质图像复原出理想图像的过程就称为盲解卷积 (BID-Blind Image Deconvolution)。1988年，Ayers和Dainty提出了一种单帧迭代盲解卷积图像复原方法 (IBD-Iterative Blind Deconvolution)，该图像复原方法由于具有较低的复杂度而得到 广泛应用；但该图像复原方法的收敛性和唯一性不确定，而且复原结果对初始估计很敏感。 Christou等人提出了多帧图像解卷积图像复原方法，多帧观测图像包含着更多的互补信 息，同时多帧图像解卷积图像复原方法将单帧解卷积图像复原方法的“知一求二”的问题转 化为“知M求M+1的问题”，从而大大降低了图像复原的病态性，多帧图像解卷积的结果具有 更小的系统误差范围和更可靠的复原结果。2006年，Y. V. Zhulina将极大似然估计图像复 原图像复原方法和Ayers-Dainty的IBD图像复原方法相结合，提出了一种多帧迭代盲解卷 积图像复原方法(MFIBD-Multi-Frame Iterative Blind Deconvolution)。该图像复原方 法原理简单，能够处理多种不同类型PSF引起的图像衰退，同时在迭代过程中除了假设PSF和图像灰度值非负之外，不要求其他先验知识；但是，该图像复原方法收敛速度缓慢，并且 对噪声非常敏感。针对amlina多帧迭代盲解卷积图像复原方法的缺点，本文将各向异性扩散(的) 约束的思想应用于图像复原过程中，对其代价函数进行改进，加入了各项异性(扩散)正则 化项，改进后的图像复原方法既保留了 MFIBD图像复原方法原理简单、容易执行的优点，同 时又充分利用了图像自身的结构和细节信息，提高了图像复原方法的抗噪性并改进了复原 图像的质量。
技术实现思路
本专利技术的目的是提供一种基于各向异性约束的多帧迭代盲解卷积的图像复原方 法，以在没有任何关于成像过程的点扩散函数等信息的情况下，仅根据观测目标的多帧观 测图像，并利用观测图像及点扩散函数的非负性和点扩散函数的支持域约束对模糊观测图 像进行复原，还结合各向异性扩散的思想，自适应的根据图像的局部信息进行正则化约束， 以提高复原图像的质量。一种基于各向异性约束的多帧迭代盲解卷积的图像复原方法，其中包括如下步 骤步骤1 )、 设定迭代次数M，输入参与复原的 K帧观测传丨像办权利要求1. 一种基于各向异性约束的多帧迭代盲解卷积的图像复原方法，其特征在于包括如 下步骤步骤1)、设定迭代次数M，输入参与复原的I帧观测图像,其中全文摘要本专利技术提供了一种基于各向异性约束的多帧迭代盲解卷积的图像复原方法，将各向异性正则化的思想引入图像复原过程中，本专利技术方法可在没有关于点扩散函数任何先验信息的情况下，仅根据所获取的观测目标的多帧降质图像，利用其观测图像的互补信息，图像灰度值及点扩散函数的非负约束和点扩散函数的支持域约束，复原出观测目标的高清晰图像。本专利技术方法在复原过程中能够根据图像的能够有效利用图像自身的结构信息，自适应的根据其局部特征调整各向异性正则化参数，在保持图像边缘信息的同时提高算法的抗噪性。文档编号G06T5/50GK102063716SQ20111000630公开日2011年5月18日 申请日期2011年1月13日 优先权日2011年1月13日专利技术者娄博, 宋向, 杨阳, 王洛飞, 耿则勋, 陈路, 魏小峰 申请人:耿则勋本文档来自技高网...

【技术保护点】
一种基于各向异性约束的多帧迭代盲解卷积的图像复原方法，其特征在于：包括如下步骤：步骤１）、设定迭代次数Ｍ，输入参与复原的ｋ帧观测图像ｇ↓［ｘ］（ｘ）（ｋ＝１，２＿Ｋ），其中ｘ∈Ｘ，Ｘ＝｛ｘ↓［１］，ｘ↓［２］∶ｘ↓［１］＝１，２，…ｎ↓［１］，ｘ↓［２］＝１，２，…ｎ↓［２］｝，下标ｋ表示获取的第ｋ帧图像；计算Ｋ帧观测图像的平均值，将该平均值作为待复原的理想图像ｏ（ｘ）的初始估计＊↑［（０）］（ｘ），对＊↑［（０）］（ｘ）进行非负约束，得到＊↑［（＋）（０）］（ｘ）；记约束前图像的估计为＊（ｘ），约束后图像的估计为＊↑［（＋）］（ｘ）；将＊（ｘ）中灰度值小于０的值置为０，将＊（ｘ）中灰度值大于１的值置为１；则图像应满足的约束可以由下面的公式表示：　＊＊＊步骤２）、进行循环迭代，进行第ｍ（ｍ＝１，２＿Ｍ）次迭代，ｍ为迭代次数参数：计算＊↑［（＋）（ｍ－１）］（ｘ）各方向的梯度值，并计算各向异性正则化参数α↑［ｉ］（ｘ），同时计算＊↑［（＋）（ｍ－１）］（ｘ）对应的傅立叶变换＊↑［（＋）（ｍ－１）］（ｆ）；各向异性正则化参数α↑［ｉ］（ｘ）的计算公式如下：　＊＊＊（｜Ｖ↑［ｉ］（＊↑［（＋）（ｍ－１）］（ｘ））／ｌ｜↑［２］）］，（ｉ＝１，２，３，４）（２）式中，Ｖ↑［ｉ］（＊↑［（＋）（ｍ－１）］（ｘ））在ｉ＝１，２，３，４时分别代表ｍ－１第次估计图像中像素点ｘ在上、下、左、右四个方向的梯度，α↑［ｉ］（ｘ）为与各像素点各方向梯度相关的自适应正则化参数；ｌ为常数，可以根据不同的应用目的进行调节，ｌ的大小可以作为边缘保持和噪声抑制的调节参数；当ｌ偏大时，复原结果趋于平滑，但图像的某些细节信息不能得到复原；相反若偏小，则复原图像边缘得到保持，但会出现噪声放大的现象，根据应用条件调节ｌ；在ｌ值确定的前提下，若在像素点ｘ处其中一方向的梯度值较大，即在边缘区，正则化参数α↑［ｉ］（ｘ）较小，可以达到保持边缘的目的；若梯度值较小，即在平坦区，正则化参数α↑［ｉ］（ｘ）较大，可以达到抑制噪声的效果，通过公式（２）将正则化参数与各像素点的梯度相关联，可根据图像各像素点的梯度大小及边缘强弱特征自适应地调整正则化参数；步骤３）、第ｍ次迭代点扩散函数的估计：根据下述式（３）计算第ｍ次迭代点扩散函数的傅立叶变换Ｈ↓［ｉ］↑［（ｍ）］（ｆ），其中，上标ｍ表示第ｍ次迭代，下标ｋ表示第ｋ帧观测图像所对应的值；　＊＊＊（３）式中，Ｇ↓［ｋ］（ｆ）为ｈ↓［ｋ］（ｘ）的傅立叶变换，＊↑［（＋）（ｍ－１）］（ｆ）为步骤２中所获取的约束后图像估计对应的傅立叶变换，ε↓［１］是为避免分母出现零值而引起计算机处理不稳定而设计的参数，其中，记Ｎｕｍ↓［１］＝ｍｉｎ｛｜＊↑［（＋）（ｍ－１）］（ｆ）｜｝，若Ｎｕｍ↓［１］＞０，则ε↓［１］＝０，否则，若Ｎｕｍ↓［１］＝０，则ε↓［１］取其分母的最小非零值，即ε↓［１］＝ｍｉｎ｛｜＊↑［（＋）（ｍ－１）］（ｆ）｜＞０｝；步骤４）、计算Ｈ↓［ｋ］↑［（ｍ）］（ｆ）的逆傅立叶变换ｈ↓［ｋ］↑［（ｍ）］（ｘ），对ｈ↓［ｋ］↑［（ｍ）］（ｘ）施加约束，得到约束后的点扩散函数估计ｈ↓［ｋ］↑［（＋）（ｍ）］（ｘ）；对点扩散函数的约束同时包括非负约束、支持域约束和归一化约束，即点扩散函数的取值不能为负，且点扩散函数仅在支持域范围内取值，同时，点扩散函数取值之和等于１；记约束前、后的点扩散函数的估计分别为ｈ↓［ｋ］（ｘ）、ｈ↓［ｋ］↑［（＋）］（ｘ），则点扩散函数应满足的约束可以由下面的公式表示：　＊＊＊＝｛ｈ↓［ｋ］（ｘ）∶ｈ↓［ｋ］（ｘ）≥０，∑↓［ｘ］ｈ↓［ｋ］（ｘ）＝１，ｘ∈Ｄ↓［ｍｏｐ］｝（４）式中的Ｄ↓［ｍｏｐ］表示点扩散函数的支持域；步骤５）、对ｈ↓［ｋ］↑［（＋）（ｍ）］（ｘ）进行傅立叶变换，计算Ｈ↓［ｋ］↑［（＋）（ｍ）］（ｆ），并计算其复共轭Ｈ↓［ｋ］↑［（＋）（ｍ）］（ｆ）；步骤６）、理想图像的估计：根据下述公式（５）求得ｍ第次迭代理想图像估计＊↑［（ｍ）］（ｘ）的傅立叶变换＊↑［（ｍ）］（ｆ），并计算＊↑［（ｍ）］（ｆ）的逆傅立叶变换＊↑［（ｍ）］（ｘ）；＊＊＊（５）式中，λ为正则化参数，Ｃ↑［ｉ］为ｃ↑［ｉ］的傅立叶变换，ｃ↑［ｉ］在＊＝１，２，３，４时代表相应像素点四邻域内上、下、左、右四个方向的梯度算子，ｃ↑［１］＝［１－１］↑［Ｔ］，ｃ↑［２］＝［－１，１］↑［Ｔ］，ｃ↑［３］＝［１－１］，ｃ↑［４］＝［１－１］，Ｔ表示矩阵的转置；ε↓［２］是为避免分母出现零值而引起计算机处理不稳定而设计的参数，记Ｎｕｍ↓［２］＝ｍｉｎ｛＊｜Ｈ↓［ｋ］↑［（＋）（ｍ）］（ｆ）｜↑［２］＋λ＊α↑［ｉ］｜Ｃ↑［ｉ］｜↑［２］｝，若Ｎｕｍ↓［２］＞０，则ε↓［２］＝０，若Ｎｕｍ↓［２］＝０，则；ε↓［２］＝ｍｉｎ｛（＊｜Ｈ↓［ｋ］...

【技术特征摘要】

【专利技术属性】
技术研发人员：耿则勋，宋向，王洛飞，魏小峰，陈路，杨阳，娄博，
申请(专利权)人：耿则勋，
类型：发明
国别省市：41