基于位相相异的盲去卷积图像复原方法
【专利摘要】基于位相相异的盲去卷积图像复原方法，涉及空间遥感成像系统中的数字图像处理领域，解决了现有图像复原法存在的像质提升空间有限而无法提高图像质量的问题。该方法通过搭建光学成像系统，通过采集的一幅在焦像和至少一幅离焦像构建盲去卷积最小化模型，将构建的盲去卷积最小化模型分解为图像优化和对点扩散函数优化两个迭代子问题进行求解，完成图像复原。本发明将位相相异方法与图像盲去卷积结合在一起，利用多帧图像和移相技术实现图像复原，对存在波前像差扰动的光学成像系统的成像质量进行了全面优化，能够补偿动态环境像差扰动对光学成像系统成像质量的影响，像质提升空间大，鲁棒性好，具有很好的应用前景和价值。
【专利说明】基于位相相异的盲去卷积图像复原方法
【技术领域】
[0001] 本发明涉及空间遥感成像系统中的数字图像处理【技术领域】，具体涉及一种基于位 相相异的盲去卷积图像复原方法。
【背景技术】
[0002] 随着空间遥感技术的发展，对遥感成像系统的像质提出了更高的要求，然而有很 多因素造成成像质量下降。大气湍流的存在使遥感图像的像质变得很模糊，给后续阶段的 目标识别和推断造成了很大的困难；相机对地面目标成像时，在曝光时间内由于平台的颤 振成像器件与物体之间存在相对运动，产生像移，拍出来的是运动模糊后的图像；稀疏孔径 光学系统能够实现空间遥感器轻量化以及突破系统口径对分辨率的限制，然而其填充比小 于1，获取的图像存在中间频率成分损失、对比度低、噪声影响严重等特点，还存在较为敏感 的活塞和倾斜误差带来的子镜单元不"共位相"问题，也会严重降低光学系统的成像质量。
[0003] 解决这些问题主要有以下两种方法：一种方法是硬件上通过波前传感器自适应补 偿，但自适应光学系统成本昂贵；另一种方法是采集图像序列，通过图像处理方法以恢复图 像。现有的像质增强方法，如维纳滤波图像复原法像质提升空间有限，因此需要更加稳健的 图像复原方法。
【发明内容】
[0004] 为了解决现有图像复原法存在的像质提升空间有限而无法提高图像质量的问题， 本发明提供一种鲁棒性较强的基于位相相异的盲去卷积图像复原方法。
[0005] 本发明为解决技术问题所采用的技术方案如下：
[0006] 本发明的基于位相相异的盲去卷积图像复原方法，该方法的条件和步骤如下：
[0007] 步骤一、搭建光学成像系统
[0008] 步骤二、采集一幅在焦像和至少一幅离焦像
[0009] 目标物经过光学成像系统进行成像，光学成像系统中，利用位于理想成像面处的 第一面阵CCD采集一幅在焦像，利用位于分光镜后的第二面阵CCD采集至少一幅离焦像，所 述第二面阵C⑶不位于理想成像面处；
[0010] 步骤二、基于位相相异的盲去卷积图像复原
[0011] 采集的在焦像和离焦像共K幅，构建盲去卷积最小化模型，如式（1)所示：
【权利要求】
1.基于位相相异的盲去卷积图像复原方法，其特征在于，该方法的条件和步骤如下： 步骤一、搭建光学成像系统 步骤二、采集一幅在焦像和至少一幅离焦像 目标物（1)经过光学成像系统进行成像，光学成像系统中，利用位于理想成像面处的 第一面阵CCD(4)采集一幅在焦像，利用位于分光镜（3)后的第二面阵CCD(5)采集至少一 幅离焦像，所述第二面阵CCD (5)不位于理想成像面处； 步骤三、基于位相相异的盲去卷积图像复原 采集的在焦像和离焦像共K幅，构建盲去卷积最小化模型，如式（1)所示： min D(x,{jpk})+5(.v)+/5D({pk}) ⑴ A 丨 Pk I 式⑴中，x和{pk}分别表示待复原的图像和每个图像的点扩散函数； D(x，{pk})表示数据项，用以保证图像一致性，如式（2)所示：
式（2)中，Y表示比例因子，|| ? || 2表示12范数，*表示卷积操作，{yk}表示在焦像 和离焦像，其中k G 1，2,3, ? ? ?，K ; S(x)表示基于L范数改进的图像梯度约束，用以保证图像梯度稀疏性，如式（3)所示：
式（3)中，i表示像素坐标，h和v分别表示图像水平方向和坚直方向，e表示梯度门 限，▽ # (?)表示对应方向上的梯度算子，sign (?)表示符号函数，R表示自行规定的矩阵， 如式（16)所示，zji)表示硬判决门限操作，如式⑶所示； ro({Pk})表示位相相异方法对点扩散函数的约束，如式（4)所示：
式（4)中，S表示比例因子，Ym(i)表示第m幅观测数据的傅立叶变换谱，Yn(i)表示第 n幅观测数据的傅立叶变换谱，Pm(i)表示第m幅观测数据的点扩散函数的傅立叶变换谱， Pn(i)表示第n幅观测数据的点扩散函数的傅立叶变换谱，m和n均为正整数； 步骤四、优化模型求解 将上述构建的盲去卷积最小化模型分解为图像优化和对点扩散函数优化两个迭代子 问题进行求解，第t+1次迭代如式（5)和式（6)所示：
迭代优化式（5)和式（6)直到满足收敛条件； 图像优化如式（7)所示：
式（7)可以通过分别优化1和2#(1)完成求解，首先通过硬判决门限方法更新z#(i)， 如式⑶所示：
得到Z#(i)之后，更新x，通过矩阵堆叠获得图像矩阵x、观测矩阵y以及点扩散函数矩 阵P，变量矩阵Z#，P= [P]。为P的循环卷积矩阵，G#= [V#]。为对应方向上梯度算子矩 阵，[?]。为循环卷积算子，重写式（7)如下：
式（11)中，Pk(i)表示第k幅观测数据的点扩散函数的傅立叶变换谱； 由于式（11)中位相相异部分是非凸的，因此用第t次迭代f的傅立叶变换P替换分 母部分，经过变换得到式（12):
对式（12)中位相相异部分应用帕塞瓦尔定理且忽略常数系数的影响得到新的盲去卷 积最小化模型：
2.根据权利要求1所述的基于位相相异的盲去卷积图像复原方法，其特征在于，所述 光学成像系统还包括：望远物镜（2)、精密压电致动直线导轨（6)、主控计算机（7)和存储器 (9)，所述精密压电致动直线导轨（6)分别与分光镜（3)和主控计算机（7)电连接，所述存 储器（9)分别与主控计算机（7)、第一面阵CCD⑷和第二面阵CCD (5)电连接；所述目标物 (1)发出的光线经过扰动波面（8)入射至望远物镜（2)，再经过望远物镜（2)出射至分光镜 (3)，经分光镜（3)后分成两束出射，分别由第一面阵CCD (4)和第二面阵CCD (5)接收图像， 并将接收的图像存入存储器（9)中，再通过存储器（9)传输给主控计算机（7)，利用主控计 算机（7)对接收的图像进行处理，第一面阵CCD (4)和第二面阵CCD (5)分别位于两束光线 形成的理想成像面处，所述主控计算机（7)可以控制精密压电致动直线导轨（6)运动，并可 以同时带动分光镜（3)移动。
【文档编号】G06T5/00GK104346780SQ201410550685
【公开日】2015年2月11日 申请日期:2014年10月16日 优先权日:2014年10月16日
【发明者】王刚, 武国梁 申请人:中国科学院长春光学精密机械与物理研究所