一种实时图像盲复原方法
【技术领域】
[0001] 本发明属于图像处理技术领域，涉及自适应光学图像复原理论与方法，具体涉及 一种自适应光学中的实时快速图像盲复原算法。
【背景技术】
[0002] 图像复原是基于图像退化的原因，利用所观测到的退化图像来恢复清晰的真实场 景。图像复原技术已广泛应用在天文观测，遥感，安全监控和医学成像等许多领域。多数情 况下，图像退化的点扩散函数PSF(Point Spread Function)是未知的，因此针对退化图像 进行复原处理通常采用盲复原算法。目前盲复原算法本质上大多是迭代的，由于退化图像 数据的一些病态性的问题，迭代盲复原过程中经常会出现局部收敛或者发散现象；即使迭 代过程稳定，迭代也高达上千次甚至数千次，非常耗时，难以满足实时图像复原的要求。
[0003] 在没有任何先验知识的情况下，估计出PSF是非常困难的，直到今天，如何准确地 估计PSF仍是活跃在这一领域的话题。因此，提出一种快速有效的实时图像盲复原方法成 为目前本领域亟待解决的重要技术问题。而G类点扩散函数引起的图像退化问题又是一种 常见的图像退化的原因，因为G类点扩散函数在的图像退化系统占有很大的比例，例如一 些天文观测、卫星探测、航空探测、电子显微扫描以及磁共振图像系统等等。
[0004] APEX算法根据退化图像的频谱信息的特征估计出系统的PSF，然后采用 SECB(Slow Evolution of Continuation Boundary，连续边界慢演进）复原方法对退化图 像进行复原。APEX算法原理简单，没有迭代环节，可以短时间对一些退化图像进行复原，在 实时图像复原处理上具有传统迭代盲复原算法所没有的优点。但是，APEX算法仍然存在一 些问题：首先，APEX算法用一个预设的常数值代替目标图像的频谱特征，在物理意义上并 不合理，因此估计误差较大；其次，APEX算法的一些参数需要人为确定，而这些参数必须根 据经验进行选择，通常需要反复的尝试才能取得合适的值；再次，APEX法使用SECB方法对 图像进行重建，该方法容易受到噪声的影响。APEX算法在对真实图像的频谱进行估算时， 采用简单的常数进行替代，这不符合真实图像的频谱性质，造成较大的估计误差，影响恢复 效果。虽然后来人们进行了一些改进，但没有从根本上解决问题。另外，在针对天文退化图 像和显微退化图像（由于这些图像的目标和背景反差很大，且背景简单）时，APEX算法可 以有效地进行图像复原；但在处理地面图像时，由于背景的复杂，恢复结果通常难以令人满 意。在对真实图像的频率进行估算时，这些方法都是采用简单的常数进行替代，这不符合真 实图像的频谱性质。
【发明内容】
[0005] 本发明要解决的技术问题是：为克服图像复原技术应用中迭代盲复原方法实时性 差，非迭代盲复原方法对点扩散函数估计不准确的缺点，本发明提出了基于图像频谱与频 率双对数关系的图像盲复原方法。本方法基于APEX方法的基本原理进行改进，对退化图像 的原始图像的归一化频谱进行估计，对所求得的点扩散函数在四条直线上取平均值，提高 了估计的准确性，本方法复原速度快，点扩散函数估计准确，取得了良好的复原效果。
[0006] 为了实现上述目的，本发明通过下述技术方案来实现：
[0007] -种实时图像盲复原方法，包括以下步骤：
[0008] 1)对退化图像进行傅里叶变换，然后求出退化图像的归一化频谱；
[0009] 2)根据自然图像的频谱分布规律，对退化图像的原始图像的频谱进行重建，估计 出原始图像的归一化频谱；
[0010] 3)对退化图像的归一化频谱和重建频谱进行比较，求取系统的光学传递函数，进 而求取点扩散函数；
[0011] 4)根据所获得的点扩散函数，对退化图像进行维纳滤波复原。
[0012] 进一步地，所述步骤1)中，对退化图像g(x)进行傅里叶变换得到G(y，v)，对 G( y，v)进行归一化，得y，v) = G( y，v)/ 〇 (1)
[0013] 其中，G#(y，v)为退化图像的归一化频率，G(y，v)为模糊图像，〇为归一化常 数，取0 = G 0,0,即退化图像的傅里叶变换在原点的值。
[0014] 进一步地，所述步骤2)中，以y = 0为例，原始图像归一化频率的重建公式为：
[0015]
【主权项】
L 一种实时图像盲复原方法，其特征在于，包括以下步骤： 1) 对退化图像进行傅里叶变换，然后求出退化图像的归一化频谱； 2) 根据自然图像的频谱分布规律，对退化图像的原始图像的频谱进行重建，估计出原 始图像的归一化频谱； 3) 对退化图像的归一化频谱和重建的理想图像归一化频谱进行比较，求取系统的光学 传递函数，进而求取退化图像的点扩散函数； 4) 根据所获得的点扩散函数，对退化图像进行维纳滤波复原。
2. 根据权利要求1所述的实时图像盲复原方法，其特征在于，步骤1)中，对退化图像 g (X)进行傅里叶变换得到G ( y，V)，对G ( y，V)进行归一化，得： G* ( y , v) = G ( y , v) / 〇 (I) 其中，G#(y，v)为退化图像的归一化频率，G(y，v)为模糊图像，〇为归一化常数，取 〇 = F(0, 0) ~ G(0, 0)，即退化图像的傅里叶变换在原点的值。
3. 根据权利要求1所述的实时图像盲复原方法，其特征在于，步骤2)中，原始图像归一 化频谱的重建公式为：
其中，k为预估的清晰图像的斜率，G#(y，V)为退化图像的归一化频谱，F#(y，v)为重
y和V为频域空间的坐标，N为图像大小。
4. 根据权利要求3所述的实时图像盲复原方法，其特征在于，所述gl，&取 ln|G*(0，n) |，ln|G*(0，-n) I 在 ln|G*(0，v) I 上的加权平滑值。
5. 根据1-3任一项权利要求所述的实时图像盲复原方法，其特征在于，步骤3)中，退化 图像的点扩散函数通过如下过程实现： 1)当系统的点扩散函数为G类点扩散函数时，G类点扩散函数的频域表示为： H ( I，n ) = exp [ a ( y 2+v2) p ]，a > 〇, 〇 < |3 彡 I， (3) 式中，a和0是G类点扩散函数中的参数，y和￥为频域空间的坐标； 则图像的退化系统表示为： G(ti，V)= F〇，v)H〇，v)+N〇,V)=exp[_a 〇2+v2)p]F(li，v)+N〇,V) (4) 式中，H(y,v)为系统的光学传递函数，N(y, v)为系统的噪声； 对图像的退化系统归一化后取对数，得： In IG* ( y , v) I = In I exp [- a ( y 2+v2)P ] F* ( y , v) +N* ( y , v) (5) 其中，忽略归一化后的噪声N#( y，v)，则得到下式： In IG* ( y , v) I = - a ( y 2+v2) p ] +In | F* ( y , v) (6) 将⑵式代入（6)中，求出-a Ivl2fi的值； 其中，a、e均为所要估计的点扩散函数的参数值； 2)采用最小二乘法进行拟合-a I V|2'从拟合的结果中能够得到a和0的值，从而 得到导致图像退化的点扩散函数。
6. 根据权利要求5所述的实时图像盲复原方法，其特征在于，对a和0的值通过选择 y = 0，v = 0, y = v，y = -V四条直线方向上分别估计，对a求取算数平均值，对|3求 取几何平均值。
7. 根据权利要求1所述的实时图像盲复原方法，其特征在于，步骤4)中，采用最小均方 误差滤波法进行图像重建，其计算公式为：
其中，S为模糊图像的信噪比，F(y，v)为原始图像的傅里叶变换，G(y，v)为退化图像 的傅里叶变换，H(y，v)为系统的光学传递函数，即点扩散函数的频率表达，y和￥为频域 空间的坐标。
【专利摘要】本发明提供了一种实时图像盲复原方法，包括：对退化图像进行傅里叶变换，然后求出退化图像的归一化频谱，根据自然图像的频谱分布规律，对退化图像的原始图像的频谱进行重建，估计出原始图像的归一化频谱，对退化图像的归一化频谱和重建频谱进行比较，求取系统的光学传递函数，进而求取退化图像的点扩散函数，根据所获得的点扩散函数，对退化图像进行维纳滤波复原，从而得到理想的图像。本方法不包含耗时的迭代，方法简单，易于实现，从而降低了算法复杂度，同时获得了准确的点扩散函数估计，取得了良好的图像复原效果。
【IPC分类】G06T5-00
【公开号】CN104820969
【申请号】CN201510158725
【发明人】邹建华, 高伟哲, 赵玺, 张志广, 王斌
【申请人】西安交通大学
【公开日】2015年8月5日
【申请日】2015年4月3日