[发明专利]一种基于多源参考信息的遥感图像盲复原方法

权利要求书

1.一种基于多源参考信息的遥感图像盲复原方法，其特征在于，包括以下步骤：

S1、建立目标图像退化模型；

S2、建立虚拟观测模型；

S3、对各参数进行分布定义；

S4、得到模糊核、原始图像的目标函数以及超参数的计算关系；

S5、对模糊核、原始图像、超参数进行交替优化，提升图像复原效果。

2.根据权利要求1所述的一种基于多源参考信息的遥感图像盲复原方法，其特征在于，S1步骤具体为：建立目标图像退化模型：z＝k*u+n_z(1)，其中，z为观测到的模糊图像，u是原始图像，k是模糊核，n_z是噪声，符号*代表卷积运算。

3.根据权利要求2所述的一种基于多源参考信息的遥感图像盲复原方法，其特征在于，假定噪声n_z是方差为均值为零的高斯白噪声，将模糊图像z、原始图像u和模糊核k都展开成为向量：z＝[z₁，z₂，...，z_N]^T，u＝[u₁，u₂，...，u_N]^T，k＝[k₁，k₂，...，k_M]^T。

4.根据权利要求3所述的一种基于多源参考信息的遥感图像盲复原方法，其特征在于，S2步骤具体为：引入同场景另一颗卫星清晰的参考图像v，并虚拟一个观测值y，所述观测值y是相同核函数k降晰条件下参考图像v的退化图像，虚拟的观测模型表示为y＝k*v+n_y (2)。

5.根据权利要求4所述的一种基于多源参考信息的遥感图像盲复原方法，其特征在于，定义方程(1)和(2)在服从高斯分布下有条件概率的形式：

6.根据权利要求5所述的一种基于多源参考信息的遥感图像盲复原方法，其特征在于，S3步骤具体为：对任意的图像像素u_i(u＝[u₁，...，u_i，...，u_N]^T)，设u_i服从参数为α_i的拉普拉斯分布

那么图像向量u＝[u₁，u₂，...，u_N]^T的分布为：

相应的超参数α_i定义服从为伽马分布：

此时，参数向量α＝[α₁，α_i，...，α_N]^T的分布定义为：

卷积核k的分布定义为：

7.根据权利要求6所述的一种基于多源参考信息的遥感图像盲复原方法，其特征在于，基于贝叶斯定理将上述步骤中各个分布的关系写成：

p(k，u，y，α|z，v)＝p(z|k，u)p(y|k，v)p(k)p(v)p(u|α)p(α) (10)。

8.根据权利要求7所述的一种基于多源参考信息的遥感图像盲复原方法，其特征在于，将方程(3)-(9)带入到方程(10)，整理得：

9.根据权利要求8所述的一种基于多源参考信息的遥感图像盲复原方法，其特征在于，S4步骤具体为：以KL散度为代价函数并基于变分贝叶斯方法得到关于模糊核和原始图像的目标函数：

以及超参数方程：

10.根据权利要求9所述的一种基于多源参考信息的遥感图像盲复原方法，其特征在于，在实际求解过程中对方程(12)、(13)、(14)交替进行优化。