[发明专利]基于范数约束和自适应加权梯度的湍流退化图像恢复方法

说明书

本发明公开了一种基于分数阶微分算子的L₀范数约束和自适应加权梯度的湍流退化图像复原的方法，包括建立湍流退化图像恢复的基本空间不变数学模型；建立图像尺度由粗到细的多尺度金字塔框架；在不同的金字塔尺度下建立基于分数阶的L₀范数约束的潜在清晰图像优化模型，估计潜在清晰图像；对估计的潜在清晰图像使用双边滤波器进行滤波，并建立连续边缘的加权模型；建立自适应加权梯度的点扩展函数估计模型，并在频域内采估计出点扩展函数；迭代求出对应图像尺度下的潜在清晰图像和点扩展函数，利用点扩展函数的相似性度量设定优化迭代循环的迭代终止条件；并迭代输出潜在清晰图像和点扩展函数；最后利用点扩展函数恢复湍流退化图像，获得清晰图像。

技术领域

本发明属于图像处理技术领域，在有大气湍流对成像影响的情形下，构造基于分数阶微分算子的L₀范数约束和自适应加权梯度的湍流退化图像恢复的方法。

背景技术

红外探测器平台在高速飞行过程中，由于平面波在不同的空间位置超前或滞后了不同的波长数、周围气流与平台之间的冲击效应、光学载荷窗口与周围流场的相互作用等，使得周围流场内的折射系数随机变化，这些效应表现为振动、光学传输路径的相位畸变等湍流退化效应，导致探测到的图像具有模糊、偏移、抖动等，极大地降低了目标探测距离及定位与识别的精度。可采用自适应光学校正系统的设计对波前误差进行实时测量和控制，但自适应光学系统的构造复杂，造价昂贵。由于经济和探测方面的迫切需要，湍流退化图像的复原问题的研究是极其重要的，该问题也是航天探测的难题之一。

为了解决因为湍流大气而产生的图像退化问题，国内外的一些专家学者提出了逆滤波、维纳滤波和卡尔曼滤波等方法。这些方法大多是在点扩展函数已知的情况下进行的图像复原，而在实际的湍流图像复原的过程中点扩展函数通常是未知的，这导致在实际应用中使用这些方法将会具有一定的局限性。近年来，点扩展函数未知情况下的盲图像复原问题在空域和频域上被分别展开研究。大致分为两大类：第一类是两阶段的方法，即第一阶段估计出点扩展函数，第二阶段利用估计出的点扩展函数进行非盲图像复原。第二类是融合点扩展函数和清晰图像的优化迭代循环估计，如二维自回归参数估计方法及非参数限定支持域估计方法。很多正则化项作为潜在清晰图像或点扩展函数的先验加入到图像复原模型中，比如总变分正则化、各向非异性正则化等。然而，这些方法在恢复图像细节时，忽略了退化图像及潜在清晰图像中丰富的边缘信息和内在联系，很少有学者研究哪些边缘是利于点扩展函数估计的。

图像中有80％的有效信息是来源于图像的边缘信息。在图像盲去模糊模型中，通常在梯度域进行点扩展函数的估计。整数阶梯度算子可提取出图像的高频信息(强边缘、噪声)等，对低频信息(平坦区域)具有较强的抑制作用。湍流退化图像相对于自然模糊图像而言，边缘信息较弱，噪声较强。因此传统图像复原方法中采用的整数阶梯度算子保留并增强了退化图像中的噪声信息，削弱甚至抑制了部分弱边缘信息，并不适合湍流退化图像的复原。

发明内容

本发明的目的在于提供一种基于分数阶微分算子的L₀范数约束和自适应加权梯度的湍流退化图像恢复的方法。当探测视角小、湍流流场中的湍流规模比波长大，系统孔径较小时，湍流退化可近似为空间不变模糊。在点扩展函数未知的情况下，我们需要从湍流退化图像中估计出清晰潜像和点扩展函数，从而恢复出高质量的图像。在只有已知模糊图的情况下，我们需要将图像的先验知识作为约束条件从而求解未知的清晰潜像和点扩展函数。

为了实现上述目的，本发明采用的技术方案是提供一种基于分数阶微分算子的L₀范数约束和自适应加权梯度的湍流退化图像恢复的方法，具体步骤如下：

(1)建立湍流退化图像恢复的基本空间不变数学模型，输入湍流退化图像；

(2)采用多尺度金字塔策略，根据输入的湍流退化图像的尺度进行向下采样，建立图像尺度由粗到细的多尺度金字塔框架；