1.1 研究背景与意义
21 世纪以来，美国、欧空局、俄罗斯等空间科技强国都相继提出了新的空间发展规划。特别的，美国自特朗普上台后提出太空政策，加大对太空探索的投资力度，并积极开展多个民用太空项目。根据我国至2030 年空间科学发展规划，我国将建立以覆盖多个热点领域的空间科学卫星为标志的空间科学体系[1]，通过发展系列空间科学计划，牵引和带动我国在空间目标识别与监视、深空测绘乃至其他重要科技领域的创新与突破，推动我国高科技产业的跨越式发展。而对空间目标的姿态、形状、特征以及太空星体表面的地形地貌进行高精度识别与判读，都需要采用光学成像系统对其观测与监视，从而获取足够数量的影像资料，从这些影像资料中提取使用者所期望的感兴趣信息。第十六届上海电视节
由于地面受到太阳辐射作用，造成大气中分子和由悬浮粒子构成的离散混合介质的不规则热运动，使得大气呈现出非稳态性和随机性，这种现象称之为大气湍流现象。当光波穿过空间大气层时，由于大气中湍流介质中各处的压强、温度、湿度以及物理特性的随机变化，使得射出湍流介质的波阵面不再保持平面特性。因此，光学成像系统中的传感器透过大气对目标物或场景进行观测时，由于近地面的大气湍流强度在空间和时间上分布的差异，造成湍流介质内的空气折射率的随机涨落。这会导致光波到达像面的振幅和相位的随机起伏，从而导致光束扩散、波面畸变、像点漂移等现象[2][3]，使得目标在成像设备上
会产生严重的模糊和降质。大气对成像系统的影响主要包括：1）空间对地高分辨率遥感观测中，卫星或航天飞机对地面目标进行跟踪和监视。2）在地基成像观测系统中，自适应光学望远镜对卫星、行星以及其他宇宙天体进行识别与探测。3）在高速飞行器成像制导系统中，使用激光器对目标实施打击的过程（如图1.1 所示）。由于大气湍流的干扰，飞行器上发射的激光束产生随机扩散与畸变，严重减弱了激光器的打击精度，因此有效的减弱大气湍流的影响，避免激光器的能量扩散和路径偏移是十分必要的。
在地基空间目标观测过程中，大气湍流扰动的存在，使得光学望远镜的分辨率不再由其理论衍射极限来决定，而取决于其大气相干长度。当光学系统对受到大气湍流干扰的光波进行成像时，其分辨率不会超过口径为0r 的光学系统衍射极限分辨率，其中0r 就是大气相干长度的大小[4]。0r 值越大，表示大气整体湍流强度越小。如果口径数米乃至数十米的光学望远镜在没有自适应补偿系统的条件下，通过空间大气层对近地卫星、行星或其他星体进行观测成像时，由于受到大气湍流的影响，其成像分辨率不会超过口径为分米级小型望远镜[5]，且获取的图像会出现模糊与抖动，这严重降低了观测图像的研究价值。针对大气湍流的扰动问题，目前研究人员提出了两种解决方案：1）发射太空望远镜（如美国哈勃望远镜、康普顿望远镜）。但是太空望远镜不仅造价和发射耗资巨大，而且出现故障不易检测和维护。望远镜如果没有补偿措施，在太空中会受到太空低温、失重环境导致镜面畸变，同样会观测图像出现模糊和降质。2）采用自适应光学补偿系统和波后复原技术。首先通过自适应光学系统对 光波波前畸变进行实时补偿和校正，其后基于数字图像处理技术对目标受抑制的中高频信息进行恢复和重建，最终获得目标的高清晰图像。
在遥感对地观测领域，由于大气湍流干扰、卫星平台的不稳定振动、传感器与被拍摄目标之间的相对运动、光学成像系统的离焦和散焦等因素，再加上传感器在数据传输、扫描成像时引入的噪声，都会导致遥感图像的降质和退化。然而研究人员希望获取纹理和边缘清晰、易于判读与辨识的遥感影像，这就需要利用图像复原技术从被“污染”的降质图像中恢复所希望得到的细节信息和主要特征[6]。图像复原技术除了能够在一定程度上提高遥感图像的分辨率和质量之外，也是遥感图像配准、目标变化监测、影像超分辨率重建、遥感影像判读等其它处理的前提，它在遥感图像的应用中起到关键作用。
1.1.1 空间望远镜技术
为了能够彻底摆脱大气湍流对天文观测的影响，研究人员希望能够穿越大气层，在太空中建立环绕地球的空间望远镜。1990 年，在美国肯尼迪航天中心发射的“发现者号”航天飞机携载着哈勃空间望远镜（HST）飞入天空，标志着人类的空间探测视角从地面转入太空，不仅摆脱了大气湍流的干扰，还能够捕捉到太空中的紫外线信息，避免了大气层对紫外线的吸收问题，成功弥补了地面观测的不足，为天文学家的研究提供了不可获取的数据资料，扩宽了人类对宇宙空间的认知领域，如图1.2 为哈勃望远镜及其获取的观测图像。1991 年成功发射升空的康普顿望远镜，把对天体伽马射线探测范围扩大了
300 倍，观测到银河系中心的反物质粒子云。2003 年，由美国发射的空间红外望远镜（SIRTF），使得人类不再局限于可见光的观测范围，该望远镜能够透过过厚重的宇宙尘埃和气团，获得在地面无法观测的红外波段天文资料。但是根据NASA公布的数据显示，哈勃望远镜计划共花费不低于12 亿美元，这大大超过了地面上任何一个天文台所的费用，且由于其理论设计复杂，所需材料要求苛刻，使得该计划被多次延迟。
（a）哈勃空间望远镜（b）礁湖星云观测图
图1.2 哈勃望远镜及观测图像
1.1.2 自适应光学成像系统
由于发射太空望远镜有着系统构造复杂、造价昂贵、不易维护和保养等缺陷，而透过大气则会受到湍流效应的干扰，所以构建自适应光学（AO，Adaptive Optics）系统一度成为高分辨率天文成像研究中的热点。自适应光学系统的工作原理是首先使用波前传感器对到达光瞳面的波前误差进行实时测量，然后利用测量数据计算出变形镜的驱动控制参数，再对光瞳面的畸变误差进行补偿和校正，从而消除大气湍流的影响，使得获取的观测图像分辨率和清晰度大幅度提高。图1.3 是无AO 校正时海王星观测图像和AO后海王星的图像，不难看出，图1.3（a）受到大气湍流的干扰而模糊不清，难以辨别目标的轮廓，而图1.3（b）经AO 系统校正后，可以清晰的辨别出行星的轮廓甚至其中的纹理，因此自适应
光学系统能够在一定程度上削弱对大气湍流对影像质量的影响。
（a）无AO 校正时海王星图像（b）AO 校正后海王星观测图像
图1.3 AO 系统校正前后的海王星观测图像对比
1.1.3 图像复原技术
尽管在天文望远镜上加入自适应光学系统能够一定程度上减弱大气湍流的干扰，但是由于计算机的运算速度的限制、闭环伺服带宽、非等晕效应、波前观测数据误差以及噪声的影响，使得自适应光学系统仅能对影像进行部分补偿，而不能够完全消除大气湍流的影响，影像的边缘纹理等细节信息仍然受到严重的抑制与掩盖，导致影像模糊和影像噪声，因此必须对自适应光学观测图像进行图像复原后处理。现代的地基、空基大型望远镜几乎都安装了自适应光学系统及相应的图像复原技术。而在对地遥感观测影像中，，图像复原技术已成为了影像预处理的关键步骤之一，而大气退化图像的校正与恢复也成为了遥感影像处理中的研究热点与方向。目前，美国的IKONOS 系列、QuickBird系列以及OrbView系列等遥感卫星等都在采用了MTF 补偿等图像恢复手段来改善影像的品质。
由于传感器平台的非稳定性和大气的湍流效应导致成像设备观测的图像出现变形和模糊，降低了其使用价值。因此相关学者希望到一种能够恢复图像“本来面貌”的后处理方法，提高图像的分辨率和可辨识能力[7]，图像复原技术便得到了大力研究与发展。
如图 1.4 所示，未经AO 系统校正的图像只能看到一片星团，经AO 系统校正后可以看出是双星系统，再经过图像复原后处理可以完全清晰的辨识出该双星系统的轮廓。
（a）无AO 校正时双星观测图像（b）AO 校正后双星观测图像（c）AO 校正及复原后结果
阀体铸造图1.4 自适应光学天文望远镜观测的双星图像及其复原结果
经过国内外学者的不懈研究与探索，图像复原技术和理论已经取得了一定的发展，如经典的直接逆滤波算法、维纳滤波算法等。经典图像复原算法在无噪声影响以及点扩散函数估计精确的条件下，可以获得较为良好的复原结果。但在实际应用中，噪声干扰以及点扩散函数偏差都是存在的，这会导致经典图像复原算法的解空间发散，无法得到稳定唯一解，致使图像噪声被过度放大或图像失真等现象。由于成像设备的衍射极限限制与大气湍流的扰动效应，空间观测图像的点扩散函数（Point Spread Function，PSF）往往是部分已知或完全未知的，我们很难用精准的数学模型去描述它。因此不需要过多的外界先验知识的图像盲复原技术就应运而生。由于盲复原可以运用的先验信息较少，因此首先要在复原过程中合理的引入图像和模糊核本身先验信息，以下介绍几种常用的盲复原算法： （1）基于空间域和频率域约束的迭代盲复原算法：Ayers 和Dainty 于1988 年提出了迭代盲解卷积算法[8]，该算法通过在复原迭代过程中，对空间域和频率域分别加入支持域和能量非负性先验约束，来逼近原始图像的最优估计。该算法的结构简单，计算速度快等特点，但是对噪声较为敏感，且由于过
度依赖于初始估计，难以保证其解的稳定性和单一性。（2）基于极大似然理论的盲复原算法：极大似然盲复原算法是以极大似然准则和最优化理论为基础的，根据符合一定条件下的观测数据，通过迭代的方式寻求使得其概率函数或对数取极大值的原始图像和点扩散函数的最佳估计。Sroubek和Flusser[9]于2005年提出了基于极大似然解卷积原理的多帧超分重建算法，该算法由多帧低分辨率的观测图像来求得符合其极大似然解的高分辨率图像，其中不需要点扩散函数的先验信息，而且能够很好的解决图像间的未配准问题。姜南等[10]于2014 年在点扩散函数初值选取的问题上，引入Zernike 多项式参数化来取代传统的高斯点扩散函数拟合法，其后利用极大似然盲解卷积算法对土星观测影像进行复原处理，取得了较好的复原效果。
（3）基于最大后验估计的盲复原算法：Trussell和Hunt[11]于1979 年提出了改进的
基于最大后验估计的近似解复原算法，该方法的复原结果优于一般的线性复原算法。Ferrari 和Frigessi等[12]针对噪声退化的彩图像，提出了一种快速近似最大后验估计复原算法，该算法假设图像噪声服从伯努利场分布，在图像复原过程中有效的结合马尔科夫随机场先验，其算法计算速度快，且复原效果良好。Burkhardt和Schorb[13]将离散图像像素值建模为一个二维有限的马尔科夫随机过程，并使用动态规划法得到上述的无记忆噪声状态序列中的最佳估计，该算法对噪声具有较好的鲁棒性，且收敛速度较快。
（4）基于正则化理论的图像盲复原算法：由于正则化（Regularization）理论能够将图像复原中的病态不适定问题转化为具有近似解的良态问题，从而使得解空间内存在稳定最优解。因此基于正则化理论的复原方法也越来越受研究人员的青睐，他们希望从降质图像中尽可能恢复出更多图像细节。1998 年，Chan 和Wong[14]提出了总变分盲解卷积算法，该算法能够较好的恢复图像的边缘和点扩散函数，且算法的鲁棒性强，且对低信噪比的图像同样有效。Sroubek和Milanfar[15]在2012 年提出了基于交互最小化的鲁棒多帧盲解卷积算法，，该算法在正则化理论的基础上，通过交替求解其图像和PSF 的最优化估计，对图像的细节和纹理有良好的恢复效果，但是随着图像帧数的增加，该算法的运算速度迅速下降，不能满足快速或者实时恢复的要求。
布朗粒子（5）基于稀疏表示理论的图像盲复原算法。Fadili等[16]在自然场景的图像信号在冗余字典下服从稀疏分解的假设上，在稀疏表达基础上提出了迭代阈值的方法，该方法可以很好的恢复自然场景中的高斯类模糊，但对能量相对集中的空间目标效果甚微。Xu于基于最大后验概率理论，提出了基于0L 范数稀疏表示的运动模糊去除算法[17]，该算法能够交替估计点扩散函数和图像，对图像的细节纹理有较好的恢复效果。
1.2 存在的主要问题
图像复原在天文观测、医学影像重建，深空探测以及遥感图像处理领域得到了广泛的研究与
发展，而且不断有新的理论与方法被吸纳进来。但是由于图像复原问题的病态性与不适定性，致使现有的理论与算法只能针对某种类型或具有某种分布特征的图像，这阻碍了图像复原技术的推广与应用，图像复原仍然存在许多问题亟待研究与解决：
（1）精准的先验模型。
生产队图像复原问题之所以能够得到解决，其中关键步骤之一就是先验模型的构建。对于大气湍流退化图像，能够有效地结合图像的统计信息和大气条件知识构建合适的先验模型，是提高解的稳定性与收敛性，增强算法鲁棒性与抗噪性的基础。
（2）合理的约束条件。
在恢复过程中不可避免的会出现解空间发散，真实解不存在或近似解不唯一的情况。而加入合理的约束条件可以使得病态问题良态化，迫使其近似解不断向真实解逼近，从而获得原始图像的最佳估计。
（3）高效的算法优化理论。
鸣机夜课图记图像复原算法的代价函数通常都是尺寸庞大的非线性系统模型，该模型大多数不能够直接求解，需要通过迭代、递归、变分法等理论去近似求解，而这些求解过程往往参数和变量众多，需要付出巨大的时间代价。因此如何提高算法的收敛速度与运行效率成为了图像复原领域又一值得研究的方向。
综上所述，本文主要针对大气湍流退化图像复原中先验模型构建、约束条件的选取、算法优化理论进行研究与分析，从而使图像复原理论能够得到更有效与广泛的应用。
1.3 论文内容安排
随着图像复原技术的发展与成熟，特别面向空间目标识别与判读、深空行星测绘、遥感对地观测领域的应用需求，使得大气湍流退化图像复原成为一项亟待解决的问题。本文面对现有的图像复原算法在先验模型构建、冗余模糊消除、自适应非迭代参数估计等方面上的劣势，主要对大气湍流图像的复原质量评价建立、数值解算、参数优化等方
面进行研究与探讨。论文共分为五章，主要内容安排如下：
第一章绪论。首先介绍了论文的研究背景与意义，其次以大气湍流降质图像的恢复问题为线索，综合地阐述了现有的大气湍流校正技术，并通过对现有复原算法的优劣性进行分析，指明了图像复原的研究难点与问题，并对论文的整体脉络进行梳理总结。
第二章图像复原理论。本章首先介绍图像复原的基本理论模型（包括退化模型、噪声模型、PSF 先验模型）。然后根据图像先验信息的掌握程度，分别阐述与总结了经典图像复原算法和图像盲复原算法，并对图像质量评价指标的特性进行理论总结与实验分析。
收费站
第三章改进的基于总变分正则化图像盲复原算法。通过引入逆问题理论奠定图像总变分正则化复原理论的基础，在代价函数中加入TV 正则项和Tikhonov正则项，通过布雷格曼分解法将难以直接求解的极小化模型分解为若干个子问题求解。在子问题求解过程中采用谱分解法、NTRF 算法、迭代收缩算法来近似求解。实验结果表明本文算法的比总变分算法的恢复效果更佳。
第四章自适应参数确定的MAPEX 算法。本章首先介绍了G 类点扩散函数的数学模型，然后通过对SECB 解卷积算法原理进行详细的论述，为之后复原问题求解提供理论支撑。最后阐述APEX 算法原理与流程，并对其存在的问题进行分析与探讨，并针对所提问题进行参数优化估计和支持域约束。实验结果表明，相比传统APEX 算法，本文算法的纹理和细节恢复能力更强。
第五章总结与展望。对论文的研究内容进行总结，并对后续需要开展的工作和研究方向进行了展望。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议