提出一种基于双向多尺度特征融合的生成对抗网络（GAN），利用该网络对各种地基望远镜拍摄的受大气湍流影响的目标天体图像直接进行盲复原处理。首先通过长曝光大气湍流退化模型与清晰图片进行卷积来构建数据集，并进行网络训练，在模拟湍流图像数据集中测试网络性能。同时，实际获取了Munin地基望远镜（卡塞格林型望远镜）拍摄的受湍流影响的国际空间站图片，并用所提神经网络模型进行测试。各项图像复原评价指标表明：所设计的网络实时性较强，在0.5 s内可以输出复原结果，相比传统非神经网络复原方法要快10倍以上；所提网络的峰值信噪比（PSNR）提高2 dB~3 dB，结构相似性（SSIM）提高9.3%左右，对受真实湍流影响的退化图像也有较好的复原效果。

针对湍流退化图像随机性的问题, 提出了一种基于随机点扩散函数的多帧湍流退化图像自适应复原方法。首先介绍了随机点扩散函数的图像退化模型, 并分析了点扩散函数随机性对图像复原造成的影响, 建立了基于随机点扩散函数的多帧图像退化模型。在此基础上, 建立了基于多帧退化图像的全变分复原模型, 利用前向后向算子分裂法对模型进行求解, 提高了算法的运算效率。然后, 提出了一种新的自适应正则化参数选取方法, 该方法利用全变分复原模型的目标函数计算正则化参数, 当正则化参数收敛时, 复原图像的峰值信噪比达到最大值, 因此利用目标函数的相对差值作为自适应算法迭代终止的条件, 可以获得最佳复原效果。最后通过实验分析, 算法中退化图像的帧数应不大于10帧。实验结果表明: 当取10帧退化图像时, AFBS算法运算时间与单帧的FBS算法相当, 信噪比增益为1.4 dB。本文算法对图像噪声有明显的抑制作用, 对湍流退化图像可以获得较好的复原效果。

为解决大气湍流引起的图像抖动和图像偏移问题,提出了一种结合仿射变换和多层B样条配准的图像校正方法.由于湍流像素偏移具有非线性和随机性,且序列中常伴有成像系统运动引起目标全局运动,该方法将像素校正分为整体运动校正和局部非刚性配准两部分.采用仿射变换描述目标整体运动;引入多分辨率策略处理像素偏移,利用多层B样条对湍流引起的局部形变进行非刚性配准.基于对称约束的代价函数,通过梯度判定感兴趣区域,进一步细化控制点网格提高B样条配准精度.最后,采用有限内存拟牛顿法优化代价函数,得到像素偏移量,实现畸变图像的像素校正.对真实图像和实际序列图像分别进行了实验,结果表明:该方法能够有效降低湍流造成像素偏移畸变,在噪声和模糊干扰下校正结果依然理想.

提出了一种基于加速正则化Richardson-Lucy(RL)算法的大气湍流退化图像盲复原方法(AccRLTV-IBD)。在总变 分(TV)正则化RL算法的基础上,引入二阶矢量外推加速技术对其进行加速,形成加速正则化RL(AccRLTV)算法,并将 该算法应用到迭代盲目反卷积(IBD)算法中。使用长曝光大气湍流光学传递函数(OTF)的物理模型或根据图像来 获取初始的点扩散函数(PSF),在灰度平均梯度(gray mean grads, GMG)的基础上定义了一个相对灰 度平均梯度(relative gray mean grads, RGMG)参数作为无参考图像复原质量的评价标准。模拟图像和 实际湍流退化图像复原结果表明,基于RL的IBD算法要优于基于Wiener滤波的IBD算法,并且与RL-IBD算法 相比, AccRLTV-IBD收敛速度更快,复原效果更好。

提出了一种基于加速阻尼Richardson-Lucy(ADRL)算法的湍流退化图像盲复原方法，称为ADRL-IBD方法。在阻尼Richardson-Lucy算法的基础上，引入二阶矢量外推加速技术对其进行加速，形成ADRL算法，并将该算法应用到迭代盲目反卷积（IBD）算法中。使用长曝光大气湍流光学传递函数的物理模型或根据观测图像来获取初始的点扩展函数（PSF），利用阈值分割技术获取图像目标的可靠支持域，在每一次迭代中，对图像施加支持域约束。模拟图像和实际湍流退化图像复原结果表明，基于Richardson-Lucy算法的IBD算法要优于基于Wiener滤波的IBD算法，并且ADRL-IBD算法具有较强的抗噪性，与RL-IBD算法相比，收敛速度更快，复原结果更好。

提出了基于最速下降法的湍流退化图像盲目复原算法。将图像转换到频域中，建立一个基于目标图像和点扩展函数频谱的目标函数，通过迭代方式采用最速下降优化方法来极小化该目标函数，并利用傅里叶变换和反变换将目标图像和点扩展函数在频域和空域之间进行变换，在每次迭代中交替加入约束条件进行反复修正，以便取得预期的图像恢复效果，增强算法的稳定性和抗噪能力。针对红外目标湍流退化图像，在微机上对算法进行了一系列复原验证实验。实验结果表明：该文算法复原效果稳定，抗噪能力强，具有实用价值。

为克服气动光学效应对目标图像的影响,把相位恢复算法与气动光学效应机理研究结合起来,用于湍流退化图像的恢复.该算法是通过目标图像的傅里叶变换幅值来恢复目标图像,或等价地,恢复傅里叶变换相位.讨论了两类相位复原算法--迭代傅里叶变换(IFT)和解相关算法.对现有的解相关算法作了改进,采用共轭梯度法解高斯-牛顿方程,可有效提高算法的收敛速度.IFF算法不能保证迭代过程总能收敛到正确解,有时会出现停滞现象,将IFT和解相关算法组合起来,可以克服IFT算法的停滞现象,提高正确收敛率.给出了在信噪比为20 dB情况下的湍流退化仿真图像恢复的实例,目标图像能较清晰地恢复出来.实验结果表明该算法具有较好的稳定性和抗噪声能力.

为了从有噪的湍流退化图像中有效地恢复出目标图像,提出了一种基于极大似然估计准则的规整化复原算法.根据图像随机场模型建立了有关多帧图像数据的对数似然函数,同时为了平滑噪声和保护图像边缘以及避免无价值的解,将一些合理的惩罚项和辅助平滑项融合到该对数似然函数中.推导出了湍流点扩展函数和目标图像的交替迭代求解公式,通过迭代方式可将点扩展函数和目标图像同时估计出来,给出了算法的并行处理方案.在微?隙郧吭肷跫碌耐牧魍嘶枷窠辛嘶指词笛?实验结果表明本算法具有较强的抗噪能力和实用价值.

提出了一种基于小波分解的湍流退化图像的复原新方法.该方法以2帧同一目标的湍流退化图像作为输入,采用小波变换技术对两帧湍流退化图像进行多尺度分解.利用两个低频子频段图像的傅立叶频谱估计出两湍流点扩展函数在大尺度下的离散值,在图像的低频子频段进行去模糊,而在高频子频段则主要进行抑制噪声和保边缘特征.实验结果表明该方法十分有效,不但可以极大地减少计算复杂性,加快恢复速度,而且还可以很好地提高图像的恢复质量和抗噪能力.