电阻阵列的非均匀性是一种固定模式的空间噪声, 是影响红外图像质量的主要因素。测试数据的准确性对非均匀性校正效果是至关重要的, 全屏测试时辐射能量的扩散是导致测试误差的重要原因。分析了经典图像复原方法的局限性, 提出一种新的基于 PSF粗估计的迭代测试方法。分析了不同 PSF估计误差对新方法收敛速度和测试精度的影响, 评估了不同 PSF条件下的测试效果。数值仿真结果表明, 新的方法计算量更低, 收敛速度更快, 且能够适应更宽的平滑因子参数范围。新方法可有效地从退化图像中复原电阻阵列的实际非均匀性图像, 取得较好的校正效果。

户外场景的图像经常会由于恶劣的天气而降质退化,从而形成雾霾图像.目前为止,大部分基于单幅图像的去雾算法忽略了噪声的影响,因此本文考虑噪声污染建立新的去雾模型,提出一种三阶段去雾新算法.第一阶段,对降质图像进行预处理,消除噪声对图像的干扰;第二阶段,运用中值暗通道优先(MDCP)算法在空域复原预处理图像,增强其全局对比度;第三阶段,在变换域增强图像的局部对比度,进一步恢复图像的细节信息.与仅仅运用空域和没有考虑噪声的算法相比,所提算法显著改善了图像的质量,增加了图像的清晰度.

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.

针对雾天降质图像对比度低的问题，提出了一种基于修正直方图的图像增强算法。统计图像的直方图时，每个像素分为两部分，一部分累加到当前像素灰度级，剩余部分按灰度级平均分配，实现直方图的修正，然后根据修正直方图产生灰度映射函数，由于每个像素只有一部分累加到当前灰度级，这样可以避免局部图像的过度增强。实验表明，该算法比经典的直方图均衡化算法、局部直方图均衡化算法有更好的增强效果。

针对在雨雾霾天气条件下, 大气介质的散射和吸收作用导致光电成像系统接收的图像对比度降低, 细节模糊不清及颜色偏移, 提出通过快速图像复原来解决此类图像退化问题。基于大气成像光学模型, 在暗通道先验的理论基础上, 提出了一种基于形态学滤波器的快速估算暗通道图像的方法, 并采用参数自适应调整方法来抑制暗通道先验不满足时的大片天空/白墙区域的颜色失真现象。实验结果表明, 该算法能够有效快速复原雨雾天气条件下的降质图像, 对于600×400大小的图像, 其Matlab复原仿真时间仅为04 s, 复原后的图像主观视觉质量明显提升, 其大片天空/白墙区域的颜色失真得到有效抑制。

针对点扩散函数估计(Point Spread Function,PSF)不准确导致在气动退化图像盲复原处理后易造成振铃效应的问题, 提出了一种改进的PSF估计方法, 并将之应用于气动退化图像的复原处理中。具体做法是：构建平移不变的非下采样小波变换(NSWT), 从而使之更易于处理图像奇异信息; 基于小波变换模极大值和点扩散函数方差之间的关系, 提出基于冗余提升NSWT的PSF估计方法; 最后, 将之应用于气动退化图像的盲复原中进行仿真验证。实验结果表明, 使用改进后的PSF估计方法复原后的图像振铃效应等伪像程度显著减轻, 图像质量明显改善, 从而验证了构建的平移不变NSWT及改进PSF估计方法的有效性。

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。