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。

针对高速湍流场导致的红外成像模糊, 提出了一种基于图像质量评价的湍流退化红外图像降晰函数辨识算法。利用先验知识将退化过程简化为可用参数描述的二维高斯函数形式, 将退化图像分割为边缘区、纹理区和平坦区, 计算不同支持域下复原图像在不同参数时的峰度值; 利用曲率最大准则对得到的“峰度-参数”曲线进行相应的降晰函数参数估计, 进而由支持域和对应的估计参数得到对应降晰函数并用于复原退化图像; 最后对复原图像进行无参考图像质量评价,评价指标最高的复原图像对应的降晰函数即为最终辨识结果。实验结果表明: 该算法能较好地辨识降晰函数参数和支持域大小, 当退化图像信噪比大于30 dB时, 估计参数与真实值的最大偏差小于±5%。该算法所得结果可以作为湍流退化红外图像其他复原算法的降晰函数起始估计。

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。

提出一种新的以目标获取为目的的全流程性能评估方法,综合分析目标场景、点扩展函数大小、算法主控参数等因素对恢复后的目标可检测性的影响,引入正交试验设计来充分覆盖数据空间和控制试验规模,进行多因素、多水平试验与分析.试验结果表明:提出的评价指标和方法既利于评估图像恢复算法对目标获取的有效性,也能指出算法需要改进的方向.

在湍流退化图像复原研究中，为了消除大气湍流的影响，提出了一种基于先验信息和正则化技术的盲解卷积图像复原算法。该算法是以极大似然估计为基本原理，将目标图像和点扩展函数的先验信息以惩罚项的形式引入到极大似然函数中，同时利用正则化技术优化目标图像和点扩展函数的估计过程，以增加极大似然估计算法的收敛性和稳定性。通过退化图像的复原实验结果表明，该算法在退化模型完全未知的情况下，可以有效的实现对湍流退化图像的盲复原。

针对大气湍流退化图像复原问题,提出了一种基于各向异性和非线性规整化的总变分盲复原新算法,该算法主要结合图像和湍流点扩展函数的一些性质采用基于各向异性的空间自适应规整化处理,建立了具有非线性和空间各向异性的规整化函数,使其在恢复目标图像和估计点扩展函数时能自适应地进行梯度平滑.最后,通过交替最小化方案来极小化代价函数和通过定点迭代策略将非线性方程进行线性化处理,快速地估计点扩展函数和恢复图像.在微机上对数字模拟和实际退化图像进行了一系列恢复实验,验证了算法的有效性和稳健性.

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.