中国科学院安徽光学精密机械研究所大气成分与光学重点实验室, 安徽 合肥 230031
根据贝叶斯和Parseval定理，引入了频域内多帧湍流退化图像的近视解卷积复原算法。以大气湍流长曝光光学传递函数作为估计的光学传递函数。根据频域代价函数的特点，提出分步牛顿法求解代价函数。本算法能够处理未匹配的多帧图像，并能获得理想的复原图像。计算机仿真多帧湍流退化图像的复原结果表明：即使多帧图像未匹配，在不同湍流强度和不同噪声情况下算法仍能复原出好的图像效果。
图像处理 大气湍流效应 光学成像 近视解卷积 图像匹配
1 中国科学院光电技术研究所, 成都 610209
2 中国科学院研究生院, 北京 100039
3 解放军信息工程大学, 郑州 450002
在传统的基于波前探测的解卷积方法中, 由波前探测得到的点扩展函数被认为是精确的, 并用维纳滤波进行复原, 但是点扩展函数不可避免地存在误差, 所以最终的复原目标图像质量不佳。为了解决该难题, 提出了基于目标和点扩展函数联合估计的图像近视解卷积算法。它运用了点扩展函数和目标的先验信息, 对点扩展函数和目标进行了规整和进一步约束, 从而得到更优的恢复图像质量。对该方法的原理和实现过程进行了阐述, 并将其运用于室内点源目标数据中。实验结果证明, 与维纳滤波方法相比, 该方法使图像恢复的效果得到明显改善。
图像处理 图像复原 近视解卷积 联合估计 波前探测
