專利名稱：結(jié)合幀選擇和盲解卷積的自適應(yīng)光學(xué)圖像高分辨率復(fù)原方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)，提出了一種針對自適應(yīng)光學(xué)系統(tǒng)部分校正圖像的盲圖像復(fù) 原技術(shù)。
背景技術(shù)：
圖像復(fù)原就是從觀測到的降質(zhì)圖像中得到真實圖像的估計過程。其成像模型可以表示為 gO，_y) = /0,;v) /i(x，y) + "(>，:y) (1)
式中，g(x，力表示觀測到的降質(zhì)圖像；/(x,力代表真實目標，即待復(fù)原目標；/ (;c，力表 示光學(xué)系統(tǒng)的點擴散函數(shù)，用來描述波前相差；"(x,力表示系統(tǒng)噪聲；"0"代表循環(huán)巻 積。自適應(yīng)光學(xué)系統(tǒng)由于受限于變形鏡自由度不夠以及波前傳感器測量不準等因素，往往 不能對對降質(zhì)圖像完全校正。因此，需要對其部分校正的圖像結(jié)果進行二次復(fù)原。波前傳 感器受噪聲等因素制約，由其探測的波前信息得到的點擴散函數(shù)不能完全表示實際的波前 擾動，需要對其進行修正。
自適應(yīng)光學(xué)系統(tǒng)閉環(huán)過程中的短曝光圖像序列中并非每一幀作二次校正都能取得滿意 的結(jié)果，幀選擇技術(shù)可以從序列中選擇出最適合二次校正的幀組合，使用這樣的幀進行盲 解巻積處理可以有效地提高復(fù)原質(zhì)量，提高盲解巻積的收斂速度。
梁瑩等曾提出過利用盲解巻積對部分校正的自適應(yīng)光學(xué)圖像進行事后處理，但未考慮到并 非所有記錄的降質(zhì)圖像都可以通過解巻積得到圖像質(zhì)量上的提高；J. J. Green等曾提出使用幀選 擇技術(shù)對短曝光序列進行事后處理，但他們只是利用波前傳感器中的數(shù)據(jù)進行解巻積，而未考 慮到波前傳感器本身受噪聲影響并不能完全代表波前相差；他們也未考慮對自適應(yīng)光學(xué)系統(tǒng)部 分校正后的圖像進行二次校正。
發(fā)明內(nèi)容
本發(fā)明的目的是克服現(xiàn)有技術(shù)的不足，提出一種結(jié)合幀選擇和盲解巻積的自適應(yīng)光 學(xué)圖像高分辨率復(fù)原方法，該方法運算速度較快、收斂性有保證。使用此方法可以有效地 提高待校正圖像的成像質(zhì)量。
本發(fā)明的技術(shù)解決方案是利用幀選擇與盲解巻積的圖像復(fù)原算法，其特點在于步驟 如下
(1) 記錄自適應(yīng)光學(xué)閉環(huán)校正時的短曝光圖像序列，計算序列中每一幀圖像的香農(nóng)熵, 選擇熵較小的降質(zhì)圖像&(X，力進行盲解巻積圖像復(fù)原；
(2) 使用隨機相位生成點擴散函數(shù)的初始值&(X,力；
(3) 使用&(JC,力與得到的&(JC,30估計出目標六x，力，對其加入正性限制，得到估計
(4) 使用^(x，y)與/(x，力得到出點擴散函數(shù)的估計值&Oc,力，同樣加入正性限制， 得到估計值《(JC,力；
(5) 檢查迭代值S(;c，力、/(x,;/)是否達到迭代停止要求，若未滿足則重回步驟(3); 否則停止循環(huán)，輸出/(x,力和《(x,力。
本發(fā)明與現(xiàn)有技術(shù)相比有如下優(yōu)點
(1) 幀選擇從眾多降質(zhì)圖像中選擇出部分最適合二次處理的降質(zhì)圖像，以避免不合格
的降質(zhì)圖像對真實目標復(fù)原的影響；并且能夠提高盲解巻積的收斂速度，減小其陷入無效 解的可能。
(2) 使用同一目標的多幀降質(zhì)圖像可以有效地提高復(fù)原質(zhì)量，幀數(shù)越多復(fù)原效果越好。 同時，多幀降質(zhì)圖像可以很好地避免迭代過程中出現(xiàn)無效解。對較強的波前擾動，只要適 當增加短曝光降質(zhì)圖像的幀數(shù)就能得到較好的復(fù)原結(jié)果。
(3) 數(shù)據(jù)依賴僅僅為降質(zhì)圖像，越少的數(shù)據(jù)依賴，則有越強的適應(yīng)性和普適性。
圖l為本發(fā)明的算法流程圖2是利用本發(fā)明復(fù)原受隨機擾動影響的文字圖像；其中，(a)為源圖像，(b) (c)圖 為利用幀選擇技術(shù)從IOO幀加入隨機擾動的含噪降質(zhì)圖像中遴選出的兩幀，(d)圖為復(fù)原圖像；
圖3為使用本發(fā)明對實測恒星目標的復(fù)原處理，其中，(a) (c)為經(jīng)過幀選擇的三 幀100像素X100像素自適應(yīng)光學(xué)校正后恒星目標。(d)為經(jīng)本發(fā)明方法二次校正后的結(jié)果；
圖4為沒有幀選擇過程的實測恒星目標的復(fù)原處理，其中，(a) (c)為隨機選出的三 幀降質(zhì)圖像；(d)為盲解巻積后的結(jié)果；
圖5為圖3 (a)、圖3 (d)和圖4 (d)的截面圖。
具體實施例方式
下面對本發(fā)明做詳細說明。針對現(xiàn)在圖像復(fù)原算法的不足，本發(fā)明提出了一種利用幀
選擇與盲解巻積的圖像復(fù)原算法即從記錄的自適應(yīng)光學(xué)系統(tǒng)閉環(huán)時的校正圖像短曝光序 列中遴選出最適合作二次處理的降質(zhì)圖像進行盲解巻積事后處理。使用同一目標的多幀降
質(zhì)圖像而非單幀可以將一個"知一求二"(已知g(x，力未知/j(x，力與/0,力)的問題轉(zhuǎn)變?yōu)?"知m求m+l"(已知gmO，力未知&(x，力與/(;c,力)的問題，大大減少了問題的不確定
性；同時引入了幀選擇剔除了不合適的降質(zhì)圖像對真實目標進行估計，增加了迭代精度， 使整個算法更容易收斂。該算法的流程圖由圖1所示。下面分別說明
(1) 記錄W幀連續(xù)的自適應(yīng)光學(xué)系統(tǒng)閉環(huán)校正時的短曝光降質(zhì)圖像序列^Oc，力。
(2) 計算^(x,力中每一單幀的香農(nóng)熵，
M =-&'0，力108^(",力' (2)
其中^,(x,力代表第/幀的概率密度函數(shù)，定義為-
小力-^^V (3)
(3) 根據(jù)所需進行解巻積的幀數(shù)S，數(shù)選擇M,最小的S幀形成降質(zhì)圖像序列g(shù)J;c,力，
(4) 隨機產(chǎn)生的波前殘差《0c,力，使用點擴散函數(shù)的物理計算公式(4)得到其對應(yīng) 的點擴散函數(shù)作為初始值-
^iT(Pe鄰[見"力])12 (4) 式中，戶代表瞳徑函數(shù)，iT表示傅里葉變換。
(5) 使用g力,力與得到的&"力估計出目標/(x，力。定義&a,y;)、 &(/;，/;)和 戶(X,/》分別為^"力、乞(x,力和的傅里葉頻譜。
2X'(力，力X^o;,力)
!>m(y;,y;)|
六x,力"一c/;,/;》 (6) 其中，"*"代表復(fù)共軛；/Fr代表逆傅里葉變換。s,為一常量防止除數(shù)為0。
(6) 根據(jù)光成像的物理意義，/(x，力20。因此加入正性限制。
D,，M>0 (7) L 0，otherwise
(7) 根據(jù)維納逆濾波原理，使用^(xj)與/(x,力得到出點擴散函數(shù)的估計值&(;c,力。
戶c/;,y;)和之o;,力)分別是i""y)和&"力的傅里葉變換；^的作用與&—樣。
(8) 根據(jù)點擴散函數(shù)的物理計算公式(4)，對4,(;c，力同樣加入正性限制。
<formula>complex formula see original document page 7</formula>
(9) 定義迭代停止條件。如果未達到條件要求，則重回(3)步，直至收斂為止。
<formula>complex formula see original document page 7</formula>
H代表定義在希爾柏特空間上的范數(shù)；e為一正常數(shù)。 實施例1
如圖2所示，利用本發(fā)明對模糊字體進行復(fù)原處理。其中，(a)為源圖像，(b) (c)圖 為利用幀選擇技術(shù)從100幀加入隨機擾動的含噪降質(zhì)圖像中遴選出的兩幀，(d)圖為復(fù)原圖像； 結(jié)果顯示，本發(fā)明可以有效地復(fù)原降質(zhì)圖像。整個計算過程經(jīng)過25次迭代，耗時20秒。 實施例2
應(yīng)用本發(fā)明對經(jīng)過自適應(yīng)光學(xué)系統(tǒng)部分校正的圖像進行復(fù)原，如圖3所示。(a) ~ (c) 為經(jīng)過幀選擇的三幀100像素X100像素自適應(yīng)光學(xué)校正后恒星目標。(d)為經(jīng)本發(fā)明方法二 次校正后的結(jié)果。實驗表明，復(fù)原結(jié)果較好。整個計算過程耗時30秒，經(jīng)過了30次迭代。從 圖3可以看到，在相同能量下，(d)的峰值較(a) (c)分別提高了2.56倍、2.38和2.45倍， 也就意味著斯特列爾比分別提高了2.56倍、2.38禾tl 2.45倍。圖4比較了圖3 (a)與(d)的截 面圖。
為作比較，從降質(zhì)圖像短曝光序列中隨機選出三幀圖像進行二次處理，如圖4所示(a)
(c) 為隨機選出的三幀降質(zhì)圖像；(d)為盲解巻積后的結(jié)果?？梢园l(fā)現(xiàn)，在相同能量下，圖4
(d) 的峰值只有圖3 (d)的65.P/。。但經(jīng)二次校正后，圖4 (d)的斯特列爾比較(a)與(c) 分別提高了 1.28倍與1.14倍。
圖5分析了二次校正在分辨率上的提高?？梢钥吹?，圖3 (d)與圖4(d)的分辨率都較圖3(a) 都有明顯的提高，分別為4.9個象素與5.1個象素，其中前者達到了系統(tǒng)衍射極限，后者也十分 拉近。
綜上所述，本發(fā)明可以有效地提高成像質(zhì)量，可以對自適應(yīng)光學(xué)系統(tǒng)進行很好補充。
權(quán)利要求
1、一種結(jié)合幀選擇和盲解卷積的自適應(yīng)光學(xué)圖像高分辨率復(fù)原方法，其特征在于(1)記錄自適應(yīng)光學(xué)閉環(huán)校正時的短曝光圖像序列，計算序列中每一幀圖像的香農(nóng)熵，選擇熵較小的降質(zhì)圖像gm(x，y)進行盲解卷積圖像復(fù)原； (2)使用隨機相位生成點擴散函數(shù)的初始值(3)使用gm(x，y)與得到的估計出目標，對其加入正性限制，得到估計值(4)使用gm(x，y)與得到出點擴散函數(shù)的估計值，同樣加入正性限制，得到估計值(5)檢查迭代值是否達到迭代停止要求，若未滿足則重回步驟(3)；否則停止循環(huán)，輸出和
2、 根據(jù)權(quán)利要求1所述的一種結(jié)合幀選擇和盲解巻積的自適應(yīng)光學(xué)圖像高分辨率復(fù)原 方法，其特征在于所述步驟(I)中的短曝光圖像中的曝光時間范圍在5ms 40tns間。
3、 根據(jù)權(quán)利要求1所述的一種結(jié)合幀選擇和盲解巻積的自適應(yīng)光學(xué)圖像高分辨率復(fù)原 方法，其特征在于所述步驟(1)中計算^(X,力中每一單幀的香農(nóng)熵公式為<formula>see original document page 2</formula>其中y,O，力代表第Z'幀的概率密度函數(shù)，定義為<formula>see original document page 2</formula>
4、 根據(jù)權(quán)利要求1所述的一種結(jié)合幀選擇和盲解巻積的自適應(yīng)光學(xué)圖像高分辨率復(fù)原 方法，其特征在于所述步驟(2)中點擴散函數(shù)作為初始值公式為<formula>see original document page 2</formula>式中，P代表瞳徑函數(shù)，iT表示傅里葉變換。
5、 根據(jù)權(quán)利要求1所述的一種結(jié)合幀選擇和盲解巻積的自適應(yīng)光學(xué)圖像高分辨率復(fù)原 方法，其特征在于所述步驟(3)中使用gm(x,jO與得到的&(;c,力估計出目標/Oc,力的公式為定義gm(fx,fy)、Hm(fx;,fy)和F(fx，fy)分別為gm(x,y)，力、hm(x,y)和y(x,y)力的傅里葉頻 譜，<formula>see original document page 3</formula> (5)<formula>see original document page 3</formula> (6) 其中，"*"代表復(fù)共軛,IFT代表逆傅里葉變換，ε1為一常量防止除數(shù)為o。
6、根據(jù)權(quán)利要求i所述的一種結(jié)合幀選擇和盲解巻積的自適應(yīng)光學(xué)圖像高分辨率復(fù)原方法，其特征在于所述步驟(3)中加入正性限制的公式為<formula>see original document page 3</formula>。
7、 根據(jù)權(quán)利要求1所述的一種結(jié)合幀選擇和盲解巻積的自適應(yīng)光學(xué)圖像高分辨率復(fù)原方法，其特征在于所述步驟(4)中使用gm(x,y)與f(x,y)得到出點擴散函數(shù)的估計值hm(x,y)的公式為:<formula>see original document page 3</formula><formula>see original document page 3</formula>F( x, y)和Hm(fx,fy)分別是f(x,y)和hm(x,y)的傅里葉變換，ε2為一常量防止除數(shù)為o。
8、 根據(jù)權(quán)利要求1所述的一種結(jié)合幀選擇和盲解巻積的自適應(yīng)光學(xué)圖像高分辨率復(fù)原方法，其特征在于所述步驟(4)中加入正性限制的公式為<formula>see original document page 3</formula>。
9、 根據(jù)權(quán)利要求1所述的一種結(jié)合幀選擇和盲解巻積的自適應(yīng)光學(xué)圖像高分辨率復(fù)原方法，其特征在于所述步驟(5)中的停止條件為<formula>see original document page 3</formula>‖:‖表定義在希爾柏特空間上的范數(shù)，ε為一正常數(shù)。
全文摘要
一種結(jié)合幀選擇和盲解卷積的自適應(yīng)光學(xué)圖像高分辨率復(fù)原方法(1)記錄自適應(yīng)光學(xué)閉環(huán)校正時的短曝光圖像序列g(shù)<sub>n</sub>(x，y)，計算序列中每一幀圖像的香農(nóng)熵，選擇熵較小的降質(zhì)圖像g<sub>m</sub>(x，y)進行盲解卷積圖像復(fù)原；(2)使用隨機相位生成點擴散函數(shù)的初始值h<sub>m</sub>(x，y)；(3)使用g<sub>m</sub>(x，y)與得到的h<sub>m</sub>(x，y)估計出目標f(x，y)，對其加入正性限制，得到估計值f(x，y)；(4)使用g<sub>m</sub>(x，y)與f(x，y)得到出點擴散函數(shù)的估計值h<sub>m</sub>(x，y)，同樣加入正性限制，得到估計值h(x，y)；(5)檢查迭代值h(x，y)、f(x，y)是否達到迭代停止要求，若未滿足則重回步驟(3)；否則停止循環(huán)，輸出f(x，y)和h(x，y)。本發(fā)明有效地提高了復(fù)原質(zhì)量，加快了收斂速度，可以很好地補充自適應(yīng)光學(xué)系統(tǒng)受硬件限制的校正能力，提升成像質(zhì)量。
文檔編號G06T5/00GK101206762SQ200710177560
公開日2008年6月25日 申請日期2007年11月16日 優(yōu)先權(quán)日2007年11月16日
發(fā)明者雨 田, 饒長輝 申請人:中國科學(xué)院光電技術(shù)研究所