论文部分内容阅读
成像跟踪系统是一种利用光电成像来对目标进行跟踪的实时系统。由于许多不可预知的环境因素,例如大气湍流、晃动、光照、气候等,使得系统捕获的图像大幅降质,以致目标检测及跟踪变得困难。图像复原技术,可在未知图像的降质原因及程度的情况下,对图像进行修复,可有效减少各种环境影响。然而,当前的图像复原方法,尤其是图像盲复原方法,处理速度过慢,交互要求高,可靠性低,无法用于成像跟踪系统进行实时处理。针对这些问题,对图像盲复原技术进行了深入研究,提出了一系列新方法。
为了实现实时图像盲复原,提出了图像“中频域”的新概念,利用中频域可以迅速准确地估计图像的降质点扩展函数(PSF)和复原图像。其中,提出了一种无任何参数的几何法和特殊的平滑法来有效地定位中频域,并导出了一种新的基于中频域的Wiener滤波来实现图像的快速盲复原。然后,针对适合大量成像系统的G类PSF,利用中频域法和单参数导数拟合法导出了一个新的实时图像盲复原算法,大大提高了复原速度和质量。
为了快速去除成像跟踪系统中的离焦模糊,提出了低信噪比离焦图像的中频盲复原法。针对现有算法对低信噪比离焦模糊参数辨识精度不足的问题,利用中频域导出了一个新的辨识方法,并提出了改进的双中频法和直接辨识法。实验证明,该方法简单、快速、抗噪性强、准确性高。
为了克服成像跟踪系统中的抖动模糊,提出了低信噪比运动模糊图像的混合盲复原法。其中包括:用迭代法来获取PSF的粗估计,用空间约束霍夫变换来对运动方向进行粗估计,用对称和功率最大化来对运动方向进行精估计,用双迭代法来对点扩展函数支持域进行估计,用频谱来对运动方向进行快速估计,用中频法来对运动距离进行估计,以及用参数法来对图像进行针对性复原。实验证明,该方法能对各个方向的真实强噪运动模糊图像进行很好地复原。
为了提高系统的并行性,研究了在独立分量分析(ICA)框架下的图像复原方法,阐述了基于Gabor滤波器和ICA的图像盲复原算法,并针对该方法收敛慢的问题,推导了独立分量分析的梯度下降算法框架,并用之对算法进行了改进,获得了优良的效果。
为了提高算法的适应性和并行性,研究了基于遗传算法和独立性的图像盲复原法。提出了用图像的带熵约束独立性来作为遗传算法的新的评价标准,并导出了基于中频的G类模糊多帧自适应盲复原法,使之可对在线连续视频进行自适应复原处理。实验证明,该算法适应性强、效果优越、速度极快,实现了真正意义上的实时处理。
最后,用软硬结合的方式开发了一套数字图像清晰化系统,将各种算法进行了融合,使图像盲复原技术真正开始了实际的应用。