论文部分内容阅读
超声速飞行器特别是高超声速飞行器的发展是一个国家国防实力的重要体现，因此，发达国家投入大量的物力和财力开展超声速飞行器的研究。超声速飞行器进入大气层高速飞行的过程中，光学头罩与高速气流发生剧烈的相互作用，引起气动光学效应，导致飞行器成像系统获取的图像产生了严重的模糊、畸变与偏移现象，极大的影响了飞行器对目标的检测、识别、跟踪与精确打击能力。因此，迫切需要研究气动光学效应图像复原理论与方法，其中气动光学效应引起的模糊图像的复原是一个亟待解决的难题。本文选择以超声速飞行器为背景，开展模糊图像复原算法与应用研究。
模糊图像的复原是数学物理中的“反问题”，由于其病态特性，在理论上和实践中都存在很多困难。本文在深入分析国内外学者研究成果的基础上，开展对图像去模糊问题的研究。首先，针对Richardson-Lucy算法的振铃效应与噪声放大的缺点，提出了一种引入增益图的图像去模糊新算法，抑制了迭代过程中振铃效应的传播，避免噪声的进一步放大。其次，针对图像去模糊问题的病态特性，提出了一种基于非局部范围马尔科夫随机场先验约束的Bayesian去模糊算法，可以同时捕获图像局部细节信息和相邻块的结构信息。最后，为了避免基于最大后验估计去模糊方法的缺陷，提出了基于最小均方误差估计的图像去模糊算法，把图像去模糊与噪声估计融合在一个框架下，避免了使用额外的噪声估计步骤或者提前指定正则化参数。此外，通过算法移植与优化，去模糊算法在基于TI公司DM6467的嵌入式原型系统中得到了初步验证。
本文的主要工作和贡献如下：
(1)提出了一种基于Richardson-Lucy(RL)的图像去模糊新算法。通过分析RL算法振铃效应产生的原因，在迭代过程中引入了增益图，减少了图像平坦区域的振铃效应，并能保留图像细节信息，对于图像噪声也有明显的抑制作用。实验表明，新算法与传统RL算法相比较，峰值信噪比值平均提高了10％，同时保留了RL算法效率高、计算速度快等优点。
(2)提出了一种基于非局部范围马尔科夫随机场先验约束的Bayesian去模糊算法。该算法能够同时捕获图像局部块的细节信息和相邻块的相似信息，能够复原出更多的图像细节。实验表明，引入新先验的去模糊算法可以有效的复原取自不同领域的模糊图像。
(3)提出了一种基于最小均方误差估计的图像去模糊新算法。针对基于最大后验估计的图像去模糊算法存在的缺陷，该算法把图像去模糊问题和噪声估计问题在统一的框架下进行，避免使用额外的噪声估计步骤或者提前指定正则化参数。本文使用辅助变量Gibbs采样算法计算最小均方误差估计，同时，算法自然地结合了非局部范围马尔科夫随机场先验知识约束问题的求解。实验表明，该算法可以有效的复原出丢失的图像细节信息，同时阻止了振铃效应的传播。
(4)在应用方面，通过算法移植和优化，把图像复原算法移植到基于TI公司的DM6467的嵌入式原型系统中，初步验证算法的有效性。