目标探测多谱图像的通用复原方法

摘要

本发明涉及一种目标探测多谱图像的通用复原方法，步骤包括：检测退化图像轮廓，由图像轮廓找出过渡区并预测过渡区清晰图像；从多谱退化图像过渡区上选择K个点，在预测的过渡区清晰图像上找到K个对应区域，构建矩阵方程组；加入非负性约束和各向异性的空间相关性约束项，并求解得到x的迭代关系方程；4）点扩散函数矩阵x的大小为M×M；5）由x的迭代方程求解得到n变为n+1时x的值；6）如果，停止计算，得到点扩散函数x；7）由求解得到的点扩散函数，通过最大似然估计非盲反卷积方法复原得到清晰图像。本发明的有益效果是：无需知道图像退化模式，实现对任何光谱图像复原和清晰化处理，耗时少，复原效果好。

权利要求

1.目标探测多谱图像的通用复原方法，其步骤包括：

1）输入退化图像，检测退化图像轮廓，由图像轮廓找出退化图像过渡区并预测过渡区清晰图像，同时由过渡区宽度估计得到点扩散函数最大支撑域M×M ；

2

2）从多谱退化图像过渡区上选择K个点，其中K>M ，在预测的过渡区清晰图像上找到K2

个对应区域，由K 组数据构建关于点扩散函数的矩阵方程组，其维数为K×M ；

3）在矩阵方程中加入非负性约束和各向异性的空间相关性约束项，并求解得到x的迭代关系方程 ；

4）令初始值 ，其中点扩散函数矩阵x的大小为M×M ；

5）由x的迭代方程求解得到n变为n+1时x的值 ；

6）如果 ， 为设定任意小值，则停止计算，否则重复步骤5），直到满足条件为止，得到点扩散函数x；

7）由求解得到的点扩散函数，通过最大似然估计非盲反卷积方法复原得到清晰图像。

说明书

目标探测多谱图像的通用复原方法

技术领域

[0001] 本发明涉及一种目标探测多谱图像的通用复原方法。

背景技术

[0002] 在目标探测过程中，由于受湍流、运动、散射等多种因素的影响，目标探测多谱图像包含有运动、湍流、散射等多种退化模式，各种退化模式对多谱探测图像的退化影响程度[1]也是不相同的，不同的退化模式具有不同的退化模型 , 因此从多谱探测图像中是很难分清具体的退化模式及各种退化因素及其影响程度。目前的复原方法是寻找各种具体的退化[2-4]
模式和模型，然后进行反卷积复原图像 ，但这些方法是不能适用于目标探测的，因为从多谱探测图像中是很难分清图像退化模式的。另外，目前现有的图像复原方法利用整个退化图像或者退化图像的一整块区域进行复原，退化图像中平坦的目标区和背景区都参与了[2-4]
计算 ，由于平坦的目标区和背景区包含的退化信息不显著，冗余的信息会对复原带来不确定性，影响复原结果的准确性，且增加了计算负担，延误了时间，不适合应用于目标探测过程中。因此，研究和提出耗时少，复原效果好，通用复原方法是很有实际意义和实用价值的。

[0003] 现有技术的技术方案主要有以下几种：

[0004] （一）迭代盲目去卷积复原方法（IBD）[5]及其改进后的所有复原方法[6-8]（含TV复[9]原方法 等）。

[0005] G. R. Ayers 和 J. C. Dainty于1988年提出了基于单帧的迭代盲目去卷积方法[5]（IBD复原方法） ，且将其应用在大气湍流退化图像的复原中，在每一次迭代中对图像进行非负性限制。Ayers和Dainty等人的研究激发了宇航学界对满目去卷积的极大兴趣。这种方法虽然在噪声情况下存在稳定性问题，但被证明是非常有发展前途的。1989年，Davery[6]
和Lane等人提出了类似的方案 ，但算法进一步设定了先验知识，支持域是已知的，使用维纳滤波器来获取目标和PSF的估计。IBD算法计算复杂性较低，但对噪声较敏感，主要缺点是缺乏可靠性。许多学者发表了对IBD基本算法的改进，1992年，Lane提出了一种应用[7]
于斑点图像的共轭梯度的盲目去卷积技术 ，该算法比Ayers和Dainty提出的IBD具有更好的鲁棒性。其基本结构与IBD算法相同。主要不同在于迭代过程中使用了梯度下降极小化误差项，从而获得较好的复原效果。该算法考虑了噪声的存在，但是对于复杂目标，会出现一些可能对应于总误差项局部极小值的解。为了解决盲目去卷积算法对噪声的敏感性和出现一些假象及解不确定的问题，Lane和Law于1996年提出了基于最小二乘优化的盲目[8]
复原方法 ，通过建立一个误差项使之最小化来获得最佳解，并且在每次迭代过程中都使用最速下降法来最小化该误差项，所施加的非负性约束和支持域限制等都假定是精确已知的。

[0006] 迭代盲目去卷积复原方法（IBD）本质上是对Feinup相位复原算法[10]的推广，采用的方法是迭代，并用先验知识来对图像的非负行进行限制，在每一次迭代中可以通过简单的逆滤波得到目标和PSF的估计值。迭代盲目去卷积方法在点扩展函数未知的情况下，不用向导星作参考，而是利用一些合理的先验知识，如目标强度和点扩展函数值是非负的，支持域大小以及频率域上某些已知的特性来估计目标强度。它的关键是关于退化性质和图像的先验知识的应用。

[0007] 迭代盲目去卷积复原方法（IBD）以及改进后的迭代盲目去卷积复原方法，都是使用整幅退化图像数据采用迭代的方式来进行复原，多用在大气湍流退化图像的复原中。其存在的缺点是：

[0008] （1）只适用于大气湍流退化图像的复原，没有通用性

[0009] IBD及其所有改进方法（含TV复原法等）只适用于大气湍流退化图像的复原中，对其他退化模式的图像，如运动模糊图像，散焦模糊图像，综合因素引起的退化图像或无法知道退化模式的退化图像等等，不能复原。如果要对其他退化模式图像复原需要使用不同的复原方法；

[0010] （2）耗时长

[0011] IBD及其所有改进方法（含TV复原法等）使用整张图像的信息来复原，所有数据参与了运算，而且运算采用迭代的形式，加大了运算量，导致耗时很长；

[0012] （3）不能用在实际图像的复原

[0013] IBD及其所有改进方法（含TV复原法等）往往只对仿真退化图像效果较好，但对实际的退化图像复原效果不好。

[0014] （二）Shan复原方法[11]以及Fergus复原方法[12]等可见光的运动模糊图像复原方法。

[0015] 对于运动模糊图像的复原，Fergus提出了一种利用贝叶斯模型来统计图像灰度梯度分布统计特性，从而估计模糊图像的运动图像复原方法，Shan提出了一种更有效的运动模糊图像复原方法，该方法同样基于图像灰度的概率分布模型。这两个算法主要利用图像边缘概率分布等先验知识，都需要手工输入模糊核的大小等等。实际情况中，模糊核的大小，方向是很难确定的，这种类型的复原方法主要缺点是假设的先验知识并不总是使用于一般的图像。而且这类复原方法仅使用于运动模糊图像的复原，而对其他形式的模糊图像并不实用。其存在的缺点是：

[0016] （1）只适用于可见光运动模糊图像复原，没有通用性

[0017] 熵复原方法以及Fergus复原方法等可见光的运动模糊图像复原方法只适用于大气湍流退化图像的复原中，对其他退化模式的图像，如湍流退化图像，散焦模糊图像，综合因素引起的退化图像或无法知道退化模式的退化图像等等，不能复原。如果要对其他退化模式图像复原需要使用不同的复原方法。

[0018] （2）耗时长

[0019] 熵复原方法以及Fergus复原方法等可见光的运动模糊图像复原方法使用整张图像或者图像中某块区域的全部的信息来复原，所有数据参与了运算，而且运算采用迭代的形式，加大了运算量，导致耗时很长。

[0020] 参考文献（如专利/论文/标准）

[0021] 1.M. R. Banham and A. K. Katsagellos, “Digital image restoration,” IEEE Signal Process. Mag.14, 24-41 (1997).

[0022] 2.M. R. Banham and A. K. Katsagellos, “Digital image restoration,” IEEE Signal Process. Mag.14, 24-41 (1997).

[0023] 3.Y. Yitzhaky, N. S. Kopeika, “Identification of blur parameters from motion blurred images,” Graphics Models and Image Processing, 59(5), 310-320 (1997).

[0024] 4.A. A. Sawchuk, “Space variant system analysis of image motion,” J. Opt. Soc. Am. A63(9), 1052-1063 (1973).

[0025] 5.G. R. Ayers and J. C. Dainty, “Iterative blind deconvolution method and its applications,” Opt. Lett.13(7), 547-549 (1988).

[0026] 6.B. L. K. Davey, R. G. Lane, R. H. T. Bates, “Blind deconvolution of noisy complex valued image”, Opt. Comm. 69, 353-356, (1989).

[0027] 7.R. G. Lane, “Blind deconvolution of speckle image,” J. Opt. Soc. Am. A9(9), 1508-1514 (1992).

[0028] 8.N. F. Law, R. G. Lane, “Blind deconvolution using least squares minmization” Optics Communications, 128, 341-352, (1996)

[0029] 9.T. F. Chan and C. K. Wong, “Total variation blind deconvolution,” IEEE Trans. Image Process.7(3), 370-375 (1998).

[0030] 10.J. R. Fienup, “Reconstruction of an object from the modulus of its Fourier transforms”, Optics Letters, 3(1), 27-29,( 1978).

[0031] 11.Q. Shan, J. Jia, and A. Agarwala, “High-quality motion deblurring from a single image,” ACM Trans. on Graphics. 27(3), article 73 (2008).[0032] 12.R. Fergus, B. Singh, A. Hertzmann, S. T. Roweis, and W. T. Freeman, “Removing camera shake from a single photograph,” ACM Trans. Graphics 25(3),787–794 (2006) 。

发明内容

[0033] 本发明所要解决的技术问题是针对上述现有技术而提出一种目标探测多谱图像的通用复原方法，不需要知道退化模式，且复原速度快，对实际退化图像复原效果好。

[0034] 本发明解决上述技术问题所采用的技术方案是：目标探测多谱图像的通用复原方法，其步骤包括：

[0035] 1）输入退化图像，检测退化图像轮廓，由图像轮廓找出退化图像过渡区并预测过渡区清晰图像，同时由过渡区宽度估计得到点扩散函数最大支撑域M×M ；

[0036] 2）从多谱退化图像过渡区上选择K个点，其中K>M2，在预测的过渡区清晰图像上2
找到K 个对应区域，由K 组数据构建关于点扩散函数的矩阵方程组，其维数为K×M ；

[0037] 3）在矩阵方程中加入非负性约束和各向异性的空间相关性约束项，并求解得到x的迭代关系方程 ；

[0038] 4）令初始值 ，其中点扩散函数矩阵x的大小为M×M；

[0039] 5）由x的迭代方程求解得到n变为n+1时x的值 ；

[0040] 6）如果 ，则停止计算，否则重复步骤5），直到满足条件为止，得到点扩散函数x；

[0041] 7）由求解得到的点扩散函数，通过最大似然估计非盲反卷积方法复原得到清晰图像。

[0042] 本发明选择退化图像的中包含大量的退化信息的点来做复原运算，不仅使复原时间大大降低，而且最大限度地保证了复原结果的精确性和实时性。本方法与IBD及其所有改进方法（含TV复原法等）区别如下：1、IBD及其所有改进方法（含TV复原法等）利用整幅退化图像求解点扩散函数；而本发明的方法仅利用退化图像上包含大量的退化信息的点来求解点扩散函数；2、IBD及其所有改进方法（含TV复原法等）通过点扩散函数的和真实图像的交替迭代求解得到最终的真实图像；而本发明的方法先求解点扩散函数，然后直接求解真实图像，无需迭代，如图2。

[0043] 本发明系统在普通计算机环境下运行，用于对各种光谱退化图像的复原和清晰化，可用于目标检测图像复原，红外末端制导图像复原，日常拍摄到的图像清晰化等等。

[0044] 本发明相对于现有技术所存在的有益效果是：

[0045] 1）对所有光谱图像通用，可以实现对任何光谱图像，如红外图像、可见光图像、毫米波图像、太赫兹图像等都可以复原和清晰化处理，对任何模糊形式引起的模糊图像，如运动模糊、散焦模糊、气动模糊等都可以复原，以及对多光谱目标探测图像的高清晰化处理；

[0046] 2）本发明将点扩散函数在有限的激励区范围内进行离散化，只求离散值，不需要对点扩散函数模型及参数进行估计，进而回避点扩散函数形式的复杂性和多样性，无需通过退化模式来建立点扩散函数数学模型，因而无需知道图像退化模式；

[0047] 3）本发明只选用退化图像上一些有效像素信息来求解点扩散函数，而排除了退化图像上的噪声点和平坦区域上的点，提高了计算结果的准确性，也减少了计算量。同时本发明在求解点扩散函数和清晰图像过程中避免了交替迭代运算，进一步减少了计算量，因而本发明的方法耗时少；

[0048] 4）本发明的方法对真实图像复原效果好。现有复原方法试图通过图像退化模式来找到对应的点扩散函数的数学模型，然而目标成像会受到大气扰动，运动，散焦以及其它复杂因素的干扰，很难分清各种因素的影响程度。点扩散函数形式是不知道的，用数学模型是难以表达的，用单一的数学模型来描述是不符合实际的，复原结果也不好；本发明的方法用有限的激励区范围内的离散值来描述点扩散函数，避免了用单一的数学模型来表达点扩散函数，更符合实际，复原效果也更好。实验证明，本发明的确对实际图像有很好的复原效果；

[0049] 5）本发明的方法输入一帧模糊图像，即可得到清晰图像，简单易用。同时本发明的方法可机/星载芯片小型化（硬件实现）。

附图说明

[0050] 图1为本发明目标探测多谱图像通用复原方法的流程图；

[0051] 图2为本发明的方法与IBD复原方法的区别；

[0052] 图3(a)-3(c)为采用本发明的方法对一幅太赫兹退化图像实现复原的具体步骤过程图；

[0053] 图4(a)和4(b)分别为红外退化图像和采用本发明的方法处理的结果；

[0054] 图5(a)和5(b)分别为可见光退化图像和采用本发明的方法处理的结果。

具体实施方式

[0055] 下面结合附图和实例对本发明作进一步详细的说明。

[0056] （1）图3(a)是一幅太赫兹退化图像，输入图像，检测退化图像轮廓，由图像轮廓预测过渡区清晰图像。同时由过渡区宽度估计得到点扩散函数最大支撑域M×M ；

[0057] （2）从多谱退化图像上选择K（K>M2）个点，在预测的过渡区清晰图像上找到K 个2
对应区域。由K 组数据构建关于点扩散函数的矩阵方程组（维数为K×M ）；

[0058] （3）在矩阵方程中加入非负性约束和各向异性的空间相关性约束项，并求解得到x的迭代关系方程 ；

[0059] （4）令初始值 。其中点扩散函数矩阵x的大小为M×M；

[0060] （5）由x的迭代方程求解得到n变为n+1时x的值 ；

[0061] （6）如果 ，( 为设定任意小值)，则停止计算，否则重复步骤5）,直到满足条件为止。得到点扩散函数x，记作 ；图3(b)是由步骤（1）-（6）计算得到的退化图像点扩散函数x；

[0062] （7）由求解得到的点扩散函数，通过最大似然估计非盲反卷积方法复原得到清晰图像。图3(c)是由步骤(7)复原得到的清晰图像。

[0063] 为了证明本发明的方法对各种光谱图像复原的有效性和通用性，除了附图3太赫兹图像以外，另外给出附图4和附图5。其中图4(a)和图4(b)分别是红外退化图像和红外图像复原结果，图5(a)和图5(b)是可见光退化图像可将光图像复原结果。实验结果表明本发明的方法摆脱了目前图像复原耗时长的困境，对各种光谱退化图像均能进行恢复，不需先验知识和谱源及退化模式，输入一帧模糊图像即可得到高清晰图像，复原效果较好，在目标探测系统上可望取得应用。

[0064] 本发明不仅局限于上述具体实施方式，本领域一般技术人员根据本发明公开的内容，可以采用其他多种具体实施方式实施本发明，因此，凡是采用本发明的设计结构和思路，做一些简单的变化或更改的设计以及根据本发明内容和方法的硬件设计技术，都落入本发明保护的范围。