湍流圖像退化復(fù)原

1、湍流退化圖像復(fù)原湍流退化圖像復(fù)原1、引言、引言由于人類活動和太陽輻照等因素引起了大氣溫度的變化，這一溫度變化又引起了大氣密度的隨機(jī)變化，導(dǎo)致大氣折射率發(fā)生隨機(jī)變化，從而產(chǎn)生了對光學(xué)系統(tǒng)對目標(biāo)的成像分辨率和成像質(zhì)量的重要影響，這種現(xiàn)象后經(jīng)對其定義指大氣中任意一點(diǎn)的運(yùn)動，其速度的方向和大小都時刻發(fā)生著不規(guī)則的變化，從而引起各個氣團(tuán)相對于大氣整體平均運(yùn)動的不規(guī)則運(yùn)動，這種現(xiàn)象被稱為大氣湍流。大氣湍流是造成圖像退化的原因之一，大氣湍流能夠造成圖

2、像模糊降晰，它能夠退化遠(yuǎn)距離拍攝的圖像質(zhì)量，如通過望遠(yuǎn)鏡觀測到外太空的星星表現(xiàn)出的模糊降晰，因?yàn)榈厍蛏系拇髿馔嘶藞D像的質(zhì)量，大氣湍流隨機(jī)地干擾使像元強(qiáng)度分布擴(kuò)散、峰值降低、圖像模糊、像素位置偏移及抖動給目標(biāo)識別帶來了較大的困難。光學(xué)器件受到大氣湍流的影響主要是當(dāng)光經(jīng)過折射率不均勻的大氣結(jié)構(gòu)到達(dá)接收器件后，其振幅和相位等參數(shù)都產(chǎn)生了隨機(jī)的起伏變化。傳統(tǒng)的圖像復(fù)原技術(shù)都是在退化模型確定和已知的情況下進(jìn)行復(fù)原的，即先確定點(diǎn)擴(kuò)展函數(shù)或其參數(shù)，

3、然后利用諸如逆濾波和維納濾波這樣的方法恢復(fù)圖像。但這些方法對光學(xué)系統(tǒng)的設(shè)計(jì)和光學(xué)器件的加工工藝都提出了更高的要求，并且不能消除系統(tǒng)像差中由大氣湍流引起的部分，而且湍流流場對目標(biāo)成像的影響是復(fù)雜多變的，導(dǎo)致湍流光學(xué)點(diǎn)擴(kuò)展函數(shù)難以測定，其形式也是無法事先確定，所以往往單幅圖像中所包含的信息量很少，而且不夠全面，很難進(jìn)行圖像復(fù)原。因此通常大氣湍流圖像的復(fù)原都是在圖像序列基礎(chǔ)上進(jìn)行的。為了消除大氣湍流導(dǎo)致的成像抖動和模糊，很多學(xué)者進(jìn)行了廣泛深入

4、的研究，如今已有很多針對大氣湍流圖像的復(fù)原算法，其中有不少取得的不錯的進(jìn)展。2、國內(nèi)外研究現(xiàn)狀及方法、國內(nèi)外研究現(xiàn)狀及方法湍流退化圖像的復(fù)原是一個世界性的難題，也是國內(nèi)外不少科學(xué)家們多年來一直想致力解決的問題。大氣湍流退化圖像復(fù)原的困難之處在于其退化模型是未知的和隨機(jī)變化的，且很難用數(shù)學(xué)解析式來描述，另外退化圖像還含有噪聲，這進(jìn)一步增加了復(fù)原的難度。傳統(tǒng)的圖像復(fù)原方法主要集中在退化模型已知情況下的圖像復(fù)原。退化模型未知情況下的圖像復(fù)原方

5、法研究室近幾年來圖像處理技術(shù)中極富挑戰(zhàn)性的課題，它具有很大的應(yīng)用前景。湍流退化圖像的復(fù)原有很多種方法，一種方法被稱為“幸運(yùn)成像”，由于大氣湍流對圖像產(chǎn)生的影響是隨機(jī)的，所以在目標(biāo)的短曝光圖像中，存在一定比例接近衍射極限的好圖像，它們只存在低階像差，幸運(yùn)成像正是運(yùn)用這些“好圖像”進(jìn)一步復(fù)原圖像。所以幸運(yùn)成像技術(shù)的基本原理是：按照一定標(biāo)準(zhǔn)將拍攝圖像中一些接近衍射極限的好圖像選取出來，再進(jìn)行配準(zhǔn)疊加，從而復(fù)原出更加清晰的圖像，提高圖像的成像質(zhì)

6、量，使得原本無法顯示的弱目標(biāo)得以顯示，原本無法分辨的細(xì)節(jié)得以分辨。由于這種方法的成本比空間望遠(yuǎn)鏡的成本低很多，且復(fù)原圖像的效果也比較好，所以很多學(xué)者都在深入研究如何更好的將這種方法應(yīng)用天文觀測領(lǐng)域。但是這種方法也存在一定的缺陷，首先由于長曝光圖像受到大氣湍流的影響較大，很難出現(xiàn)接近衍射極限的好圖像，所以“幸運(yùn)成像”技術(shù)只適用于短曝光圖像；其次由于在短曝光圖像中出現(xiàn)“好圖像”的比例也很低，因此這種成像技術(shù)要求拍攝大量的短曝光圖像（通常為幾

7、百幅，甚至上千幅），這樣就大大增加了還原算法的計(jì)算量。另外加利福利亞大學(xué)電氣工程學(xué)院實(shí)驗(yàn)室針對大氣湍流退化圖像也提出了圖像復(fù)原方法。這種算法是利用多幀圖像重建的算法來復(fù)原圖像序列中的某一幅圖像，其基本步驟如下：首先對所拍攝的圖像序列進(jìn)行平均化處理，此時處理過的圖像可以看做為一參考圖像；然后利用非剛性圖像配準(zhǔn)技術(shù)對所得的圖像進(jìn)行配準(zhǔn)，得到圖像的變形矩陣Fk；最后利用貝葉斯圖像重建算法對圖像進(jìn)行重建，從而得到更加清晰的圖像。這種方法與“幸運(yùn)

8、成像技術(shù)”相比，所需拍攝的圖像數(shù)較少，而且其應(yīng)用不僅局限于短曝光圖像，它同樣可以應(yīng)用長曝光的3、湍流退化圖像的關(guān)鍵技術(shù)、湍流退化圖像的關(guān)鍵技術(shù)通常來說，在不同條件下，如氣候、照度、攝影位置和角度等獲得的兩幅或多幅圖像之間會存在一定的差異，它們之間的差異表現(xiàn)在不同的分辨率、不同的灰度屬性、不同的位置平移和旋轉(zhuǎn)、不同的比例尺、不同的非線性變形等等。圖像配準(zhǔn)的最終目的是消除以上所述兩幅或多幅圖像之間存在的種種差異，建立圖像之間的對應(yīng)關(guān)系，確定

9、其最佳匹配關(guān)系，使它們在目標(biāo)幾何形狀上匹配一致，為進(jìn)一步的分析處理做準(zhǔn)備。目前大氣湍流退化圖像復(fù)原主要方法是利用多幀圖像進(jìn)行復(fù)原，而多幀圖像復(fù)原多是利用圖像序列所包含的數(shù)據(jù)信息互補(bǔ)這一特點(diǎn)，因此其最關(guān)鍵的技術(shù)就是圖像配準(zhǔn)技術(shù)。圖像配準(zhǔn)是解決圖像融合、圖像鑲嵌和變化檢測等問題的必要前提，其應(yīng)用遍及軍事、遙感數(shù)據(jù)分析、醫(yī)學(xué)和計(jì)算機(jī)視覺等多個領(lǐng)域。概括的說，圖像配準(zhǔn)是對取自不同時間、不同傳感器或者不同視角的同一場景的兩幅或多幅圖像進(jìn)行匹配、疊

10、加的過程包括像素灰度匹配和空間位置對齊。3.13.1圖像配準(zhǔn)圖像配準(zhǔn)圖像配準(zhǔn)就是將不同時間、不同成像設(shè)備或不同條件下(天候、照度、攝像位置和角度等)獲取的兩幅或多幅圖像進(jìn)行匹配、疊加的過程。首先對兩幅圖像進(jìn)行特征提取得到特征點(diǎn)，通過進(jìn)行相似性度量找到匹配的特征點(diǎn)對；然后通過匹配的特征點(diǎn)對得到圖像空間坐標(biāo)變換參數(shù)，最后由坐標(biāo)變換參數(shù)進(jìn)行圖像配準(zhǔn)。而特征提取是配準(zhǔn)技術(shù)中的關(guān)鍵，準(zhǔn)確的特征提取為特征匹配的成功進(jìn)行提供了保障。因此，尋求具有良好

11、不變性和準(zhǔn)確性的特征提取方法，對于匹配精度至關(guān)重要。這種方法的基本思想是基于對誤差的積累進(jìn)行分析。所以對于大部分非匹配點(diǎn)來說，只需計(jì)算模板中的前幾個像素點(diǎn)，而只有匹配點(diǎn)附近的點(diǎn)才需要計(jì)算整個模板。這樣平均起來每一點(diǎn)的運(yùn)算次數(shù)將遠(yuǎn)遠(yuǎn)小于實(shí)測圖像的點(diǎn)數(shù)，從而達(dá)到減少整個匹配過程計(jì)算量的目的。3.23.2圖像配準(zhǔn)的方式圖像配準(zhǔn)的方式圖像配準(zhǔn)的方式可以概括為相對配準(zhǔn)和絕對配準(zhǔn)兩種：①相對配準(zhǔn)是指選擇多圖像中的一張圖像作為參考圖像，將其它的相關(guān)圖

12、像與之配準(zhǔn)，其坐標(biāo)系統(tǒng)是任意的。②絕對配準(zhǔn)是指先定義一個控制網(wǎng)格，所有的圖像相對于這個網(wǎng)格來進(jìn)行配準(zhǔn)，也就是分別完成各分量圖像的幾何校正來實(shí)現(xiàn)坐標(biāo)系的統(tǒng)一。3.23.2圖像配準(zhǔn)的分類圖像配準(zhǔn)的分類總的來說，可以將圖像配準(zhǔn)方法大致分為三類：①基于模型的配準(zhǔn)方法。這種方法是根據(jù)圖像失真的數(shù)學(xué)模型來對圖像進(jìn)行非線性校準(zhǔn)的配準(zhǔn)，多用于醫(yī)學(xué)圖像。②基于象素的配準(zhǔn)方法。這類方法根據(jù)配準(zhǔn)圖像的相關(guān)函數(shù)、Fourier變換等關(guān)系式來計(jì)算配準(zhǔn)參數(shù)。一般來

13、說，基于象素的配準(zhǔn)算法把匹配點(diǎn)周圍區(qū)域的點(diǎn)的灰度都考慮進(jìn)來計(jì)算，故匹配計(jì)算量大，速度慢。③基于特征的配準(zhǔn)方法。這類方法是根據(jù)需要配準(zhǔn)圖像的重要特征之間的幾何關(guān)系來確定配準(zhǔn)參數(shù)。因此這類方法首先要對待配準(zhǔn)圖像進(jìn)行預(yù)處理，也就是圖像分割和特征提取的過程，再利用提取得到的特征如邊緣、角點(diǎn)、線、曲率等，建立特征點(diǎn)集之間的對應(yīng)關(guān)系，由此求出配準(zhǔn)參數(shù)。常用到的圖像特征有：特征點(diǎn)（包括角點(diǎn)、高曲率點(diǎn)等）直線段、邊緣、輪廓、閉合區(qū)域、特征結(jié)構(gòu)以及統(tǒng)計(jì)特