大气湍流退化图像重建方法
专利汇可以提供大气湍流退化图像重建方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种大气 湍流 退化图像重建方法，用于解决现有湍流图像重建和复原方法重建和复原图像清晰度差的技术问题。技术方案是首先进行多 帧 配准消除畸变图像，再重建基于 时空 近邻组合的衍射模糊图像，最后采用全局一致 盲反卷积 消除衍射模糊。由于该方法充分考虑了配准误差、配准插值造成的人造衍 生物 的影响以及空间和时间维度存在的冗余结构信息对重建观测物体的作用，利用建立时空中相似图像 块 以及图像块内 像素 与潜在高 质量 图像内容之间的统计依赖关系，并设计了相应的 采样 策略在时空中选取具有相似结构的高质量图像块。使用邻域合并方法求得衍射模糊图像。最后利用通用的全局一致反卷积方法对衍射模糊图像进行 去模糊 ，得到了清晰的重建图像。，下面是大气湍流退化图像重建方法专利的具体信息内容。
1.一种大气湍流退化图像重建方法，其特征在于包括以下步骤：
步骤一、使用基于B样条的非刚性配准方法估计畸变图像中像素点相对参考图像的运动场并对图像序列进行配准。用序列的平均图像做配准的参考图像R，在图像网格中选取均匀的距离相同的控制点，用控制点的运动参数通过B样条插值表示畸变图像全局的畸变场。使用双向投影误差估计每帧像素点的畸变场，优化目标函数C(p)为：
其中，G为畸变图像，R为参考图像，和 分别表示控制点处的由退化图像到参考图像与反方向的运动向量， 表示由位置x与运动向量 通过B样条插值得到的任一位置x处的运动向量。其中，约束项 表示前向与后向畸变运动场具有 特性，
优化求解目标p为 和 的组合，即 使用高斯-牛顿法迭代求解得到p，进而截取部分得到 用 求取G相对于R全局运动场，通过插值对G进行校正。
步骤二、使用经过配准对齐消除湍流畸变的图像序列{Rk}重建单帧仅包含衍射模糊的图像Z。重建的过程为分别估计衍射模糊图像的每一个像素的值。在每帧配准图像中，重建位于p位置的像素，以p为中心截取L×L大图像块用于建立时间域组合权值，并限定之后的时空域近邻采样的范围，得到图像块序列。
（1）使用图像的方差值作为图像清晰程度的量化，求取图像块序列中每个图像块的方差{sk}。计算{sk}中位数η和平均绝对误差σ，判定不满足|sk-η|>ζσ的图像块作为外点，其中ζ为设定的外点剔除系数。得到剔除外点之后的以p为中心的图像块序列{Wk[p]}，并在其中选取sk值最大的图像块作为参照图像块Wref[p]。
（2）将在以上剔除外点的L×L大图像块序列中截取较小的l×l（l
图像块序列，进行列拉伸，得到尺寸为l×1的向量序列{Vk,j[p]}。其中，使用小图像块的欧氏距离和小图像块的梯度的欧氏距离的加权组合作为相似性衡量：
其中， ()表示梯度图像。
（3）计算采样得到的近邻向量序列{Vk,j[p]}中不同帧中截取得到的向量在组合中的比重，即样本在时间域上的链接关系。对于{Vk,j[p]}中从第k帧中采样得到的向量{Vk,1[p],...,Vk,J[p]}，利用大图像块Wk[p]与Wref[p]之间的距离作为衡量k帧中的向量在组合中的权值，距离越小，表明Wk[p]的局部区域内成像质量最高，权值越大。使用高斯核函数作为Wk[p]与Wref[p]之间的距离的度量,则k帧中的向量在组合中的权值为：
（4）为了得到{Vk,j[p]}中每个向量中心的元素，通过线性组合得到隐含高质量衍射模糊图像中对应像素值Z[p]的值，建立线性组合模型：
T
Z[p]=cV[p] （4）
2
其中，Z[p]为V[p]中心位置对应的隐含清晰像素,V[p]为像素值构成的l×1列向量，c为空间域组合权值，c表示隐含衍射模糊图像像素值与观测到的图像领域像素之间的组合关系。假设采样得到的{Vk,j[p]}中每个向量满足以上线性组合模型。
第一步求解c′，定义Vk,j[p]中像素值元素构成集合 该集合除
去元素 后表示为{v}/t+1。相应地，除去中心像素的向量序列为{Vk′,j[p]}，使用表示中心像素与邻域像素之间的关系，进而表示式（4）中权值向量c除中心元素意外元素的对向量组合中的作用。通过求解以下优化目标函数求得c′：
其中，κk[p]为步骤（3）中求得时间域组合权值。式（5）的求解具有封闭形式，解为：
2
其中，VM′为{Vk′,j[p]}排列组成的(l-1)×(K×J)的矩阵：
VM′=[V1,′1[p],...,V1,′J[p],...,Vk′,1[p],...,VK′,J[p]]
vc为向量中心像素 排列组成的(K×J)×1的列向量, rk,j[p]为向
量中心像素对应的原配准帧中的像素值：
Λ是KJ×KJ的对角矩阵：
Λ=[κ1[p],...,κ1[p],...,κK[p],...,κK[p]]
2
Λ中每个κk[p]为每帧中的J个向量重复J次。求解得到的 为一个(l-1)×1的列向量。之后对 进行归一化，使 元素分布于0-1之间。
对 进行过归一化后，再次对 与ct+1进行统一归一化，得到空间线性组合权值向量c的最终估计值。
（5）得到以上的对应于位置p的时间域与空间域组合权值{κk,j[p]}与c之后，对步骤（2）中采样得到的时空域近邻向量进行组合得到衍射图像中位于p出的像素值的估计：
其中，tr()表示矩阵的迹，即矩阵对角线值的和。
对于潜在衍射模糊图像的每一个像素，重复步骤（1）-（5），重建得到高质量的衍射模糊图像。
步骤三、衍射模糊图像中的模糊仅包含全局一致的衍射模糊。其退化模型为：
其中，F为清晰的图像，h为衍射模糊点扩散函数，ε为加性噪声。为了进一步使结果图像清晰化，使用全局一致反卷积的方法去除衍射模糊。其优化目标函数为：
其中， 为式（8）引出的反卷积误差项，Rf(F)和Rh(h)分别为清晰图像F和模糊点扩散函数h的先验约束项，λ1和λ2为相应的权值参数，为可调参数。具体地，Rf(F)=||ρ(Fx)+ρ(Fy)|| （10）
其中，Fx和Fy分别为清晰图像F在水平方向与竖直方向的梯度。而lt，θ1，θ2和θ3为固定参数。
使用交替迭代优化求解式（9），在迭代过程中，分别固定F或h来优化h与F。求解得到的 即为去除衍射模糊的最终清晰图像。
大气湍流退化图像重建方法
技术领域
背景技术
发明内容
到p，进而截取部分得到 用 求取G相对于R全局运动场，通过插值对G进行校正。
具体实施方式
到p，进而截取部分得到 用 求取G相对于R全局运动场，通过插值对G进行校正。具体实现中，设定控制点在水平与垂直方向的间隔均为16个像素，设置约束项权值γ=5000。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种图像篡改盲取证方法 | 2020-05-20 | 829 |
| 分布式无线传感器网络数据漂移盲校准方法 | 2020-05-15 | 838 |
| 基于深度姿态预估和多特征融合的行人衣着属性识别方法 | 2020-05-25 | 289 |
| 一种基于OFDM反向散射通信系统半盲接收机设计方法 | 2020-05-20 | 266 |
| 一种不需要参考发射波形的穿墙雷达墙体参数估计方法 | 2020-05-25 | 209 |
| 一种结合灰度熵和盲反卷积的采样率自适应分块压缩感知方法 | 2020-05-26 | 532 |
| 一种基于kernel-free图像复原的高速移动对象机器视觉尺寸检测方法 | 2020-05-12 | 563 |
| 一种利用预处理和后处理来提高光学显微系统分辨率的方法 | 2020-05-21 | 483 |
| 一种基于电流波数扫描的透镜三维轮廓测量装置及方法 | 2020-05-26 | 876 |
| 基于多流注意对抗网络的动态场景模糊图像盲复原方法 | 2020-05-11 | 986 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
