自适应光学图像复原理论与算法研究

论文摘要

通过大气湍流成像是所有工作在大气环境中的光学成像系统必然会遇到的问题。在光线进入成像传感器入瞳之前,大气介质影响或干扰光波的理想传播,使目标反射电磁波的波阵面产生畸变,形成焦平面上像点强度分布扩教、峰值降低以及光束漂移等湍流效应,最终导致图像模糊,严重地影响光学系统的成像性能。自适应光学技术是目前克服大气湍流最有效的方法之一,但其对大气湍流的补偿是不完全的,目标的高频信息仍然受到抑制和衰减。因此,对经过自适应光学校正后的图像还必须进行基于图像复原技术的后处理,才能获取更清晰的目标图像。本文主要针对我国自适应光学地基望远镜成像后处理的迫切需求,利用信号处理和计算机软件技术对图像进行高清晰复原,以消除自适应光学校正的残余误差,使其接近或达到成像系统的衍射极限。论文重点研究了自适应光学图像复原理论与算法,同时对自适应光学波前重构和图像复原质量评价等问题也进行了探讨与分析,完成的工作主要包括:1.开发了自适应光学成像原理演示系统。根据光波大气湍流传输理论,分别分析了湍流对长曝光OTF和短曝光OTF的影响。在介绍自适应光学系统组成和工作原理的基础上,基于SCIAO平台设计一个简单的自适应光学成像原理演示系统CYAOIS。2.定义了图像复原质量综合评价指数。针对现有图像复原质量评价方法没有考虑伪像的不足,根据人眼视觉的特点,定义了一种基于分区局部方差变化统计的图像复原质量综合评价指数。实验证明,该指数是无参考图像复原质量评价的一种客观有效的指标。3.基于广义岭估计的自适应光学图像波前重构。从自适应光学图像后处理复原的角度来讲,实时性和快速计算不再是波前重构的基本要求,而高精度才是波前重构最重要的要求。按照时间换精度的思路把广义岭估计GRE和迭代答解的思想引入波前重构,提出一种面向图像复原的广义岭估计Zernike模式波前重构算法。实验证明,该算法重构的PSF在图像复原中有更好的图像重建效果。4.非抽样小波变换降质图像PSF估计。在图像复原问题中,PSF估计是算法的核心部分。把非抽样小波变换引入降质图像PSF估计,在Fried参数模型的基础上,根据不同尺度下小波变换模极大值和高斯点扩展函数方差的关系,提出一种基于非抽样小波变换的PSF估计算法。实验结果证明,该算法对无波前测量数据自适应光学图像有较好的PSF估计精度。5.基于ENAS-RIF算法的自适应光学图像复原。针对基本NAS-RIF算法的不足,把Curvelet去噪图像预处理、可靠支持域、目标结构约束项和增强代价函数引入NAS-RIF算法,提出了基于可靠支持域和改进代价函数的ENAS-RIF算法。自适应光学图像复原实验结果证明,ENAS-RIF算法较之NAS-RIF算法有更快的收敛速度、更好的恢复效果。6.基于IRL-IBD算法的自适应光学图像复原。在非对称IBD算法的基础上,本文在PSF频率域引入带宽有限约束来进一步提高算法的可靠性,在PSF像素空间引入动态支持域的思想以加快算法收敛速度,提出多重约束非对称IRL-IBD算法用于自适应光学图像高清晰复原。实验结果证明,改进后的IRL-IBD算法复原性能明显优于IBD算法。7.基于方差统计的图像序列不良帧剔除。在多帧图像高清晰复原中,一些降质严重的观测图像不但不能对复原作出贡献,而且将可能严重影响重建图像的质量。本文利用加性噪声导致降质图像方差增大和PSF模糊导致降质图像方差减小的性质,参考摄影测量中粗差剔除的思想,设计了一个基于图像方差统计的不良帧自动剔除方案。实验结果表明,剔除不良帧后的图像复原效果有明显改善。8.基于MAP原理的自适应光学图像多帧MF-MAPJD高清晰复原。在Bayesian框架下,根据自适应光学图像的特点重新定义了混合噪声模型和目标结构先验模型,在代价函数中新增加了PSF准则项,设计了一个简单的正则化约束项自动平衡方案,提出了基于MAP原理的AO图像多帧联合解卷积算法MF-MAPJD。实验结果表明,新算法同时估计点扩教函数和目标,充分了利用图像序列中的各种先验约束信息,复原图像质量改善明显。9.基于二代Curvelet变换的图像自适应去噪。利用Curvelet变换比小波变换对图像信号具有更稀疏表示的特点,结合Bayesian Shrink理论,提出了一种改进的Curvelet域图像自适应去噪算法。实验结果表明其去噪性能优予小波去噪算法。10.基于二代Curvelet变换的自适应光学图像复原。把多尺度多方向的思想引入自适应光学图像处理,设计了基于二代Curvelet变换的Fourier-Curvelet混合域正则化图像复原算法ForCuRD。ForCuRD算法同时采用了傅里叶域收缩和Curvelet域收缩,克服单一变换域收缩的局限,为自适应光学图像复原研究提供了一条新思路。

论文目录

• 摘要
• Abstract
• 常用缩写
• 第1章 绪论
• 1.1 自适应光学技术的应用需求
• 1.2 自适应光学图像复原的研究意义
• 1.3 自适应光学系统发展现状和前景
• 1.3.1 地基自适应光学望远镜现况
• 1.3.2 自适应光学在空间光学遥感器上的应用
• 1.3.3 国内自适应光学研究状况
• 1.4 自适应光学图像复原技术的研究概况
• 1.4.1 图像复原技术概况
• 1.4.2 自适应光学图像复原技术研究现状
• 1.4.3 自适应光学图像复原的主要挑战
• 1.5 论文主要研究内容及结构安排
• 1.5.1 主要研究内容
• 1.5.2 章节安排
• 第2章 大气湍流波前扰动及自适应光学技术
• 2.1 湍流现象
• 2.2 大气湍流描述参数
• 2.2.1 折射率空间结构函数
• 2.2.2 折射率结构常数
• 2.2.3 大气相干长度
• 2.3 光学传递函数OTF
• 2.3.1 长曝光OTF
• 2.3.2 短曝光OTF
• 2.4 自适应光学技术
• 2.4.1 自适应光学系统组成
• 2.4.2 自适应光学系统工作原理
• 2.4.3 自适应光学的广阔应用前景
• 2.4.4 自适应光学部分校正技术及波前残差
• 2.5 云南天文台61单元AO成像系统
• 2.5.1 光路布局
• 2.5.2 H-S波前传感器
• 2.5.3 跟踪系统
• 2.5.4 成像系统
• 2.6 自适应光学成像原理演示系统CYAOIS
• 2.6.1 SCIAO工具箱
• 2.6.2 CYAOIS自适应光学成像原理演示系统
• 2.7 本章小结
• 第3章 自适应光学图像复原方法及质量评价
• 3.1 自适应光学图像退化过程
• 3.1.1 自适应光学成像过程
• 3.1.2 自适应光学图像PSF模型
• 3.1.3 自适应光学图像噪声模型
• 3.2 图像复原基本理论
• 3.2.1 理论描述
• 3.2.2 反问题与病态性
• 3.2.3 图像复原理论依据
• 3.2.4 图像高清晰复原
• 3.3 图像盲复原算法
• 3.3.1 盲复原算法分类
• 3.3.2 零叶面分离法
• 3.3.3 先验模糊辩识法
• 3.3.4 ARMA参数估计法
• 3.3.5 具有明确约束的非参数法
• 3.3.6 基于高阶统计量的非参数法
• 3.4 Bayesian图像复原
• 3.4.1 GML图像复原
• 3.4.2 GMAP图像复原
• 3.4.3 PML图像复原
• 3.4.4 PMAP图像复原
• 3.4.5 Myopic自适应光学图像复原
• 3.5 小波变换图像复原
• 3.5.1 基于小波变换的正则化图像复原
• 3.5.2 小波域图像解卷积
• 3.5.3 混合域图像复原
• 3.6 图像复原质量评估
• 3.6.1 图像质量主观评价
• 3.6.2 有参照图像质量客观评价
• 3.6.3 无参照图像质量客观评价
• 3.6.4 基于局部方差变化的图像复原质量盲评价
• 3.7 本章小结
• 第4章 自适应光学图像PSF重构
• 4.1 PSF、OTF与MTF
• 4.2 图像的PSF先验模型及参数表达
• 4.2.1 线性移动PSF
• 4.2.2 散焦PSF
• 4.2.3 Gauss型PSF
• 4.2.4 Hufnagel大气湍流PSF
• 4.3 Zernike多项式
• 4.3.1 Zernike多项式的定义
• 4.3.2 Zernike多项式的形状及物理意义
• 4.3.3 Zernike多项式与大气湍流
• 4.4 面向图像复原的广义岭估计Zernike模式法PSF重构
• 4.4.1 波前相位的Zernike模式展开
• 4.4.2 Zernike模式方程求解
• 4.4.3 基于广义岭估计的Zernike模式法波前重构
• 4.4.4 实验结果及分析
• 4.5 基于非抽样小波变换的大气湍流PSF估计
• 4.5.1 非抽样小波变换
• 4.5.2 Lipschitz指数与图像小波变换模极大值
• 4.5.3 基于非抽样小波变换的大气湍流PSF估计
• 4.5.4 实验结果及分析
• 4.6 本章小结
• 第5章 基于可靠支持域和改进代价函数的ENAS-RIF算法
• 5.1 NAS-RIF图像复原算法
• 5.1.1 NAS-RIF算法概述
• 5.1.2 NAS-RIF算法实现步骤
• 5.2 改进的ENAS-RIF图像复原算法
• 5.2.1 Curvelet自适应去噪
• 5.2.2 基于最优阈值分割的目标可靠支持域提取
• 5.2.3 目标边缘保持约束项
• 5.2.4 增强的代价函数
• 5.3 实验结果及分析
• 5.3.1 模拟图像ENAS-RIF实验
• 5.3.2 空间站图像ENAS-RIF实验
• 5.4 本章小结
• 第6章 多重约束非对称IRL-IBD算法
• 6.1 IBD算法概述
• 6.1.1 IBD算法原理
• 6.1.2 IBD算法实施流程
• 6.2 RL算法和RL-IBD算法
• 6.2.1 经典RL算法
• 6.2.2 加窗去缠绕RL算法
• 6.2.3 噪声抑制RL算法
• 6.2.4 RL加速算法
• 6.2.5 RL-IBD算法
• 6.3 多重约束非对称IRL-IBD算法
• 6.3.1 PSF动态支持域
• 6.3.2 PSF带宽有限约束
• 6.3.3 非对称因子自动更新
• 6.3.4 多重约束非对称IRL-IBD算法
• 6.4 实验结果及分析
• 6.4.1 M51星云图像IRL-IBD模拟实验
• 6.4.2 FK5-857图像IRL-IBD实验
• 6.4.3 双星图像IRL-IBD实验
• 6.5 本章小结
• 第7章 基于MAP原理的自适应光学图像多帧联合解卷积
• 7.1 基于方差统计的图像序列不良帧剔除
• 7.1.1 降质图像的两条性质
• 7.1.2 基于方差统计的不良帧剔除算法
• 7.1.3 不良帧剔除实验
• 7.2 MAP联合解卷积图像复原
• 7.2.1 MAP联合解卷积算法
• 7.2.2 基于混合噪声模型的极大似然项
• 7.2.3 目标边缘保持约束项
• 7.2.4 PSF/OTF约束项
• 7.3 MAPJD算法参数自动估计
• 7.3.1 PSF估计
• 7.3.2 混合噪声方差估计
• 7.3.3 目标边缘保持先验参数估计
• 7.3.4 PSF先验项参数估计
• 7.4 多帧联合解卷积图像高清晰复原算法
• 7.4.1 多帧联合解卷积图像复原
• 7.4.2 MF-MAPJD算法实现
• 7.5 实验结果及分析
• 7.5.1 HST序列8帧MF-MAPJD算法实验
• 7.5.2 ISS序列7帧MF-MAPJD算法实验
• 7.6 本章小结
• 第8章 基于二代Curvelet变换的自适应光学图像复原
• 8.1 第二代Curvelet变换
• 8.1.1 Curvelet变换理论的提出
• 8.1.2 二代连续Curvelet变换
• 8.1.3 基于Wrapping方式的二代离散Curvelet变换
• 8.1.4 Curvelet系数特征
• 8.2 基于二代Curvelet变换的自适应光学图像去噪
• 8.2.1 基于二代Curvelet变换的CbATD去噪算法
• 8.2.2 CbATD去噪实现步骤
• 8.2.3 CbATD算法去噪实验
• 8.3 Fourier-Curvelet域正则化解卷积算法
• 8.3.1 变换域收缩的基本原理
• 8.3.2 Curvelet变换的高效性分析
• 8.3.3 傅里叶域收缩FoRD算法
• 8.3.4 Curvelet域收缩解卷积CVD算法
• 8.3.5 Fourier-Curvelet域混合解卷积ForCuRD算法
• 8.4 ForCuRD复原算法实验结果及分析
• 8.4.1 海洋卫星模拟图像ForCuRD复原实验
• 8.4.2 MIR观测图像ForCuRD复原实验
• 8.5 本章小结
• 第9章 总结与展望
• 9.1 工作总结
• 9.2 进一步研究方向
• 参考文献
• 作者简历 攻读博士学位期间完成的主要工作
• 一、个人简历
• 二、攻读博士学位期间发表的主要学术论文
• 三、攻读博士学位期间参与编写的专著、教材和科技报告
• 四、攻读博士学位期间的科研情况
• 致谢