[发明专利]一种新的基于卡尔曼滤波的点扩散函数估计方法

权利要求书

1.一种新的基于卡尔曼滤波的点扩散函数估计方法,其特征在于：该方法包括如下步骤：

1）选择点扩散函数模糊后的图像平稳区域作为点扩散函数估计区域；

2）对模糊后的图像建立用于点扩散函数估计的Kalman状态方程和观测方程；

3）根据所述模糊后的图像、状态方程和观测方程，计算出图像的观测矩阵；

4）对所述状态方程和观测方程中的参数进行初始化；

5）根据步骤3估计的观测矩阵、状态方程和观测方程，进行Kalman迭代计算，得到引起图像模糊的点扩散函数PSF；

6）对所述点扩散函数PSF数值进行调整。

2.根据权利要求1所述的一种新的基于卡尔曼滤波的点扩散函数估计方法,其特征在于：所述步骤1）对图像平稳区域的选取方式如下：

经过大量实验，当灰度变化不超过图像灰度最大值15%时，方差不超过30，该区域Θ可以近似为平稳随机过程。

3.根据权利要求1所述的一种新的基于卡尔曼滤波的点扩散函数估计方法,其特征在于：所述步骤2）对点扩散函数估计的Kalman状态方程和观测方程的建立包括如下步骤：

201）建立Kalman状态方程p(k+1)=A(k+1,k)p(k)+ξ(k)；该方程不局限于线性方程，其中，p(k)表示点扩散函数，A(k+1,k)表示状态转移矩阵，ξ(k)表示状态噪声；

202）建立Kalman观测方程g(k)=G(p(k))+η(k)，G(p(k))表示对p(k)的非线性运算；该方程是非线性方程，在一定条件下，可以近似为线性方程g(k)=C(k)p(k)+η(k)，其中C(k)是观测矩阵；g(k)的观测的散焦图像，为已知量；η(k)是测量噪声。

4.根据权利要求1所述的一种新的基于卡尔曼滤波的点扩散函数估计方法，其特征在于：所述步骤3）对观测矩阵的计算包括如下步骤：

301）将步骤1）确定的平稳区域设为Θ

302）令Θ是表示步骤1）所确定的平稳区域，B(k)∈Θ，B(k)可以看作是Θ的一个样本；

303）B(k)在Θ中取值，B(k)维数和p(k)维数相同，观测矩阵C(k)是B(k)中元素的组合，其选择规则根据卷积定理实现。

5.根据权利要求1所述的一种新的基于卡尔曼滤波的点扩散函数估计方法,其特征在于：所述步骤4）中对参数进行初始化,具体是：误差协方差矩阵P(0|0)=0，0表示全0矩阵，状态估计表示全1矩阵；R_ξ＝10^-4，R_η=10，R_ξ和R_η分别为状态误差和测量误差的方差，设定迭代次数K。

6.根据权利要求1所述的一种新的基于卡尔曼滤波的点扩散函数估计方法,其特征在于：所述步骤5）对点扩散函数Kalman迭代计算包括如下步骤：

501）根据步骤4）中的初始化参数，计算k+1时刻的状态估计

502）根据当前时刻的测量矩阵C(k+1)、R_η和P(k+1|k)，计算增益矩阵H(k+1)

503）计算k+1时刻的PSF估计值

504）由P(k+1|k)和H(k+1)计算校正的误差协方差矩阵P(k+1|k+1)

505）如果没有达到迭代次数K，返回501）重复以上步骤；如果达到迭代次数K，就是估计的点扩散函数PSF。

7.根据权利要求1所述的一种新的基于卡尔曼滤波的点扩散函数估计方法,其特征在于：所述步骤6）对点扩散函数数值的调整方式如下：对估计得到的点扩散函数PSF，对其数值进行筛选排序，去除出现的过大或者过小值，将其变为从内至外逐渐衰减的排列。