[发明专利]基于自适应光学系统点扩散函数重建的图像盲卷积方法

说明书

技术领域

本发明属于自适应光学图像处理领域，具体是一种基于自适应光学系统点扩散函数重建的图像盲卷积方法。

背景技术

地面通过望远镜在对天体进行观察，成像过程中会受到多种外部作用而影响成像质量，包括：大气湍流作用，望远镜的重力变形和热变形等。主动光学技术可以部分的校正望远镜主镜的重力变形和热变形，但是对于没有配备主动光学的望远镜，镜面在进行观测时的变形往往难以校正和测量。自适应光学技术主要用来校正大气湍流对于成像的影响，但是受限于波前测量精度，变形镜校正自由度，校正速度，系统的光学设计等，往往无法完全校正大气湍流影响。此外，由于自适应光学系统的测量光路和科学相机成像光路的结构不是完全相同的，非共光路像差对于成像也有很严重影响。

为了进一步提高图像质量，文献《Deconvolution from wave-front sensing: a new technique for compensating turbulence—degraded images》提出了使用波前测量信息对图像进行解卷积处理，来复原图象的方法，但是受限于波前测量精度，这种方法实用性不佳。

专利申请号为：201210246852.X的专利曾提出过使用基于非迭代自解卷积图像盲卷积方法的图像恢复技术，该方法通过选取质量较好的帧图像作为基础，并结合波前测量结果确定解卷积中的可调参数。通过累加得到系统的一个接近长曝光的光学传递函数，并将这一曝光函数作为解卷积时可调参数的参考，通过一次的解卷积计算去除自适应光学系统校正残差，以达到提高图像质量的目的。可见，对于该方法来说，波前测量得到的残差与成像光路的残差差距越小，则使用这一方法经过处理后的图像质量越好。但是，由于波前探测器和变形镜的物理结构等原因，直接使用波前探测器的测量结果而不考虑变形镜的结构估计得到的测量残差，对于高频误差的估计往往是不足的。更为重要的是，由于波前测量系统和科学相机所在的为不同的光路，由光路不同造成的非共光路象差对于最终图像质量影响也比较大。此外，由于望远镜的准静态象差（望远镜的重力变形和热变形）的影响，主镜拼接结构，以及望远镜的副镜和支撑副镜的部分的衍射的影响，也会使最终的图像质量下降，在图像重建的过程，这一部分也要考虑。因此想要能够较好的恢复图像，要求能够以高的精度估计出整个光学系统的影响，即系统的点扩散函数（PSF）。之后以这一PSF为基础，可以通过反卷积，提高图像质量。

文献《First Successful Adaptive Optics PSF Reconstruction at W.M. Keck Observatory》报告了在Keck望远镜上估计自适应光学系统PSF的工作。他们通过使用变形镜的控制信息以及差分传感器，估计出了大气湍流参数和系统的静态象差等。在对于自适应光学系统的PSF估计的过程中，将光学系统的点扩散函数的估计分为两个部分：系统的静态象差部分和系统的动态象差部分。对于系统的动态象差，通过使用变形镜信号进行了估计；在估计系统的静态象差时通过使用导星和差分传感进行了测量。但是，结果表明估计出的PSF和真实的PSF还有一些差距。因此，如果直接使用这样的方法得到的PSF进行反卷积，其结果还是不理想的。

在PSF未知或者了解不多的情况下，盲卷积是一种使用比较广泛的后期图像处理方法，这种图像盲卷积方法将成像过程用以下的表达式进行描述：                                               ，为观测到的图像，为真实目标；表示光学系统的点扩散函数；用来描述包括大气湍流；望远镜以及自适应光学系统等对于成像的影响；表示系统的噪声；表示卷积操作。参考先验条件，通过优化图像盲卷积方法迭代逐渐改变PSF和图像，可以达到恢复图像的结果。文献《Total variation blind deconvolution》提出了基于全局变分的盲卷积图像盲卷积方法，这种图像盲卷积方法被广泛的应用在众多的图像处理任务中。该图像盲卷积方法最小化如下评价函数，通过迭代得到优化后的图像：，上式中，f为目标函数，k为点扩散函数，u为优化之后的图像，z为原始图像，和为可以调整的正常数。这一优化图像盲卷积方法的收敛速度和最终的结果，依赖于点扩散函数的初始值和评价函数。目前所出现的图像盲卷积方法，一般采用的是人工经验确定的点扩散函数，很难实现对于点扩散函数的准确估计，导致收敛速度慢，且处理后的图像效果不佳。

发明内容

本发明所要解决的技术问题是：如何能更好地提高经过自适应光学系统校正之后的天文望远镜的图像质量。