[发明专利]一种实时图像盲复原方法

说明书

技术领域

本发明属于图像处理技术领域，涉及自适应光学图像复原理论与方法，具体涉及一种自适应光学中的实时快速图像盲复原算法。

背景技术

图像复原是基于图像退化的原因，利用所观测到的退化图像来恢复清晰的真实场景。图像复原技术已广泛应用在天文观测，遥感，安全监控和医学成像等许多领域。多数情况下，图像退化的点扩散函数PSF(Point Spread Function)是未知的，因此针对退化图像进行复原处理通常采用盲复原算法。目前盲复原算法本质上大多是迭代的，由于退化图像数据的一些病态性的问题，迭代盲复原过程中经常会出现局部收敛或者发散现象；即使迭代过程稳定，迭代也高达上千次甚至数千次，非常耗时，难以满足实时图像复原的要求。

在没有任何先验知识的情况下，估计出PSF是非常困难的，直到今天，如何准确地估计PSF仍是活跃在这一领域的话题。因此，提出一种快速有效的实时图像盲复原方法成为目前本领域亟待解决的重要技术问题。而G类点扩散函数引起的图像退化问题又是一种常见的图像退化的原因，因为G类点扩散函数在的图像退化系统占有很大的比例，例如一些天文观测、卫星探测、航空探测、电子显微扫描以及磁共振图像系统等等。

APEX算法根据退化图像的频谱信息的特征估计出系统的PSF，然后采用SECB(Slow Evolution of Continuation Boundary，连续边界慢演进)复原方法对退化图像进行复原。APEX算法原理简单，没有迭代环节，可以短时间对一些退化图像进行复原，在实时图像复原处理上具有传统迭代盲复原算法所没有的优点。但是，APEX算法仍然存在一些问题：首先，APEX算法用一个预设的常数值代替目标图像的频谱特征，在物理意义上并不合理，因此估计误差较大；其次，APEX算法的一些参数需要人为确定，而这些参数必须根据经验进行选择，通常需要反复的尝试才能取得合适的值；再次，APEX法使用SECB方法对图像进行重建，该方法容易受到噪声的影响。APEX算法在对真实图像的频谱进行估算时，采用简单的常数进行替代，这不符合真实图像的频谱性质，造成较大的估计误差，影响恢复效果。虽然后来人们进行了一些改进，但没有从根本上解决问题。另外，在针对天文退化图像和显微退化图像(由于这些图像的目标和背景反差很大，且背景简单)时，APEX算法可以有效地进行图像复原；但在处理地面图像时，由于背景的复杂，恢复结果通常难以令人满意。在对真实图像的频率进行估算时，这些方法都是采用简单的常数进行替代，这不符合真实图像的频谱性质。

发明内容

本发明要解决的技术问题是：为克服图像复原技术应用中迭代盲复原方法实时性差，非迭代盲复原方法对点扩散函数估计不准确的缺点，本发明提出了基于图像频谱与频率双对数关系的图像盲复原方法。本方法基于APEX方法的基本原理进行改进，对退化图像的原始图像的归一化频谱进行估计，对所求得的点扩散函数在四条直线上取平均值，提高了估计的准确性，本方法复原速度快，点扩散函数估计准确，取得了良好的复原效果。

为了实现上述目的，本发明通过下述技术方案来实现：

一种实时图像盲复原方法，包括以下步骤：

1)对退化图像进行傅里叶变换，然后求出退化图像的归一化频谱；

2)根据自然图像的频谱分布规律，对退化图像的原始图像的频谱进行重建，估计出原始图像的归一化频谱；

3)对退化图像的归一化频谱和重建原始图像归一化频谱进行比较，求取退化系统的光学传递函数，进而求取退化图像的点扩散函数；

4)根据所获得的点扩散函数，对退化图像采用维纳滤波进行图像重建。

进一步地，所述步骤1)中，对退化图像g(x)进行傅里叶变换得到G(μ,v)，对G(μ,v)进行归一化，得：G^*(μ,v)＝G(μ,v)/σ(1)

其中，G^*(μ,v)为退化图像的归一化频谱，G(μ,v)为退化图像，σ为归一化常数，取σ＝G(0,0)，即退化图像的傅里叶变换在原点的值。

进一步地，所述步骤2)中，以μ＝0为例，原始图像归一化频率的重建公式为：

其中，k为预估的清晰图像的斜率，G^*(μ,v)为退化图像的归一化频谱，F^*(μ,v)为重建的原始图像归一化频谱，g₁和g₂为ln|G^*(μ,v)|在处的值，*为卷积符号，μ和v为频域空间的坐标，N为图像大小。