[发明专利]基于混合高斯模型与稀疏约束的PSF估计方法

权利要求书

1.一种基于混合高斯模型与稀疏约束的PSF估计方法，其特征在于：包括如下步骤：

步骤S1：读取整幅光学图像，在图像中选取成像较好、周围没有过多干扰的面状目标区域，根据成像区域的大小，选择合适的窗口截取目标区域图像；

步骤S2：读取面状目标区域图像，提取其像素值；

步骤S3：建立初始二维高斯混合模型，拟合目标区域的像素值；

步骤S4：根据行方向和列方向的初步拟合结果，更新先验分布参数，包括高斯分量均值、标准差、权重和个数，再合并或分裂高斯分量，最终生成或删除高斯分量；

步骤S5：利用得到的二维高斯混合模型，建立图像的初始估计的PSF混合高斯模板；

步骤S6：将初始估计的PSF混合高斯模板代入已知的稀疏约束图像复原模型，进一步估计PSF混合高斯模板；

步骤S7：采用迭代加权最小二乘法(IRLS，Iteratively reweighted least squares)求解更新初始估计的PSF混合高斯模板，并结合PSF的非负和归一约束进行调整；用迭代次数阈值N判断迭代终止条件，得到新估计的PSF混合高斯模板，在迭代中，使用共轭梯度迭代解决内部IRLS系统的低尺度精度问题；

步骤S8：稀疏约束图像复原模型求解后生成最终估计的PSF混合高斯模板。

2.根据权利要求1所述的基于混合高斯模型与稀疏约束的PSF估计方法，其特征在于：所述步骤S1中的输入光学图像为g(x，y)，其表达式如式(1)所示；

其中，g(x，y)为观测到的图像，h(x，y)为成像系统的综合点扩散函数即PSF，符号表示图像空间域的卷积操作，f(x，y)表示没有降质的目标图像，即待求解的图像，n(x，y)为噪声因子，截取的所述目标区域图像为g′(x，y)，x和y为图像的行列值。

3.根据权利要求2所述的基于混合高斯模型与稀疏约束的PSF估计方法，其特征在于：所述步骤S2中的面状目标区域图像中的任一行或一列的像素值矩阵为X＝{F，R}^T，沿行和列方向的表达式分别为F＝(F_i；i＝1，2，…，n)和R＝(R_j；j＝1，2，Λ，w)，其中，F和R分别为面状目标区域的沿行和列方向的像素值向量，F_i为行方向第i个向量，R_j为列方向第j个向量，n表示行方向的向量个数，w表示列方向的向量个数。