[发明专利]一种基于L1

说明书

本发明公开了基于L₁‑L₀范数最小化的气动热辐射图像自动校正方法，包括：首先针对气动热辐射图像，建立基于L₁‑L₀范数最小化的图像校正模型；然后，采用半二次正则化方法交替迭代优化求解潜在的原始清晰图像和气动热辐射噪声；最后，通过设置合理模型参数，得到校正图像。本发明方法有效解决了现有方法中存在的校正残余误差大，方法复杂度高的问题，可大幅提升受气动热辐射效应影响的红外图像的质量。

技术领域

本发明属于气动光学与图像处理相结合的交叉科学技术领域，具体涉及一种基于L₁-L₀范数最小化的气动热辐射图像自动校正方法。

背景技术

气动光学是研究高速绕流流场对高速飞行器成像探测影响的一门学科。高速来流与光学窗口头部相遇时受到压缩而被阻滞，在窗口表面附近形成边界层，在边界层内来流中的动能被耗散而转变为热能，使光学窗口周围的气流温度升高，其表面被加热，这种高速气流与光学窗口表面的对流换热，称之为气动加热。飞行速度越高，气动加热越严重，光学窗口被气动加热而处于严重的气动热环境中，激波层和光学窗口将产生热辐射噪声，降低光学成像探测系统对目标探测系统的信噪比和图像质量，影响成像探测系统的灵敏度、作用距离，甚至形成热障而淹没需探测的目标信号。因此，成像探测系统需要引入气动热辐射效应图像校正模块，以提高探测系统的信噪比。

由于成像探测系统受到气动热辐射噪声与强随机噪声的干扰，增加了图像校正的难度，因此同时抑制气动热辐射噪声和随机噪声的高效图像处理算法极具实际应用价值。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于L₁-L₀范数最小化的气动热辐射图像自动校正方法。本发明要解决的技术问题通过以下技术方案实现：

步骤1、建立基于L₁-L₀范数最小化的图像校正模型，所述图像校正模型的表达式为：

其中，||·||_p表示L_p范数，为校正图像估计值，为热辐射噪声估计值，为数据保真项，η为数据保真项的系数，α和β为正则化参数，L和D表示差分算子，α的取值跟估计出的校正图像的纹理特征有关，即α的值越大，所述校正图像估计值的纹理结构信息保留的就越少；β的取值跟估计出的热辐射噪声的光滑性有关，即β的值越大，所述热辐射噪声估计值越光滑。α和β的取值可根据实验需求进行调整，s为输入的气动热辐射效应图像，f为校正图像，b为热辐射噪声；

步骤2、所述式(1)中所述热辐射噪声估计值和所述校正图像估计值是需要优化的变量，因此，对所述热辐射噪声估计值和所述校正图像估计值进行交替迭代优化求解，即固定一个变量，对另一个变量求解，此过程交替进行，所以将所述式(1)可分解为两个子问题：

f-子问题的具体形式为：

b-子问题的具体形式为：

步骤3、对于所述步骤2中的所述f-子问题，本发明采用半二次正则化方法进行求解，引入辅助变量w将所述式(2)转化为如下子问题：

其中，ρ为模型惩罚参数；

采用所述步骤1和所述步骤2中的求解方法，可将所述式(4)的最小化问题转化为两个新的子问题：

f′-子问题的具体形式变为：

w′-子问题的具体形式为：