[发明专利]一种基于最佳区域中值先验的湍流退化图像恢复方法

说明书

本发明涉及一种基于最佳区域中值先验的湍流退化图像恢复方法，其先根据目标湍流退化图像的梯度信息，确定最佳区域，再根据基于最佳区域中值先验的图像盲反卷积模型迭代优化点扩散函数，得到目标点扩散函数，最后对目标湍流退化图像进行盲反卷积处理，得到目标恢复图像。相比于现有技术，本发明从图像内容信息出发，设计了基于最佳区域中值先验信息的盲反卷积方法，使得运算过程中仅需要计算最佳区域内的先验信息即可，并且最佳区域中值先验能够排除不利于点扩散函数估计的信息，进而快速有效地估计点扩散函数和潜在清晰图像，仅需要较少的迭代次数，就可以达到快速收敛，极大地降低了算法的时空复杂度，减少了运行的代价，提高运行速度。

技术领域

本发明涉及图像气动光学效应矫正技术领域，尤其涉及一种基于最佳区域中值先验的湍流退化图像恢复方法。

背景技术

高速飞行器在高速飞行的过程中会与周围空气产生摩擦碰撞，复杂的高速气流场产生气动光学效应。大气湍流会严重影响飞行器光学探测成像系统的性能，致使目标图像严重退化。气动光学效应校正的目的是对残存的或者说不可控的气动效应进行校正，使成像质量尽可能恢复到接近无气动光学效应时的理想成像状态。把退化图像反演到无气动效应的成像状态，这是一个求逆的过程，具有高度不适定性。

近年来，在图像和模糊核的各种有效先验的帮助下，单图像盲去模糊取得了很大的进展，能很好的用来解决上述求逆问题。为了解决盲去模糊问题，有效利用图像先验和模糊核模型是取得有效方法的关键。效果较好的图像先验包括梯度稀疏先验，归一化稀疏先验，patch先验，群稀疏性先验、强度先验、暗通道先验、极端通道先验、潜在结构先验、局部最大梯度先验、类特定先验，以及使用深度网络学习图像先验等等。

目前所提出的先验方法虽然能够在自然图像和特定图像上获得令人满意的性能，但所涉及的优化算法计算代价高昂，图像恢复过程耗时较长。

发明内容

有鉴于此，有必要提供一种基于最佳区域中值先验的湍流退化图像恢复方法，用以解决现有技术中恢复退化图像时耗时较长的问题。

为达到上述技术目的，本发明采取了以下技术方案：

第一方面，本发明提供了一种基于最佳区域中值先验的湍流退化图像恢复方法，包括：

获取目标湍流退化图像，并根据所述目标湍流退化图像的梯度信息，确定所述目标湍流退化图像的最佳区域；

计算所述目标湍流退化图像在所述最佳区域内的中值先验信息，并根据所述中值先验信息和所述目标湍流退化图像的梯度信息，建立基于最佳区域中值先验的图像盲反卷积模型；

根据所述目标湍流退化图像及所述目标湍流退化图像的最佳区域，基于所述基于最佳区域中值先验的图像盲反卷积模型迭代优化点扩散函数，得到目标点扩散函数；

根据所述目标点扩散函数，对所述目标湍流退化图像进行反卷积处理，得到目标恢复图像。

进一步的，所述获取目标湍流退化图像，并根据所述目标湍流退化图像的梯度信息，确定所述目标湍流退化图像的最佳区域，包括：

获取所述目标湍流退化图像，并根据所述目标湍流退化图像，得到所述目标湍流退化图像的梯度信息图；

二值化所述梯度信息图，得到显著梯度信息图像，并将所述显著梯度信息图像依据梯度特征划分为多个大梯度区域；

分别计算所述目标湍流退化图像在每个所述大梯度区域中的拉普拉斯梯度和，并得到所有所述大梯度区域的拉普拉斯梯度和的平均值；

筛选出拉普拉斯梯度和高于所述平均值的大梯度区域，作为所述目标湍流退化图像的最佳区域。

进一步的，所述计算所述目标湍流退化图像在所述最佳区域内的中值先验信息，包括：

获取目标计算图像及所述目标计算图像的最佳区域；