[发明专利]基于混合高斯模型与稀疏约束的PSF估计方法

摘要

本发明提供一种基于混合高斯模型与稀疏约束的PSF估计方法，涉及光学图像复原技术领域。该方法通过提取图像中成像质量较好的面状区域，利用高斯混合模型建立PSF拟合函数，求解模型参数得到初始的PSF模板，并将该模板作为稀疏约束复原模型的初始迭代PSF模板，最后迭代计算得到整幅图像的最终PSF模板。本发明方法的处理过程没有近似，并且主要操作在图像空间域内进行，无需反复迭代计算，因此可实现可靠、高效的PSF估计。

主权项

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。