[发明专利]基于暗原色和交替方向乘子法优化的湍流图像盲复原方法

说明书

本发明涉及一种基于暗原色和交替方向乘子法优化的湍流图像盲复原方法，首先，基于多尺度的思想，在每一层尺度上对图像施加暗原色先验约束、对点扩散函数施加稀疏约束和能量约束，然后，采用坐标下降法交替迭代估计当前尺度下的模糊核和图像。当达到最大尺度时，得到最终估计的模糊核，最后，再结合总变分模型，采用导数交替方向乘子法实现图像细节快速恢复。本发明方法采用清晰图像的暗原色先验信息作为约束项，有利于代价函数在迭代过程中收敛到清晰解，解决了盲复原算法在最大后验概率框架下使用梯度先验信息约束易求得模糊解的问题，故在复原结果的视觉上，能恢复出更多的图像细节，振铃效应更少，有效提升了复原质量。

技术领域

本发明属于数字图像处理方法，涉及一种单帧大气湍流退化图像复原新方法，具体涉及一种基于暗原色和交替方向乘子法优化的湍流图像盲复原方法，将图像去雾中的暗原色理论应用于湍流图像盲复原领域，发明成果可用于各类军事或民用的图像图像去模糊处理系统中。

背景技术

飞行器在大气层内以超声速飞行时，与大气之间发生剧烈相互作用形成复杂的高温湍流场，这种湍流效应会使得飞行器的光学系统接收到的目标图像偏移、抖动、模糊等，从而严重影响其探测、识别和跟踪目标的能力，严重时甚至无法检测识别目标。因此，从湍流退化图像中有效地复原出原始目标图像，是实现超声速巡航成像探测及精确制导必须解决的关键问题之一。

湍流的最大特点是具有很强的随机性，这使得建模时很难描述和测定点扩散函数(point spread function，PSF)的具体形式，必须从观察图像中以某种方式估计出退化信息。对这类严重的病态问题，目前大多采用盲复原算法进行处理，即在最大后验概率(Maximum Posterior Probability，MAP)的框架下，依据模糊核和清晰图像的先验知识，运用有效的估计准则复原出目标图像。利用盲复原算法解决这类去模糊问题的关键是如何设计有效的清晰图像的先验知识指导图像复原，目前常用的清晰图像的先验知识大部分集中在对自然图像梯度分布的统计研究上，如Fergus等人采用高斯混合模型来刻画图像的梯度分布，Shan等人构造分段函数来拟合图像的梯度分布，Krishnan等人采用超拉普拉斯分布来近似图像的梯度分布，但这些先验知识规律只符合特定场景下的图像，且在MAP框架下直接应用这些先验知识，盲复原算法很容易得到模糊解，这就产生了矛盾。为了避免盲复原算法在MAP框架下使用图像梯度分布先验信息约束而易得到局部最优解的问题，Levin不再采用联合估计目标图像和模糊核的方式，改用直接从模糊图像中先估计出模糊核，然后采用一种非盲复原算法估计出目标图像；Fergus改用变分贝叶斯的方法来复原图像，这两种算法处理的优点是理论上最有可能收敛到全局最优解，但算法计算代价高，耗时，相对来讲，MAP框架简洁明了，易于求解。

在MAP框架下，为了使盲复原算法尽可能的收敛到清晰解，常见的有两种处理思路，一种是寻找更合适的清晰图像的先验信息，如Krishnan采用稀疏比值l₁/l₂范数作为约束项，Michaeli利用图像块循环尺度不变性作为先验信息约束项，但这些约束仅限于特定场景下的图像。Pan首次将图像去雾中的暗原色先验理论应用到图像去模糊中，在处理运动模糊图像、低照度模糊图像以及非一致模糊图像中取得了不错的效果，但算法自身缺陷是对噪声敏感，当模糊图像存在较大的噪声时，算法的处理结果有振铃效应；另一种思路是引入边缘选择，利用强边缘来恢复图像，但这类方法牵扯复杂的边缘选择，如何设计“大的梯度保留与小的梯度舍弃”规则是个问题，且在图像的显著性不是很强时，算法就选不到合适的边缘来估计模糊核。

可见，传统的大气湍流图像盲复原方法，在噪声或模糊程度比较严重的情况下，图像复原视觉质量差，易产生伪迹，对噪声敏感。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种基于暗原色和交替方向乘子法优化的湍流图像盲复原方法，提升湍流降质图像的复原质量，提高抗噪性能。