[发明专利]结合分数阶全变差的CS高噪声天文图像去噪重建方法

说明书

本发明提出了一种结合分数阶全变差的CS高噪声天文图像去噪重建方法，步骤为：根据原始天文图像初始化重建图像参数和含噪声观测值；利用带有自适应滤波算子的曲波变换对高噪声条件下的高分辨率天文图像进行多尺度分解获得曲波系数；利用迭代收缩阈值算法对曲波系数进行迭代更新得图像曲波系数；利用下降曲波阈值算子对图像曲波系数进行降噪处理；利用曲波逆变换进行处理获得重建天文图像；利用分数阶全变差方法对重建天文图像进行特征调整，获得调整后的重建图像；判断迭代停止条件。本发明有效地提高了高噪声条件下的高分辨率天文图像的去噪能力，解决了深空探测中高噪声条件下天文图像的去噪重建问题，且实现简单，鲁棒性强。

技术领域

本发明涉及图像处理的技术领域，尤其涉及一种结合分数阶全变差的CS高噪声天文图像去噪重建方法，结合压缩感知(CS)和全变差对天文图像进行去噪处理，实现高噪声天文图像的快速去噪重建，尤其涉及高噪声条件下的高分辨率天文图像快速去噪能力。

背景技术

随着航天科技技术的不断发展，深空探测变得越来越重要。为了能够积极开发和利用空间资源，世界各国都在积极努力地探索地外星体、太空资源等，并纷纷制定了长远的深空探测计划。天文图像在深空探测中具有重要意义，从卫星或者探测器携带的高分辨率相机获得的高分辨率天文图像中可以快速获得许多重要的信息如某一星体地表结构、是否存在水资源和星体的环境条件等。然而，在天文图像拍摄和传输的过程中，由于宇宙噪声的影响，导致在地面接收站接收到的天文图像经常含有大量的噪声信息，给天文图像的分析带来了一定的影响，很难从图像中获得某些重要信息。随着图像传感器技术(CMOS或者CCD)的不断进步，天文图像分辨率也变得越来越高。高分辨率天文图像虽然能给我们带来视觉享受，但给相应的图像处理算法带来了一定的挑战，在某些情况下，甚至无法直接处理高分辨率天文图像。因此，高噪声条件下的高分辨率天文图像的去噪问题是目前深空探测中亟需解决的问题。

为了解决高分辨率图像或者高维数信号的重建问题，Donoho等人于2006年提出了著名的压缩感知(Compressed sensing，CS)理论。CS理论指出：如果信号在某一稀疏基上是稀疏的或者是可压缩的，则可以使用一个与该稀疏基不相干的测量矩阵对该信号进行测量，获得少量的图像重要信息，CS重建算法直接使用获得的少量信息就可以实现图像的高质量重建。因此，CS理论仅使用少量的图像重要数据就能实现图像的高质量重建。从本质上看，CS重建过程也是去噪重建的过程。CS重建算法直接决定了图像的重建质量和重建精度，目前提出的CS重建算法通常分为三类：贪婪类算法、凸优化类算法和组合类算法。这三类算法针对低噪声高分辨率天文图像能够获得高质量的重建效果，但针对高噪声情况下的高分辨率天文图像的重建效果较差。此外，贪婪类算法重建速度快，但重建精度低；凸优化类算法重建精度高，但重建速度慢；组合类算法重建精度较高，但算法复杂度和重建速度相对较高。

因此，必须寻找一种算法复杂度低和重建精度高的CS去噪重建方法既能有效解决高噪声条件下高分辨率天文图像的去噪重建问题，同时，通过参数的调节以提高其通用性。

发明内容

针对现有CS重建方法重建高噪声条件下高噪声天文图像时重建质量差的技术问题，本发明提出一种结合分数阶全变差的CS高噪声天文图像去噪重建方法，首先在图像稀疏表示阶段，引入自适应滤波算子对高噪声天文图像进行稀疏变换和去噪处理；随后，将分数阶全变差方法引入到CS中的迭代收缩阈值算法当中，在每次迭代过程中，使用分数阶全变差方法对重建的天文图像进行调整，有效地提高了天文图像的重建质量，最终实现了高噪声条件下高分辨率天文图像的高质量重建。

为了达到上述目的，本发明的技术方案是这样实现的：一种结合分数阶全变差的CS高噪声天文图像去噪重建方法，其步骤如下：

步骤一、初始化：根据原始天文图像初始化重建图像参数和含噪声观测值，初始化迭代次数；

步骤二、计算自适应滤波算子，利用带有自适应滤波算子的曲波变换对高噪声条件下的高分辨率天文图像进行多尺度分解，自适应地获得滤波后的曲波系数；