湍流图像退化复原.pptVIP

湍流图像退化复原 大气湍流 大气中任意一点的运动，其速度的方向和大小都时刻发生着不规则的变化，从而引起各个气团相对于大气整体平均运动的不规则运动，这种现象被称为大气湍流。 如通过望远镜观测到外太空的星星表现出的模糊降晰，因为地球上的大气退化了图像的质量，大气湍流随机地干扰,使像元强度分布扩散、峰值降低、图像模糊、像素位置偏移及抖动,给目标识别带来了较大的困难。 湍流图像复原的几种方式 传统的图像复原 :传统的图像复原技术都是在退化模型确定和已知的情况下进行复原的，即先确定点扩展函数或其参数，然后利用诸如逆滤波和维纳滤波这样的方法恢复图像。但这些方法对光学系统的设计和光学器件的加工工艺都提出了更高的要求，并且不能消除系统像差中由大气湍流引起的部分，而且湍流流场对目标成像的影响是复杂多变的，导致湍流光学点扩展函数难以测定，其形式也是无法事先确定，所以往往单幅图像中所包含的信息量很少，而且不够全面，很难进行图像复原 。 湍流图像复原的几种方式 幸运成像 ：按照一定标准将拍摄图像中一些接近衍射极限的好图像选取出来，再进行配准叠加，从而复原出更加清晰的图像，提高图像的成像质量，使得原本无法显示的弱目标得以显示，原本无法分辨的细节得以分辨。 湍流图像复原的几种方式 多帧图像重建 ：对所拍摄的图像序列进行平均化处理，然后利用非刚性图像配准技术对所得的图像进行配准，得到图像的变形矩阵，利用贝叶斯图像重建算法对图像进行重建，从而得到更加清晰的图像。 湍流退化图像的关键技术 图像配准 ：图像配准就是将不同时间、不同成像设备或不同条件下(天候、照度、摄像位置和角度等)获取的两幅或多幅图像进行匹配、叠加的过程。首先对两幅图像进行特征提取得到特征点，通过进行相似性度量找到匹配的特征点对；然后通过匹配的特征点对得到图像空间坐标变换参数，最后由坐标变换参数进行图像配准。而特征提取是配准技术中的关键，准确的特征提取为特征匹配的成功进行提供了保障。因此，寻求具有良好不变性和准确性的特征提取方法，对于匹配精度至关重要。这种方法的基本思想是基于对误差的积累进行分析。所以对于大部分非匹配点来说，只需计算模板中的前几个像素点，而只有匹配点附近的点才需要计算整个模板。这样平均起来每一点的运算次数将远远小于实测图像的点数，从而达到减少整个匹配过程计算量的目的。 图像配准的方式 图像配准的方式可以概括为相对配准和绝对配准两种： ①相对配准是指选择多图像中的一张图像作为参考图像，将其它的相关图像与之配准，其坐标系统是任意的。 ②绝对配准是指先定义一个控制网格，所有的图像相对于这个网格来进行配准，也就是分别完成各分量图像的几何校正来实现坐标系的统一。 图像配准的分类 总的来说，可以将图像配准方法大致分为三类： ①基于模型的配准方法。这种方法是根据图像失真的数学模型来对图像进行非线性校准的配准，多用于医学图像。 ②基于象素的配准方法。这类方法根据配准图像的相关函数、傅立叶变换等关系式来计算配准参数。一般来说，基于象素的配准算法把匹配点周围区域的点的灰度都考虑进来计算，故匹配计算量大，速度慢。 ③基于特征的配准方法。这类方法是根据需要配准图像的重要特征之间的几何关系来确定配准参数。因此这类方法首先要对待配准图像进行预处理，也就是图像分割和特征提取的过程，再利用提取得到的特征如边缘、角点、线、曲率等，建立特征点集之间的对应关系，由此求出配准参数。常用到的图像特征有：特征点（包括角点、高曲率点等）直线段、边缘、轮廓、闭合区域、特征结构以及统计特征如矩不变量、重心等等。基于特征的算法提取了图像的显著特征，大大压缩了图像信息量，故计算量小，速度快。 当今湍流退化图像复原面临的难点 ①计算复杂性和整体结果对计算误差的敏感性。当湍流单元数目及参数随时间变化时，用现有的非线性迭代方法求解每个“斑点函数”权重和位置的精确值是非常困难和耗时的。 ②原图像退化的湍流单元数目，事先是未知的，很难从已摄取的湍流退化图像中正确估计出； ③由于各种随机因素的干扰，各“斑点函数”的形式和参数是多变的，在不同的瞬时（短曝光）和在不同的空间位置上，或多或少会发生改变，甚至有一些会消失或再现。假设它们形状不变，湍流光学单元数目不变，不适合于瞬息万变的实际湍流环境，与实际相去甚远； 总结 通过上述一些方法的介绍可知，如今利用多帧图像进行湍流图像复原的各种方法都是利用了图像序列所包含的数据信息互补这一特点，从而获得比较清楚的复原图像。虽然多帧图像处理在图像信息容量和噪声控制方面有很明显的优势，复原的效果也较好。但是由于这类方法通常需要拍摄大量的图像，从而使得计算量大大增加，程序整个运行时间也较长，因此基于序列图像的湍流退化图像的复原算法，还需我们进一步进行研究，尤其是在快速实时处理方面，是我们现在急