自适应光学图像盲目反卷积方法复原研究.pdfVIP

自适应光学图像盲目反卷积方法复原 梁莹1、2李梅1饶长辉1 (1．中国科学院光电技术研究所2．中国科学院研究生院) 摘要：大型地基光学设备的成像性能受到大气湍流的严重影响。自适应光学(Adaptive 流进行实时补偿，但此补偿通常不完全，需要对校正后的长曝光像进行事后处理以恢复目标的细节。基于 Blind 极火似然准贝JJ(Maximum．Likelihood，ML)的图像迭代盲目反卷积(1terative 以对图像部分细节进行重建。利用这一方法对AO天文图像实验数据进行处理，可看出此算法能有效恢复 图像的部分高频信息。 关键字：自适应光学，图像重建，极火似然准则，迭代育目反卷积 一、 引言 大多数(尽管不是全部)天体目标的图像都是利用地基光学系统获得的。地球大气层 的湍流结构引起的光学畸变使得天体目标的图像产生严重的模糊，从而严重影响到系统的 成像性能。为改善图像质量，有两人类方法可以采用，一是应用AO校正并使用更好的成 像系统，二是采用基于信号处理方法的图像后处理(Post 有两大不足：一是成本昂贵限制了AO系统的广泛使用，二是即使采用了AO进行校正， 其潜在的相位偏差也仍然存在。因此有必要对天体目标的地基光学图像进行基丁数字信号 处理技术的后处理，以获取更加清晰的天体目标图像。 resolution 上世纪70年代以来，天体目标的超分辨率重建(super 受到天文学领域的重视，许多重建理论和算法相继被提出并在实践中取得了较好的效果。 超分辨率重建按照美国弧利桑那人学B．R．Hunt的定义可描述为：去除衍射受限光学系统 由人气湍流造成的图像模糊，并对落在光学系统通带外的天体目标频谱成分进行有意义的 恢复。按照这种定义，由Bayes原理得到的极人似然算法和盛人后验估计算法等非线性算 法都属丁．超分辨率重建算法。 天体目标图像的超分辨率重建主要是通过对短曝光图像或图像序列的处理实现的。对 短曝光图像(或图像序列)的恢复有儿种方法，基本上分为两类：利川波前畸变测量数据 referenced 和不使川波前畸变测量数据。前者称为波前参照方法(wavefront referenceless 者称为无波前参照方法(wavefront 盲目反卷积算法属丁无波前参照方法。 本文第二部分着重介绍迭代盲目反卷积算法的理论基础及迭代盲目反卷积恢复图像的 算法流稃，第三部分给出部分实验结果，最后给出结论。 二、 盲目反卷积算法目日Ⅸ西佚畀j友 一、 在大文幽像观测中总是希望得剑的图像细‘协越清晰越好，但在实际观测中由丁．多方面 的影响使得图像难以达剑观测要求。首先成像系统(CCD等)受传感器阵列排列密度限制， 劁像分辨率不可能很高，欠采样效应造成频谱交替，使图像降晰；另外光照、人气湍流等 一161— 因素也使成像模糊，降低了图像的空间分辨率。由于图像的降质过程不是单一因素引起的， 导致点扩散函数难以预先较准确的得到。利用盲目反卷积算法，图像恢复可以交替在空域 和频域进行。 假设图像降质模型为g(x，y)=f(x，y)幸h(x，y)+n(x，Y)，如下图： …。f(x，y一 叻／1／ 甙 厂L !甲宙 面～ ]|l，_] 其中，f(x，y)为原始目标图像，h(x，y)为系统点扩散函数(PointSpread n(x，J，)为加性噪声，g“J，)为观测的实际图像，(x，y)为空间坐标。 在离散状态下，将图像