本發明涉及退化圖像復原方法，特別涉及一種大氣湍流圖像復原問題，屬于多幀湍流圖像復原領域。

背景技術：

在中遠距離成像系統中，由于風速、溫度等影響造成的大氣湍流現象，使得傳播介質折射率不規則變化，導致光波在介質中傳播時產生畸變，從而造成采集圖像的幾何形變和模糊。因此，從湍流退化圖像中有效復原原始目標圖像是實現對目標探測、識別等處理的關鍵問題之一。

常用的湍流退化圖像復原方法主要基于單幀和多幀湍流圖像的復原方法。由于湍流很強的隨機性，從而使對靜置物體所采集的圖像模糊程度在時間和空間上存在不確定性，基于多幀圖像互補性的復原效果優于基于單幀圖像的復原結果。因此，大多采用基于多幀圖像的復原方法，目前提出的主要方法有：

利用大量采集的短曝光圖像中存在“幸運圖像”的可能性進行復原。這種方法是先利用圖像配準的方法對獲取的湍流圖像進行配準，消除幾何形變，從配準后的多幀圖像中提取出“高質量”的圖像，通過圖像融合成為一張圖像，再基于圖像解卷積或圖像增強的方式對融合后的圖像進行處理，提高圖像的清晰度。如專利cn103310486b公開一種大氣湍流退化圖像重建方法。該技術方案是先進行多幀配準消除畸變圖像，再重建基于時空近鄰組合的衍射模糊圖像，最后采用全局一致反卷積消除衍射模糊。該類方法計算復雜，且耗時長，配準的精度直接影響最后的復原效果。

利用多幀圖像估計點擴散函數的初值，通過不斷循環迭代，在時域或空域上，利用解卷積得到復原圖像，如最大似然估計迭代盲反卷積復原方法、richardson-lucy算法等。但是，通過估計點擴散函數再解卷積的方式無法有效去除噪聲，因此極易導致復原結果產生振鈴效應。

d.li和r.m.meraereau等提出一種基于主成分分析法的湍流退化圖像復原算法，該方法是基于高頻成分增強的思想恢復退化圖像，將方差最大的第一主成分作為最大的高頻成分，得到復原圖像(ieeegeosci.remotes.2007；4(3):340-344)。該方法其實質是一種基于主成分分析法的盲去卷積恢復方法，具有快速及抗噪性強的特點，不僅可以用于多幀退化圖像恢復，也可用于單幀退化圖像恢復。由于主成分分析法利用的特征分解具有不確定性，因此，無法保證所計算的高頻分量與均值圖像的方向一致性，可能會得不到期望的復原圖像。另外，該方法是將整個退化圖像看成是模糊空不變圖像，并不適用于實際的湍流退化圖像。

技術實現要素：

本發明提供了一種基于相關最大性的湍流退化圖像復原方法，其基本思想是將采集的多幀圖像分割成多個模糊圖像空不變的子模塊圖像集，基于主成分分析法和圖像最大相似性特征，得到最終復原的子模塊圖像，實現對湍流圖像的復原，詳見下文描述：

一種基于相關最大性的湍流退化圖像復原方法，所述方法包括以下步驟：

對采集的多幅湍流退化圖像做平均及邊緣增強處理，設為參考圖像；

將退化圖像和參考圖像分割為多個子模塊圖像，再將對應位置的子模塊圖像組成一個子圖像集；

計算每個子圖像集中的每一子模塊圖像與其參考圖像集中的子模塊圖像之間的歐幾里得距離，將小于中值距離的子模塊圖像再組成新圖像集；

由新圖像集，基于主成分分析法和圖像最大相似性特征，得到最終復原的子模塊圖像；再將最終復原的子模塊圖像，按照提取子圖像集對應的位置組成一幅圖像，即為得到的復原圖像。

所述由新圖像集，基于主成分分析法和圖像最大相似性特征，得到最終復原的子模塊圖像具體為：

將新圖像集中的a幅子模塊圖像矩陣轉化為一個b尺寸的列矩陣，將所有的列矩陣組成一個b×a的矩陣c；

計算矩陣c的均值列矩陣，再將新圖像集中每一個列矩陣與均值列矩陣相減，得到矩陣x；

根據矩陣x、均值列矩陣、權值系數獲取結果行矩陣，將結果行矩陣轉化為與子模塊圖像矩陣尺寸對應大小的矩陣，即為結果子圖像，將該結果子圖像作為最終復原的子模塊圖像。

所述根據矩陣x、均值圖像、權值系數獲取行矩陣具體為：

獲取權值系數與矩陣x的轉置的乘積，該乘積與權值系數的模做商，該商與均值列矩陣轉置相加，即為行矩陣。

另外，當對受湍流擾動影響大的圖像集進行處理時，所述方法還包括：

將復原的子圖像設為新的參考圖像，計算新圖像集中的每一子模塊圖像與該參考圖像之間的歐幾里得距離，將小于中值距離的子模塊圖像再組成新的子模塊圖像集，對該圖像集進行處理得到復原子模塊圖像。依次進行多次處理，重復次數依所處理的退化圖像而定。

本發明提供的技術方案的有益效果是：

1、本發明結合了主成分與原始圖像最大相似性特征，保證所計算的高頻分量與均值圖像的方向一致性，得到了期望的復原圖像；

2、本方法將采集的多幀圖像和與之對應的參考圖像分割成多個模糊圖像空不變的子模塊圖像集，尤其適用于實際的湍流退化圖像。

附圖說明

圖1為本發明提出的一種基于相關最大性的湍流退化圖像復原方法流程圖；

圖2為本發明提出的一種基于相關最大性的湍流退化圖像復原方法的詳細流程圖；

圖3為本發明實例中模擬的15幅受湍流影響的月球表面圖像、參考圖像及其分割的子模塊圖像集；

其中，(a)為模擬的15幅湍流退化圖像；(b)為將15幅退化圖像分割、組合的16個子圖像集；(c)為由15幅湍流退化圖像得到的參考圖像；(d)為參考圖像分割的16個子圖像。

圖4為本發明實例的復原圖像。

具體實施方式

為使本發明的目的、技術方案和優點更加清楚，下面對本發明實施方式作進一步地詳細描述。

下面以圖3所示的退化圖像為例，闡述本發明退化圖像復原方法的具體處理過程；

步驟1、模擬15幅受湍流影響的月球表面圖像gi(i＝1,2,…,15，大小為256×256象素數)，如圖3(a)所示，計算其均值圖像對均值圖像φ，利用拉普拉斯濾波器進行增強處理，如圖3(c)所示，將其設為參考圖像ψ；

步驟2、對每一gi圖像和參考圖像ψ，分割為大小為106×106象素數，相鄰兩個子模塊之間的間隔為nexp＝50象素數的16個子模塊圖像，如圖3(a)所示。再將對應位置的子模塊圖像組成一個子圖像集，分別記為gj和ψj，其中，j＝1,2,…,16，每個gj中包含15個子模塊圖像，如圖3(b)所示，每個ψj只包含一個子模塊圖像，如圖3(d)所示；

步驟3、對g1中的每一子模塊圖像，計算其與ψ1的歐幾里得距離z1,i，再將

z1,i＜median(z1)的子模塊圖像組成一個新圖像集，記為中包含7幅子模塊圖像，其中，median(z1)為所計算的歐幾里得距離z1,i中的中值；

步驟4、將中的7幅子模塊圖像矩陣轉化為一個11236×1的列矩陣，再將所有的列矩陣組成一個11236×7的矩陣

步驟5、計算步驟4所得到的矩陣的均值圖像再將中每一個列矩陣與φ1相減，得到矩陣x1＝[x1,1,x2,1,…,x7,1]，其中，p＝1,2,…,7；

步驟6、由式計算y1，其中，為x1的轉置矩陣，為φ1的轉置矩陣，權值系數μ1為：

將所得到的行矩陣y1轉化為106×106大小的矩陣，即為結果子圖像fg1。將該結果子圖像fg1作為最終復原的子模塊圖像fg1；

步驟7、再對g2，g3，...，g16，依次方法，利用步驟3～6進行處理，將得到相應的最終復原的子圖像fg2，fg3，...，fg16；

步驟8、再按照提取子圖像集對應的位置重組為一幅圖像，對重疊部分的圖像進行疊加平均，得到復原圖像fg，如圖4所示。

本領域技術人員可以理解附圖只是一個優選實施例的示意圖，上述本發明實施例序號僅僅為了描述，不代表實施例的優劣。

以上所述僅為本發明的較佳實施例，并不用以限制本發明，凡在本發明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發明的保護范圍之內。

總結

以上是生活随笔為你收集整理的湍流退化图像复原如何使用matlab,一种基于相关最大性的湍流退化图像复原方法与流程...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。