时域多帧算法提升湍流退化图像复原与抗噪性能

本文主要探讨了在大气光学领域中，针对湍流退化图像的复原问题，提出了一种创新的基于时域特性的多帧迭代解卷积算法。该算法的核心在于结合了时域相关性与Tichonov正则化，以提高图像复原的精度和速度。算法的关键步骤包括： 1. **时域与频域结合**：将时域特性引入到代价函数设计中，这有助于捕捉图像随时间变化的动态特性，使得复原过程更加准确。时域特性利用了多帧数据之间的相关性，利用这些帧的信息来补偿单帧图像由于湍流引起的模糊和失真。 2. **Tichonov正则化**：作为一种常用的数学工具，Tichonov正则化被用来减少解算过程中的噪声敏感性，并确保复原的图像在保持清晰度的同时，具有良好的结构一致性。通过这种方式，算法能够在保持图像细节的同时，抑制高频噪声干扰。 3. **PSF约束**：点扩展函数（PSF）即点扩散函数，是描述图像因湍流导致的模糊程度的重要参数。算法对PSF施加非负支持域约束、带宽约束和能量约束，确保其物理合理性，进一步提高了复原效果。 4. **二阶共轭梯度交替迭代**：采用高效的优化算法，如二阶共轭梯度法，对频域代价函数进行迭代求解，以快速估计PSF并逐步恢复清晰图像。交替迭代的方式有助于收敛更快，降低计算复杂度。 5. **各向异性结构自适应调节滤波**：通过对图像进行各向异性的结构自适应滤波，能够更好地保留图像边缘和细节，提高图像的锐利度，同时有效去除噪声。 6. **实验验证**：作者通过实际实验展示了该算法的有效性，结果显示它能成功地复原湍流退化的图像，展现出较强的抗噪性能。实验结果表明，该算法在提高图像质量方面表现出优越性，适用于各种需要精确复原的高分辨率图像场景，如天文观测、遥感成像等。 本文研究的算法在图像处理领域具有重要意义，特别是在对抗大气湍流引起的图像退化方面，提供了新的理论支持和技术手段，有助于提升图像复原的性能和效率。