空间光学遥感器在轨PSF估算：多通道盲反卷积新方法

"这篇论文是关于空间光学遥感成像系统点扩展函数(PSF)在轨估算的研究，采用了一种基于多通道盲反卷积(MBD)的方法，旨在提高估算速度和准确性，同时避免传统方法对靶标依赖和耗时问题。通过从单幅遥感图像中提取目标子图像，利用交替最小化迭代算法进行盲反卷积计算。实验证明，该方法在Intel Core i5-2400 3.1 GHz计算机上处理无噪图像仅需0.4917秒，得到1.1%的均方误差率；处理信噪比为45 dB的含噪图像，均方误差百分率达到5.9%。使用该方法估算的PSF能有效提升图像复原质量，增强图像的灰度平均梯度和拉普拉斯能量。与传统的倾斜刃边法相比，MBD方法在估算精度和运算速度上表现出优越性。" 文章详细介绍了基于多通道盲反卷积的点扩展函数估算技术在空间光学遥感领域的应用。点扩展函数(PSF)是评估成像系统性能的关键参数，它描述了成像系统对点源的响应，影响着图像的质量。传统的PSF估算方法通常依赖于特定的靶标或耗时的实验室测量，这在实际的遥感应用中往往不可行。为此，研究者提出了一种创新的MBD方法，它可以从单幅遥感图像中抽取多幅目标子图像，并通过迭代的盲反卷积计算来估计PSF。 MBD方法的核心在于交替最小化策略，这种方法允许在没有精确先验知识的情况下，从噪声图像中恢复出PSF信息。实验部分展示了MBD方法的高效性和准确性，即使是处理含噪图像，也能在较短时间内得到接近实际的PSF估算值。此外，利用估算的PSF进行图像复原，可以显著改善图像的细节和清晰度，具体表现为灰度平均梯度和拉普拉斯能量的提升，这是衡量图像锐利度和边缘信息的重要指标。 该研究提供了一种适用于在轨环境的快速、准确PSF估算技术，对于提升空间光学遥感数据的处理能力和分析效果具有重要意义。通过优化算法，MBD方法不仅提高了计算效率，还降低了对硬件资源的需求，对于遥感图像处理领域具有很大的实用价值。这一方法的提出和验证，进一步推动了遥感成像技术的发展，为未来遥感数据分析和应用提供了新的工具。