[發(fā)明專利]一種基于生成式對(duì)抗網(wǎng)絡(luò)的自適應(yīng)光學(xué)圖像盲復(fù)原方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010713133.9
• 申請(qǐng)日: 2020-07-22
• 公開(kāi)（公告）號(hào): CN111968047A
• 公開(kāi)（公告）日: 2020-11-20
• 發(fā)明（設(shè)計(jì)）人: 史江林;張榮之;徐蓉;郭世平;劉長(zhǎng)海;諶釗
• 申請(qǐng)（專利權(quán)）人: 中國(guó)西安衛(wèi)星測(cè)控中心
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00;G06K9/62
• 代理公司: 西安弘理專利事務(wù)所 61214
• 代理人: 弓長(zhǎng)

本發(fā)明公開(kāi)了一種基于生成式對(duì)抗網(wǎng)絡(luò)的自適應(yīng)光學(xué)圖像盲復(fù)原方法，具體按照如下步驟實(shí)施：步驟1，制作空間目標(biāo)自適應(yīng)光學(xué)模糊圖像與對(duì)應(yīng)清晰圖像的訓(xùn)練集；步驟2，構(gòu)建用于訓(xùn)練的生成對(duì)抗網(wǎng)絡(luò)模型；步驟3，將步驟1自適應(yīng)光學(xué)模糊圖像與對(duì)應(yīng)清晰圖像的訓(xùn)練集輸入到步驟2建立的生成對(duì)抗網(wǎng)絡(luò)模型中，得到訓(xùn)練好的生成網(wǎng)絡(luò)模型；步驟4，將待復(fù)原的模糊圖像進(jìn)行尺寸歸一化預(yù)處理，輸入到步驟3訓(xùn)練好的生成網(wǎng)絡(luò)模型中，得到復(fù)原之后的清晰圖像。本發(fā)明的一種基于生成式對(duì)抗網(wǎng)絡(luò)的自適應(yīng)光學(xué)圖像盲復(fù)原方法，由于無(wú)需估計(jì)PSF，提高了單幀圖像復(fù)原效率。

技術(shù)領(lǐng)域

本發(fā)明屬于光學(xué)圖像處理技術(shù)領(lǐng)域，涉及一種基于生成式對(duì)抗網(wǎng)絡(luò)的自適應(yīng)光學(xué)圖像盲復(fù)原方法。

背景技術(shù)

地基自適應(yīng)光學(xué)望遠(yuǎn)鏡在對(duì)空間目標(biāo)進(jìn)行探測(cè)成像時(shí)，由于受到大氣湍流等因素的影響，導(dǎo)致光學(xué)波前畸變，會(huì)使目標(biāo)圖像中的高頻信息受到較大抑制和衰減，從而使觀測(cè)到的目標(biāo)圖像嚴(yán)重降質(zhì)模糊。

地基光學(xué)望遠(yuǎn)鏡對(duì)空觀測(cè)時(shí)，由于大氣湍流擾動(dòng)等因素影響，光學(xué)系統(tǒng)所采集的圖像一般存在嚴(yán)重的降質(zhì)模糊。為獲得更為清晰的圖像，現(xiàn)代大型望遠(yuǎn)鏡大都采用了自適應(yīng)光學(xué)(AO)系統(tǒng)。由于采用了波前校正技術(shù)，AO系統(tǒng)采集的圖像像質(zhì)有很大程度改善，但是，AO系統(tǒng)的單元數(shù)和速度通常不能完全滿足大氣動(dòng)態(tài)擾動(dòng)的校正需求，存在校正殘差。因此，AO圖像中的目標(biāo)高頻信息仍然受到較大程度的抑制和衰減。這種降質(zhì)模糊圖像一般難以滿足對(duì)空觀測(cè)的需要，必須借助圖像復(fù)原手段進(jìn)行清晰化處理。

在圖像處理領(lǐng)域，降質(zhì)成像過(guò)程一般描述為：

式中，x＝(x,y)表示圖像空間坐標(biāo)，i(x)表示降質(zhì)成像結(jié)果，o(x)表示理想清晰圖像，h(x)表示光學(xué)系統(tǒng)的點(diǎn)擴(kuò)散函數(shù)(PSF)，n(x)表示光路噪聲，表示卷積運(yùn)算，對(duì)于理想成像系統(tǒng)而言，即成像過(guò)程中不存在降質(zhì)，PSF為單位脈沖函數(shù)，根據(jù)降質(zhì)圖像i(x)估計(jì)清晰圖像o(x)的過(guò)程稱為圖像解卷積或圖像復(fù)原，如圖6所示；如果PSFh(x)未知，則稱為圖像盲解卷積或圖像盲復(fù)原。

在實(shí)際對(duì)空間目標(biāo)進(jìn)行探測(cè)成像過(guò)程中，成像光學(xué)系統(tǒng)的PSF常常是未知的，這種情況下，需要采用盲解卷積方法復(fù)原出理想圖像。

圖像盲解卷積是一個(gè)病態(tài)問(wèn)題，如式(1)，需要通過(guò)一個(gè)方程求解兩個(gè)未知量o(x)和h(x))，因此，數(shù)學(xué)上來(lái)看盲解卷積技術(shù)具有更大的難度和不確定性，求解時(shí)需要在迭代過(guò)程中對(duì)目標(biāo)圖像和點(diǎn)擴(kuò)散函數(shù)不斷施加物理約束以保證解的正確和唯一。

現(xiàn)有盲復(fù)原技術(shù)方案有：

(1)RL-IBD算法

近年來(lái)，國(guó)外在空間目標(biāo)探測(cè)識(shí)別領(lǐng)域針對(duì)地基光學(xué)圖像盲解卷積技術(shù)的研究進(jìn)展主要在圍繞著如何對(duì)目標(biāo)和PSF施加更先進(jìn)的物理約束以改進(jìn)解卷積性能，無(wú)論是單幀或是多幀盲解卷積，基本框架一般還都是基于經(jīng)典的Richardson-Lucy迭代盲解卷積(RL-IBD)算法，其流程如圖2和7所示，RL-IBD算法吸收了IBD算法計(jì)算簡(jiǎn)單的優(yōu)點(diǎn)，兼顧了RL算法保持復(fù)原圖像非負(fù)性及能量守恒的特點(diǎn)，取得了一定的復(fù)原效果。但在RL-IBD圖像盲解卷積中，復(fù)原性能受點(diǎn)擴(kuò)散函數(shù)支持域初始估計(jì)影響較大，支持域偏小會(huì)使復(fù)原效果明顯降低，支持域偏大會(huì)增加圖像復(fù)原計(jì)算量，降低算法效率。

(2)基于稀疏表示的盲復(fù)原方法

在基于稀疏表示的圖像盲復(fù)原方法中需要處理的細(xì)節(jié)問(wèn)題包括字典學(xué)習(xí)(Dictionary Learning)、平滑增強(qiáng)(Smooth Enhancement)等。

現(xiàn)有的自適應(yīng)光學(xué)圖像盲復(fù)原方法共同的缺點(diǎn)有：1.都要通過(guò)估計(jì)PSF，然后再對(duì)清晰圖像進(jìn)行估計(jì)。2.在估計(jì)PSF和清晰圖像前，需要對(duì)其做出物理約束(稀疏約束)，以提供先驗(yàn)信息。3.需要交替迭代，不斷估計(jì)PSF和清晰圖像，復(fù)原一幀圖像的耗時(shí)較長(zhǎng)。

發(fā)明內(nèi)容