大气模糊遥感图像复原技术研究

本课题将综合考虑大气湍流的模糊降质，以及光学系统和电子系统产生的噪声降质，建立遥感成像中大气湍流退化模糊的参数化湍流退化模型；根据大气湍流理论模型，研究基于气象参数的大气MTF估计算法；针对真实遥感图像表现出来的丰富边缘特征，研究并建立面向遥感图像复原的目标边缘保持约束模型，实现在去模糊的同时尽可能保留图像目标的边缘和纹理细节信息；研究并建立面向图像复原的MTF/OTF约束模型，以充分利用MTF/OTF的各类先验信息；结合大气MTF估计，将最新的理论（第二代曲波变换）、最新的算法（Myopic复原算法）还没有及时引入到遥感图像去模糊领域，研究并实现遥感图像Myopic复原算法和Fourier-Curvelet混合域去模糊算法，为遥感图像去模糊研究提供新的思路和方法。

本课题按计划于2011年1月正式启动，至2013年12月圆满完成了《国家自然科学基金委员会资助项目计划书》中规定的各项研究任务。具体完成情况如下：. （1）课题综合考虑遥感图像大气湍流模糊降质和光学/电子系统的噪声降质，建立了遥感成像中大气湍流退化模糊的参数化湍流退化模型；根据大气湍流理论模型，设计了基于气象参数的大气MTF估计算法。. （2）针对真实遥感图像表现出来的丰富边缘特征，建立了面向遥感图像复原的目标边缘保持约束模型，实现在去噪的同时尽可能保留图像目标的边缘和纹理细节信息；针对图像复原迭代过程中点扩散函数PSF超出成像系统物理截止频率的问题，提出了图像复原的MTF光学截止频率约束模型，实现充分利用成像系统物理约束抑制复原过程中产生的“伪像”。. （3）结合上述两个约束模型，在Bayesian图像复原框架下，在代价函数中新增加了PSF/OTF约束项、改进了目标边缘保持先验模型、重新定义了基于混合噪声模型的极大似然约束，设计了一个简单的极大似然估计、目标正则化和PSF约束项正则化参数自动平衡方案，在此基础上提出了MAP联合解卷积图像复原算法（MAP-based Joint image Deconvolution），简称MAPJD算法。. （4）结合Curvelet变换边缘信息表达更稀疏、去噪能力更强的优势，把二代Curvelet变换引入图像收缩解卷积，提出了基于二代Curvelet变换的混合域正则化解卷积图像复原算法ForCuRD（Fourier-Curvelet Regularized Deconvolution），为遥感图像复原研究提供新的思路和方法。. 通过三年来的细致工作，课题组对降质遥感图像复原技术开展了深入研究，在《红外与激光工程》、《强激光与粒子束》、《遥感信息》等期刊公开发表论文4篇（EI检索3篇），获省部级科技进步二等奖1项。对照《资助项目计划书》，课题组完成了项目各项研究内容，实现了预期考核指标，圆满完成了课题研究任务。