一种基于高低频合成重建湍流退化图像的复原方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116029933A(43)申请公布日2023.04.28(21)申请号202310055614.9(22)申请日2023.01.14(71)申请人中国科学院光电技术研究所地址610209四川省成都市双流350信箱(72)发明人储君秋李祥熙马浩统谷炎达刘星伶(74)专利代理机构北京科迪生专利代理有限责任公司11251专利代理师邓治平(51)Int.Cl.G06T5/00(2006.01)G06T5/50(2006.01)G06N3/08(2023.01)G06N3/0464(2023.01)权利要求书1页说明书4页附图2页(54)发明名称一种基于高低频合成重建湍流退化图像的复原方法(57)摘要本发明公开了一种基于高低频合成重建湍流退化图像的复原方法，包括湍流导致图像退化分析模块，神经网络结构设计模块，高低频信息分离模块和神经网络去湍流模块。湍流导致像质退化模块是通过建模一光学成像系统后，设定波前不同湍流强度(D/r0)下的Zernike多项式来获得湍流的波前相位分布和湍流下的退化图像；神经网络结构设计模块采用双U‑Net的网路结构；高低频信息分离模块是通过高通滤波器将图像的高频信息以及低频信息分离开来；神经网络去湍流模块经过多轮训练后实现去除湍流的恢复效果。本发明在实现湍流退化图像的恢复领域可以实现良好的复原效果，该方法不需要波前探测以及校正器件，简化了实验系统，提高了可靠性，降低了成本。CN116029933ACN116029933A权利要求书1/1页1.一种基于高低频合成重建湍流退化图像的复原方法，其特征在于：该方法利用的系统包括：湍流导致图像退化分析模块(1)，神经网络结构设计模块(2)，高低频信息分离模块(3)和神经网络去湍流模块(4)，该方法包括以下步骤：步骤1：利用湍流导致图像退化分析模块(1)得到任意湍流强度下光学系统成像获得的退化图像；步骤2：神经网络结构设计模块(2)设计采用了双网络的结构设计，分别作为高频信息的训练网络和高低频合成信息的训练网路；步骤3：利用高低频信息分离模块(3)实现图像的高频信息和低频信息分离的工作；步骤4：神经网络去湍流模块(4)将湍流退化图像的高频信息作为CNN1的输入，其输出与退化图像进行相加得到合成图像，并作为CNN2的输入，其输出为重建后的清晰图像。2.根据权利要求1所述的基于高低频合成重建湍流退化图像的复原方法，其特征在于，建立湍流导致图像退化分析模块(1)包括：对实际需求建立完整光学成像系仿真模型，根据物距、视场大小和相机靶面大小以及焦距，在Matlab里建立光学系统模型，得到湍流强度大小D/r0＝8，Zernike多项式为4‑60阶下成像结果图片，并将原始图片作为对应退化图像的label。3.根据权利要求1所述的基于高低频合成重建湍流退化图像的复原方法，其特征在于，神经网络结构设计模块(2)包括：需将图片的高频信息以及低频信息分离开来并进行相应的训练，因此需设计双网络结构，这里每一个网络都是U‑Net，每一个网络有各自的损失函数。4.根据权利要求1所述的基于高低频合成重建湍流退化图像的复原方法，其特征在于，高低频信息分离模块(3)通过高通滤波器将图片信息的高低频信息分离开来，用于网络的输入和label。5.根据权利要求1所述的基于高低频合成重建湍流退化图像的复原方法，其特征在于，神经网络去湍流模块(4)将退化图片的高频信息作为CNN1的输入，清晰图像的高频信息作为其label，之后CNN1的输出与退化图像相加合成后作为CNN2的输入，将清晰图片作为CNN2的label，并进行若干轮训练，直至网络收敛获得良好的结果。2CN116029933A说明书1/4页一种基于高低频合成重建湍流退化图像的复原方法技术领域[0001]本发明涉及光学系统成像技术领域、计算机领域和大气光学领域，具体涉及一种基于高低频合成重建湍流退化图像的复原方法，主要是通过将图片的高、低频信息分开再结合神经网络实现对湍流退化图像的复原，提高了复原效果。背景技术[0002]当使用地基光学光学望远镜系统对远距离目标进行观测时，由于大气湍流的存在，导致观测的目标出现一定的模糊，抖动和畸变。目前，学者可通过各种不同的方式对大气进行补偿，如波前传感器探测出波前相位，再利用变形镜进行补偿波前相位，得到湍流相位补偿以后的观测图像，但是此方法并不能完全消除大气湍流对成像质量的影响；或可通过图像后处理方式，例如单帧盲卷积复原方法以及多帧盲卷积复原方法，盲卷积图像复原方法的关键在于复原过程中如何合理的引入先验信息，但其需要多次迭代，复原时间较长。[0003]近几年，深度学习技术正处在高速发展阶段，它是一门以数据作为驱动的技术，目前己经在目标跟踪、自动驾驶等方面己经取