一种基于交替最小化的多通道盲识别自适应光学图像复原方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112184567A(43)申请公布日2021.01.05(21)申请号202010886692.X(22)申请日2020.08.28(71)申请人江苏海洋大学地址222000江苏省连云港市新浦区苍梧路59号(72)发明人杨慧珍李鑫方舟刘金龙张之光王婷婷(74)专利代理机构北京和联顺知识产权代理有限公司11621代理人闫超良(51)Int.Cl.G06T5/00(2006.01)权利要求书2页说明书7页附图5页(54)发明名称一种基于交替最小化的多通道盲识别自适应光学图像复原方法(57)摘要本发明公开了一种基于交替最小化的多通道盲识别自适应光学图像复原方法，包括以下步骤：采集至少两幅大气湍流影响下的光学成像；基于多通道盲识别原理，通过拉普拉斯方法产生相对稀疏的矩阵RΔ；使用总变分正则化(TV‑TotalVariation)和增广拉格朗日方法(ALM)估计目标，即U_step；在估计的目标的基础上，使用总变分正则化和增广拉格朗日方法估计点扩散函数，即H_step。本发明的方法利用了大气湍流的动态特性，把不同湍流冻结时间内的目标成像看做不同的通道，并对目标和点扩散函数进行交替优化。每个优化步骤都通过变量拆分将正则化公式转换为约束问题，再使用增广拉格朗日方法进行处理，从而实现在傅立叶域中简单快速的求解。CN112184567ACN112184567A权利要求书1/2页1.一种基于交替最小化的多通道盲识别自适应光学图像复原方法，复原方法包括以下步骤：步骤(1)：采集至少两幅大气湍流影响下的光学成像；步骤(2)：基于多通道盲识别原理，通过拉普拉斯方法产生相对稀疏的矩阵RΔ；步骤(3)：使用总变分正则化(TV-TotalVariation)和增广拉格朗日方法(ALM)估计目标，即U_step；步骤(4)：在估计的目标的基础上，使用总变分正则化和增广拉格朗日方法估计点扩散函数，即H_step；步骤(5)：对输出目标进行停止标准判别，若满足则返回求解目标，否则重复步骤(3)和步骤(4)。2.根据权利要求1所述的一种基于交替最小化的多通道盲识别自适应光学图像复原方法，其特征在于：所述步骤(2)中构建稀疏矩阵RΔ计算方式为：TRΔ＝[ΔG2,-ΔG1][ΔG2,-ΔG1]其中ΔG1和ΔG2为第一幅成像G1和第二幅成像G2分别与离散拉普拉斯算子卷积后的矩阵，T表示转置，RΔ的构建仅取决于成像G。3.根据权利要求1所述的一种基于交替最小化的多通道盲识别自适应光学图像复原方法，所述步骤(3)中估计目标计算(U_step)步骤为：步骤(3-1)：使用TV正则化对U_step中的目标u进行估计，即：其中Q(u)表示求解目标U时采用的正则项，i为像素索引，是对目标u梯度求导，和分别表示目标u的x和y方向的梯度；步骤(3-2)：矩阵形式表示式为：其中Dx和Dy是分别是对x和y求导的矩阵，Φ是的大写形式；步骤(3-3)：对于步骤(3-2)表示式的最小化矩阵形式为：其中||.||2是L2范数的平方，H是PSF的矩阵形式，g为模糊成像；步骤(3-4)：应用变量拆分，用vx替换Dxu，用vy替换Dyu，得到以下公式：其中，γ是最小化求解目标u公式中保真项的权重，s.t是subjectto的缩写，含义为受2CN112184567A权利要求书2/2页约束于；步骤(3-5)采用增广拉格朗日方法进行处理，同时引入变量ax和ay促进解的收敛，其计算公式为：其中，最终求解目标U的公式使用表示，α为中的惩罚系数。4.根据权利要求1所述的一种基于交替最小化的多通道盲识别自适应光学图像复原方法，其特征在于：所述步骤(4)中估计点扩散函数(H_step)计算步骤为：步骤(4-1)：对hk施加稀疏性，进一步促进算法收敛，为了保证非负性和稀疏性，使用以下公式正则化：其中δ是控制RΔ的权重，ψ的定义通过绝对惩罚负值来确保非负性，是估计的PSF大小，h是点扩散函数，Ψ(h)表示正则公式R(h)中确保非负性的项；步骤(4-2)：求解点扩散函数的最小化问题，求解公式为：其中，U为目标的矩阵形式；步骤(4-3)：应用变量拆分w＝h得到以下公式：步骤(4-4)：采用增广拉格朗日方法，即：其中，最终求解PSF的公式使用表示，β为中的惩罚系数。3CN112184567A说明书1/7页一种基于交替最小化的多通道盲识别自适应光学图像复原方法技术领域[0001]本发明属于光学图像处理领域，具体涉及到一种基于交替最小化的多通道盲识别自适应光学图像复原方法。背景技术[0002]自适应光学系统可以消除因大气湍流导致的光波波前畸变，提高光学系统对于环境的适应能力。AO系统通过波前传感器测量波前像差，波前控制器根据测量的波前像差生成控制信号，从而