自適應光學圖像復原理論與方法

前言

地球大氣層是一種典型的隨機非均勻介質，其中的熱分子運動所形成的湍流結構以及其他離散混濁微粒的作用使光在其中的傳播產(chǎn)生相位波動、折射率起伏，導致波前陣面畸變?？臻g目標發(fā)出的平面波射人大氣后，隨著光在大氣中的傳播，到達望遠鏡瞳面的就不再是平面波，從而引起望遠鏡焦平面上像點的能量擴散、峰值降低以及像素位置漂移，形成圖像模糊和降質。除了大氣湍流外，光學傳輸通道中的折射率不均勻、光學零件表面面形誤差以及溫度和應力變形等許多因素也可形成波前陣面隨機起伏（即波前誤差）降低了圖像的分辨率。自適應光學技術（adaptive optics，A0）是補償或減輕光學成像中波前畸變、克服大氣湍流以及其他因素對成像質量影響的最有前景的方法。自適應光學的概念是由美國天文學家H.W.Babcock于1953年提出的，但由于當時各個方面的技術條件不成熟而未能實現(xiàn)。直到20世紀70年代，隨著自動控制技術、電子技術以及其他相關技術的發(fā)展，自適應光學才真正發(fā)展成為一種實用的光學技術。幾乎所有的大中型望遠鏡都采用了自適應光學系統(tǒng)，如歐洲南方天文臺ES（European Sotnhern Observatory）3.6m望遠鏡的自適應光學系統(tǒng)ADONIS、安裝于8m北半球雙子星（Oemini）望遠鏡的LokLtpa自適應光學系統(tǒng)、應用于3.6m加拿大一法國一夏威夷望遠鏡的PUE0自適應光學系統(tǒng)等。我國已于2000年研制成功、2004年完成升級改造的61單元的地對空遙感自適應光學系統(tǒng)，它被安裝在云南天文臺1.2m天文望遠鏡上，可以實現(xiàn)對天文目標觀測中實時波前畸變校正。自適應光學系統(tǒng)利用波前探測器（wave front setisor，WFS）實時測量成像系統(tǒng)瞳面波前相位誤差，然后將這些測量數(shù)據(jù)轉換成自適應光學系統(tǒng)的控制信號，并對成像系統(tǒng)的光學特性進行實時控制，從而補償由大氣湍流引起的波前相位畸變，使焦平面上得到接近設備理論衍射極限的目標圖像。但是，即使是目標中直到成像系統(tǒng)衍射極限的空間頻率信息都已被記錄在觀測數(shù)據(jù)中，由于自適應光學系統(tǒng)自身的機械與光學原因、閉環(huán)伺服帶寬、波前觀測數(shù)據(jù)誤差以及噪聲等多種因素的影響，自適應光學對成像質量的補償或校正僅僅是部分的、不充分的，目標的高頻信息仍然受到嚴重的混疊（混疊到低頻信息成分中）、抑制和衰減。因此，對經(jīng)過自適應光學系統(tǒng)獲取的圖像必須進行基于數(shù)字技術的后處理，經(jīng)解卷積或解混疊（deconvolution）與恢復和重建（restoration and reconstruction），才能使混疊的高頻成分得到解纏或恢復與重建，形成增強或重建后的高分辨率（或高清晰）圖像。本書主要針對我國自適應光學地基望遠鏡成像對后處理的迫切需求，重點敘述了自適應光學圖像復原的理論與算法，同時對自適應光學波前重構和圖像復原的質量評價問題也進行了探討與分析。

內(nèi)容概要

自適應光學是補償由大氣湍流或其他因素造成的成像過程中波前畸變的最有前景的技術，但經(jīng)過自適應光學初校正后圖像中殘存的高頻信息抑制或混疊必須經(jīng)過后處理才能得到恢復和解纏，這一后處理過程稱為自適應光學圖像的恢復或復原。本書是在國家“十一五”863課題和國家自然科學基金項目研究的基礎上總結而成，介紹了自適應光學圖像復原的數(shù)學基礎、波前重構和復原圖像質量評價方法，詳細討論了自適應光學圖像復原的多種非線性方法，并給出了這些算法的實現(xiàn)過程和相應的實驗結果。    本書可作為從事信息光學處理與計算的研究人員的參考書，也可供自適應光學領域的科研與工程技術人員學習參考。

書籍目錄

前言第1章  緒論  1.1  自適應光學技術的應用需求  1.2  自適應光學圖像復原的研究意義  1.3  自適應光學系統(tǒng)發(fā)展現(xiàn)狀和前景  1.4  自適應光學圖像復原技術的研究概況  1.5  本書主要內(nèi)容及結構安排第2章  大氣湍流波前擾動及自適應光學技術  2.1  湍流現(xiàn)象  2.2  大氣湍流描述參數(shù)  2.3  光學傳遞函數(shù)  2.4  自適應光學技術  2.5  自適應光學成像原理演示系統(tǒng)CYAOIS  2.6  本章小結第3章  自適應光學圖像復原的數(shù)學基礎  3.1  自適應光學圖像降質原因及模型  3.2  圖像復原中的病態(tài)特性  3.3  非線性成像系統(tǒng)和線性成像系統(tǒng)  3.4  成像模型離散公式  3.5  循環(huán)矩陣和分塊循環(huán)矩陣的對角線化  3.6  本章小結第4章  自適應光學圖像復原方法及質量評價  4.1  圖像盲復原算法  4.2  貝葉斯圖像復原  4.3  小波變換圖像復原  4.4  圖像復原質量評價  4.5  本章小結第5章  自適應光學圖像點擴散函數(shù)重構  5.1  點擴散函數(shù)、光學傳遞函數(shù)與調(diào)制傳遞函數(shù)  5.2  圖像的點擴散函數(shù)先驗模型及參數(shù)表達  5.3  Zernike多項式  5.4  面向圖像復原的廣義嶺估計Zernike模式法點擴散函數(shù)重構  5.5  基于非抽樣小波變換的大氣湍流點擴散函數(shù)估計  5.6  本章小結第6章  基于可靠支持域和改進代價函數(shù)的ENAS-RIF算法  6.1  NAS-RIF圖像復原算法原理  6.2  改進的ENAS-RIF圖像復原算法  6.3  實驗結果及分析  6.4  本章小結第7章  多重約束非對稱IRIL-IBD算法  7.1  IBD算法概述  7.2  RL算法和RLIBD算法  7.3  多重約束非對稱IRLIBD算法  7.4  實驗結果及分析  7.5  本章小結第8章  直接解卷積圖像復原  8.1  幾個概念  8.2  APEX直接解卷積圖像復原算法  8.3  實驗結果  8.4  本章小結第9章  極大似然圖像盲解卷積  9.1  光電探測和光子成像基礎理論  9.2  有限光子非相干成像極大似然盲解卷積算法  9.3  動態(tài)支持域約束極大似然盲解卷積算法  9.4  本章小結第10章  基于總變分極小化的圖像復原  10.1  總變分極小化原理  10.2  定點迭代方法與基于非周期反卷積模型的離散方案  10.3  多格網(wǎng)橢圓形偏微分方程求解法  10.4  基于總變分極小化的圖像盲復原  10.5  實驗結果與分析  10.6  本章小結第11章  基于MAP原理的自適應光學圖像多幀聯(lián)合解卷積  11.1  基于方差統(tǒng)計的圖像序列不良幀剔除  11.2  MAP聯(lián)合解卷積圖像復原  11.3  MAPJD算法參數(shù)自動估計  11.4  多幀聯(lián)合解卷積圖像高清晰復原算法  11.5  實驗結果及分析  11.6  本章小結第12章  基于二代曲波變換的自適應光學圖像復原  12.1  第二代曲波變換  12.2  基于二代曲波變換的自適應光學圖像去噪  12.3  傅里葉-曲波域正則化解卷積算法  12.4  ForCuRD復原算法實驗結果及分析  12.5  本章小結參考文獻附錄  常用縮寫

章節(jié)摘錄

插圖：模擬退火方法還有其他許多值得注意的盲解卷積算法被應用于天文圖像處理中。Me Callum于1990年提出了一種模擬退火（simtllated annealing，SA）的盲解卷積算法（Mc（：allum，1990），SA方法從理論上講具有全局收斂性。然而，要達到收斂要求的計算量非常巨大。這種方法可以處理尺寸很?。ㄈ绮怀^64×64）的盲解卷積問題，大尺寸的圖像復原所需的計算耗時是不能接受的，且其效果也存在一些問題。極大似然估計方法  極大似然（maximum likelihood，ML）估計方法作為以統(tǒng)計學原理和優(yōu)化理論為基礎的一種重要的估計方法，在許多領域都得到了廣泛的應用。近幾十年來，國外的一些學者對極大似然估計方法應用于圖像復原的問題進行了大量的研究，取得了一些令人鼓舞的研究成果。1977年A.P.Dempster等提出了可以解決由不完全觀測數(shù)據(jù)估計概率模型參數(shù)問題的EM（expectation maximization）算法（Demp-ste！，1977）。EM算法的基本思想是找出給定觀測數(shù)據(jù)條件下使概率函數(shù)或它的對數(shù)的期望達到最大的參數(shù)。1990年，K.T.Lay和A.K.Katsaggelos將EM算法用于圖像模糊參數(shù)識別和復原（Lay，1990），由點擴散函數(shù)來確定模糊過程，將模糊參數(shù)識別問題轉化成點擴散函數(shù)的極大似然估計問題。1992年，R.L Lagendijk等提出了針對模糊識別問題的極大似然估計方法（Lagendijk，1992），應用EM算法來有效地優(yōu)化非線性似然函數(shù)，他們將低階參數(shù)模糊模型融合到辨識方法中，算法可以同時識別模糊參數(shù)和復原圖像。1993年，T.J.Schulz利用極大似然估計方法對多幀大氣湍流退化天文圖像做了盲解卷積復原工作（Schulz，1993），推導出了從大氣湍流模糊圖像獲得目標估計的多幀極大似然估計算法。1994年，J.A.Fessler等提出了基于空間交替的EM改進算法（SAGE）（Fessler，1994），該算法能夠極大地提高算法的速度，并且算法的收斂性也得到了一定的改善。1996年，T.S.Zaccheo和R.A.Gonsalves提出了一個非負約束的目標圖像迭代復原算法（Zaccheo，1996），將RL等非線性算法用來從高斯或泊松過程數(shù)據(jù)模型中估計非負約束目標、使用指數(shù)和單項式函數(shù)重新映射估計空間以及對復原進行非負約束。1997年，T.J.Schulz對極大似然估計的快速算法進行了一些研究（SchtJlz，1997a；1997b），對SAGE算法的應用問題進行了一些探討，證實了該算法收斂速度比傳統(tǒng)的EM算法有很大的提高，而且SAGE算法用于帶懲罰的極大似然估計的可行性也得到了驗證。極大似然估計算法取得了一些成功且具有發(fā)展?jié)摿Γ瑑?yōu)點主要有：它是建立在真實成像物理特征上的一種基本優(yōu)化方法；易于處理和實現(xiàn)；發(fā)展改進的潛力很大，容易擴展成帶約束和基于先驗知識的有效算法。

編輯推薦

《自適應光學圖像復原理論與方法》可作為從事信息光學處理與計算的研究人員的參考書，也可供自適應光學領域的科研與工程技術人員學習參考?！蹲赃m應光學圖像復原理論與方法》是由科學出版社出版的。

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

    自適應光學圖像復原理論與方法 PDF格式下載

---