Bussgang盲反卷积算法及其应用研究

摘要

在图像处理应用研究领域中，图像复原算法研究一直是一个热点难点问题，图像复原最根本的目标就是从观测系统得到的退化图像重新建立原始图像，是图像处理、模式识别和机器视觉的基础，在医学影像、遥感天文以及空间探测等领域都有广泛的应用前景。盲复原作为其重要分支，近年来成为一个研究热点。本文主要提出了源自于Bussgang算法并适用于多类应用的多通道盲反卷积的框架。将其命名为自校正的多通道Bussgang(SCMB)盲反卷积算法，它能有效利用所有可用的信息解决严重的光学图像退化和逆合成孔径雷(ISAR)图像自聚焦的问题。
　　首先，介绍了图像盲复原基本原理，并对Bussgang盲反卷积和盲均衡技术进行分析，分析了基于EM算法的高斯混合模型参数的估计方法，介绍了不同类型的点扩展函数，并通过计算机仿真实现了常见的三种点扩展函数的空间三维坐标。
　　然后，介绍了自校正多通道Bussgang(SCMB)盲反卷积的基本理论，详细推导了SCMB算法中Bussgang中均衡滤波器的更新算法。文中分析了不同应用的非线性函数的选择，概率密度函数高斯混合模型的建立和反馈机制的设计。通过对三种不同模糊类型的图像盲复原的仿真结果，证明了SCMB盲反卷积算法的可行并且合理，能够达到对未知模糊类型的图像盲复原的目的。
　　最后，本文将SCMB盲反卷积算法应用在ISAR图像的自聚焦。通过对实测数据的仿真实验验证SCMB盲反卷积算法的可行并且合理，能够达到对ISAR自聚焦的目的，通过对二值图像盲复原和ISAR自聚焦证明了自校正多通道Bussgang盲反卷积算法的通用性。

目录

封面

中文摘要

英文摘要

目录

第1章 绪论

1.1论文研究的背景和意义

1.2国内外研究状况

1.3主要内容

第2章 Bussgang与图像盲复原理论研究

2.1引言

2.2图像盲复原

2.3退化模型

2.4盲反卷积和盲均衡

2.5逆合成孔径雷达ISAR图像自聚焦

2.6不同类型的点扩展函数PSF

2.7本章小结

第3章 自校正多通道(SCMB)盲反卷积

3.1引言

3.2自校正多通道(SCMB)盲反卷积算法框图

3.3 Bussgang盲反卷积放宽IID要求

3.4 Bussgang盲反卷积处理未知的PDF结果仿真

3.5 Bussgang算法反馈机制的设计

3.6 PDF的高斯混合模型和使用EM算法参数估计

3.7多通道的全局收敛性

3.8 SCMB算法中的Bussgang非线性函数

3.9均衡滤波器更新算法

3.10本章小结

第4章 基于SCMB盲反卷积的二值图像复原

4.1引言

4.2二值图像中SCMB盲反卷积的反馈机制的设计

4.3高斯混合模型和期望最大化（EM）算法参数估计

4.4二值图像的SCMB中的非线性函数

4.5仿真结果

4.6本章小结

第5章 基于SCMB盲反卷积的ISAR图像自聚焦

5.1引言

5.2高斯混合模型和期望最大化（EM）算法参数估计

5.3 ISAR图像的SCMB中的非线性函数

5.4 ISAR图像中SCMB盲反卷积反馈机制的设计

5.5仿真结果

5.6本章小结

结论

参考文献

声明

致谢