结合参数估计的天文图像极大似然恢复

摘要：

分析了Benvenuto等针对天文图像恢复提出的基于极大似然(MI)代价函数的有效逼近模型,由此提出了一种比传统ML收敛更快的图像恢复算法.该算法在未知点扩散函数(PSF)条件下,通过观测模糊图像,自适应估计湍流PSF,使PSF估计更符合成像环境;然后,将该算法与混合高斯泊松噪声的ML算法相结合,形成增强ML迭代算法.在迭代过程中动态更新PSF,交替执行恢复图像、去除噪声等策略.结果显示:对于点源目标图像,本文算法恢复图像的质量在峰值信噪比、均方误差以及平均对比度3个指标上分别提高了96.64％,69.26％和25.6％;对于真实湍流退化图像,恢复质量也有一定改善.结论表明:该方法可以使迭代过程收敛更稳定,图像恢复质量得到明显提高,非常适用于天文观测图像的高清晰恢复与重建.

关键词：图像恢复、天文图像、极大似然原理、点扩散函数估计、混合高斯泊松噪声

所属期刊栏目：21

分类号：TP751.1(遥感技术)

资助基金：国家863高技术研究发展计划资助项目

在线出版日期：2013-12-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2943-2950