飞行器和空间成像制导装备在大气中高速飞行时会受到湍流干扰, 导致光学系统接收到的图像发生模糊降质、像素偏移、信噪比降低等问题, 开展退化图像复原技术及方法研究就成为空间光学成像系统获得较高性能图像的重要途径。通过对退化图像复原技术研究进展的系统梳理和分析研究, 本文首先介绍了图像退化模型, 接着给出了退化图像复原方法的分类, 然后比较系统地介绍了确定正则化图像复原方法、随机正则化图像复原方法、基于局部相似性的图像复原方法、基于示例学习的图像复原方法等几种新型的单幅退化图像复原方法, 其后分析了视频复原的特征、介绍了新近的几种典型的视频图像复原方法, 最后分析总结出了图像复原的难点所在。对于促进我国退化图像复原技术的研究和发展具有一定的参考价值。

针对目标探测器在大气中高速飞行时受湍流干扰, 导致光学系统接收到的视频/图像产生像素偏移、模糊、信噪比降低等问题, 本文对湍流退化视频/图像复原的复杂性及复原方法进行了研究, 提出了一种基于非凸势函数优化与动态自适应滤波的湍流退化视频复原方法。首先, 研究了湍流退化视频的求和与去模糊框架, 并通过利用非刚性配准方法对刚性全局配准方法进行改进, 进一步缩小了模糊核的尺度; 然后, 在计算机视觉的非凸优化框架下, 构建了图像解卷积的非凸性算法, 有效地解决了图像解卷积难题; 最后, 结合湍流退化视频自身特点, 对超分辨率视频复原的动态自适应滤波框架进行了扩展与改进, 使其适用于湍流退化视频的复原。仿真实验结果表明, 本文方法的复原效果不仅有较大提升, 而且实现了对湍流退化视频序列的动态自适应复原。

针对视频中前景检测的问题, 提出了一种基于张量低秩表示(Tensor Low-Rank Representation ,TLRR)和时空稀疏分解的检测方法。由于视频序列中的前景除具有稀疏性外, 本身还具有空间上的连续性以及时间上的持续性, 本文提出采用时空稀疏范数对前景特性进行深入发掘。利用张量低秩表示方法将原始视频用张量形式进行分解, 充分利用了原始数据的行信息和列信息, 且将原始的背景、前景二分解泛化为背景、前景和噪声的三分解, 使用非精确增广拉格朗日乘子(Inexact Augmented Lagrange Multiplier ,IALM)方法进行最优化求解, 并对算法进行了分析。设计实验对本文新方法的有效性进行了验证和比较, 并对影响算法效果的重要参数ρ进行了进一步研究实验。实验结果表明: 该方法能够有效检测出视频中的运动前景, 其准确性相对已有方法有一定提高。

为了检测石化工业生产过程中微小气体的泄漏, 提出了一种应用红外成像技术的单帧红外小目标检测方法。研究了低秩稀疏分解理论和稀疏表示理论, 并提出了一种新的基于张量低秩分解和稀疏表示的小目标检测方法。该方法基于张量分解的形式充分发掘背景矩阵所包含的信息; 利用先验知识构造微小气体泄漏的目标字典; 同时利用背景的低秩约束和小目标的稀疏表示约束分解出微小气体的泄漏目标。最后基于非精确增广拉格朗日乘子法(IALM), 对本文算法进行最优化求解, 并通过实验分析比较了本文方法和已有方法的优缺点。结果表明: 本文方法的检测效果优于其他已有方法, 并且具有较好的ROC(受试者工作特征)曲线, 可以满足工业生产中对微小气体泄漏检测的要求。

针对支持向量数据描述(SVDD)处理大规模样本时存在训练效率低的问题，提出了一种定向蚕食快速增量SVDD算法。首先随机抽取一定规模样本利用增量SVDD训练初始超球，并蚕食满足超球样本；然后每次选取距离上一超球最远的样本作为新增量样本，更新超球模型，使得增量SVDD的增长步长大于1；最后通过循环迭代，生成整个训练集的SVDD分类器。仿真和实例实验结果表明，与普通SVDD算法和增量SVDD算法相比，新算法在保证分类器性能的前提下，时间复杂度有了显著降低，模型训练效率也得到了进一步提高。

针对自然语言描述的雷达侦察装备故障诊断问题,提出了一种基于文本分类技术和支持向量机的故障诊断方法。首先,对获取的故障文本集进行分析,提取故障特征建立故障特征词库；然后,采用布尔模型实现文本向量的表示,构建故障向量库；最后,通过SVM多分类中的一对一算法建立故障诊断分类模型,并采用网格搜索法进行参数优化,实现了雷达侦察装备的故障诊断。实验分析验证了该方法的有效性和正确性,并最终将故障诊断的最大识别精度提高到90%。

为解决传统相机空间变化离焦去模糊的难题, 提出了一种基于模糊映射图和L1 2优化的空间变化离焦去模糊方法。首先对相机的离焦模型进行研究与分析, 概括了圆盘离焦模型和高斯离焦模型的原理、特性和适用范围;然后利用边缘属性对局部对比度先验条件进行修改, 结合模糊边缘的梯度信息得到模糊映射图, 并利用一种向导滤波的方法去除边缘附近的歧义性和映射图中的噪声, 获得一幅更好的模糊映射图;最后采用一种合并了类Tikhonov规整化和TV规整化的L1 2优化对图像进行去模糊, 采用变量分裂和惩罚的方法完成L1 2的优化, 并利用尺度选择和图像重构方法得到全聚焦图像。基于人工合成图像和实际拍摄图像的实验结果表明, 所提方法性能优于当前技术条件下的空间不变去模糊方法和空间变化去模糊方法。

提出了一种针对**目标红外模糊图像复原的降晰函数辨识算法。该算法根据气动光学效应形成湍流流场的机理建立相应的模型，将点扩展函数简化为可用参数描述的高斯函数形式；利用红外图像的边缘梯度变化特性提出边缘清晰度改善量，并作为降晰函数参数辨识的评价标准，清晰度改善量取最大值时对应的参数就是观测图像的最佳降晰函数参数；针对复原过程中可能出现的振铃效应，运用细节规整化思想衍生的加权空间复原算法，自适应地抑制寄生波纹的产生。实验验证表明，本文方法能有效地复原红外模糊图像，且对降晰函数的辨识准确率高，相对误差可以降低至4.5%左右。另外，抑制振铃寄生波纹效果良好。复原后图像在各项质量评价指标上都有很大提高，峰值信噪比提高量超过9.4 dB，综合评价指数ImageQ提高了20以上。

为解决大气湍流引起的图像抖动和图像偏移问题,提出了一种结合仿射变换和多层B样条配准的图像校正方法.由于湍流像素偏移具有非线性和随机性,且序列中常伴有成像系统运动引起目标全局运动,该方法将像素校正分为整体运动校正和局部非刚性配准两部分.采用仿射变换描述目标整体运动;引入多分辨率策略处理像素偏移,利用多层B样条对湍流引起的局部形变进行非刚性配准.基于对称约束的代价函数,通过梯度判定感兴趣区域,进一步细化控制点网格提高B样条配准精度.最后,采用有限内存拟牛顿法优化代价函数,得到像素偏移量,实现畸变图像的像素校正.对真实图像和实际序列图像分别进行了实验,结果表明:该方法能够有效降低湍流造成像素偏移畸变,在噪声和模糊干扰下校正结果依然理想.

鉴于生物视觉特征对于图像的良好表征能力，提出了一种基于生物视觉特征的无参考型图像质量评价方法。对生物视觉ST模型进行了研究和分析，完成了对图像的稀疏化表示[利用最小二乘支持向量机回归方法训练生物视觉特征到图像质量的映射关系，获得能够预测图像质量的回归器[通过学习的回归器完成了对图像质量的评价。基于LIVE图像库的实验结果表明，该方法对于特定失真和交叉失真的预测误差分别为2%和5%左右，并且与目前技术条件下的质量评价方法相比具有很好的精确性和单调性。