用BP神经网络进行系统辨识的红外图像超分辨力复原方法.pdfVIP

用BP 神经网络进行系统辨识的红外图像 超分辨力复原方法1 张楠，金伟其，苏秉华 北京理工大学光电工程系(100081) Email: zhangnan@ 摘 要：由于受到光学系统衍射限和像元尺寸的影响，红外热像仪获取图像的分辨力不高， 难以满足实际应用的更高要求。超分辨力图像复原算法可以对退化图像进行处理，使其复原 接近没有退化前的理想图像，主要分为以下几个类型：Bayes 分析法、基于集合理论的方法、 频率域的方法等。以上这些方法均要求系统点扩散函数已知或可精确估计。本文提出一种利 用BP 神经网络对红外图像进行系统辨识的新方法。认为红外系统的调制传递函数近似为高 斯型。通过数学分析证明了用神经网络对包含刀口靶的红外图像进行系统辨识的可行性。利 用神经网络的辨识结果，选取基于Markov 约束的Poisson-MAP 图像超分辨力复原算法(MPMAP) 对同一热像仪拍摄的红外图像进行复原。实验结果表明，复原图像中包含更多的高频成分， 可以实现超分辨力观测。 关键词：红外，系统辨识，超分辨力，神经网络，刀口，MPMAP 1．引言 用红外探测器获取图像的过程中有很多因素会造成图像质量的下降，即退化。如光学系 统的衍射和像差，探测器阵列的积分采样，拍摄过程中被摄景物与像面之间的相对运动，离 焦等等。图像复原的目的就是对退化图像进行处理，使其复原接近没有退化前的理想图像。 目前有很多种不同的图像复原方法，主要分为以下几个类型：Bayes 分析法、基于集合理论 的方法、频率域的方法等[1] 。以上这些方法都是建立在线性系统假设上，图像退化过程可以 用卷积表示，并要求系统点扩散函数(PSF) 已知或可精确估计。如果点扩散函数选择与实际 偏差较大，则结果图像不但不能被复原反而会进一步恶化。 [2] [3] 。这 目前人们提出了一些可以实现盲解复原的方法，如最大似然和正则化的方法等 些方法可以同时估计出复原图像和点扩散函数，但存在计算复杂，点扩散函数估计精度不高 等缺点。 本文的目的是提出一种实现红外图像盲解复原的方法。正如前面提到的，对系统退化函 数估计的越精确，复原的效果越好。本文提出一种用神经网络辨识退化函数的方法。利用神 经网络的学习特性，建立起刀口靶与系统传函之间的映射关系，即可实现系统辨识。利用辨 识结果就可以用前面提到的多种方法复原红外图像。本文给出用基于 Markov 约束的 Poisson-MAP 图像复原算法(MPMAP) [4]对红外图像的超分辨力复原结果。 1本课题得到教育部跨世纪优秀人才计划和博士点基金资助项目（项目编号：20020007006 ）资助 - 1 - 2．退化模型 在线性系统理论中，图像的退化过程可以抽象为一个系统 H 。设输入图像为f(x,y) ，通 过系统H 以及加入加性噪声n(x,y)后产生退化图像g(x,y) 。如果用公式表示该退化过程则有 g (x , y ) = ∫∫f (ξ ,η )h(x , y ;ξ ,η )dξdη + n(x , y ) (1) ∞ 式中h(x , y ;ξ ,η ) 为系统H 的点扩散函数，它包括了系统的全部重要性能。在空间不变假设 下，上式改写为 g (x , y ) = f (x , y ) ∗ h(x , y ) + n(x ,y ) (2) 其中*表示卷积运算。两边取傅立叶变换，得 G(u,v) = F (u,v)H (u,v) +