作者：耿则勋 魏小峰 沈忱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
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.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
