论文部分内容阅读
靶场试验是获取飞行器性能指标的重要观测手段,能够实现对飞行器特性参数的测量,由光学观测系统获得的靶场光学图像是这些参数信息的载体,图像的质量直接决定了参数信息获取的准确性和精度。但是由于受多种因素的影响,飞行器试验靶场目前装备的光学测量设备的输出图像存在退化,观测目标往往模糊不清,给参数测量带来困难,降低了测量结果的可靠性。而通过提高探测器性能或改进观测系统结构等方式来提高获取观测图像质量,不仅存在技术瓶颈还会增加观测成本。相比之下,采用数字图像处理技术对靶场退化图像进行复原,不仅能够有效改善图像质量而且成本低廉,能够满足靶场试验的应用要求。因此,研究适合靶场图像的复原算法具有重要的应用价值。本文针对靶场图像的复杂退化条件和观测目标的多模式特点,分别从特定退化类型模糊图像复原算法研究、靶场目标飞行模式与图像退化类型辨识及靶场复原图像质量盲评价三个方面开展研究工作,初步实现了复原算法的自动选择,算法参数的自动优化,达到了靶场复原图像质量能够自动优化的效果,缓解了因靶场图像数据量大而给试验科研人员带来的工作压力。主要研究内容及创新点如下:1)针对靶场图像低对比度和低信噪比的特点,通过直方图均衡和BM3D去噪算法对其进行预处理,提升了靶场图像的对比度和信噪比,降低了靶场图像的复原难度。并针对靶场图像中存在的三种退化过程分别选用了相应算法进行复原:使用基于自解卷积的复原算法对靶场离焦模糊图像进行了复原;使用基于中频的维纳滤波算法对靶场高斯模糊图像进行了复原;提出了一种基于图像显著结果信息的运动模糊图像复原算法,对靶场运动模糊图像进行了复原,取得了良好的复原效果。2)由于靶场图像退化过程复杂且目标飞行状态具有多种模式,无法使用单一复原算法实现有效复原,为了解决该问题,需要从飞行器飞行状态和观测图像中提取先验信息,对图像退化类型进行辨识。本文提出了基于靶场观测目标尾焰分割图像的目标飞行模式辨识算法和基于靶场图像自相关检测的退化类型辨识算法,以目标飞行模式和观测图像自相关检测结果为依据,为靶场图像退化类型与复原算法模型匹配提供了可靠的参考信息。3)由于靶场试验的特殊性,无法获得靶场清晰图像,所以难以使用传统的图像质量评价算法对靶场复原图像的质量进行客观评价,为了解决该问题,结合靶场图像特点对现有算法进行改进,本文提出一种针对靶场复原图像质量的盲评价算法,以靶场复原图像中存在的噪声、振铃及残留模糊等影响图像质量的干扰因素作为质量特征,以监督学习为技术手段,将复原图像质量特征的加权计算结果作为图像客观质量的分数,实现了对靶场复原图像质量的客观评价。4)由于靶场图像数据量大,难以采用人工选择复原算法和相应参数的方式对靶场图像逐帧复原和优化,为了解决该问题,本文提出了一种有效融合靶场图像预处理、靶场目标飞行模式辨识、靶场图像退化类型辨识、典型靶场模糊图像复原算法及靶场图像复原质量盲评价算法的靶场图像复原算法总体实现方案,能够实现靶场图像退化类型和复原算法模型的匹配,并以复原图像质量盲评价算法的分数为反馈对复原算法参数进行优化,实现在现有靶场图像复原算法下的复原图像质量优化,有效的提升了复原算法效率和靶场图像的复原效果。