论文部分内容阅读
空间成像受成像距离，成像环境（空间光照、辐射噪声）和成像平台稳定性等因素的影响，再加上外层空间背景和恒星的干扰等，其成像质量还存在诸多问题，空间图像运动模糊是其中亟待解决的一个问题。本文以中国科学院软件研究所研制的SandroidSat-1号卫星空间成像为研究背景，根据SandroidSat-1的实际构造特性、成像环境和计算能力，提出了一系列基于计算智能、应用于动态环境中的SandroidSat-1空间图像去运动模糊策略。本文的研究内容主要包括以下几个方面: 1.提出基于多张不同曝光度的空间图像去运动模糊策略，从曝光时间较长的模糊图像中获取图像颜色和亮度信息，从曝光时间较短的噪声图像获取图像轮廓和边缘信息，采用图像分割、图像对齐和图像色彩映射等技术对不同曝光度的多张图像进行融合。该策略实现简单，在SandroidSat-1成像系统能够提供足够多的图像信息时，能够有效地处理空间图像运动模糊问题; 2.提出基于改进遗传算法的空间图像去运动模糊策略，将空间图像去运动模糊问题转化为运动模糊核搜索和优化问题。在策略中对传统遗传算法进行改进，增加使种群多样性，避免算法陷入局部最优;设计了一个适应度函数，提高迭代质量。提出基于分布估计算法的空间图像去运动模糊策略，通过反复迭代推进种群进化，在迭代中随机抽样和建立概率分布模型，直至种群进化到收敛状态。实验结果显示，基于分布估计算法的空间图像去运动模糊策略在时间和内存消耗两方面均优于基于改进遗传算法的空间图像去运动模糊策略; 3.提出基于卷积神经网络和迁移学习的空间图像去运动模糊策略，通过基于正则的图像解卷积过程求解近似理想清晰图像，再使用卷积神经网络学习出来的模型对近似理想清晰图像进行图像噪声和人工振铃效应的抑制。在开启GPU加速的测试实验中，能够达到基于分布估计算法策略的效果，并且在算法时间上优于后者。策略中引入迁移学习技术，理论上可以减少SandroidSat-1在轨模型训练时间和资源消耗。 本文提出的一系列空间图像去运动模糊策略将应用于2018年发射的实验卫星上，解决空间图像去运动模糊问题，提高卫星空间成像质量。