基于并行压缩感知理论的红外夜天文图像超分辨率成像方法研究

Super-resolution infrared night astronomical observations have revealed a wide application in discovering hidden galaxies, exploring the unknown universe, tracing the early universe life, and other aspects. However, the unique characteristic of infrared night astronomical observation is that atmospheric disturbance generates unestimated displacement between the image sequences, infrared lens are moved uneasily, and the observation lacks of high-resolution image as the prior knowledge, which makes the traditional super-resolution imaging method hard to satisfy the practical application of astronomical observation. The traditional super-resolution imaging method mainly include the methods based on displacement estimation, prior learning, and compressed sensing which assumes the displacement is invariant between image sequences. Therefore, we present the concept of parallel compressed sensing, and discover a new super-resolution method based on this theory. The idea is that, by discovering the spatial measurement matrix to achieve the image data in parallel, we can get the whole reconstruction data in one single measurement. Then combining with the nonuniformity correction of measurement data and the recovery algorithms in high noise environment, we can reconstruct the super-resolution infrared night astronomical image. This method can effectively raise the data acquisition efficiency; avoid the requirement of invariant displacement between image sequences in traditional compressed sensing methods, and achieve single-frame super-resolution reconstruction without displacement estimation and prior learning. It is expected to be applied in the field of infrared astronomy super-resolution imaging, and has important academic value and broad application prospects.

超分辨率红外夜天文观测在揭示冷暗物质、探索隐藏宇宙、追溯宇宙早期生命等方面具有广泛的应用。然而红外夜天文观测的独有特点：大气扰动导致图像序列之间产生位移且位移量难以估计，红外镜头移动不便和缺少高分辨率图像作为先验知识，使得以位移估计、先验学习和基于图像序列位移不变性的压缩感知为代表的超分辨率成像方法难以满足天文观测的实际应用。为此，本项目提出了并行压缩感知的概念，并探索以此为理论基础的超分辨率成像方法。思路为：通过研究特殊的测量矩阵，实现测量数据的并行获取，从而单次测量便获得超分辨率重建所需的所有数据；结合测量值的非均匀性校正和强噪声条件下的恢复算法，实现红外夜天文图像的超分辨率重建。该方法能有效提高测量数据的获取效率，避免传统压缩感知方法对图像序列位移不变性的要求，实现单帧超分辨率重建，而且无需位移估算和先验学习，可望应用于红外天文领域的超分辨率成像，具有重要的学术价值和广阔的应用前景。

红外夜天文图像的超分辨率方法研究在探索隐藏宇宙、追溯宇宙早期生命方面具有广泛的应用。但是红外夜天文图像的研究存在相应的难点：大气扰动以及红外镜头的移动会高分辨率的研究带来难度，以压缩感知为代表的超分辨率研究方法难以满足实际应用。所以本项目提出了压缩感知的理念，对并行测量矩阵进行研究，通过单次测量就能获得超分辨率重建所需数据。同时研究一种非均匀性校正方法，最终解决恢复图像信噪比低的问题。基于红外图像的超分辨率成像方法的研究，我们取得了相应的研究成果。我们使用散射片代替DMD测量传输矩阵，通过一次测量就能得到超分辨率重建所需的所有测量值，即实现了并行压缩感知；为了补偿由环境温度变化引起的不均匀性，我们提出了一种新颖的无快门非均匀性校正方法，使得红外相机性能受环境温度波动和系统功耗的影响较小；我们提出了一种基于二维时间延迟积分（2D-TDI）技术能够更为简便有效的提高压缩成像信噪比；此外，我们还提出了一种新的成像技术，它将聚类子字典学习和梯度直方图保存相结合，从边缘清晰度和噪声抑制两个方面提高压缩成像质量；我们结合压缩传感和复杂环形滤波器的优点，通过利用具有仅相位调制的空间光调制器的经典4F光学系统实现超越衍射限制光学系统分辨率极限的新型成像技术；我们提出了一种深度学习单红外图像光学噪声去除方法和一种基于卷积神经网络的数据驱动的条纹噪声消除方法。本项研究工作的成功实施能有效解决现有红外超分辨率重建方法应用于红外夜天文观测中遇到的理论和技术难题，为红外夜天文图像的超分辨重建方法提供新的思路，具有较大的理论价值和实际意义。