遥感影像快速反卷积复原处理问题研究

准确、高效的图像复原算法是各种后续图像处理的重要基础。遥感图像数据量大，常用的算法虽能取得较好的效果，但由于需要迭代循环求解，计算速度慢，无法适用于实际的遥感图像处理。本项目将集中研究如何针对大数据量的遥感图像提出一个快速有效的反卷积复原处理策略和方法。本研究首先将对Even对称Neumann BC模型进行理论上的补充，对相应的Odd对称Neumann BC进行详细的分析，给出其对应的快速反卷积算法并同时给出一个新的共轭梯度迭代循环预条件子。本项目研究还将采用一个与传统反卷积复原算法不同的思路进行处理，即先采用一个较小的正则化强度进行快速线性反卷积处理，然后再采用去噪的方式得到一个快速有效的遥感图像反卷积复原处理方法。这种处理方法能避免循环迭代求解，因此在处理速度上会比大多数反卷积算法更快。本研究还将对复原图像的清晰度提出几个评价准则，并针对高斯型退化函数的参数辨识提出一个快速准确的方法。