基于改进的期望值最大化自适应光学图像多帧迭代去卷积算法

为提高自适应光学图像复原的效果,基于期望值最大化理论,提出了一种基于改进期望值最大化(EM)算法的自适应光学(AO)图像多帧联合去卷积算法.通过建立多帧AO图像退化的数学模型,推导出基于相位误差并随时间变化的点扩散函数(PSF)模型,根据图像功率谱密度及约束图像支持域的方法对AO图像进行去噪处理.应用A0成像系统参数与正则化技术相结合对EM算法进行改进,建立多帧AO图像联合去卷积的代价函数及其参数估计的优化模型.利用所建模型对模拟图像和实际观测的AO图像进行图像复原实验验证文中算法的复原效果.实验结果表明,与Wiener迭代盲去卷积、Richardson-Lucy迭代盲去卷积算法相比,文中算法迭代次数减少14.3％,估算精度有了明显提高,辨识出了AO图像的PSF,复原出了清晰的观测目标图像.研究结果对实际AO图像复原有一定的应用价值.