李晖晖, 鱼轮, 张良, 杨宁

(1.西北工业大学 自动化学院, 陕西 西安 710129; 2.西安卫星测控中心, 陕西 西安 710043 )

地基望远镜在观测天体目标时，由于空间目标发出的光波在经过大气传播过程中，运动随机的大气湍流，会造成空气折射率的变化，导致光波振幅和相位的随机起伏，最终使地基望远镜观测到的天体目标图像出现退化，严重影响系统下一步对目标图像的识别检测和分类。因此，实现大气湍流退化图像的复原，是提高望远镜对目标探测能力和测量定位精度必须解决的关键问题之一。

湍流的最大特点，是具有很强的随机性。这使得建模时，很难描述和测定点扩散函数(point spread function，PSF)的具体形式，必须从观察图像中以某种方式估计出退化信息。对这类严重的病态问题，目前大多数采用盲复原算法进行处理[1]，即在最大后验概率(maximum a posterior，MAP)的框架下，依据模糊核和清晰图像的先验知识，运用有效的估计准则复原出目标图像。利用盲复原算法解决这类去模糊问题的关键,是如何设计有效的清晰图像的先验知识指导图像复原。传统的IBD(iterative blind deconvolution)[2]算法使用的先验知识过于简单，解的收敛性很难得到保证。而近几年研究的清晰图像,其先验知识大多集中在对自然图像梯度分布的统计上，如Fergus、Krishnan等人[3-4]分别采用高斯混合模型、超拉普拉斯分布，来近似图像的梯度分布，但在MAP框架下，如果盲复原算法直接使用这些梯度分布先验知识来进行联合估计模糊核和图像，会更容易得到模糊平凡解，这就产生了矛盾。……