李 喆，李建增

(陆军工程大学 无人机工程系， 石家庄 050003)

小型无人机可以经济、快速、安全的获取低空地面信息，完成对地观测任务，在军事和民用的多个领域展现出较大的应用价值[1-2]。小型无人机在成像过程中易受恶劣天气、云台抖动、相对运动、成像设备故障等因素干扰，使所成图像模糊降质，具体表现为细节纹理模糊、对比度低、灰度集中、色彩失真。图像模糊直接影响了信息的及时把握和决策者的准确决断，因此对图像进行去模糊处理成为改善小型无人机信息获取质量的关键。

为了复原小型无人机模糊退化图像，需要明确成像过程中的退化因素，将退化过程模型化，才能有针对性的采取相关图像复原技术得到理想的清晰图像。因此了解成像链路模型和退化模型是进行模糊图像复原的首要问题。为了实现模糊图像复原，符合工程背景的复原策略必不可少。在完成退化图像复原后，如何定性和定量地评价复原效果同样需要考虑。

本文主要对小型无人机模糊图像复原问题进行分析，涉及小型无人机成像链路模型、小型无人机典型模糊图像退化模型和小型无人机模糊图像复原策略，是后续研究小型无人机模糊图像复原算法研究的前提与依据。

1 小型无人机成像链路模型

传统意义上的小型无人机图像信息获取过程，是指从目标对象辐射输入到载荷单元成像输出的一个光学链路。但从广义角度考虑，完整的成像过程不仅局限于光学成像模型，还应追溯到影响成像模型的各种参数指标，甚至更早的任务下达，从而可以更全面的考虑图像退化过程，为下一步退化模型的构建做准备。

本文从小型无人机对地观测应用的实际任务需求出发，结合其成像特点，将小型无人机成像链路模型凝练为成像模型、参数模型和任务模型3部分，各环节具体细节如图1所示。

图1 小型无人机成像链路图

1) 任务模型。对于一个给定的小型无人机成像任务，首先需要根据用户的信息需求构建图像质量评价体系，并做出合理的任务规划，包括确定拍摄的目标对象、设定相关的条件和指标参数等。

2) 参数模型。参数模型根据具体的任务规划建立，需要对各种成像条件进行综合考虑，包括环境条件、云台姿态数据和相机参数等。

3) 成像模型。成像模型是小型无人机成像链路最关键的部分，直接决定最终的成像质量。目标对象反射太阳的辐射或自身散发的辐射通过成像模型得到目标图像，整个成像模型由大气传输模型、云台姿态模型、相机成像模型等子模型组成，各子模型受参数模型的直接影响和任务模型的间接影响。

大气传输模型：目标对象的辐射能量经过大气传输模型到达小型无人机相机系统，这个传输过程的能量变化与地物反射率、大气透射率、观测角度等条件密切相关。

云台姿态模型：云台姿态模型反应了成像时云台的高度、随机抖动与运动对成像过程的影响，主要受云台姿态数据调节，是小型无人机成像的重要组成部分。云台高度直接影响所成图像的空间分辨率，而云台的随机抖动和过于剧烈的运动会直接造成图像的信息损失。

相机成像模型：相机成像模型描述了相机内部的光学成像过程，其性能好坏可通过相机参数监控，是成像模型的最后一步。相机成像模型除了受前面两种模型影响外，还需考虑系统噪声、光学透过率、遮拦比、像元尺寸、像元数等相机参数。

2 小型无人机典型模糊图像退化模型

图像退化是指由于成像过程中各种因素的干扰，导致正常情况下的像素点值发生改变，从而造成信息损失的过程。一般将模糊图像的成像过程定义为一个线性退化过程，具体表达式如下：

g(x,y)=T[f(x,y)]

(1)

式(1)中，g(x,y)为模糊图像，f(x,y)为清晰图像，(x,y)为像素点坐标，T[·]表示成像退化算子。将f(x,y)转化为卷积形式：

(2)

式(2)中，δ(x,y)为二维抽样函数。将式(2)代入式(1)，则：

(3)

令h(x-α,y-β)=T[δ(x-α,y-β)]，则：

f(x,y)*h(x,y)

(4)

式(4)中，*为卷积操作，h(x,y)为退化图像模糊核，表示每个像素点受到退化因素影响导致的扩散分布结果。考虑到实际成像过程不可避免会受到一些随机噪声的干扰，为了更真实的描述退化过程，引入加性随机噪声n(x,y)表示上述干扰，则图像退化模型的表达式可定义为

g(x,y)=f(x,y)*h(x,y)+n(x,y)

(5)

因此，在假设整个成像过程空间线性移不变的情况下，图像模糊退化过程可以近似由模糊核函数卷积与加性随机噪声共同表示[3-5]，如图2所示。

图2 图像模糊退化过程示意图

为了更准确的构建模糊退化模型，需要分析成像过程中的主要退化因素，不同环境会产生不同的干扰因素，通过对比小型无人机成像链路模型，并结合实际成像效果，将其主要退化因素概括为：大气扰动、相机系统故障、系统噪声、云台抖动、目标相对运动和云台姿态变化等，如图3所示。

根据上述退化因素的物理意义，可将小型无人机图像主要的模糊类型分为3类[6]：运动模糊、离焦模糊和大气模糊。

图3 小型无人机成像主要退化因素

2.1 运动模糊模型

运动模糊是相机在曝光时间内相机与拍摄的目标发生相对位移产生的一种图像退化现象，相机的随机抖动、姿态变化和拍摄目标的快速运动都是造成此类模糊退化的原因。

1) 一般可将相对运动退化模型简化为线性匀速运动退化模型，如下：

(6)

式(6)中，h为退化函数，θ为运动模糊角度，d为运动模糊位移量。

2) 抖动退化模型是一个混合运动退化模型，相机随机抖动形式包括匀度运动、正弦运动、随机运动等，由于抖动的随机性和运动组合的多样性，因此退化模型构建较为复杂。

2.2 离焦模糊模型

离焦模糊[7]是目标对象与成像设备内的成像靶面对焦不准造成的一种图像退化现象，相机系统故障、内部参数设置误差或调焦操作失误等因素都可能导致图像离焦模糊，图4为离焦几何光路图。

图4 离焦几何光路图

图4中，u为物距，f为焦距，v为相距，s为成像靶面到透镜的距离，R为离焦半径。由离焦几何光路可知，一个离焦的点光源会在图像上呈现出一个灰度均匀的弥散圆盘，其退化模型如下：

(7)

2.3 大气模糊模型

大气是一种不稳定的传播介质，其运动与变化具有较大的随机性，大气模糊是光在传播过程中受到大气介质吸收、散射、湍流扰动等影响，导致的一种图像退化现象，具体干扰包括两个部分[6,8]：

1) 由热力学分子构成的连续湍流介质的不断变化导致的大气光湍流现象，具体表现为光束漂移、光强闪烁及波阵面畸变等，大气湍流模糊退化模型如下所示：

(8)

式(8)中，σ2与湍流介质涡旋运动的强弱有关，其值越大，表示大气湍流影响越剧烈。

2) 由悬浮颗粒构成的离散浑浊介质对光传播的吸收、折射和散射现象，反应在图像主要就是雾和霾，大气散射模糊退化模型如下所示：

I(x,y)=J(x,y) ∘t(x,y)*hJ+

A(1-t(x,y))*hA

(9)

式(9)中:J为清晰图像，t为大气透射率，hJ为大气模糊核函数的大气散射分布，A为大气光值，hA为大气光的模糊核函数，°表示矩阵对应元素相乘。

3 模糊图像复原策略

针对模糊图像复原策略，学者们做了大量工作：石明珠[9]提出一种成像混合模糊的图像复原方法。首先依据模糊图像的频谱特性定性对运动、离焦和二者混合三种模糊类型进行识别，然后利用倒谱分析法定量估计模糊模型的点扩散函数，最后改进全变分复原算法复原模糊图像。徐宗琦[10]提出一种实用图像盲复原处理方法。首先利用倒谱法将模糊图像分为运动、离焦和其他模糊3类，然后利用改进的平滑约束双正则化图像盲复原算法复原其他模糊图，利用参数法复原运动和离焦模糊图像，最后通过振铃效应后处理算法优化复原结果，得到复原清晰图像。韩小芳[11]提出一种运动与离焦模糊图像复原方法。首先对模糊图像预处理得到对数频谱二值图，对其进行霍夫变换，通过比较变换矩阵中的亮点数判断图像模糊类型，然后针对运动模糊图像，利用两次方向微分估计模糊方向，随后利用改进的Prewitt算子和费米函数得到模糊图像的刃边函数，最后利用维纳滤波算法，结合调制传递函数复原得到清晰图像。

上述3种模糊图像复原方法模糊处理类型过于局限，应用范围较小。且实验环境均是建立在模拟模糊条件下，实用性有待提升。

杨发盛[12]提出针对复杂退化条件下靶场图像的复原方法。首先针对靶场图像对比度低的问题进行预处理，然后判别靶场目标飞行模式，辅助辨识图像模糊退化类型，随后基于自相关谱对图像运动、离焦和高斯3种模糊类型进行识别，最后利用各模糊类型对应的复原算法复原图像。赵艳[13]提出一种降质图像复原方法。首先预判降质因素，然后对其中的噪声、运动模糊、大气湍流模糊和离焦模糊图像分别进行复原处理，最后评价模糊图像复原质量。王婷[14]提出针对水下模糊图像的复原方法。首先根据频谱图对水下模糊常见的运动、离焦和水下湍流3种模糊类型进行分类识别，然后针对不同模糊类型构建相应的模糊核，最后利用交替迭代的方法复原出水下清晰图像。仇翔[6]提出针对无人机遥感图像的复原方法。通过归纳无人机图像模糊类型，对常见的运动模糊、异常值干扰、大气模糊图像复原算法分别进行研究。

在确定小型无人机典型模糊复原策略前需要明确几个概念性问题：

1) 非实验条件下，真实拍摄的图像不可能只受单一模糊因素影响，因此小型无人机成像过程会受到多种混合模糊因素共同影响，这是无可争议的现实问题。

2) 从混合模糊的角度解决小型无人机模糊图像复原问题较为困难。现有模糊图像复原算法，绝大多数都是针对单一模糊类型进行研究，而混合模糊复杂多变，很难完整的对其模型进行构建，在仅已知模糊图像的条件下，无法准确获取相关参数或先验信息。

3) 由于模糊图像复原是一个病态的近似估计问题，受复原算法影响，复原过程对图像的模糊信息有不可逆的影响，因此依次利用各种类型复原算法对模糊图像处理的策略不具有理论依据。

通过对现实问题的分析，并结合前人的研究思路，本文针对小型无人机模糊图像复原这个工程问题，通过对技术可行性和工程实用价值的综合考量，提出一种小型无人机模糊图像复原策略，具体流程如图5所示。

图5 小型无人机模糊图像复原流程

具体步骤如下：

步骤1：模糊类型识别。利用图像模糊类型识别方法，实现小型无人机运动、离焦和大气散射3种典型模糊图像类型的识别；

步骤2：复原算法选择。根据输入模糊图像的模糊类型，选择特定的模糊复原算法；

步骤3：模糊图像复原。利用模糊复原算法处理模糊图像，得到清晰复原图像。

4 结论

本文针对小型无人机模糊图像降质问题进行分析。首先结合应用背景，从全链路的角度研究小型无人机图像的成像过程，建立成像链路模型。然后根据成像链路模型，分析影响图像成像质量的各种退化因素，归纳出运动、离焦、大气散射3种典型的模糊退化类型，并分别建立模糊退化模型。最后结合工程背景，提出一种实用小型无人机典型模糊图像复原策略，为解决小型无人机图像模糊，提高信息获取质量，提供了新的思路。