基于维纳滤波和综合评价因子的遥感图像复原①

王允森，王 勇，左 晨，孟垂哲

(山东航天电子技术研究所，烟台 264670)

0 引言

在遥感图像处理领域，图像的复原和重建是一个非常重要的过程。通常来讲，遥感图像的退化是由各种因素引起的，如大气扰动、拍摄震动、目标辐射、电子信号转换等[1-2]。遥感图像复原的目标即是将退化的遥感图像尽量恢复到原始状态。

传统的图像复原模型一般采用逆滤波方法[3]。由于大部分的图像信息都存在于图像中的边缘，因此，采用滤波方法进行图像复原不仅要去除大部分模糊和噪声，还要保留图像的细节。由于图像的细节和噪声经常在同一区域，这使得图像的去燥平滑和保留细节变为一对相互矛盾的问题。传统的方法难以解决这个问题[4-5]。为了解决这个矛盾，许多改进的逆滤波的方法提出，包括正则化方法、EM算法[6]和GEM算法[7]等。目前，常用的遥感图像半盲复原或盲复原算法一般基于点扩散函数展开，比如Richardson-Lucy方法、维纳滤波方法、最小二乘方法[8-9]等。

近几年，随着处理器计算能力的不断增强，许多学者的研究重点转移到神经网络方法上。这些方法采用基于模型的神经网络实现遥感图像幅复原[10]。Zhou 提出的神经网络复原方法采用Hopfied神经网络来控制图像复原的效果[11]。但是，用Zhou的方法存在网络结构大、网络状态更新慢等问题。为了克服这些缺点，Paik等提出了一种改进的Hopfied神经网络灰度遥感图像复原方法[12]，此后，该算法又被诸多学者再网络模型上进行了改进[13-16]。但是这类算法在计算权重矩阵是都需要耗费大量的空间和时间。……