论文部分内容阅读
分析了Benvenuto等针对天文图像恢复提出的基于极大似然(ML)代价函数的有效逼近模型,由此提出了一种比传统ML收敛更快的图像恢复算法。该算法在未知点扩散函数(PSF)条件下,通过观测模糊图像,自适应估计湍流PSF,使PSF估计更符合成像环境;然后,将该算法与混合高斯泊松噪声的ML算法相结合,形成增强ML迭代算法。在迭代过程中动态更新PSF,交替执行恢复图像、去除噪声等策略。结果显示:对于点源目标图像,本文算法恢复图像的质量在峰值信噪比、均方误差以及平均对比度3个指标上分别提高了96.64%,6