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AO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。