自適應(yīng)光學(xué)圖像復(fù)原理論與方法

前言
第1章 緒論
1.1 自適應(yīng)光學(xué)技術(shù)的應(yīng)用需求
1.2 自適應(yīng)光學(xué)圖像復(fù)原的研究意義
1.3 自適應(yīng)光學(xué)系統(tǒng)發(fā)展現(xiàn)狀和前景
1.4 自適應(yīng)光學(xué)圖像復(fù)原技術(shù)的研究概況
1.5 本書主要內(nèi)容及結(jié)構(gòu)安排
第2章 大氣湍流波前擾動及自適應(yīng)光學(xué)技術(shù)
2.1 湍流現(xiàn)象
2.2 大氣湍流描述參數(shù)
2.3 光學(xué)傳遞函數(shù)
2.4 自適應(yīng)光學(xué)技術(shù)
2.5 自適應(yīng)光學(xué)成像原理演示系統(tǒng)CYAOIS
2.6 本章小結(jié)
第3章 自適應(yīng)光學(xué)圖像復(fù)原的數(shù)學(xué)基礎(chǔ)
3.1 自適應(yīng)光學(xué)圖像降質(zhì)原因及模型
3.2 圖像復(fù)原中的病態(tài)特性
3.3 非線性成像系統(tǒng)和線性成像系統(tǒng)
3.4 成像模型離散公式
3.5 循環(huán)矩陣和分塊循環(huán)矩陣的對角線化
3.6 本章小結(jié)
第4章 自適應(yīng)光學(xué)圖像復(fù)原方法及質(zhì)量評價
4.1 圖像盲復(fù)原算法
4.2 貝葉斯圖像復(fù)原
4.3 小波變換圖像復(fù)原
4.4 圖像復(fù)原質(zhì)量評價
4.5 本章小結(jié)
第5章 自適應(yīng)光學(xué)圖像點擴(kuò)散函數(shù)重構(gòu)
5.1 點擴(kuò)散函數(shù)、光學(xué)傳遞函數(shù)與調(diào)制傳遞函數(shù)
5.2 圖像的點擴(kuò)散函數(shù)先驗?zāi)Ｐ图皡?shù)表達(dá)
5.3 Zernike多項式
5.4 面向圖像復(fù)原的廣義嶺估計Zernike模式法點擴(kuò)散函數(shù)重構(gòu)
5.5 基于非抽樣小波變換的大氣湍流點擴(kuò)散函數(shù)估計
5.6 本章小結(jié)
第6章 基于可靠支持域和改進(jìn)代價函數(shù)的ENAS-RIF算法
6.1 NAS-RIF圖像復(fù)原算法原理
6.2 改進(jìn)的ENAS-RIF圖像復(fù)原算法
6.3 實驗結(jié)果及分析
6.4 本章小結(jié)
第7章 多重約束非對稱IRIL-IBD算法
7.1 IBD算法概述
7.2 RL算法和RLIBD算法
7.3 多重約束非對稱IRLIBD算法
7.4 實驗結(jié)果及分析
7.5 本章小結(jié)
第8章 直接解卷積圖像復(fù)原
8.1 幾個概念
8.2 APEX直接解卷積圖像復(fù)原算法
8.3 實驗結(jié)果
8.4 本章小結(jié)
第9章 極大似然圖像盲解卷積
9.1 光電探測和光子成像基礎(chǔ)理論
9.2 有限光子非相干成像極大似然盲解卷積算法
9.3 動態(tài)支持域約束極大似然盲解卷積算法
9.4 本章小結(jié)
第10章 基于總變分極小化的圖像復(fù)原
10.1 總變分極小化原理
10.2 定點迭代方法與基于非周期反卷積模型的離散方案
10.3 多格網(wǎng)橢圓形偏微分方程求解法
10.4 基于總變分極小化的圖像盲復(fù)原
10.5 實驗結(jié)果與分析
10.6 本章小結(jié)
第11章 基于MAP原理的自適應(yīng)光學(xué)圖像多幀聯(lián)合解卷積
11.1 基于方差統(tǒng)計的圖像序列不良幀剔除
11.2 MAP聯(lián)合解卷積圖像復(fù)原
11.3 MAPJD算法參數(shù)自動估計
11.4 多幀聯(lián)合解卷積圖像高清晰復(fù)原算法
11.5 實驗結(jié)果及分析
11.6 本章小結(jié)
第12章 基于二代曲波變換的自適應(yīng)光學(xué)圖像復(fù)原
12.1 第二代曲波變換
12.2 基于二代曲波變換的自適應(yīng)光學(xué)圖像去噪
12.3 傅里葉-曲波域正則化解卷積算法
12.4 ForCuRD復(fù)原算法實驗結(jié)果及分析
12.5 本章小結(jié)
參考文獻(xiàn)
附錄 常用縮寫