题目：空间成像条件下的模糊降质图像恢复技术

       伴随着空间资源的开发与利用，空间环境的探索是各个国家关注的重点之一。作为了解空间环境的一种方式，空间成像受到了世界各国的广泛关注。然后由于空间环境与地面环境的差异，空间成像从拍摄到压缩传输传回地面过程中受到多种降质因素的影响，地面解码得到的图像一般包含有多种类型的降质，主要有：对比度畸变、噪声污染以及图像模糊等。因此本文在分析成像降质机理的基础上，给出了降质图像的模型。并在调研文献的基础上，针对传统算法在处理空间成像时遇到的不足进行改进，提出了相应的图像恢复算法。所完成的工作如下：

      （1）弱曝光条件图像的对比度畸变校正算法。本文在实际项目的基础上，提出了针对弱曝光对比度畸变图像的一种分段非线性校正算法。并引入人工蜂群算法，对校正函数中的参数进行自适应寻优。实验结果表明本文提出算法能够有效的对弱曝光畸变图像的对比度进行校正，同时能够抑制图像中的噪声。

      （2）基于各向异性的自适应总变分去噪方法。传统的去噪算法在图像去噪的同时会对图像的细节和纹理结构进行平滑，损失了图像的细节信息。因此本文结合方向信息测度，将图像中的平滑背景区域和边缘纹理区域进行划分。针对原始的方向信息测度在高噪声水平图像的不足，本文通过对高噪声水平图像进行平滑预处理，提出了改进的方向信息测度计算方法。实验结果表明，本文算法的去噪效果有了改善。

       （3）模糊图像点扩散函数辨识与恢复处理。对于点扩散函数辨识，本文分别对点扩散函数类型辨识以及点扩散函数参数估计。首先根据提取不同类型模糊图像频谱的Hu不变矩形状特征进行训练，以构成分类器对模糊降质图像进行分类。在分类识别的基础上，确定点扩散函数的结构，并通过参数估计实现点扩散函数的有效辨识。对于估计得到的点扩散函数分别利用维纳滤波、R-L滤波以及总变分方法去模糊。实验结果表明，算法对于运动模糊、散焦模糊与运动散焦混合模糊图像的模糊类型以及参数估计方面表现出优异的效果。

       最后本文通过仿真空间环境，拍摄了部分图像，对本文的对比度畸变校正、去噪和去模糊算法进行了验证。实验结果也证明了本文算法的有效性。