大氣紊流的存在通常使遙感影像變得很模糊，這給后續(xù)階段的目標(biāo)判讀造成了很大的困難。近年來(lái)，許多文獻(xiàn)提出了復(fù)原退化圖像的方法，如參考文獻(xiàn)[1]對(duì)基于LRW算法的圖像復(fù)原方法進(jìn)行了研究；參考文獻(xiàn)[2]采用了盲去卷積的方法，詳細(xì)分析了該方法的原理；參考文獻(xiàn)[3-5]所用的圖像復(fù)原方法主要是迭代盲去卷積算法。這些方法在處理某一特定問(wèn)題時(shí)，能很好地復(fù)原圖像，但是不能解決較為一般的問(wèn)題，而且運(yùn)算復(fù)雜，不具有實(shí)時(shí)處理的功能。本文簡(jiǎn)要分析各個(gè)算法的特點(diǎn)，提出了大氣紊流的近似數(shù)學(xué)模型和基于自相關(guān)函數(shù)的維納濾波算法來(lái)復(fù)原遙感影像，并通過(guò)對(duì)比說(shuō)明該算法的優(yōu)越性。

　　1 大氣紊流的近似數(shù)學(xué)模型

　　大氣紊流是影響遙感影像成像的一個(gè)很大的影響因素，由大氣紊流產(chǎn)生的模糊現(xiàn)象與很多因素如溫度、風(fēng)速、曝光時(shí)間等都有關(guān)系。對(duì)于氣流來(lái)說(shuō)，雖然其蹤跡難以確定，但是對(duì)于圖像采集的某一時(shí)刻而言，可以將導(dǎo)致其模糊的點(diǎn)擴(kuò)散函數(shù)用勻速直線運(yùn)動(dòng)來(lái)近似。

　　對(duì)于在勻速直線運(yùn)動(dòng)影響下的圖像，根據(jù)其先驗(yàn)知識(shí)，點(diǎn)擴(kuò)展函數(shù)（退化函數(shù)）可以描述為：

　　其中P為已知的概率函數(shù)。由貝葉斯條件概率定理知，根據(jù)貝葉斯條件概率定理推導(dǎo)可得，Lucy Richardson算法的圖像離散形式可以表示為：

　　其中，參數(shù)λ是加性噪聲的擾動(dòng)量；C是常量，由圖像受噪聲污染的先驗(yàn)知識(shí)來(lái)決定。為了得到比較滿意的圖像復(fù)原結(jié)果，選擇估計(jì)這個(gè)參數(shù)值比較重要。

　　4 基于自相關(guān)函數(shù)的維納濾波算法

　　在建立引起圖像退化的點(diǎn)擴(kuò)展函數(shù)（式（1））后，為了更好地消除模糊，引入原圖像f（x）的自相關(guān)函數(shù)：

　　5 實(shí)驗(yàn)

　　在使用航空設(shè)備采集圖像時(shí)，會(huì)遇到各式各樣的大氣紊流。本文采用某水利樞紐（空間分辨率為10 m，視角高度為3.48 km）作為實(shí)驗(yàn)對(duì)象。

　　圖1（a）和圖2是三種算法處理不同噪聲影響后的結(jié)果對(duì)比圖，圖2（a）是采用LRW算法處理后的圖像，圖2（b）采用的是迭代盲去卷積算法，圖2（c）采用的是本文算法。圖1中的加性噪聲的擾動(dòng)量為13 pixel，角度為40°，用來(lái)模擬較大的大氣紊流；圖2中的加性噪聲的擾動(dòng)量為2 pixel，角度為10°，用來(lái)模擬較小的大氣紊流。

　　表1為三種算法的關(guān)鍵數(shù)據(jù)比對(duì)表，其中匹配程度是指復(fù)原圖像與原圖像的相似程度，完全匹配是100%，不匹配是0；耗時(shí)是指處理過(guò)程所用時(shí)間。由表1可知，運(yùn)用本文提出的基于自相關(guān)函數(shù)的維納濾波算法，實(shí)現(xiàn)了對(duì)圖像的快速處理，并且效果優(yōu)于其他兩種方法，為以后進(jìn)行目標(biāo)的實(shí)時(shí)性識(shí)別做了很好的圖像預(yù)處理工作。

　　本文提出的基于自相關(guān)函數(shù)的維納濾波算法，簡(jiǎn)單易行，能很好地處理受大氣紊流影響的遙感影像。采用本文采用算法處理后的復(fù)原圖像，與原圖像匹配程度高，并且運(yùn)行速度快，能夠?qū)崿F(xiàn)實(shí)時(shí)性操作，優(yōu)于LRW算法和迭代盲去卷積算法。