1、地基望遠(yuǎn)鏡的空間目標(biāo)在成像過程中受到大氣湍流、傳感器熱噪聲、空間微塵以及目標(biāo)高速移動(dòng)的影響，采集到的圖像呈現(xiàn)一定程度的退化現(xiàn)象。為了從退化的數(shù)據(jù)中恢復(fù)質(zhì)量更好的圖像，國(guó)內(nèi)外研究學(xué)者在圖像去模糊、圖像超分辨，圖像去噪等方面提出了多種方法。針對(duì)噪聲的影響學(xué)者提出了許多去噪方法，并在實(shí)際的生產(chǎn)生活中得到應(yīng)用。為了消除噪聲對(duì)空間目標(biāo)圖像的影響，本文結(jié)合稀疏表示和空間目標(biāo)圖像特點(diǎn)進(jìn)行圖像去噪研究。
　　本文的課題來源是國(guó)家重點(diǎn)實(shí)驗(yàn)室項(xiàng)目“基

2、于XXX空間目標(biāo)圖像融合方法研究”。研究中發(fā)現(xiàn)，空間衛(wèi)星目標(biāo)存在如下特點(diǎn)：（1）在軌衛(wèi)星目標(biāo)數(shù)量有限；（2）重點(diǎn)觀測(cè)的衛(wèi)星目標(biāo)多數(shù)已知其形狀；（3）不同衛(wèi)星目標(biāo)具有相似的部件和形狀特征。本文基于成像目標(biāo)的這些先驗(yàn)信息，針對(duì)噪聲的影響，開展基于樣例學(xué)習(xí)的稀疏表示圖像去噪方法研究，充分利用噪聲圖像在高質(zhì)量圖像庫(kù)中相似部分的信息改進(jìn)過完備字典的學(xué)習(xí)，結(jié)合稀疏去噪模型提出了兩種基于相似樣例的圖像稀疏去噪方法。
　　1.基于局部相似樣例學(xué)習(xí)

3、的稀疏去噪算法。該算法以SIFT關(guān)鍵點(diǎn)周圍n×n的圖像塊作為學(xué)習(xí)樣例。首先使用SIFT算法對(duì)已知圖像庫(kù)中的每一幅圖像提取SIFT關(guān)鍵點(diǎn)位置和對(duì)應(yīng)的特征描述符構(gòu)建SIFT特征群；其次，提取噪聲圖像的SIFT關(guān)鍵點(diǎn)位置和對(duì)應(yīng)的特征描述符并在 SIFT特征群里尋找相似的匹配；最后將所有獲取的局部圖像塊作為過完備字典學(xué)習(xí)的樣例輸入。由于該算法提高了學(xué)習(xí)樣例與噪聲圖像的關(guān)聯(lián)性，在一定程度上增強(qiáng)了過完備字典對(duì)圖像局部信息的表示能力，所以可以獲得更好

4、的去噪效果。
　　2.基于區(qū)域相似樣例學(xué)習(xí)的稀疏去噪算法。首先使用SIFT和MSER算法對(duì)已知圖像庫(kù)中的每一幅圖像提取SIFT特征描述符和MSER區(qū)域構(gòu)建SIFT-MSER特征簇集合；其次，提取噪聲圖像的SIFT-MSER特征簇并在SIFT-MSER特征簇集合里尋找相似的匹配；然后取所有匹配到的SIFT-MSER特征簇所在的MSER區(qū)域作為過完備字典學(xué)習(xí)的樣例輸入；最后使用過完備字典對(duì)噪聲圖像進(jìn)行稀疏分解與重構(gòu)獲取最終的去噪圖像。