Обзор современных методов восстановления астрономических изображений в условиях атмосферной турбулентности

Статья посвящена обзору и сравнительному анализу современных методов восстановления оптических искажений астрофотографий, полученных в условиях атмосферной турбулентности. Исследованы физические и теоретические основы формирования искажений, как то: атмосферная турбулентность, оптические аберрации и шумы, сопровождающие процесс съемки. Целью работы является систематизация существующих подходов и определение наиболее эффективных методов для применения в любительской и профессиональной астрофотографии. Рассмотрены алгоритмы восстановления разрешения изображений: классическая деконволюция (алгоритм Ричардсона – Люси и фильтрация Винера), слепая деконволюция, многокадровая обработка и нейросетевые методы. Результаты сравнительного анализа показывают, что многокадровые алгоритмы и нейросетевые подходы обладают наибольшей эффективностью при ограниченных вычислительных ресурсах и неполной информации о функции рассеяния точки.

1. Hampson K. M., Turcotte R., Miller D. T., Kurokawa K., Males J. R., Ji N., Booth M. J. Adaptive optics for high-resolution imaging. Nat Rev Methods Primers, 2021, vol. 1, no. 1, pp. 1–26. DOI: 10.1038/s43586-021-00066-7

2. Al-Hamadani A. H., Zainulabdeen F. Sh., Karam G. S., Nasir E. Y., Al-Saedi A. Effects of atmospheric turbulence on the imaging performance of optical system. AIP Conference Proceedings, 2018, vol. 1968, no. 1, p. 030071. DOI: 10.1063/1.5039258

3. Akbari L., Darudi A., Shomali R. Atmospheric coherence time measurement by modified Fast Defocus method. Optik, 2021, vol. 233, p. 166494. DOI: 10.1016/j.ijleo.2021.166494

4. Niu K., Tian C. Zernike polynomials and their applications. J. Opt., 2022, vol. 24, no. 12, p. 123001. DOI: 10.1088/2040-8986/ac9e08

5. Richardson W. H. Bayesian-Based Iterative Method of Image Restoration. J. Opt. Soc. Am., JOSA, 1972, vol. 62, no. 1, pp. 55–59. DOI: 10.1364/JOSA.62.000055

6. Lucy L. B. An iterative technique for the rectification of observed distributions. The Astronomical Journal, 1974, vol. 79, p. 745. DOI: 10.1086/111605

7. Wiener N. Extrapolation, Interpolation, and Smoothing of Stationary Time Series: With Engineering Applications. The MIT Press, 1949. DOI: 10.7551/mitpress/2946.001.0001

8. Levin A., Weiss Y., Durand F., Freeman W. T. Understanding and evaluating blind deconvolution algorithms. 2009 IEEE Conference on Computer Vision and Pattern Recognition, Miami, FL: IEEE, 2009, pp. 1964–1971. DOI: 10.1109/CVPR.2009.5206815

9. Fergus R., Singh B., Hertzmann A., Roweis S. T., Freeman W. T. Removing camera shake from a single photograph. ACM Trans. Graph., 2006, vol. 25, no. 3, pp. 787–794. DOI: 10.1145/1141911.1141956

10. Shan Q., Jia J., Agarwala A. High-quality motion deblurring from a single image. ACM Trans. Graph., 2008, vol. 27, no. 3, pp. 1–10. DOI: 10.1145/1360612.1360672

11. Fried D. L. Probability of getting a lucky short-exposure image through turbulence. J. Opt. Soc. Am., JOSA, 1978, vol. 68, no. 12, pp. 1651–1658. DOI: 10.1364/JOSA.68.001651

12. Law N. M., Mackay C. D., Baldwin J. E. Lucky imaging: high angular resolution imaging in the visible from the ground. A&A, 2006, vol. 446, no. 2, Art. no. 2. DOI: 10.1051/0004-6361:20053695

13. Wilding D., Soloviev O., Pozzi P., Vdovin G., Verhaegen M. Blind multi-frame deconvolution by tangential iterative projections (TIP). Opt. Express, OE, 2017, vol. 25, no. 26, pp. 32305–32322. DOI: 10.1364/OE.25.032305

14. Löfdahl M. G., Hillberg T. Multi-frame blind deconvolution and phase diversity with statistical inclusion of uncorrected high-order modes. A&A, 2022, vol. 668, p. A129. DOI: 10.1051/0004-6361/202244123

15. Schulz T. J. Multiframe blind deconvolution of astronomical images. J. Opt. Soc. Am. A, JOSAA, 1993, vol. 10, no. 5, pp. 1064–1073. DOI: 10.1364/JOSAA.10.001064

16. Yasarla R., Patel V. M. Learning to Restore Images Degraded by Atmospheric Turbulence Using Uncertainty. 2021 IEEE International Conference on Image Processing (ICIP), 2021, pp. 1694–1698. DOI: 10.1109/ICIP42928.2021.9506614

17. Mao Z., Jaiswal A., Wang Z., Chan S. H. Single Frame Atmospheric Turbulence Mitigation: A Benchmark Study and a New Physics-Inspired Transformer Model. Computer Vision – ECCV 2022, S. Avidan, G. Brostow, M. Cissé, G. M. Farinella, and T. Hassner, Eds., Cham: Springer Nature Switzerland, 2022, pp. 430–446. DOI: 10.1007/978-3-031-19800-7_25

18. Gopalakrishnan Nair N., Mei K., Patel V. M. A Comparison of Diff erent Atmospheric Turbulence Simulation Methods for Image Restoration. 2022 IEEE International Conference on Image Processing (ICIP), 2022, pp. 3386–3390. DOI: 10.1109/ICIP46576.2022.9897969