基于幸运块思想的水下湍流图像复原

                             总体思路
        （参考水下核燃料组件湍流图像复原研究）：

1.图像预处理过程：
首先将视频转换成图片帧，然后将每帧图片划分成大小相同的图像块（m块），相同区域构成图像块组（m组）。利用图像平均求出每个图像块组的平均图像，然后利用FSIM算法（图像质量评估算法）筛除与平均图像相差较大的图像块，筛除后再重新计算平均图像，最后将各区域求得的平均图像拼接起来。
2.构建退化模型：
通过数学推算发现时域平均图像收敛到（未知）的原始图像与湍流概率密度函数的卷积再加上噪声。根据经验得到将拉普拉斯概率密度函数作为概率密度函数在对比度上更有优势，因此选取拉普拉斯来建立退化模型。
3.解卷积
用维纳滤波器（最小均方滤波）进行解卷积操作得到原始图像的估计值。

                          FSIM

FSIM是SSIM的一个变种，该算法认为一张图片中的所有像素并非具有相同的重要性，比如物体边缘的像素点对于界定物体的结构肯定比其他背景区域的像素点更为重要。

两个指标的选取：
1.相位一致性：基于心理学和脑科学的一些研究，发现不同频率的傅里叶波具有相同的相位时，往往会对应着视觉上可辨认的重要特征。
2.梯度：图像梯度幅值是一个用于衡量对比度的标准。
原文链接：https://blog.csdn.net/xiaoxifei/article/details/84949594

算法步骤：
1.求相位一致性
2.求梯度（sobel算子）
3.求参考图像和被评图像的相似度（与相位一致性和梯度有关）