Algorithm 解决大气湍流问题的方法（算法）是什么？ 问题:

由于foze、温度变化、长距离使用相机观察，会出现大气湍流问题。下面有一个问题示例

例子：

到目前为止，我尝试的是：

当我搜索时，我找到了建议使用的方法 双树复小波变换（DTCWT）。我从头到尾都跟着 这似乎是一个很好的申请方式。然后我在python代码中找到了这篇文章的一部分。我已经运行了它并且 我们看到了结果，但没有预期的那么好

我只是简单地取了一些帧的平均值（比如10帧），然后得到一个结果。我这么做是因为抖动的像素在任何时候都是真实的。平均后我的成绩似乎还不错

我需要的是： 在搜索了很多之后，我确信这个解决方案需要更多的帧来获得一个好的帧。要做到这一点，我需要一个好的图像融合算法

我恳请你们能向我推荐任何算法或任何方法，我可以尝试去解决这个问题

---

<强>注：我熟悉OpenCV和C++，所以优先考虑这些。

OK，所以你想使用很多帧。您对摄像机运动有任何假设/限制吗？您可以尝试移动摄影机背景建模。通常，它们使用光流来克服/纠正摄像机/物体之间的运动frames@Micka相机将保持稳定，现在没有移动，没有震动，相机是恒定的。我考虑过光流，但如何准确地用于此？现在也忽略了帧上的移动对象。那么，当您要求“图像融合”时，您到底在寻找什么？例如，如何使用10个扭曲的帧采样来获得一个好帧？如何找到幸运像素，如何进行roi校准等。？这些不包括在图像融合中吗？我认为问题太广泛了。您已经尝试过简单的方法（平均值=>您还可以尝试中值）。您可以尝试关键点匹配或光流，并尝试找到像素如何移动的某种模式（窦波？）。也许你可以找到一些理论上的解决方案（像素运动和物理模式的物理解释），然后你就会知道你必须在图像中检测什么样的特征。这里可能没有其他人有这方面的经验，所以这将取决于你做实验。