談?wù)勔曨l監控模糊圖像的處理技術(shù)

　　對于監控系統模糊圖像處理技術(shù)，國內大學(xué)和科研機構在多年以前就在研究這些理論和應用，相關(guān)文獻也發(fā)布了不少，已經(jīng)取得了一些很好的應用。美國Cognitech軟件是相當成熟的一套模糊圖像恢復應用軟件，在美國及其他執法機構中已有多年實(shí)際應用，其恢復出的圖像可以直接當作法庭證據使用，可見(jiàn)模糊圖像處理技術(shù)已經(jīng)取得了相當的實(shí)際應用。

　　前面提到，造成圖像模糊的原因有很多，要取得比較好的處理效果，不同原因導致的模糊往往需要不同的處理方法。從技術(shù)方面來(lái)講，模糊圖像處理方法主要分為三大類(lèi)，分別是圖像增強、圖像復原和超分辨率重構。

　　圖像增強

　　很多傳統圖像算法都可以減輕圖像的模糊程度，比如圖像濾波、幾何變換、對比度拉伸、直方圖均衡、空間域銳化、亮度均勻化、形態(tài)學(xué)、顏色處理等。就單個(gè)來(lái)講，這些算法都比較成熟，相對簡(jiǎn)單。但是對于一個(gè)具體的模糊圖像，往往需要上面的一種或者多種算法組合，配合不同的參數才能達到理想的效果。這些算法和參數的組合進(jìn)一步發(fā)展成為具體的增強算法，比如“圖像去霧”算法、“圖像去噪”算法、“圖像銳化”算法、“圖像暗細節增強”算法等等。這些算法都不同程度提高了圖像清晰度，很大程度改善了圖像質(zhì)量。

　　綜合使用形態(tài)學(xué)、圖像濾波和顏色處理等算法可以實(shí)現圖像去霧的算法，圖1是一個(gè)去霧算法的實(shí)際使用效果，類(lèi)似的圖像增強算法還有很多，不再一一列舉。

　　圖像復原

　　圖像復原與圖像增強技術(shù)一樣，也是一種改善圖像質(zhì)量的技術(shù)。圖像復原是根據圖像退化的先驗知識建立一個(gè)退化模型，然后以此模型為基礎，采用各種逆退化處理方法逐步進(jìn)行恢復，從而達到改善圖像質(zhì)量的目的。

　　圖像復原和圖像增強是有區別的，兩者的目的都是為了改善圖像的質(zhì)量。但圖像增強不考慮圖像是如何退化的，只有通過(guò)試探各種技術(shù)來(lái)增強圖像的視覺(jué)效果，而圖像復原就完全不同，需要知道圖像退化過(guò)程的先驗知識，據此找出一種相應的逆過(guò)程方法，從而得到復原的清晰圖像。圖像復原主要取決于對圖像退化過(guò)程的先驗知識所掌握的精確程度。

　　對由于離焦、運動(dòng)、大氣湍流等原因引起的圖像模糊，圖像復原的方法效果較好，常用的算法包括維納濾波算法、小波算法、基于訓練的方法等。圖3是使用維納濾波解決運動(dòng)模糊圖像的例子，取得了很好的復原效果。在知道退化模型的情況下，相對圖像增強來(lái)說(shuō)，圖像復原可以取得更好的效果。

　　圖像超分辨率重構

　　現有的監控系統主要目標為宏觀(guān)場(chǎng)景的監視，一個(gè)攝像機，覆蓋一個(gè)很大的范圍，導致畫(huà)面中目標太小，人眼很難直接辨認。這類(lèi)由于欠采樣導致的模糊占很大比例，對于由欠采樣導致的模糊需要使用超分辨率重構的方法。

　　超分辨率復原是通過(guò)信號處理的方法，在提高圖像的分辨率的同時(shí)改善采集圖像質(zhì)量。其核心思想是通過(guò)對成像系統截止頻率之外的信號高頻成分估計來(lái)提高圖像的分辨率。超分辨率復原技術(shù)最初只對單幅圖像進(jìn)行處理，這種方法由于可利用的信息只有單幅圖像，圖像復原效果有著(zhù)固有的局限。序列圖像的超分辨率復原技術(shù)旨在采用信號處理方法通過(guò)對序列低分辨率退化圖像的處理來(lái)獲得一幅或者多幅高分辨率復原圖像。由于序列圖像復原可利用幀間的額外信息，比單幅復原效果更好，是當前的研究熱點(diǎn)。

　　序列圖像的超分辨率復原主要分為頻域法和空域法兩大類(lèi)，頻域方法的優(yōu)點(diǎn)是:理論簡(jiǎn)單,運算復雜度低，缺點(diǎn)是：只局限于全局平移運動(dòng)和線(xiàn)性空間不變降質(zhì)模型，包含空域先驗知識的能力有限?？沼蚍椒ㄋ捎玫挠^(guān)測模型涉及全局和局部運動(dòng)、空間可變模糊點(diǎn)擴散函數、非理想亞采樣等，而且具有很強的包含空域先驗約束的能力。常用的空域法有非均勻插值法、迭代反投影方法(IBP)、凸集投影法(POCS)、最大后驗估計法(MAP)、最大似然估計法(ML)、濾波器法等，其中，MAP和POCS二方法研究較多，發(fā)展空間很大。對于具體的算法，不是本文的重點(diǎn)，這里不做詳細介紹。圖五是一個(gè)使用多幀低分辨率圖像超分辨率重構的例子。