圖像恢復技術的應用現狀與展望

題園園　朱洪雷　丁瑞昕　林雁飛

摘 要：該文介紹了圖像恢復技術在國內外的應用現狀，通過概括和總結將現有的圖像恢復技術大致分為3種類型，分別為去卷積恢復法、線性代數恢復法和圖像盲反卷積法。對未來的圖像恢復技術做了展望，指出ROF模型是以全變分方法為基礎，能夠顯著提高圖像恢復的質量，此模型中的全變分正則化項能夠對圖像的邊緣等細節特征信息進行保留，這種圖像恢復方法可以獲得較好的恢復效果。

關鍵詞：盲去卷積法 全變分方法 圖像降質 圖像恢復

中圖分類號：TG456.7 文獻標識碼：A 文章編號：1674-098X（2017）01（b）-0098-02

由于受到圖像檢測現場各種干擾因素的影響，如環境光照強度變化和其他各種噪聲的影響使采集到的圖像存在退化現象，清晰度不高、識別性較差，難以對圖像特征進行透徹分析。因此，需根據圖像檢測環境，研究圖像恢復的算法，分析退化原因，對降質圖像進行恢復處理，提高圖像質量。該文介紹了圖像恢復技術在國內外的應用現狀，對未來的圖像恢復技術展望。

1 圖像恢復概述

圖像恢復技術作為圖像處理領域的一個重要組成部分，是國內外的諸多學者探究的關鍵問題[1-4]。圖像恢復技術涉及3個方面的內容：建立圖像恢復的成像模型，運用圖像恢復算法和設定恢復圖像質量衡量指標。變換降質圖像的成像模型、退化空間域、優化標準和方法，便會構成不同的圖像恢復方法，可在不同的領域使用不同圖像恢復技術。通過概括和總結把現有的恢復方法大致分為3大基本類型，分別為去卷積恢復法、線性代數恢復法和圖像盲去卷積法，以這3種類型恢復方法為基礎，經過衍生和改進也可形成其他的恢復方法。

2 傳統圖像恢復技術

去卷積圖像恢復技術可分為維納濾波去卷積法、功率譜平衡法及幾何均值濾波的方法等，這些圖像恢復技術都屬于傳統的常用圖像恢復技術，使用這些恢復技術對圖像進行處理的前提是需已知原始未降質的圖像和降質算子的先驗知識，以及圖像噪聲所具有的特性。當噪聲與信號互不相關時，這種圖像恢復技術可適用于線性空間不變系統。當降質算子為病態時，此種圖像恢復技術處理的結果不夠理想[5-7]。

線性代數圖像恢復方法是已知退化算子和噪聲統計特性的前提下，運用線性代數理論對圖像進行恢復。這種方法將復原濾波器的有關數據的計算形成了一個可參考的設計思路[8]。但是當降質函數的特征值有接近零的情況時，恢復過程則對噪聲比較敏感，而且此方法是將整幅圖像進行統一的處理，其恢復過程中的計算量很大，沒有考慮到邊界及紋理等高頻信號與噪聲的影響，這樣會使邊界和紋理等重要的細節信息特征在圖像恢復的過程中遭到破壞。為了解決這些難題，國內外諸多研究學者對此方法做了改進，并縮短了其算法時間，這些圖像恢復研究方法主要有全局最小二乘法、約束最小二乘法和正則化約束總體最小二乘法[9-11]。

圖像盲去卷積法是圖像恢復的重要技術，可用于當退化函數和先驗知識未知或部分已知的情況，直接由退化圖像來估計真實圖像的信息。根據圖像恢復研究現狀，圖像盲去卷積技術有迭代盲去卷積法、零葉面分離方法、預先對降質函數確定的方法、先驗模糊辨識的方法、三次相關法等[12-14]。

利用這些方法對降質的圖像進行恢復處理時，由于圖像先驗信息不足，原始為降質圖像的信息是未知或部分已知，在這種情況下對圖像進行恢復處理，得到的圖像恢復解的結果是不唯一的。在實際工程應用時，很難獲得降質圖像的先驗知識和退化函數，在這種情況下圖像盲去卷積法較為實用，此種方法應用在圖像恢復的過程中，最大的難題是如何獲得恢復算法中使用的降質函數并對降質函數做出恰當估計。

3 圖像恢復技術展望

正則化方法是一種能解決病態逆問題的重要圖像恢復技術，用圖像的平滑性作為其約束條件，然而這種正則化方式通常情況下會使恢復的圖像邊緣變得模糊。為解決邊緣銳化的問題，國內外有很多研究學者對有關邊緣保持的正則化方法進行了探索，并提出了一些可以有效減少邊緣退化的正則化方法，在求解過程中一般需要在引入非二次正則化泛函的基礎上進行問題的求解，于是這個過程便成為非線性問題，Geman和Yang對非線性問題進行了解決，使用的是他們提出的概念“半二次正則化”，Charbonni等人在這個基礎上找出了采用確定性方法得出問題最優化的解[15]。而后，Rudin等人提出了著名的ROF模型，此模型是以全變分方法為基礎，這些方法在一定程度上能夠對圖像恢復的質量進行提高，并且此模型中的全變分正則化項能夠對圖像的邊緣等細節特征信息進行保留[16-19]，這種圖像恢復方法可以獲得較好的恢復效果。

4 結語

研究圖像恢復技術，分析圖像退化原因，對降質的圖像進行恢復處理，可實現對圖像細節特征進行更精確的檢測。該文分析了圖像恢復技術在國內外的應用現狀，對未來的圖像恢復技術做了展望。指出ROF模型是以全變分方法為基礎，能夠顯著提高圖像恢復的質量，此模型中的全變分正則化項能夠對圖像的邊緣等細節特征信息進行保留，這種圖像恢復方法可以獲得較好的恢復效果。

參考文獻

[1] Changsoo Je，Hyeon Sang Jeon，Chang-Hwan Son，et al.Disparity-based space-variant image deblurring[J].Signal Processing： Image Communication，2013（28）：792-808.

[2] 袁小華，歐陽曉麗，夏德深.超分辨率圖像恢復研究綜述[J].地理與地理信息科學，2006，22（3）：43-47.

[3] 李旭超，邊素軒，李玉葉.圖像恢復中的凸能量泛函正則化模型綜述[J].中國圖象圖形學報，2016，21（4）：405-415.

[4] 孟昕，張燕平.運動模糊圖像恢復的算法研究與分析[J].計算機技術與發展，2007，17（8）：73-76.

[5] 張小波.基于維納濾波的圖像去噪算法研究[D].西安電子科技大學，2014.

[6] 題園園，高向東，陳余泉.微間隙焊縫磁光圖像恢復算法[J].電焊機，2016，46（2）：86-89.

[7] 讓曉勇，葉俊勇，郭春華.基于二維經驗模態和均值濾波的圖像去噪方法[J].計算機應用，2008，28（11）：2884-2886.

[8] 馬潔.一種基于線性代數的圖像處理算法研究[J].計算機科學，2012，39（11）：286-288.

[9] 王芳.一種新的最小二乘法圖像復原算法的研究[J].包裝工程，2008，29（12）：151-153.

[10] 題園園.微間隙焊縫磁光圖像恢復算法研究[D].廣東工業大學，2016.

[11] 段立晶，高漢寶，梁德群.基于方向信息測度的約束最小二乘圖像恢復方法[J].大連海事大學學報，2005，31（3）：94-96.

[12] 吳亞東.圖像復原算法的研究[D].電子科技大學，2006.

[13] 張航，羅大庸.圖像盲復原算法研究現狀及其展望[J].中國圖象圖形學報，2004，9（10）：1145-1152.

[14] 楊明極，何美華.盲圖像恢復算法研究[J].哈爾濱理工大學學報，2008，13（1）：1-3.

[15] 苗晴.圖像復原中正則化方法的研究及應用[D].國防科學技術大學，2005.

[16] Rudin Li，Osher S，Fatemi E.Nonlinear total variation based noise removal algorithms[J].Physic D，1992（60）：259-268.

[17] 付樹軍，阮秋琦，王文洽.偏微分方程（PDE）模型在圖像處理中的若干應用[J].計算機工程與應用，2005，41（2）：33-35.

[18] Lysaker M，Lundervold A，Tai X C.Noise removal using fourth-order partial differential equation with applications to medical mag-netic resonance images in space and time[J]. IEEE Transactions on Image Processing，2003， 12（12）：1579-1590.

[19] Miyoun Jung，Antonio Marquina，Luminita A. Vese.Variational multiframe restoration of images degraded by noisy blur kernels[J]. Journal of Computational and Applied Mathematics，2013（240）：123-134.