專網智能無線終端模糊圖像復原的研究現狀

董國軍 冀中

摘要 專業無線通信網絡智能終端獲取圖像后，模糊圖像復原是圖像處理的經典問題。圖像的復原方法往往局限于特定的條件，如模糊核已知、低強度噪聲，對圖像復原的研究提出了更高的挑戰，相關研究也逐漸成為圖像復原領域的熱點。本文介紹和分析了模糊圖像復原技術的研究現狀與發展方向。

【關鍵詞】專網智能終端 圖像復原 模糊圖像

1 概述

作為圖像復原技術的重要分支，模糊圖像復原一直是圖像處理和機器視覺研究領域的熱點。近年來隨著專業無線通信如鐵路、地鐵、警用通信網絡的廣泛建設應用，專網應用中的智能無線終端通過計算成像方法實現模糊圖像復原逐漸成為理論與應用研究的熱點。模糊圖像很難避免，即使借助機械與光學穩像，相機曝光期間由于設備目標間相對運動和失焦等光學因素仍會形成圖像模糊。本文研究和分析了目前較為有效的模糊圖像復原的方法與技術，并指出未來的技術發展方向。

2 研究現狀與分析

模糊圖像復原的關鍵是精確估計模糊核和去除噪聲，得到高質量清晰圖像。目前模糊圖像復原方法主要分為三類。一類是模糊圖像非盲復原方法，該方法是針對模糊核己知的情況。一類是均勻模糊圖像盲復原方法，該類圖像各區域模糊類型與程度均相同。另外一類是空變模糊圖像盲復原方法，該類方法應用于因各區域模糊類型和程度不同而形成空變模糊圖像的復原。均勻模糊圖像盲復原和空變模糊圖像盲復原這兩類方法均是用來處理模糊核未知的圖像。

2.1 非盲模糊圖像復原

非盲模糊圖像復原方法假定模糊核己知，從而簡化了圖像去模糊過程，是其它復雜圖像復原方法的基礎。早期的研究主要集中于模糊核移不變的均勻模糊去除。當模糊核己知時，清晰圖像可通過非盲去卷積方法來恢復，如經典的維納濾波和Richardson-Lucy （R-L）方法等。非盲復原方法可歸納為對某種包括數據一致項與圖像正則項的能量函數或貝葉斯函數求最優解。此外，近年來基于小波、圖像梯度和總變分等先驗約束的方法也被用于模糊圖像恢復。隨著壓縮感知理論的發展，基于稀疏字典表達約束的去模糊方法也受到了極大的關注。經典去模糊方法大多基于線性響應特性，而有些操作會改變圖像的響應特征，比如用于圖像增強的伽瑪校正等。

2.2 均勻模糊圖像盲復原

均勻模糊圖像整體受恒定模糊（ shift-invariant）因子影響，各區域模糊類型與程度相同。在模糊核未知的情況下，恢復觀測圖像的清晰內容更具挑戰性。用成像設備附帶的加速度、慣性傳感器記錄曝光期間終端運動，并估計出模糊核，然后采用非盲復原方法去除模糊。普通攝像頭不能借助硬件確定模糊核，典型的策略是在傳統非盲復原能量函數基礎上通過增加對模糊核約束項構造二元能量函數用于圖像盲復原。另一個策略是借助貝葉斯理論來構造模糊核與圖像變量的后驗概率函數，通過邊緣概率最大化來估計兩個變量。圖像盲去模糊是不適定問題，需要用合適的圖像先驗來約束盲復原過程。然而許多應用中參考圖像往往缺失，只能借助單幅圖像自身的先驗。基于單圖的方法往往利用自然圖像的視覺和計算特性作為先驗，這主要包括圖像強邊緣和圖像功率譜等。與一般方法不同，文獻[3]利用圖像塊在不同尺度的重現特性作為先驗來實現單幅模糊圖像盲復原。

2.3 空變模糊圖像盲復原

實際應用中，光學因素與物體復雜運動往往使圖像各區域產生不同模糊，形成空變模糊圖像。對于終端運動引起的空變模糊，基于射影單應性（homography）變換的模糊核估計是常用的方法。該類方法通過分析攝像頭沿成像面和光軸的平移、旋轉等多自由度運動來計算模糊變換矩陣。然而這類基于混合攝像系統的光流估計去模糊方法不適用普通終端設備。對于單幅模糊圖像，將空變模糊圖像分區或分層處理是常用的手段，例如Myeong等運用一組近似圖像來實現模糊部分alpha通道的自動摳圖（matting）。摳圖方法不能精細描述分區內的空變模糊，因此在模糊能量函數中引入運動流張量，通過估計該變量來恢復模糊核并復原圖像。空變模糊圖像可以看作是多個空不變模糊圖像的加權。將復原空變模糊圖像的似然函數表達為多個空不變模糊圖像的聯合概率密度函數，引入二值模板張量來逐像素標記某個模糊核是否起作用，通過對多個變量聯合估計實現圖像復原。除了基于包括區域模板變量的聯合模型，也有學者發展了專門的模糊檢測方法來確定模糊區域與性質，其結果可進一步復原圖像。為了提高效率，有些學者研究了將去模糊算法并行化以充分利用計算設備如GPU的運算能力。Cho與Lee通過在迭代中對圖像強邊緣而不是全圖恢復來減少運算量，這種利用圖像的先驗來引導迭代步驟的策略能夠改善盲復原運算效率和算法穩定性。

3 小結

本文介紹與分析了近年來模糊圖像復原技術的研究現狀，闡述了各自方法的原理與優缺點。在專業無線通信如鐵路、地鐵、警用通信網絡智能終端攝像與圖像處理的廣泛應用中，介紹和分析了非盲模糊圖像復原、均勻模糊圖像盲復原、空變模糊圖像盲復原三種模糊圖像復原技術，實現圖像局部的色彩飽和度、圖像梯度分布和功率譜等特征的某種數值度量及組合來檢測自然圖像的不同模糊區域。

參考文獻

[1]Cai J F，JiH， LiuC， etal. Framelet-basedblind motion deblurring from a singleimage[J].IEEE Transactions on ImageProces s ing，2012， 21 （02）： 562-572.

[2]石明珠，許廷發，梁炯，李相民，單幅模糊圖像點擴散函數估計的梯度倒譜分析方法研究[J].物理學報，2013： 229-238.

[3] Joshi N，MatusikW， Adelson E H，etal.Personal photo enhancement usingexample images[J]. ACM Trans onGraph，2010，29（02）：1-15.

[4]ChoS，LeeS.Fastmotiondeblurring [C]. ACM Transactions onGraphics， 2009， 28 （05）： 145.