图像恢复技术的应用现状与展望

题园园　朱洪雷　丁瑞昕　林雁飞

摘 要：该文介绍了图像恢复技术在国内外的应用现状，通过概括和总结将现有的图像恢复技术大致分为3种类型，分别为去卷积恢复法、线性代数恢复法和图像盲反卷积法。对未来的图像恢复技术做了展望，指出ROF模型是以全变分方法为基础，能够显著提高图像恢复的质量，此模型中的全变分正则化项能够对图像的边缘等细节特征信息进行保留，这种图像恢复方法可以获得较好的恢复效果。

关键词：盲去卷积法 全变分方法 图像降质 图像恢复

中图分类号：TG456.7 文献标识码：A 文章编号：1674-098X（2017）01（b）-0098-02

由于受到图像检测现场各种干扰因素的影响，如环境光照强度变化和其他各种噪声的影响使采集到的图像存在退化现象，清晰度不高、识别性较差，难以对图像特征进行透彻分析。因此，需根据图像检测环境，研究图像恢复的算法，分析退化原因，对降质图像进行恢复处理，提高图像质量。该文介绍了图像恢复技术在国内外的应用现状，对未来的图像恢复技术展望。

1 图像恢复概述

图像恢复技术作为图像处理领域的一个重要组成部分，是国内外的诸多学者探究的关键问题[1-4]。图像恢复技术涉及3个方面的内容：建立图像恢复的成像模型，运用图像恢复算法和设定恢复图像质量衡量指标。变换降质图像的成像模型、退化空间域、优化标准和方法，便会构成不同的图像恢复方法，可在不同的领域使用不同图像恢复技术。通过概括和总结把现有的恢复方法大致分为3大基本类型，分别为去卷积恢复法、线性代数恢复法和图像盲去卷积法，以这3种类型恢复方法为基础，经过衍生和改进也可形成其他的恢复方法。

2 传统图像恢复技术

去卷积图像恢复技术可分为维纳滤波去卷积法、功率谱平衡法及几何均值滤波的方法等，这些图像恢复技术都属于传统的常用图像恢复技术，使用这些恢复技术对图像进行处理的前提是需已知原始未降质的图像和降质算子的先验知识，以及图像噪声所具有的特性。当噪声与信号互不相关时，这种图像恢复技术可适用于线性空间不变系统。当降质算子为病态时，此种图像恢复技术处理的结果不够理想[5-7]。

线性代数图像恢复方法是已知退化算子和噪声统计特性的前提下，运用线性代数理论对图像进行恢复。这种方法将复原滤波器的有关数据的计算形成了一个可参考的设计思路[8]。但是当降质函数的特征值有接近零的情况时，恢复过程则对噪声比较敏感，而且此方法是将整幅图像进行统一的处理，其恢复过程中的计算量很大，没有考虑到边界及纹理等高频信号与噪声的影响，这样会使边界和纹理等重要的细节信息特征在图像恢复的过程中遭到破坏。为了解决这些难题，国内外诸多研究学者对此方法做了改进，并缩短了其算法时间，这些图像恢复研究方法主要有全局最小二乘法、约束最小二乘法和正则化约束总体最小二乘法[9-11]。

图像盲去卷积法是图像恢复的重要技术，可用于当退化函数和先验知识未知或部分已知的情况，直接由退化图像来估计真实图像的信息。根据图像恢复研究现状，图像盲去卷积技术有迭代盲去卷积法、零叶面分离方法、预先对降质函数确定的方法、先验模糊辨识的方法、三次相关法等[12-14]。

利用这些方法对降质的图像进行恢复处理时，由于图像先验信息不足，原始为降质图像的信息是未知或部分已知，在这种情况下对图像进行恢复处理，得到的图像恢复解的结果是不唯一的。在实际工程应用时，很难获得降质图像的先验知识和退化函数，在这种情况下图像盲去卷积法较为实用，此种方法应用在图像恢复的过程中，最大的难题是如何获得恢复算法中使用的降质函数并对降质函数做出恰当估计。

3 图像恢复技术展望

正则化方法是一种能解决病态逆问题的重要图像恢复技术，用图像的平滑性作为其约束条件，然而这种正则化方式通常情况下会使恢复的图像边缘变得模糊。为解决边缘锐化的问题，国内外有很多研究学者对有关边缘保持的正则化方法进行了探索，并提出了一些可以有效减少边缘退化的正则化方法，在求解过程中一般需要在引入非二次正则化泛函的基础上进行问题的求解，于是这个过程便成为非线性问题，Geman和Yang对非线性问题进行了解决，使用的是他们提出的概念“半二次正则化”，Charbonni等人在这个基础上找出了采用确定性方法得出问题最优化的解[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为基础，这些方法在一定程度上能够对图像恢复的质量进行提高，并且此模型中的全变分正则化项能够对图像的边缘等细节特征信息进行保留[16-19]，这种图像恢复方法可以获得较好的恢复效果。

4 结语

研究图像恢复技术，分析图像退化原因，对降质的图像进行恢复处理，可实现对图像细节特征进行更精确的检测。该文分析了图像恢复技术在国内外的应用现状，对未来的图像恢复技术做了展望。指出ROF模型是以全变分方法为基础，能够显著提高图像恢复的质量，此模型中的全变分正则化项能够对图像的边缘等细节特征信息进行保留，这种图像恢复方法可以获得较好的恢复效果。

参考文献

[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] 袁小华，欧阳晓丽，夏德深.超分辨率图像恢复研究综述[J].地理与地理信息科学，2006，22（3）：43-47.

[3] 李旭超，边素轩，李玉叶.图像恢复中的凸能量泛函正则化模型综述[J].中国图象图形学报，2016，21（4）：405-415.

[4] 孟昕，张燕平.运动模糊图像恢复的算法研究与分析[J].计算机技术与发展，2007，17（8）：73-76.

[5] 張小波.基于维纳滤波的图像去噪算法研究[D].西安电子科技大学，2014.

[6] 题园园，高向东，陈余泉.微间隙焊缝磁光图像恢复算法[J].电焊机，2016，46（2）：86-89.

[7] 让晓勇，叶俊勇，郭春华.基于二维经验模态和均值滤波的图像去噪方法[J].计算机应用，2008，28（11）：2884-2886.

[8] 马洁.一种基于线性代数的图像处理算法研究[J].计算机科学，2012，39（11）：286-288.

[9] 王芳.一种新的最小二乘法图像复原算法的研究[J].包装工程，2008，29（12）：151-153.

[10] 题园园.微间隙焊缝磁光图像恢复算法研究[D].广东工业大学，2016.

[11] 段立晶，高汉宝，梁德群.基于方向信息测度的约束最小二乘图像恢复方法[J].大连海事大学学报，2005，31（3）：94-96.

[12] 吴亚东.图像复原算法的研究[D].电子科技大学，2006.

[13] 张航，罗大庸.图像盲复原算法研究现状及其展望[J].中国图象图形学报，2004，9（10）：1145-1152.

[14] 杨明极，何美华.盲图像恢复算法研究[J].哈尔滨理工大学学报，2008，13（1）：1-3.

[15] 苗晴.图像复原中正则化方法的研究及应用[D].国防科学技术大学，2005.

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

[17] 付树军，阮秋琦，王文洽.偏微分方程（PDE）模型在图像处理中的若干应用[J].计算机工程与应用，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.