专网智能无线终端模糊图像复原的研究现状

董国军 冀中

摘要 专业无线通信网络智能终端获取图像后，模糊图像复原是图像处理的经典问题。图像的复原方法往往局限于特定的条件，如模糊核已知、低强度噪声，对图像复原的研究提出了更高的挑战，相关研究也逐渐成为图像复原领域的热点。本文介绍和分析了模糊图像复原技术的研究现状与发展方向。

【关键词】专网智能终端 图像复原 模糊图像

1 概述

作为图像复原技术的重要分支，模糊图像复原一直是图像处理和机器视觉研究领域的热点。近年来随着专业无线通信如铁路、地铁、警用通信网络的广泛建设应用，专网应用中的智能无线终端通过计算成像方法实现模糊图像复原逐渐成为理论与应用研究的热点。模糊图像很难避免，即使借助机械与光学稳像，相机曝光期间由于设备目标间相对运动和失焦等光学因素仍会形成图像模糊。本文研究和分析了目前较为有效的模糊图像复原的方法与技术，并指出未来的技术发展方向。

2 研究现状与分析

模糊图像复原的关键是精确估计模糊核和去除噪声，得到高质量清晰图像。目前模糊图像复原方法主要分为三类。一类是模糊图像非盲复原方法，该方法是针对模糊核己知的情况。一类是均匀模糊图像盲复原方法，该类图像各区域模糊类型与程度均相同。另外一类是空变模糊图像盲复原方法，该类方法应用于因各区域模糊类型和程度不同而形成空变模糊图像的复原。均匀模糊图像盲复原和空变模糊图像盲复原这两类方法均是用来处理模糊核未知的图像。

2.1 非盲模糊图像复原

非盲模糊图像复原方法假定模糊核己知，从而简化了图像去模糊过程，是其它复杂图像复原方法的基础。早期的研究主要集中于模糊核移不变的均匀模糊去除。当模糊核己知时，清晰图像可通过非盲去卷积方法来恢复，如经典的维纳滤波和Richardson-Lucy （R-L）方法等。非盲复原方法可归纳为对某种包括数据一致项与图像正则项的能量函数或贝叶斯函数求最优解。此外，近年来基于小波、图像梯度和总变分等先验约束的方法也被用于模糊图像恢复。随着压缩感知理论的发展，基于稀疏字典表达约束的去模糊方法也受到了极大的关注。经典去模糊方法大多基于线性响应特性，而有些操作会改变图像的响应特征，比如用于图像增强的伽玛校正等。

2.2 均匀模糊图像盲复原

均匀模糊图像整体受恒定模糊（ shift-invariant）因子影响，各区域模糊类型与程度相同。在模糊核未知的情况下，恢复观测图像的清晰内容更具挑战性。用成像设备附带的加速度、惯性传感器记录曝光期间终端运动，并估计出模糊核，然后采用非盲复原方法去除模糊。普通摄像头不能借助硬件确定模糊核，典型的策略是在传统非盲复原能量函数基础上通过增加对模糊核约束项构造二元能量函数用于图像盲复原。另一个策略是借助贝叶斯理论来构造模糊核与图像变量的后验概率函数，通过边缘概率最大化来估计两个变量。图像盲去模糊是不适定问题，需要用合适的图像先验来约束盲复原过程。然而许多应用中参考图像往往缺失，只能借助单幅图像自身的先验。基于单图的方法往往利用自然图像的视觉和计算特性作为先验，这主要包括图像强边缘和图像功率谱等。与一般方法不同，文献[3]利用图像块在不同尺度的重现特性作为先验来实现单幅模糊图像盲复原。

2.3 空变模糊图像盲复原

实际应用中，光学因素与物体复杂运动往往使图像各区域产生不同模糊，形成空变模糊图像。对于终端运动引起的空变模糊，基于射影单应性（homography）变换的模糊核估计是常用的方法。该类方法通过分析摄像头沿成像面和光轴的平移、旋转等多自由度运动来计算模糊变换矩阵。然而这类基于混合摄像系统的光流估计去模糊方法不适用普通终端设备。对于单幅模糊图像，将空变模糊图像分区或分层处理是常用的手段，例如Myeong等运用一组近似图像来实现模糊部分alpha通道的自动抠图（matting）。抠图方法不能精细描述分區内的空变模糊，因此在模糊能量函数中引入运动流张量，通过估计该变量来恢复模糊核并复原图像。空变模糊图像可以看作是多个空不变模糊图像的加权。将复原空变模糊图像的似然函数表达为多个空不变模糊图像的联合概率密度函数，引入二值模板张量来逐像素标记某个模糊核是否起作用，通过对多个变量联合估计实现图像复原。除了基于包括区域模板变量的联合模型，也有学者发展了专门的模糊检测方法来确定模糊区域与性质，其结果可进一步复原图像。为了提高效率，有些学者研究了将去模糊算法并行化以充分利用计算设备如GPU的运算能力。Cho与Lee通过在迭代中对图像强边缘而不是全图恢复来减少运算量，这种利用图像的先验来引导迭代步骤的策略能够改善盲复原运算效率和算法稳定性。

3 小结

本文介绍与分析了近年来模糊图像复原技术的研究现状，阐述了各自方法的原理与优缺点。在专业无线通信如铁路、地铁、警用通信网络智能终端摄像与图像处理的广泛应用中，介绍和分析了非盲模糊图像复原、均匀模糊图像盲复原、空变模糊图像盲复原三种模糊图像复原技术，实现图像局部的色彩饱和度、图像梯度分布和功率谱等特征的某种数值度量及组合来检测自然图像的不同模糊区域。

参考文献

[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，许廷发，梁炯，李相民，单幅模糊图像点扩散函数估计的梯度倒谱分析方法研究[J].物理学报，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.