圖像去模糊算法在車載圖像中的應(yīng)用研究

徐時芳　余吉東

摘要：文中首先對造成圖像模糊的因素進行分析，介紹了現(xiàn)有模糊圖像去模糊所采用的主要技術(shù)。接著，文中重點對車載模糊圖像的去模糊問題進行研究，所設(shè)計的去模糊優(yōu)化算法能夠有效提高車載圖像的去模糊效果。

關(guān)鍵詞：車載圖像；圖像去模糊技術(shù)；模糊算法

中圖分類號：TP18 文獻標識碼：A 文章編號：1009-3044（2014）30-7180-02

1 圖像模糊的主要因素

車載圖像由于其成像過程的復(fù)雜性，容易受到多種因素的影響。特別是在圖像的采集、傳輸和格式轉(zhuǎn)換等過程，都可能造成圖像的模糊。下面對造成圖像模糊的各種因素進行分類闡述。

1） 系統(tǒng)因素：造成圖像模糊的首要因素就是系統(tǒng)因素，比如成像系統(tǒng)中的各種元器件，包括圖像采集器件、傳輸信道、光學(xué)鏡頭、信號格式轉(zhuǎn)換器等。這些元器件所引起的圖像模糊問題，是影響圖像質(zhì)量的非常重要的因素。概括起來，系統(tǒng)因素的具體表現(xiàn)主要包括：成像系統(tǒng)的光學(xué)鏡頭的畸變、焦距調(diào)整不當(dāng)?shù)仍斐蓤D像或者視頻質(zhì)量的下降；成像感光元件的靈敏度差、精確性不高等，可以降低圖像采集和信號的轉(zhuǎn)換質(zhì)量；圖像信號的格式轉(zhuǎn)換、解壓縮和編碼過程中，都容易造成信息的細節(jié)丟失，造成圖像清晰度的降低。

2） 環(huán)境因素：成像環(huán)境也能給圖像質(zhì)量產(chǎn)生影響，而環(huán)境因素也是一種不可控的因素。比如各種不良天氣條件會造成嚴重的干擾電磁信號，給圖像的采集和處理帶來噪聲，嚴重影響車載圖像的清晰度。

3） 人為因素：人為因素主要是各種不適當(dāng)?shù)牟僮鬟^程，給圖像質(zhì)量所帶來的影響。可以將人為因素歸入可控因素的范疇。比如在圖像的獲取過程中，經(jīng)常會遇到的相機抖動情況；在圖像的處理和運算過程中，由于采用了精度差、性能不高的算法，而導(dǎo)致的圖像質(zhì)量下降，影響到圖像的視覺效果。

2 圖像去模糊技術(shù)

2.1 軟、硬件去模糊

1） 基于軟件的圖像去模糊：采用軟件進行圖像的去模糊，就是在沒有硬件輔助的情況下，僅利用軟件程序完成圖像的去模糊過程，使圖像呈現(xiàn)出更清晰的視覺效果?；谲浖膱D像去模糊技術(shù)成本較低、不需要硬件支持，只要所采用的算法合理，就可以在準實時的條件下完成圖像的去模糊工作。可以發(fā)現(xiàn)，該類技術(shù)的最大特點就是成本低、速度快。

2） 基于硬件的圖像去模糊技術(shù)：基于硬件的圖像去模糊技術(shù)需要在算法設(shè)計的基礎(chǔ)上，通過一種或者多種硬件設(shè)備為其提供必要的輔助，才能實現(xiàn)對圖像去模糊過程。在此類方法中，提供輔助的硬件設(shè)備的主要作用就是估計模糊核的具體值，從而能夠大幅減少軟件在計算模糊核的過程中所消耗的時間。

2.2 局部與全局去模糊

在圖像的去模糊過程中，由于圖像中需要進行去模糊處理的區(qū)域存在差異，就需要針對實際區(qū)域進行去模糊處理，也就是說，局部與全局去模糊技術(shù)主要針對圖像中的部分區(qū)域來進行。

1） 局部去模糊技術(shù)：根據(jù)實際的運動過程，車載圖像所產(chǎn)生的局部模糊主要由運動所造成，也就是圖像中的某個對象發(fā)生運動，而導(dǎo)致局部位置的圖像模糊。在車載局部模糊圖像中，這種運動主要為相對于車載相機的運動，而非圖像本身的運動模糊。所以，對于圖像的局部去模糊操作，需要對多種因素進行考慮，這主要是由于圖像中對象的運動狀態(tài)未知，從而導(dǎo)致局部區(qū)域與其他區(qū)域的模糊核存在差異，所以，就需要針對多個模糊核進行估算，這樣就會給去模糊算法的計算過程帶來影響，導(dǎo)致去模糊的難度增大。

2） 全局去模糊：車載圖像中存在的全局模糊，通常都是由于車輛在運行過程中，由于相機的抖動而造成。所以，在基于全局的去模糊算法中，都是假設(shè)造成圖像模糊的模糊核是唯一的，然后，再通過對該模糊核的估計和優(yōu)化來實現(xiàn)圖像的整體模糊去除。

2.3單幅與多幅去模糊

1） 單幅圖像去模糊：對于給定的單幅模糊圖像，沒有其他任何信息，完全以圖像本身為基礎(chǔ)來進行處理。這其中，對于所有的去模糊場景，單幅圖像的去模糊已經(jīng)成為一種最常見的形式。

2） 多幅圖像去模糊：為了提高單幅圖像的去模糊精度，需要另外增加一些圖像以提供輔助信息，比如攜帶噪聲的圖像或比較清晰的圖像等。所以，在滿足特定要求的情況下，基于多幅圖像的去模糊的效果要由于單幅圖像去模糊。

3 車載圖像去模糊算法

本文中所采用的圖像去模糊算法，不需要任何硬件來輔助估計模糊核，只是將圖像的去模糊問題轉(zhuǎn)換為圖像盲處理問題來進行研究。在算法處理中，包含兩個步驟，分別是模糊核估計以及圖像模糊去除。該文研究中，主要采用了基于標準化稀疏度量核估計的車載圖像盲去模糊算法完成整個處理過程，采用該方法，可以有效解決車載圖像的失真、清晰度不高以及視覺效果受到嚴重影響等問題。不僅如此，通過對部分暈影效應(yīng)的改進，有效改善了去模糊圖像的質(zhì)量。此外，此類車載圖像的去模糊算法還可以有效克服MAPK核估計算法中存在的一些缺陷，比如實用性不高、計算過程較復(fù)雜等；同樣，與其他類型盲去模糊算法相比，其優(yōu)勢在于能夠利用更為簡單的算法模型來實現(xiàn)計算過程復(fù)雜程度的降低，從而有效提高算法運行素具，是一種實用性很強的去模糊算法。

3.1 算法模型

在研究過程中，將攜帶噪聲的模糊圖像表示為[g]，而水平和垂直方向上的一階求導(dǎo)濾波器可以表示為：[?=[1，-1]]和[?=[1，-1]T]，經(jīng)過求導(dǎo)處理后，可以將梯度圖像表示為：[y=[?x（g），?y（g）]]，該式子所反映的就是圖像中的高頻信息。以此為基礎(chǔ)，可以將核估計模型的公式表示為：

[minx，yλx?k-y22+x1x2+φk1] （1）

其中，[k]表示模糊核，該模糊核需要滿足的條件為：[k≥0，ki=1]；[x]則表示高頻空間的隱含圖像。為了便于對式子（1）進行求解，可以將其拆分，從而變換成對[x]和[y]的求解問題。在具體的求解過程中，可以在固定[k]對[x]求解；然后，則可以再固定[x]，對[k]進行求解；采用這種交替計算的方式，則可以得到比較滿意的結(jié)果。當(dāng)然，如果采用金字塔迭代的方法，則可以獲得更加精確的結(jié)果。其實，金字塔迭代就是從頂層開始逐層求解，并將上一層獲得的結(jié)果向下層傳遞，以此類推完成最后一層的計算。經(jīng)過金字塔迭代計算得到的估計值，可以最大限度的接近真實的模糊核。endprint

3.2模糊核估計

對于模糊核的估計算法，參考經(jīng)典估計算法，具體包括兩個步驟，分別是：[k]問題求解和[x]問題求解。

1） [x]求解過程

在對[x]問題進行求解的過程中，需要先將模糊核[k]固定下來，這樣，就可以利用下面的式子對[x]進行求解。

[minxλx?k-y22+x1x2] （2）

其中，[x1x2]會給求解過程帶來麻煩，這主要是由該目標函數(shù)是一個非凸函數(shù)。

2） [k]求解過程

求解[k]的過程中，同樣可以采用先固定[x]的方法，即根據(jù)下面的式子對[k]進行求解：

[minx，yλx?k-y22+φk1]

該算法在計算的迭代過程中，所得到的[k]值可能會存在負值，所以，為了簡化計算過程，需要將負值設(shè)定為0，然后進行重新的歸一化處理，以滿足上面給出的[k]值的限定條件。由于原有算法的計算速度比較慢，所以，可以在迭代過程中使用上次迭代中得到的權(quán)重。

3.4算法優(yōu)化

文中算法在研究過程中，為了使得獲得圖像質(zhì)量更高，以現(xiàn)有研究成果為基礎(chǔ)，對上述算法的實現(xiàn)過程進行了優(yōu)化改進，主要思路就是通過標準化的稀疏度量估計算法對圖像的模糊核繼續(xù)擰估計，獲得模糊核后，就可以對車載模糊圖像進行快速非盲去模糊處理，進而得到較好的圖像質(zhì)量。優(yōu)化后算法的處理過程為：

為了簡化實驗過程，實驗中采用單個模糊核算法對其進行驗證。首先，選取真實車載相機所獲取的模糊圖像，所選圖像有具有一定的代表性；其次，利用模糊核估算算法對模糊核進行估計；最后，利用估計的模糊核恢復(fù)車載模糊圖像，通過多種指標對算法進行評價。具體的實驗結(jié)果如圖1中所示。

通過如圖1中所示的實驗結(jié)果果可以看出：對于尺度較大的車載圖像，該算法能夠準確估計模糊核，最大程度地消除模糊影像，算法的暈影效應(yīng)也得到了有效抑制。不過，對于尺寸較小的車載圖像，由于所估計的模糊核的準確性不高，使得所產(chǎn)生的暈影效應(yīng)比較明顯。對于存在暈影效應(yīng)的車載圖像中，路標的對象的暈影最為嚴重，主要是由于圖像中路標的比例較小，使得產(chǎn)生的暈影效應(yīng)更明顯。

4 結(jié)束語

本文在現(xiàn)有盲去模糊算法的基礎(chǔ)上，設(shè)計采用基于標準化稀疏度量核估計的車載圖像去模糊算法，對現(xiàn)有算法進行了有效改進和優(yōu)化。實驗結(jié)果都表名，文中所采用的優(yōu)化算法能夠有效解決車載圖像中圖像失真、清晰度較差以及視覺效果不好等缺陷，可以大幅提高車載圖像的恢復(fù)質(zhì)量。

參考文獻：

[1] 楊雄文.基于超拉普拉斯先驗的圖像去模糊的研究與實現(xiàn)[D].廣州：華南理工大學(xué)，2012.

[2] 宋曉霞.基于噪聲特點和凸松弛技術(shù)的圖像去模糊方法[J].中國體視學(xué)與圖像分析，2011（6）.

[3] 郭玲玲.基于受限全變差正則化的遙感圖像去模糊方法[J].激光與光電子學(xué)進展，2013（11）.

[4] 楊欣欣.改進的廣義高斯分布與非局部均值圖像去模糊[J].計算機應(yīng)用研究，2012（5）.endprint

3.2模糊核估計

對于模糊核的估計算法，參考經(jīng)典估計算法，具體包括兩個步驟，分別是：[k]問題求解和[x]問題求解。

1） [x]求解過程

在對[x]問題進行求解的過程中，需要先將模糊核[k]固定下來，這樣，就可以利用下面的式子對[x]進行求解。

[minxλx?k-y22+x1x2] （2）

其中，[x1x2]會給求解過程帶來麻煩，這主要是由該目標函數(shù)是一個非凸函數(shù)。

2） [k]求解過程

求解[k]的過程中，同樣可以采用先固定[x]的方法，即根據(jù)下面的式子對[k]進行求解：

[minx，yλx?k-y22+φk1]

該算法在計算的迭代過程中，所得到的[k]值可能會存在負值，所以，為了簡化計算過程，需要將負值設(shè)定為0，然后進行重新的歸一化處理，以滿足上面給出的[k]值的限定條件。由于原有算法的計算速度比較慢，所以，可以在迭代過程中使用上次迭代中得到的權(quán)重。

3.4算法優(yōu)化

文中算法在研究過程中，為了使得獲得圖像質(zhì)量更高，以現(xiàn)有研究成果為基礎(chǔ)，對上述算法的實現(xiàn)過程進行了優(yōu)化改進，主要思路就是通過標準化的稀疏度量估計算法對圖像的模糊核繼續(xù)擰估計，獲得模糊核后，就可以對車載模糊圖像進行快速非盲去模糊處理，進而得到較好的圖像質(zhì)量。優(yōu)化后算法的處理過程為：

為了簡化實驗過程，實驗中采用單個模糊核算法對其進行驗證。首先，選取真實車載相機所獲取的模糊圖像，所選圖像有具有一定的代表性；其次，利用模糊核估算算法對模糊核進行估計；最后，利用估計的模糊核恢復(fù)車載模糊圖像，通過多種指標對算法進行評價。具體的實驗結(jié)果如圖1中所示。

通過如圖1中所示的實驗結(jié)果果可以看出：對于尺度較大的車載圖像，該算法能夠準確估計模糊核，最大程度地消除模糊影像，算法的暈影效應(yīng)也得到了有效抑制。不過，對于尺寸較小的車載圖像，由于所估計的模糊核的準確性不高，使得所產(chǎn)生的暈影效應(yīng)比較明顯。對于存在暈影效應(yīng)的車載圖像中，路標的對象的暈影最為嚴重，主要是由于圖像中路標的比例較小，使得產(chǎn)生的暈影效應(yīng)更明顯。

4 結(jié)束語

本文在現(xiàn)有盲去模糊算法的基礎(chǔ)上，設(shè)計采用基于標準化稀疏度量核估計的車載圖像去模糊算法，對現(xiàn)有算法進行了有效改進和優(yōu)化。實驗結(jié)果都表名，文中所采用的優(yōu)化算法能夠有效解決車載圖像中圖像失真、清晰度較差以及視覺效果不好等缺陷，可以大幅提高車載圖像的恢復(fù)質(zhì)量。

參考文獻：

[1] 楊雄文.基于超拉普拉斯先驗的圖像去模糊的研究與實現(xiàn)[D].廣州：華南理工大學(xué)，2012.

[2] 宋曉霞.基于噪聲特點和凸松弛技術(shù)的圖像去模糊方法[J].中國體視學(xué)與圖像分析，2011（6）.

[3] 郭玲玲.基于受限全變差正則化的遙感圖像去模糊方法[J].激光與光電子學(xué)進展，2013（11）.

[4] 楊欣欣.改進的廣義高斯分布與非局部均值圖像去模糊[J].計算機應(yīng)用研究，2012（5）.endprint

3.2模糊核估計

對于模糊核的估計算法，參考經(jīng)典估計算法，具體包括兩個步驟，分別是：[k]問題求解和[x]問題求解。

1） [x]求解過程

在對[x]問題進行求解的過程中，需要先將模糊核[k]固定下來，這樣，就可以利用下面的式子對[x]進行求解。

[minxλx?k-y22+x1x2] （2）

其中，[x1x2]會給求解過程帶來麻煩，這主要是由該目標函數(shù)是一個非凸函數(shù)。

2） [k]求解過程

求解[k]的過程中，同樣可以采用先固定[x]的方法，即根據(jù)下面的式子對[k]進行求解：

[minx，yλx?k-y22+φk1]

該算法在計算的迭代過程中，所得到的[k]值可能會存在負值，所以，為了簡化計算過程，需要將負值設(shè)定為0，然后進行重新的歸一化處理，以滿足上面給出的[k]值的限定條件。由于原有算法的計算速度比較慢，所以，可以在迭代過程中使用上次迭代中得到的權(quán)重。

3.4算法優(yōu)化

文中算法在研究過程中，為了使得獲得圖像質(zhì)量更高，以現(xiàn)有研究成果為基礎(chǔ)，對上述算法的實現(xiàn)過程進行了優(yōu)化改進，主要思路就是通過標準化的稀疏度量估計算法對圖像的模糊核繼續(xù)擰估計，獲得模糊核后，就可以對車載模糊圖像進行快速非盲去模糊處理，進而得到較好的圖像質(zhì)量。優(yōu)化后算法的處理過程為：

為了簡化實驗過程，實驗中采用單個模糊核算法對其進行驗證。首先，選取真實車載相機所獲取的模糊圖像，所選圖像有具有一定的代表性；其次，利用模糊核估算算法對模糊核進行估計；最后，利用估計的模糊核恢復(fù)車載模糊圖像，通過多種指標對算法進行評價。具體的實驗結(jié)果如圖1中所示。

通過如圖1中所示的實驗結(jié)果果可以看出：對于尺度較大的車載圖像，該算法能夠準確估計模糊核，最大程度地消除模糊影像，算法的暈影效應(yīng)也得到了有效抑制。不過，對于尺寸較小的車載圖像，由于所估計的模糊核的準確性不高，使得所產(chǎn)生的暈影效應(yīng)比較明顯。對于存在暈影效應(yīng)的車載圖像中，路標的對象的暈影最為嚴重，主要是由于圖像中路標的比例較小，使得產(chǎn)生的暈影效應(yīng)更明顯。

4 結(jié)束語

本文在現(xiàn)有盲去模糊算法的基礎(chǔ)上，設(shè)計采用基于標準化稀疏度量核估計的車載圖像去模糊算法，對現(xiàn)有算法進行了有效改進和優(yōu)化。實驗結(jié)果都表名，文中所采用的優(yōu)化算法能夠有效解決車載圖像中圖像失真、清晰度較差以及視覺效果不好等缺陷，可以大幅提高車載圖像的恢復(fù)質(zhì)量。

參考文獻：

[1] 楊雄文.基于超拉普拉斯先驗的圖像去模糊的研究與實現(xiàn)[D].廣州：華南理工大學(xué)，2012.

[2] 宋曉霞.基于噪聲特點和凸松弛技術(shù)的圖像去模糊方法[J].中國體視學(xué)與圖像分析，2011（6）.

[3] 郭玲玲.基于受限全變差正則化的遙感圖像去模糊方法[J].激光與光電子學(xué)進展，2013（11）.

[4] 楊欣欣.改進的廣義高斯分布與非局部均值圖像去模糊[J].計算機應(yīng)用研究，2012（5）.endprint