專網(wǎng)智能無線終端模糊圖像復(fù)原的研究現(xiàn)狀

董國(guó)軍 冀中

摘要 專業(yè)無線通信網(wǎng)絡(luò)智能終端獲取圖像后，模糊圖像復(fù)原是圖像處理的經(jīng)典問題。圖像的復(fù)原方法往往局限于特定的條件，如模糊核已知、低強(qiáng)度噪聲，對(duì)圖像復(fù)原的研究提出了更高的挑戰(zhàn)，相關(guān)研究也逐漸成為圖像復(fù)原領(lǐng)域的熱點(diǎn)。本文介紹和分析了模糊圖像復(fù)原技術(shù)的研究現(xiàn)狀與發(fā)展方向。

【關(guān)鍵詞】專網(wǎng)智能終端 圖像復(fù)原 模糊圖像

1 概述

作為圖像復(fù)原技術(shù)的重要分支，模糊圖像復(fù)原一直是圖像處理和機(jī)器視覺研究領(lǐng)域的熱點(diǎn)。近年來隨著專業(yè)無線通信如鐵路、地鐵、警用通信網(wǎng)絡(luò)的廣泛建設(shè)應(yīng)用，專網(wǎng)應(yīng)用中的智能無線終端通過計(jì)算成像方法實(shí)現(xiàn)模糊圖像復(fù)原逐漸成為理論與應(yīng)用研究的熱點(diǎn)。模糊圖像很難避免，即使借助機(jī)械與光學(xué)穩(wěn)像，相機(jī)曝光期間由于設(shè)備目標(biāo)間相對(duì)運(yùn)動(dòng)和失焦等光學(xué)因素仍會(huì)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(fù)原的方法與技術(shù)，并指出未來的技術(shù)發(fā)展方向。

2 研究現(xiàn)狀與分析

模糊圖像復(fù)原的關(guān)鍵是精確估計(jì)模糊核和去除噪聲，得到高質(zhì)量清晰圖像。目前模糊圖像復(fù)原方法主要分為三類。一類是模糊圖像非盲復(fù)原方法，該方法是針對(duì)模糊核己知的情況。一類是均勻模糊圖像盲復(fù)原方法，該類圖像各區(qū)域模糊類型與程度均相同。另外一類是空變模糊圖像盲復(fù)原方法，該類方法應(yīng)用于因各區(qū)域模糊類型和程度不同而形成空變模糊圖像的復(fù)原。均勻模糊圖像盲復(fù)原和空變模糊圖像盲復(fù)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(fù)原

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

2.2 均勻模糊圖像盲復(fù)原

均勻模糊圖像整體受恒定模糊（ shift-invariant）因子影響，各區(qū)域模糊類型與程度相同。在模糊核未知的情況下，恢復(fù)觀測(cè)圖像的清晰內(nèi)容更具挑戰(zhàn)性。用成像設(shè)備附帶的加速度、慣性傳感器記錄曝光期間終端運(yùn)動(dòng)，并估計(jì)出模糊核，然后采用非盲復(fù)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(tǒng)非盲復(fù)原能量函數(shù)基礎(chǔ)上通過增加對(duì)模糊核約束項(xiàng)構(gòu)造二元能量函數(shù)用于圖像盲復(fù)原。另一個(gè)策略是借助貝葉斯理論來構(gòu)造模糊核與圖像變量的后驗(yàn)概率函數(shù)，通過邊緣概率最大化來估計(jì)兩個(gè)變量。圖像盲去模糊是不適定問題，需要用合適的圖像先驗(yàn)來約束盲復(fù)原過程。然而許多應(yīng)用中參考圖像往往缺失，只能借助單幅圖像自身的先驗(yàn)?；趩螆D的方法往往利用自然圖像的視覺和計(jì)算特性作為先驗(yàn)，這主要包括圖像強(qiáng)邊緣和圖像功率譜等。與一般方法不同，文獻(xiàn)[3]利用圖像塊在不同尺度的重現(xiàn)特性作為先驗(yàn)來實(shí)現(xiàn)單幅模糊圖像盲復(fù)原。

2.3 空變模糊圖像盲復(fù)原

實(shí)際應(yīng)用中，光學(xué)因素與物體復(fù)雜運(yùn)動(dòng)往往使圖像各區(qū)域產(chǎn)生不同模糊，形成空變模糊圖像。對(duì)于終端運(yùn)動(dòng)引起的空變模糊，基于射影單應(yīng)性（homography）變換的模糊核估計(jì)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(zhuǎn)等多自由度運(yùn)動(dòng)來計(jì)算模糊變換矩陣。然而這類基于混合攝像系統(tǒng)的光流估計(jì)去模糊方法不適用普通終端設(shè)備。對(duì)于單幅模糊圖像，將空變模糊圖像分區(qū)或分層處理是常用的手段，例如Myeong等運(yùn)用一組近似圖像來實(shí)現(xiàn)模糊部分alpha通道的自動(dòng)摳圖（matting）。摳圖方法不能精細(xì)描述分區(qū)內(nèi)的空變模糊，因此在模糊能量函數(shù)中引入運(yùn)動(dòng)流張量，通過估計(jì)該變量來恢復(fù)模糊核并復(fù)原圖像。空變模糊圖像可以看作是多個(gè)空不變模糊圖像的加權(quán)。將復(fù)原空變模糊圖像的似然函數(shù)表達(dá)為多個(gè)空不變模糊圖像的聯(lián)合概率密度函數(shù)，引入二值模板張量來逐像素標(biāo)記某個(gè)模糊核是否起作用，通過對(duì)多個(gè)變量聯(lián)合估計(jì)實(shí)現(xiàn)圖像復(fù)原。除了基于包括區(qū)域模板變量的聯(lián)合模型，也有學(xué)者發(fā)展了專門的模糊檢測(cè)方法來確定模糊區(qū)域與性質(zhì)，其結(jié)果可進(jìn)一步復(fù)原圖像。為了提高效率，有些學(xué)者研究了將去模糊算法并行化以充分利用計(jì)算設(shè)備如GPU的運(yùn)算能力。Cho與Lee通過在迭代中對(duì)圖像強(qiáng)邊緣而不是全圖恢復(fù)來減少運(yùn)算量，這種利用圖像的先驗(yàn)來引導(dǎo)迭代步驟的策略能夠改善盲復(fù)原運(yùn)算效率和算法穩(wěn)定性。

3 小結(jié)

本文介紹與分析了近年來模糊圖像復(fù)原技術(shù)的研究現(xiàn)狀，闡述了各自方法的原理與優(yōu)缺點(diǎn)。在專業(yè)無線通信如鐵路、地鐵、警用通信網(wǎng)絡(luò)智能終端攝像與圖像處理的廣泛應(yīng)用中，介紹和分析了非盲模糊圖像復(fù)原、均勻模糊圖像盲復(fù)原、空變模糊圖像盲復(fù)原三種模糊圖像復(fù)原技術(shù)，實(shí)現(xiàn)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(shù)值度量及組合來檢測(cè)自然圖像的不同模糊區(qū)域。

參考文獻(xiàn)

[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(fā)，梁炯，李相民，單幅模糊圖像點(diǎn)擴(kuò)散函數(shù)估計(jì)的梯度倒譜分析方法研究[J].物理學(xué)報(bào)，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.