如何使模糊变清晰？浅析视频监控模糊图像处理

• 2020/06/08

近年来，以模糊视频监控图像处理技术为核心，提高视频监控图像质量的技术不断发展，已经逐步发展成为一种专门的技术，并且进一步扩展为刑事影像分析技术。实践证明，刑事影像分析技术在打击违法犯罪方面发挥了越来越大的作用，尤其是在侦查破案方面，刑事影像技术可以为侦查破案提供诉讼和审讯等方面的证据，并可以提供侦查线索、方向，缩小侦查范围以及为采取侦查措施提供条件。

在日常办案中，办案人员一般使用Photoshop等普通图像处理软件对图像进行处理，但对于监控视频中的模糊视频监控图像，则需要专用图像处理软件，但这些软件价格昂贵，基层公安机关由于各种原因无法配备，使得基层公安机关在处理模糊视频监控图像时面临诸多难题。

针对这种情况，北京明景科技公司自主研发了明景模糊视频图像分析处理系统，在频域分析技术和视频信息数字处理技术的基础上，重点解决视频监控模糊图像清晰化的问题。

事实上，造成视频监控图像模糊的原因有很多，为了获得更好的处理结果，对于由不同原因引起的模糊，通常需要不同的处理方法。从技术上讲，视频监控模糊图像处理的方法主要分为三类，即图像增强、图像复原和图像超分辨率重构。

图像增强

许多传统的图像算法可以降低图像的模糊程度，如图像滤波、几何变换、对比度拉伸、直方图均衡、空域锐化、亮度均匀化、形态学、颜色处理等。就个体而言，这些算法相对成熟且相对简单。然而，对于特定的模糊图像，通常需要一个或多个上述算法和不同参数的组合来实现期望的效果。这些算法和参数的结合进一步发展成为具体的增强算法，如“图像去雾”算法、“图像去噪”算法、“图像锐化”算法、“图像暗细节增强”算法等。这些算法在很大程度上提高了图像的清晰度和图像质量。比如：形态学、图像滤波和颜色处理的组合算法可用于实现图像去雾算法等。

图像复原

像图像增强技术一样，图像复原也是一种提高图像质量的技术。图像复原是基于图像退化的先验知识建立退化模型，然后利用各种逆退化处理方法在此模型的基础上逐步恢复，从而达到提高图像质量的目的。

图像复原和图像增强是存在区别的，虽然两者的目的都是为了提高图像质量，然而，图像增强不需考虑图像如何退化，只是通过探索各种技术达到增强图像的视觉效果。而图像复原则完全不同，需要了解图像退化过程的先验知识，并在此基础上找到相应的逆过程方法，以获得复原的清晰图像。

图像复原主要依赖于图像退化过程先验知识的准确性。对于散焦、运动、大气湍流等原因造成的图像模糊，图像复原方法具有良好的效果。常见的算法包括维纳滤波算法、小波算法、基于训练的方法等。当退化模型已知时，图像复原可以获得比图像增强更好的结果。

图像超分辨率重构

现有监控系统的主要目的是监控宏观场景。一台摄像机覆盖的区域很大，导致图像中的目标太小，人眼很难直接识别。这种由欠采样引起的模糊占了很大比例。欠采样造成的图像模糊，图像超分辨率重构的方法效果更好。

超分辨率复原是一种提高图像分辨率和采集图像质量的信号处理方法。其核心思想是通过估计信号的高频成分而不是成像系统的截止频率来提高图像的分辨率。超分辨率复原技术最初只处理单幅图像。因为只有单幅图像可用，这种方法在图像复原效果上有固有的局限性。序列图像超分辨率复原技术旨在通过信号处理方法处理序列低分辨率退化图像，以获得一幅或多幅高分辨率复原图像。由于序列图像复原可以利用帧间的额外信息，因此优于单幅图像的复原，是目前的研究热点。

序列图像的超分辨率复原主要分为两类：频域法和空域法。频域方法的优点是理论简单，计算复杂度低，缺点是：它只限于全局平移运动和线性空间不变退化模型，其包含空间域先验知识的能力有限。空间域方法中使用的观测模型涉及全局和局部运动、空间变量模糊点扩散函数、非理想二次采样等。并且具有很强的包含空间先验约束的能力。常用的空间域方法包括非均匀插值、迭代反投影法(IBP)、凸集投影法(POCS)、最大后验估计法(MAP)、最大似然估计法(ML)、滤波法等。其中，MAP和POCS的研究较多，发展空间很大。