祝林峰，李發(fā)明，蔡镋臏

（1.云南省玉溪市公安局，玉溪 653100；2.云南省元江縣公安局，元江 653300）

1 圖像或圖像內(nèi)對象內(nèi)容的低分辨率是司法圖像處理中普遍存在并需要解決的問題

刑事司法圖像處理檢驗鑒定中存在需要解決問題的方面很多。例如：光照情況不理想，光線過亮或過暗；對比度情況不理想，光線不適、成像環(huán)境影響大；隨機噪聲影響，CCD、鏡頭、電路、光線弱；周期噪聲影響，相機電路或機械部件故障；還有由于聚焦不準，散焦模糊影響；運動模糊影響；相機抖動模糊影響；低分辨率的影響；壓縮圖像的影響；圖像變形的影響等等。而在處理過程中，我們發(fā)現(xiàn)低分辨率是普遍存在的問題，分辨率的大小，決定影響了存儲圖形信息量的能力。

由于科技、經(jīng)濟和具體辦案中各種情況的影響，送到實驗室檢驗處理的視頻或圖像，解決分辨率低成了處理視頻或圖像成功與否的關鍵，一般的超分辨率處理方法，在一些低質(zhì)量圖像處理中起不到很好的作用，圖像超分辨率是利用圖像自身的高頻信息之間的相關性對丟失的高頻進行預測，然后重建出高分辨率圖像，一般我們用小波域算法，廣義高斯模型、HMT、GSM算法等。我們需要對圖像高頻內(nèi)容較準確的預測出來，但是一般的差值處理，在一些低質(zhì)量圖像中卻得不到很好的視覺效果，只是圖像放大了而已，由于部分添加信息使馬賽克錯誤搭配，造成圖像更加不清。核回歸復原可以得到線條較平滑的圖像，部分消除馬賽克而得到圖像輪廓。

2 核回歸復原是對低質(zhì)量圖像復原處理的較好方法

核回歸復原是一種通用的圖像復原方法，通常包括消除圖像中的馬賽克失真，階梯效應和噪聲污染等。

核回歸方法是基于圖像梯度和圖像插值的方法，因此首先需要估計圖像的梯度。（以貼近公安圖像處理實戰(zhàn)領域的“警視通”軟件為操作平臺）圖像梯度包含兩個參數(shù)，分別為清晰程度和窗口大小，其中清晰程度的取值為0.1～10，取值越大，消除失真的能力越強，但保持圖像中細節(jié)的能力越弱；窗口大小的取值為5～21，并且只能為奇數(shù)，對于失真越嚴重的圖像窗口大小取值應該越大。

圖像梯度估計完成后，通過插值圖像的方法來消除圖像中的失真。核回歸中插值圖像的方法包含四個參數(shù)：清晰程度，窗口大小，結構敏感度，分析窗大小。其中清晰程度和窗口大小兩個參數(shù)的意義同上，取值范圍也相同，但取值略有不同。結構敏感度用于估計圖像中的結構來進行插值，取值為0.01～1之間，取值越大，保持圖像細節(jié)的能力越強；分析窗大小表示估計圖像中結構時所選取的窗口大小，取值為3～21，并且只能為奇數(shù)，一般取值為5～13之間，取值越大，去除失真的能力越強，但會去除圖像中的一些細節(jié)信息的可能性會增大。

核回歸方法是基于圖像梯度和圖像插值的方法，因此首先需要估計圖像的梯度（見圖像特征->梯度）。圖像梯度包含兩個參數(shù)，分別為清晰程度和窗口大小，其中清晰程度的取值為0.1～10，取值越大，消除失真的能力越強，但保持圖像中細節(jié)的能力越弱；窗口大小的取值為5～21，并且只能為奇數(shù)，對于失真越嚴重的圖像窗口大小取值應該越大。

3 核回歸復原是具有一定局限的，且也有缺點

由于核回歸的圖像復原方法是一個迭代的過程，迭代的次數(shù)越多具有越強的復原能力，但是同時也會帶來圖像的模糊。所以，迭代次數(shù)取值在1～15之間，一般取為2～5之間。還有，處理后圖像輪廓線條經(jīng)常因為過于平滑而影響效果，需要細節(jié)銳化處理，或針對原有模糊類型來銳化處理。

核回歸算法的優(yōu)點是恢復失真的通用性較強，但是運算速度并不是很快，尤其隨著圖像信息越大、迭代次數(shù)越多，速度就越慢，很費時。

哈爾濱工業(yè)大學的專家們已研究出 “基于核回歸的單幀圖像快速超分辨率重建方法”，它克服了已有核回歸單幀圖像的超分辨率重建方法計算量巨大、耗費時間長的缺陷。它是：把低分辨率圖像上的像素點映射到高分辨率網(wǎng)格中；確定待估值像素點并分為兩大類；確定每個第一類待估值像素點的正方形鄰域像素集合，把集合中各點的像素值代入核回歸方程計算像素值；確定第二類待估值像素點的菱形鄰域像素集合，把集合代入核回歸方程計算像素值；當所有待估值像素點都賦值后輸出圖像。該發(fā)明引入二維非線性核回歸進行插值點的估值、利用局部鄰域處理代替整幅圖像處理、采用即時更新策略，從而實現(xiàn)單幀圖像的超分辨率重建。

4 具體操作實驗比較

我們通過遠距離拍照得到幾幅圖，圖中物體很小，放大裁剪得到低分辨率圖像，圖像馬賽克影響較大，類似于我們平時處理單幀視頻圖像中的內(nèi)容。

運用某公安內(nèi)部處理軟件平臺處理。通過曲線調(diào)整，在運用核回歸復原5次迭代處理，在細節(jié)銳化處理得到比較圖像如下（圖1、圖2、圖3）。

圖1 圖像比較圖

圖2 人像比較圖

圖3 車牌比較圖

［1］章毓晉.圖像處理與分析［M］.第一版.北京：清華大學出版社，1999，101-132.

［2］龔聲蓉等.數(shù)字圖像處理與分析［M］.第一版.北京：清華大學出版社，2006，123-166.

［3］楊洪臣等.模糊圖像處理概述.警察技術［J］.北京：公安部第一研究所《警察技術》編輯部，2009.5，4-7.

［4］黎智輝等.圖像復原工具應用技巧.警察技術［J］.北京：公安部第一研究所《警察技術》編輯部，2009.5，8-11.