徐時(shí)芳　余吉東

摘要：文中首先對造成圖像模糊的因素進(jìn)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(diǎn)對車載模糊圖像的去模糊問題進(jìn)行研究，所設(shè)計(jì)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(xiàn)標(biāo)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(jìn)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(xì)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(yán)重的干擾電磁信號，給圖像的采集和處理帶來噪聲，嚴(yán)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?？梢詫⑷藶橐蛩貧w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(jī)抖動情況；在圖像的處理和運(yùn)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(jìn)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(zhǔn)實(shí)時(shí)的條件下完成圖像的去模糊工作?？梢园l(fā)現(xiàn)，該類技術(shù)的最大特點(diǎn)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(jì)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(shí)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(jì)模糊核的具體值，從而能夠大幅減少軟件在計(jì)算模糊核的過程中所消耗的時(shí)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(jìn)行去模糊處理的區(qū)域存在差異，就需要針對實(shí)際區(qū)域進(jìn)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(jìn)行。

1） 局部去模糊技術(shù)：根據(jù)實(shí)際的運(yùn)動過程，車載圖像所產(chǎn)生的局部模糊主要由運(yùn)動所造成，也就是圖像中的某個(gè)對象發(fā)生運(yùn)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(yùn)動主要為相對于車載相機(jī)的運(yùn)動，而非圖像本身的運(yùn)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(jìn)行考慮，這主要是由于圖像中對象的運(yùn)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(gè)模糊核進(jìn)行估算，這樣就會給去模糊算法的計(jì)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(yùn)行過程中，由于相機(jī)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(jì)和優(yōu)化來實(shí)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(jìn)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(jì)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(jìn)行研究。在算法處理中，包含兩個(gè)步驟，分別是模糊核估計(jì)以及圖像模糊去除。該文研究中，主要采用了基于標(biāo)準(zhǔn)化稀疏度量核估計(jì)的車載圖像盲去模糊算法完成整個(gè)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(yán)重影響等問題。不僅如此，通過對部分暈影效應(yīng)的改進(jìn)，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(jì)算法中存在的一些缺陷，比如實(shí)用性不高、計(jì)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(shí)現(xiàn)計(jì)算過程復(fù)雜程度的降低，從而有效提高算法運(yùn)行素具，是一種實(shí)用性很強(qiáng)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(jì)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(jìn)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(jìn)行求解；采用這種交替計(jì)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(shí)，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(jì)算。經(jīng)過金字塔迭代計(jì)算得到的估計(jì)值，可以最大限度的接近真實(shí)的模糊核。endprint

3.2模糊核估計(jì)

對于模糊核的估計(jì)算法，參考經(jīng)典估計(jì)算法，具體包括兩個(gè)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(jìn)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(jìn)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(biāo)函數(shù)是一個(gè)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(jìn)行求解：

[minx，yλx?k-y22+φk1]

該算法在計(jì)算的迭代過程中，所得到的[k]值可能會存在負(fù)值，所以，為了簡化計(jì)算過程，需要將負(fù)值設(shè)定為0，然后進(jìn)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(jì)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(shí)現(xiàn)過程進(jìn)行了優(yōu)化改進(jìn)，主要思路就是通過標(biāo)準(zhǔn)化的稀疏度量估計(jì)算法對圖像的模糊核繼續(xù)擰估計(jì)，獲得模糊核后，就可以對車載模糊圖像進(jìn)行快速非盲去模糊處理，進(jìn)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(shí)驗(yàn)過程，實(shí)驗(yàn)中采用單個(gè)模糊核算法對其進(jìn)行驗(yàn)證。首先，選取真實(shí)車載相機(jī)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(jìn)行估計(jì)；最后，利用估計(jì)的模糊核恢復(fù)車載模糊圖像，通過多種指標(biāo)對算法進(jìn)行評價(jià)。具體的實(shí)驗(yàn)結(jié)果如圖1中所示。

通過如圖1中所示的實(shí)驗(yàn)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(zhǔn)確估計(jì)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(jì)的模糊核的準(zhǔn)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(biāo)的對象的暈影最為嚴(yán)重，主要是由于圖像中路標(biāo)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(jì)采用基于標(biāo)準(zhǔn)化稀疏度量核估計(jì)的車載圖像去模糊算法，對現(xiàn)有算法進(jìn)行了有效改進(jìn)和優(yōu)化。實(shí)驗(yàn)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(xiàn)：

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

[2] 宋曉霞.基于噪聲特點(diǎn)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(jìn)展，2013（11）.

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

3.2模糊核估計(jì)

對于模糊核的估計(jì)算法，參考經(jīng)典估計(jì)算法，具體包括兩個(gè)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(jìn)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(jìn)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(biāo)函數(shù)是一個(gè)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(jìn)行求解：

[minx，yλx?k-y22+φk1]

該算法在計(jì)算的迭代過程中，所得到的[k]值可能會存在負(fù)值，所以，為了簡化計(jì)算過程，需要將負(fù)值設(shè)定為0，然后進(jìn)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(jì)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(shí)現(xiàn)過程進(jìn)行了優(yōu)化改進(jìn)，主要思路就是通過標(biāo)準(zhǔn)化的稀疏度量估計(jì)算法對圖像的模糊核繼續(xù)擰估計(jì)，獲得模糊核后，就可以對車載模糊圖像進(jìn)行快速非盲去模糊處理，進(jìn)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(shí)驗(yàn)過程，實(shí)驗(yàn)中采用單個(gè)模糊核算法對其進(jìn)行驗(yàn)證。首先，選取真實(shí)車載相機(jī)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(jìn)行估計(jì)；最后，利用估計(jì)的模糊核恢復(fù)車載模糊圖像，通過多種指標(biāo)對算法進(jìn)行評價(jià)。具體的實(shí)驗(yàn)結(jié)果如圖1中所示。

通過如圖1中所示的實(shí)驗(yàn)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(zhǔn)確估計(jì)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(jì)的模糊核的準(zhǔn)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(biāo)的對象的暈影最為嚴(yán)重，主要是由于圖像中路標(biāo)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(jì)采用基于標(biāo)準(zhǔn)化稀疏度量核估計(jì)的車載圖像去模糊算法，對現(xiàn)有算法進(jìn)行了有效改進(jìn)和優(yōu)化。實(shí)驗(yàn)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(xiàn)：

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

[2] 宋曉霞.基于噪聲特點(diǎn)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(jìn)展，2013（11）.

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

3.2模糊核估計(jì)

對于模糊核的估計(jì)算法，參考經(jīng)典估計(jì)算法，具體包括兩個(gè)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(jìn)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(jìn)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(biāo)函數(shù)是一個(gè)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(jìn)行求解：

[minx，yλx?k-y22+φk1]

該算法在計(jì)算的迭代過程中，所得到的[k]值可能會存在負(fù)值，所以，為了簡化計(jì)算過程，需要將負(fù)值設(shè)定為0，然后進(jìn)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(jì)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(shí)現(xiàn)過程進(jìn)行了優(yōu)化改進(jìn)，主要思路就是通過標(biāo)準(zhǔn)化的稀疏度量估計(jì)算法對圖像的模糊核繼續(xù)擰估計(jì)，獲得模糊核后，就可以對車載模糊圖像進(jìn)行快速非盲去模糊處理，進(jìn)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(shí)驗(yàn)過程，實(shí)驗(yàn)中采用單個(gè)模糊核算法對其進(jìn)行驗(yàn)證。首先，選取真實(shí)車載相機(jī)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(jìn)行估計(jì)；最后，利用估計(jì)的模糊核恢復(fù)車載模糊圖像，通過多種指標(biāo)對算法進(jìn)行評價(jià)。具體的實(shí)驗(yàn)結(jié)果如圖1中所示。

通過如圖1中所示的實(shí)驗(yàn)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(zhǔn)確估計(jì)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(jì)的模糊核的準(zhǔn)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(biāo)的對象的暈影最為嚴(yán)重，主要是由于圖像中路標(biāo)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(jì)采用基于標(biāo)準(zhǔn)化稀疏度量核估計(jì)的車載圖像去模糊算法，對現(xiàn)有算法進(jìn)行了有效改進(jìn)和優(yōu)化。實(shí)驗(yàn)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(xiàn)：

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

[2] 宋曉霞.基于噪聲特點(diǎn)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(jìn)展，2013（11）.

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