題園園　朱洪雷　丁瑞昕　林雁飛

摘 要：該文介紹了圖像恢復(fù)技術(shù)在國(guó)內(nèi)外的應(yīng)用現(xiàn)狀，通過(guò)概括和總結(jié)將現(xiàn)有的圖像恢復(fù)技術(shù)大致分為3種類(lèi)型，分別為去卷積恢復(fù)法、線(xiàn)性代數(shù)恢復(fù)法和圖像盲反卷積法。對(duì)未來(lái)的圖像恢復(fù)技術(shù)做了展望，指出ROF模型是以全變分方法為基礎(chǔ)，能夠顯著提高圖像恢復(fù)的質(zhì)量，此模型中的全變分正則化項(xiàng)能夠?qū)D像的邊緣等細(xì)節(jié)特征信息進(jìn)行保留，這種圖像恢復(fù)方法可以獲得較好的恢復(fù)效果。

關(guān)鍵詞：盲去卷積法 全變分方法 圖像降質(zhì) 圖像恢復(fù)

中圖分類(lèi)號(hào)：TG456.7 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2017）01（b）-0098-02

由于受到圖像檢測(cè)現(xiàn)場(chǎng)各種干擾因素的影響，如環(huán)境光照強(qiáng)度變化和其他各種噪聲的影響使采集到的圖像存在退化現(xiàn)象，清晰度不高、識(shí)別性較差，難以對(duì)圖像特征進(jìn)行透徹分析。因此，需根據(jù)圖像檢測(cè)環(huán)境，研究圖像恢復(fù)的算法，分析退化原因，對(duì)降質(zhì)圖像進(jìn)行恢復(fù)處理，提高圖像質(zhì)量。該文介紹了圖像恢復(fù)技術(shù)在國(guó)內(nèi)外的應(yīng)用現(xiàn)狀，對(duì)未來(lái)的圖像恢復(fù)技術(shù)展望。

1 圖像恢復(fù)概述

圖像恢復(fù)技術(shù)作為圖像處理領(lǐng)域的一個(gè)重要組成部分，是國(guó)內(nèi)外的諸多學(xué)者探究的關(guān)鍵問(wèn)題[1-4]。圖像恢復(fù)技術(shù)涉及3個(gè)方面的內(nèi)容：建立圖像恢復(fù)的成像模型，運(yùn)用圖像恢復(fù)算法和設(shè)定恢復(fù)圖像質(zhì)量衡量指標(biāo)。變換降質(zhì)圖像的成像模型、退化空間域、優(yōu)化標(biāo)準(zhǔn)和方法，便會(huì)構(gòu)成不同的圖像恢復(fù)方法，可在不同的領(lǐng)域使用不同圖像恢復(fù)技術(shù)。通過(guò)概括和總結(jié)把現(xiàn)有的恢復(fù)方法大致分為3大基本類(lèi)型，分別為去卷積恢復(fù)法、線(xiàn)性代數(shù)恢復(fù)法和圖像盲去卷積法，以這3種類(lèi)型恢復(fù)方法為基礎(chǔ)，經(jīng)過(guò)衍生和改進(jìn)也可形成其他的恢復(fù)方法。

2 傳統(tǒng)圖像恢復(fù)技術(shù)

去卷積圖像恢復(fù)技術(shù)可分為維納濾波去卷積法、功率譜平衡法及幾何均值濾波的方法等，這些圖像恢復(fù)技術(shù)都屬于傳統(tǒng)的常用圖像恢復(fù)技術(shù)，使用這些恢復(fù)技術(shù)對(duì)圖像進(jìn)行處理的前提是需已知原始未降質(zhì)的圖像和降質(zhì)算子的先驗(yàn)知識(shí)，以及圖像噪聲所具有的特性。當(dāng)噪聲與信號(hào)互不相關(guān)時(shí)，這種圖像恢復(fù)技術(shù)可適用于線(xiàn)性空間不變系統(tǒng)。當(dāng)降質(zhì)算子為病態(tài)時(shí)，此種圖像恢復(fù)技術(shù)處理的結(jié)果不夠理想[5-7]。

線(xiàn)性代數(shù)圖像恢復(fù)方法是已知退化算子和噪聲統(tǒng)計(jì)特性的前提下，運(yùn)用線(xiàn)性代數(shù)理論對(duì)圖像進(jìn)行恢復(fù)。這種方法將復(fù)原濾波器的有關(guān)數(shù)據(jù)的計(jì)算形成了一個(gè)可參考的設(shè)計(jì)思路[8]。但是當(dāng)降質(zhì)函數(shù)的特征值有接近零的情況時(shí)，恢復(fù)過(guò)程則對(duì)噪聲比較敏感，而且此方法是將整幅圖像進(jìn)行統(tǒng)一的處理，其恢復(fù)過(guò)程中的計(jì)算量很大，沒(méi)有考慮到邊界及紋理等高頻信號(hào)與噪聲的影響，這樣會(huì)使邊界和紋理等重要的細(xì)節(jié)信息特征在圖像恢復(fù)的過(guò)程中遭到破壞。為了解決這些難題，國(guó)內(nèi)外諸多研究學(xué)者對(duì)此方法做了改進(jìn)，并縮短了其算法時(shí)間，這些圖像恢復(fù)研究方法主要有全局最小二乘法、約束最小二乘法和正則化約束總體最小二乘法[9-11]。

圖像盲去卷積法是圖像恢復(fù)的重要技術(shù)，可用于當(dāng)退化函數(shù)和先驗(yàn)知識(shí)未知或部分已知的情況，直接由退化圖像來(lái)估計(jì)真實(shí)圖像的信息。根據(jù)圖像恢復(fù)研究現(xiàn)狀，圖像盲去卷積技術(shù)有迭代盲去卷積法、零葉面分離方法、預(yù)先對(duì)降質(zhì)函數(shù)確定的方法、先驗(yàn)?zāi)：孀R(shí)的方法、三次相關(guān)法等[12-14]。

利用這些方法對(duì)降質(zhì)的圖像進(jìn)行恢復(fù)處理時(shí)，由于圖像先驗(yàn)信息不足，原始為降質(zhì)圖像的信息是未知或部分已知，在這種情況下對(duì)圖像進(jìn)行恢復(fù)處理，得到的圖像恢復(fù)解的結(jié)果是不唯一的。在實(shí)際工程應(yīng)用時(shí)，很難獲得降質(zhì)圖像的先驗(yàn)知識(shí)和退化函數(shù)，在這種情況下圖像盲去卷積法較為實(shí)用，此種方法應(yīng)用在圖像恢復(fù)的過(guò)程中，最大的難題是如何獲得恢復(fù)算法中使用的降質(zhì)函數(shù)并對(duì)降質(zhì)函數(shù)做出恰當(dāng)估計(jì)。

3 圖像恢復(fù)技術(shù)展望

正則化方法是一種能解決病態(tài)逆問(wèn)題的重要圖像恢復(fù)技術(shù)，用圖像的平滑性作為其約束條件，然而這種正則化方式通常情況下會(huì)使恢復(fù)的圖像邊緣變得模糊。為解決邊緣銳化的問(wèn)題，國(guó)內(nèi)外有很多研究學(xué)者對(duì)有關(guān)邊緣保持的正則化方法進(jìn)行了探索，并提出了一些可以有效減少邊緣退化的正則化方法，在求解過(guò)程中一般需要在引入非二次正則化泛函的基礎(chǔ)上進(jìn)行問(wèn)題的求解，于是這個(gè)過(guò)程便成為非線(xiàn)性問(wèn)題，Geman和Yang對(duì)非線(xiàn)性問(wèn)題進(jìn)行了解決，使用的是他們提出的概念“半二次正則化”，Charbonni等人在這個(gè)基礎(chǔ)上找出了采用確定性方法得出問(wèn)題最優(yōu)化的解[15]。而后，Rudin等人提出了著名的ROF模型，此模型是以全變分方法為基礎(chǔ)，這些方法在一定程度上能夠?qū)D像恢復(fù)的質(zhì)量進(jìn)行提高，并且此模型中的全變分正則化項(xiàng)能夠?qū)D像的邊緣等細(xì)節(jié)特征信息進(jìn)行保留[16-19]，這種圖像恢復(fù)方法可以獲得較好的恢復(fù)效果。

4 結(jié)語(yǔ)

研究圖像恢復(fù)技術(shù)，分析圖像退化原因，對(duì)降質(zhì)的圖像進(jìn)行恢復(fù)處理，可實(shí)現(xiàn)對(duì)圖像細(xì)節(jié)特征進(jìn)行更精確的檢測(cè)。該文分析了圖像恢復(fù)技術(shù)在國(guó)內(nèi)外的應(yīng)用現(xiàn)狀，對(duì)未來(lái)的圖像恢復(fù)技術(shù)做了展望。指出ROF模型是以全變分方法為基礎(chǔ)，能夠顯著提高圖像恢復(fù)的質(zhì)量，此模型中的全變分正則化項(xiàng)能夠?qū)D像的邊緣等細(xì)節(jié)特征信息進(jìn)行保留，這種圖像恢復(fù)方法可以獲得較好的恢復(fù)效果。

參考文獻(xiàn)

[1] Changsoo Je，Hyeon Sang Jeon，Chang-Hwan Son，et al.Disparity-based space-variant image deblurring[J].Signal Processing： Image Communication，2013（28）：792-808.

[2] 袁小華，歐陽(yáng)曉麗，夏德深.超分辨率圖像恢復(fù)研究綜述[J].地理與地理信息科學(xué)，2006，22（3）：43-47.

[3] 李旭超，邊素軒，李玉葉.圖像恢復(fù)中的凸能量泛函正則化模型綜述[J].中國(guó)圖象圖形學(xué)報(bào)，2016，21（4）：405-415.

[4] 孟昕，張燕平.運(yùn)動(dòng)模糊圖像恢復(fù)的算法研究與分析[J].計(jì)算機(jī)技術(shù)與發(fā)展，2007，17（8）：73-76.

[5] 張小波.基于維納濾波的圖像去噪算法研究[D].西安電子科技大學(xué)，2014.

[6] 題園園，高向東，陳余泉.微間隙焊縫磁光圖像恢復(fù)算法[J].電焊機(jī)，2016，46（2）：86-89.

[7] 讓曉勇，葉俊勇，郭春華.基于二維經(jīng)驗(yàn)?zāi)B(tài)和均值濾波的圖像去噪方法[J].計(jì)算機(jī)應(yīng)用，2008，28（11）：2884-2886.

[8] 馬潔.一種基于線(xiàn)性代數(shù)的圖像處理算法研究[J].計(jì)算機(jī)科學(xué)，2012，39（11）：286-288.

[9] 王芳.一種新的最小二乘法圖像復(fù)原算法的研究[J].包裝工程，2008，29（12）：151-153.

[10] 題園園.微間隙焊縫磁光圖像恢復(fù)算法研究[D].廣東工業(yè)大學(xué)，2016.

[11] 段立晶，高漢寶，梁德群.基于方向信息測(cè)度的約束最小二乘圖像恢復(fù)方法[J].大連海事大學(xué)學(xué)報(bào)，2005，31（3）：94-96.

[12] 吳亞?wèn)|.圖像復(fù)原算法的研究[D].電子科技大學(xué)，2006.

[13] 張航，羅大庸.圖像盲復(fù)原算法研究現(xiàn)狀及其展望[J].中國(guó)圖象圖形學(xué)報(bào)，2004，9（10）：1145-1152.

[14] 楊明極，何美華.盲圖像恢復(fù)算法研究[J].哈爾濱理工大學(xué)學(xué)報(bào)，2008，13（1）：1-3.

[15] 苗晴.圖像復(fù)原中正則化方法的研究及應(yīng)用[D].國(guó)防科學(xué)技術(shù)大學(xué)，2005.

[16] Rudin Li，Osher S，F(xiàn)atemi E.Nonlinear total variation based noise removal algorithms[J].Physic D，1992（60）：259-268.

[17] 付樹(shù)軍，阮秋琦，王文洽.偏微分方程（PDE）模型在圖像處理中的若干應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用，2005，41（2）：33-35.

[18] Lysaker M，Lundervold A，Tai X C.Noise removal using fourth-order partial differential equation with applications to medical mag-netic resonance images in space and time[J]. IEEE Transactions on Image Processing，2003， 12（12）：1579-1590.

[19] Miyoun Jung，Antonio Marquina，Luminita A. Vese.Variational multiframe restoration of images degraded by noisy blur kernels[J]. Journal of Computational and Applied Mathematics，2013（240）：123-134.