李秋萍

摘 ? ?要：圖像復(fù)原技術(shù)是數(shù)字圖像處理的一個(gè)重要研究方向，圖像復(fù)原的目的是對(duì)降質(zhì)圖像進(jìn)行處理，使其恢復(fù)成原始圖像，它是圖像處理、模式識(shí)別、機(jī)器視覺(jué)的基礎(chǔ)，因而受到廣泛的研究，并在天文學(xué)、遙感成像、醫(yī)療成像等領(lǐng)域獲得廣泛的應(yīng)用。本文從圖像復(fù)原的研究現(xiàn)狀及原理、技術(shù)路線演進(jìn)等方面介紹了圖像復(fù)原的技術(shù)發(fā)展脈絡(luò)，從各階段專利申請(qǐng)量和重要申請(qǐng)人分析了該技術(shù)專利情況，并結(jié)合重點(diǎn)專利進(jìn)行技術(shù)分析。

關(guān)鍵詞：圖像復(fù)原;專利分析

中圖分類號(hào)：TP391.41 ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A ? ? ? ? ? ? ? 文章編號(hào)：1004-7344（2019）03-0248-01

1 ?引 言

圖像復(fù)原技術(shù)發(fā)起自20世紀(jì)60年代中期的美蘇太空探索計(jì)劃，相關(guān)研究在20世紀(jì)90年代有了長(zhǎng)足的進(jìn)展，國(guó)內(nèi)外有許多著名的研究群體致力于該領(lǐng)域的研究，如卡奈基梅隆大學(xué)的計(jì)算機(jī)視覺(jué)研究組、劍橋大學(xué)的機(jī)器人視覺(jué)研究組、哈佛大學(xué)的機(jī)器人視覺(jué)研究組、斯坦福大學(xué)計(jì)算機(jī)系、中國(guó)科學(xué)院自動(dòng)化研究所、華中科技大學(xué)圖像識(shí)別與人工智能研究所等。伴隨著圖像復(fù)原算法的不斷發(fā)展，許多公司也逐步將圖像復(fù)原算法運(yùn)用于其實(shí)際產(chǎn)品中，如西門(mén)子公司將圖像復(fù)原技術(shù)運(yùn)用于醫(yī)學(xué)成像產(chǎn)品，谷歌公司提出圖像去馬賽克技術(shù)。

2 ?圖像復(fù)原技術(shù)路線發(fā)展演進(jìn)

圖像復(fù)原技術(shù)經(jīng)過(guò)多年的研究，現(xiàn)已發(fā)展較為完善，并且產(chǎn)生了多種算法，其技術(shù)發(fā)展路線可歸納為如下：

從點(diǎn)擴(kuò)散函數(shù)H（x，y）是否已知的角度，圖像復(fù)原算法可分為兩大類：非盲復(fù)原算法和盲復(fù)原算法。顯而易見(jiàn)，非盲復(fù)原算法是在點(diǎn)擴(kuò)散函數(shù)已知的情況下對(duì)圖像進(jìn)行的一種復(fù)原方式，而盲復(fù)原算法是在點(diǎn)擴(kuò)散函數(shù)未知的情況下對(duì)圖像復(fù)原的算法。

早期的圖像復(fù)原算法中點(diǎn)擴(kuò)散函數(shù)常常是預(yù)先確知的，因此其研究工作主要集中在如何根據(jù)已知的點(diǎn)擴(kuò)散函數(shù)和噪聲統(tǒng)計(jì)特性來(lái)求解一個(gè)真實(shí)圖像的估計(jì)值。US3969017A中的逆濾波算法是最早提出的圖像復(fù)原算法，是一種非約束復(fù)原算法。隨后出現(xiàn)的維納濾波法如專利申請(qǐng)EP0525408A2、約束最小二乘法如專利申請(qǐng)US5533149A則基于原始圖像與復(fù)原圖像之間的誤差關(guān)系進(jìn)行復(fù)原，其針對(duì)一些簡(jiǎn)單圖像的復(fù)原效果較好。

因此從20世紀(jì)90年代開(kāi)始，大量研究者進(jìn)行了有關(guān)圖像盲復(fù)原算法的研究，并取得了大量的研究成果。參數(shù)估計(jì)法是圖像盲復(fù)原方法中最為簡(jiǎn)單的一種方法，其計(jì)算量較小，但只能適用于模糊類型已知的圖像復(fù)原;而在逆濾波、維納濾波等非盲復(fù)原算法的基礎(chǔ)上通過(guò)迭代的方式復(fù)原則衍生出了迭代盲反卷積算法，如本古里安大學(xué)提出的專利申請(qǐng)US5790709A;在這一階段，許多研究將一些重要的數(shù)學(xué)模型或數(shù)學(xué)理論與圖像處理相結(jié)合，如西門(mén)子公司提出的專利申請(qǐng)US6470097B1。隨著現(xiàn)代控制論、信息處理技術(shù)、通信技術(shù)等技術(shù)的發(fā)展，圖像復(fù)原技術(shù)開(kāi)始出現(xiàn)了一些新的方法和新的趨勢(shì)，包括神經(jīng)網(wǎng)絡(luò)法，如基于Hopfield網(wǎng)絡(luò)的圖像復(fù)原方法，通過(guò)學(xué)習(xí)方式改進(jìn)算法參數(shù)的辨識(shí)，Canon公司于1991年提出的專利申請(qǐng)EP0449516A2就屬于一種典型的神經(jīng)網(wǎng)絡(luò)圖像復(fù)原方法;時(shí)頻分析法，如專利申請(qǐng)JPH07222148A中的基于小波理論圖像復(fù)原方法，該方法能夠更好地抑制圖像噪聲。該時(shí)期內(nèi)的圖像復(fù)原算法發(fā)展迅速，并出現(xiàn)了各種算法體系分支，為后續(xù)的圖像復(fù)原技術(shù)的發(fā)展以及應(yīng)用奠定了重要的基礎(chǔ)。

21世紀(jì)以來(lái)，圖像處理技術(shù)越來(lái)越受到重視，因而此時(shí)期又涌現(xiàn)出一些全新的圖像復(fù)原算法，包括基于圖論的圖像復(fù)原算法，如專利申請(qǐng)US2007022067A1的圖割法;基于智能優(yōu)化的圖像復(fù)原算法，如遺傳算法、粒子群算法、蟻群算法、魚(yú)群算法等，如Fish&Richardson公司提出的專利申請(qǐng)US2010189367A1屬于一種基于遺傳的圖像復(fù)原算法;如專利申請(qǐng)CN101236650A中的基于模糊路徑的算法;專利申請(qǐng)US2005019000A1中的基于超分辨率的圖像復(fù)原算法等等。與此同時(shí)，對(duì)已有技術(shù)的改進(jìn)與發(fā)展也是該時(shí)期圖像復(fù)原技術(shù)的重點(diǎn)，如對(duì)神經(jīng)網(wǎng)絡(luò)改進(jìn)后的卷積神經(jīng)網(wǎng)絡(luò)算法在圖像復(fù)原儼然成為一種新的發(fā)展趨勢(shì)，Google團(tuán)隊(duì)近期利用該技術(shù)成功實(shí)現(xiàn)了對(duì)打馬賽克圖片的復(fù)原;而為了實(shí)現(xiàn)更好的圖像復(fù)原效果，將多種圖像復(fù)原技術(shù)進(jìn)行有效地結(jié)合也已成為一種改進(jìn)方法，如CN102629373A提出將稀疏算法與超分辨率技術(shù)相結(jié)合的圖像復(fù)原算法、CN103150709A提出將色彩信息與壓縮感知相結(jié)合等。

3 ?專利申請(qǐng)量趨勢(shì)和各階段主要申請(qǐng)人排名

圖像復(fù)原算法起源較早，但在1988年之前經(jīng)歷了逾十年的技術(shù)萌芽期。之后從1988～2003年屬于該技術(shù)的緩慢發(fā)展期，且主要以國(guó)外專利申請(qǐng)為主。而在2003～2012年這一階段，全球申請(qǐng)量明顯提升，技術(shù)飛速發(fā)展，同時(shí)帶動(dòng)了國(guó)內(nèi)申請(qǐng)的起步與發(fā)展。在申請(qǐng)人分析方面，國(guó)外的大型企業(yè)如佳能、三星、富士膠片、松下等與圖像復(fù)原技術(shù)相關(guān)的產(chǎn)業(yè)是該領(lǐng)域的重要申請(qǐng)人，而國(guó)內(nèi)部分的主要申請(qǐng)人則來(lái)源于科研高校，主要包括西安電子科技大學(xué)、清華大學(xué)等，如圖1所示。

4 ?總 結(jié)

圖像復(fù)原在圖像處理和計(jì)算機(jī)領(lǐng)域中是一個(gè)重要而又困難的內(nèi)容，同時(shí)也是一個(gè)基礎(chǔ)性的處理過(guò)程，是圖像處理研究的熱點(diǎn)之一，其在天文觀測(cè)、光學(xué)遙感、醫(yī)學(xué)成像、材料科學(xué)、公安偵查、歷史人文等領(lǐng)域都具有重要的應(yīng)用價(jià)值。根據(jù)以上分析可見(jiàn)圖像復(fù)原技術(shù)越來(lái)越受到國(guó)內(nèi)外企業(yè)和研究機(jī)構(gòu)的重視。

參考文獻(xiàn)

[1]沈 峘，李舜酩，毛建國(guó)，等.數(shù)字圖像復(fù)原技術(shù)綜述[J].中國(guó)圖象圖形學(xué)報(bào)，2009，14（9）：1764～1775.

[2]趙雪青.降質(zhì)圖像復(fù)原方法研究[D].陜西師范大學(xué)，2014.

[3]李鑫楠.圖像盲復(fù)原算法研究[D].吉林大學(xué)，2015.

[4]黃賀艷.圖像復(fù)原算法研究[D].吉林大學(xué)，2014.

收稿日期：2018-12-2