封 順

吉林警察學(xué)院 教務(wù)處，吉林 長春 130117

0 引言

隨著社會的發(fā)展和以大數(shù)據(jù)、云計算、圖像處理、視頻技術(shù)、數(shù)據(jù)挖掘、知識管理等新一代信息技術(shù)為支撐的智慧警務(wù)不斷建設(shè)［1］，視聽資料以其客觀穩(wěn)定、信息豐富、信息拓展性強(qiáng)等特點在警務(wù)工作中應(yīng)用極為廣泛。由于高分辨率圖像包含較多的幾何結(jié)構(gòu)和細(xì)節(jié)紋理信息，公安工作對圖像分辨率和圖像質(zhì)量要求也不斷提高。但在很多復(fù)雜的現(xiàn)實場景下，現(xiàn)有設(shè)備或技術(shù)所獲得的影像或圖像往往受到環(huán)境、成像機(jī)理、視頻場景［2］等因素影響發(fā)生降質(zhì)，造成分辨率低、畫面視覺質(zhì)量低下，缺少必要的細(xì)節(jié)紋理信息，致使觀察者辨識能力降低，直接影響圖像的視覺感官效果。例如，在多數(shù)刑事偵查和治安案件中獲取圖像資料多為案后采集，往往因攝錄設(shè)備的安裝角度不合理、維護(hù)與管理不完善、設(shè)備性能和存儲壓縮限制、特殊或惡劣環(huán)境等因素導(dǎo)致畫面模糊不清、變形等問題，影響對犯罪嫌疑人體貌特征和作案工具的判斷，獲取的圖像資料難以進(jìn)行比對、識別和認(rèn)定，給公安機(jī)關(guān)的巡邏、偵查、檢驗鑒定等工作帶來極大困難。

近年來，利用單幅圖像超分辨率重建（Single Image Super-resolution Reconstruction，簡稱SISR）技術(shù)對低分辨率、低質(zhì)量圖像進(jìn)行增強(qiáng)以獲取對應(yīng)高分辨率圖像的方法，引起了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注，由于其性能優(yōu)越且具有較高的實用價值，逐步被引入警務(wù)工作中。SISR 技術(shù)克服了硬件設(shè)備、軟件系統(tǒng)、拍攝環(huán)境的局限性，可對公安實戰(zhàn)中獲取的低分辨率圖像資料進(jìn)行增強(qiáng)處理，增加高頻細(xì)節(jié)紋理，提高人臉識別、數(shù)據(jù)檢索的準(zhǔn)確率和識別率，提升醫(yī)學(xué)影像的視覺質(zhì)量，為公安工作提供高效、實用的技術(shù)處理手段，也為法庭科學(xué)中司法鑒定提供可靠的參考，在刑事偵查、人臉識別比對、公安圖像數(shù)據(jù)檢索、法醫(yī)學(xué)影像、司法鑒定等警務(wù)工作［3］中具有廣泛的應(yīng)用和研究前景。邵雷等［4］將人臉識別比對技術(shù)應(yīng)用于視頻偵查中，圖像增強(qiáng)技術(shù)使視頻中人像質(zhì)量得到改善，提高人臉識別率，在人像識別比對中發(fā)揮著至關(guān)重要的作用。侯欣雨等［5］將SISR 技術(shù)應(yīng)用于人像比對中，雖然在個例人像中取得了很好的提升效果，但整體不具有普適性，且對低質(zhì)量人像重建效果不佳。徐敏敏等［6］通過脈沖耦合神經(jīng)網(wǎng)絡(luò)公安圖像增強(qiáng)方法解決低照度圖像亮度低、對比度小和像素質(zhì)量差的問題，實現(xiàn)保持圖像細(xì)節(jié)信息和增強(qiáng)圖像明暗對比度的雙重效果。高飛等［7］使用Enlighten-GAN 網(wǎng)絡(luò)對指紋進(jìn)行超分辨率重建，利用包括啟發(fā)塊的各種方法來指導(dǎo)生成特征圖，自監(jiān)督分層感知損失來優(yōu)化生成模型，在NIST 指紋圖像數(shù)據(jù)集上取得了很好效果。田煜等［8］使用改進(jìn)FSRCNN 卷積神經(jīng)網(wǎng)絡(luò)對模糊車牌圖像進(jìn)行超分辨率重建，不僅縮減了訓(xùn)練時間，圖像質(zhì)量在主觀和客觀方面都有所改善。

總結(jié)和思考前人的研究和應(yīng)用可發(fā)現(xiàn)兩個問題：一是SISR 技術(shù)在公安實戰(zhàn)和法庭科學(xué)中是否具有實際應(yīng)用價值；二是在日常工作中采集圖像情況極其復(fù)雜多樣，不同條件下生成圖像對重建效果的影響。針對這兩個問題，本文從公安實戰(zhàn)和法庭科學(xué)司法鑒定的角度出發(fā)，以案件中積累的圖像數(shù)據(jù)為基礎(chǔ)，應(yīng)用多種基于深度學(xué)習(xí)的SISR 技術(shù)進(jìn)行圖像增強(qiáng)，探討其在公安實戰(zhàn)和法庭科學(xué)中應(yīng)用可行性，并分析不同條件對重建效果的影響，研究SISR技術(shù)在警務(wù)工作中的實際應(yīng)用價值和局限性，為公安實戰(zhàn)應(yīng)用提供參考，為法庭科學(xué)領(lǐng)域的研究提供借鑒。

1 圖像超分辨率重建技術(shù)概述

圖像超分辨率重建旨在從低分辨率圖像（Low Resolution，簡稱LR）重建出細(xì)節(jié)清晰、自然的高分辨率圖像（High Resolution，簡稱HR）［9］，增強(qiáng)后的高分辨率圖像具有高像素密度和低分辨率圖像中缺失的細(xì)節(jié)信息。重構(gòu)模型定義見公式（1）：

式中：Il是低分辨率圖像，I?h是重構(gòu)后的高分辨率圖像，F(xiàn)（·）是圖像超分辨率重建模型，θ是重建模型的各項參數(shù)。

為使重構(gòu)后圖像更接近真實圖像Ig，通常將I?h和Ig之間的損失函數(shù)進(jìn)行迭代優(yōu)化，使二者差距盡量小，優(yōu)化目標(biāo)函數(shù)見公式（2）：

式中：Lθ（·）是損失函數(shù)項，可以是L1損失（平均絕對誤差）、L2損失（均方誤差）、內(nèi)容損失、感知損失或多種損失函數(shù)組合等；φ（θ）是正則化約束項。

為提高圖像分辨率和質(zhì)量，早期研究者提出了各種SISR 算法，其中：傳統(tǒng)差值算法和圖像濾波算法過于簡單，預(yù)測圖像紋理細(xì)節(jié)處存在局限性，產(chǎn)生過于平滑圖像；基于稀疏編碼算法過度依賴訓(xùn)練數(shù)據(jù)，注重學(xué)習(xí)和優(yōu)化詞典重構(gòu)有效映射函數(shù)，很難直接擴(kuò)展到高維數(shù)據(jù)；基于正則化約束算法需要很多先驗知識并且模型復(fù)雜度高，運(yùn)行效率低［10］。近年來，隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展，基于深度學(xué)習(xí)實現(xiàn)快速有效SISR 的研究熱潮迅速興起。SRCNN 是一種淺層卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)［11］，首次將深度學(xué)習(xí)技術(shù)應(yīng)用到SISR 中，實現(xiàn)低分辨率到高分辨率圖像之間端到端的映射，相比傳統(tǒng)方法，取得了顯著的效果。自此之后，基于深度學(xué)習(xí)的SISR 不斷探索和發(fā)展，在原有基礎(chǔ)網(wǎng)絡(luò)（卷積神經(jīng)網(wǎng)絡(luò)CNN、生成對抗網(wǎng)絡(luò)GANs）中融入新的網(wǎng)絡(luò)結(jié)構(gòu)。圖1 為基于深度學(xué)習(xí)的SISR 技術(shù)網(wǎng)絡(luò)結(jié)構(gòu)基本流程圖，表1 為基于深度學(xué)習(xí)的超分辨率重建算法深層次網(wǎng)絡(luò)結(jié)構(gòu)的類型、相關(guān)作用和對應(yīng)網(wǎng)絡(luò)結(jié)構(gòu)的代表性算法。

圖1 基于深度學(xué)習(xí)的超分辨率重建技術(shù)網(wǎng)絡(luò)結(jié)構(gòu)基本流程圖

2 相關(guān)技術(shù)及質(zhì)量評價方法

由于本文研究重點是SISR 技術(shù)在警務(wù)工作中的應(yīng)用進(jìn)展，因此，接下來對本文使用的SISR 技術(shù)和生成圖像后的質(zhì)量評價方法進(jìn)行簡要概述。

2.1 SISR相關(guān)技術(shù)

主要采用基于深度學(xué)習(xí)的圖像超分辨率重建算法，實驗中使用ESRGAN 和BSRGAN 處理真實低分辨率圖像。

SRGAN 算法［12］首次將生成器網(wǎng)絡(luò)與判別器網(wǎng)絡(luò)對抗訓(xùn)練應(yīng)用到超分辨率圖像重建當(dāng)中，并提出一種新的圖像質(zhì)量評價指標(biāo)來反映測試對象和真實HR 圖像的相似程度。ESRGAN 從三方面對SRGAN進(jìn)行改進(jìn)［13］，可獲得更真實、自然的紋理和更好的視覺質(zhì)量。首先，使用沒有批量歸一化的殘差密集塊（Residual-in-Residual Dense Block，簡稱RRDB）來代替SRGAN 中的殘差塊（Residual Block，簡稱Resblock），增加殘差縮放（residual scaling），增強(qiáng)深度網(wǎng)絡(luò)訓(xùn)練穩(wěn)定性和網(wǎng)絡(luò)容量；其次，改進(jìn)SRGAN的對抗損失，讓生成圖像和真實圖像之間距離保持盡可能大，以此來指導(dǎo)判別器預(yù)測相對真實度而不是絕對值，有助于生成器重構(gòu)更真實的紋理細(xì)節(jié)；最后，使用VGG 網(wǎng)絡(luò)激活前的特征圖計算感知損失，從而重構(gòu)更精確的亮度和更清晰的邊緣紋理。

BSRGAN 提出基于實際應(yīng)用圖像退化的廣義盲圖像超分模型［14］，對模糊、下采樣以及噪聲退化方式采取隨機(jī)洗牌策略生成LR 圖像，解決圖像超分的預(yù)假設(shè)退化模型與真實圖像的退化方式存在偏差，模型重建后難以取得良好效果的問題。該算法提出一種針對SISR 的廣義退化模型，考慮更為復(fù)雜的退化空間，盡量模擬真實世界圖像退化過程，將退化模型合成LR 圖像與真實HR 圖像進(jìn)行配對，以端到端監(jiān)督方式訓(xùn)練一個基于新退化模型的深度ESRGAN 盲超分模型。模型在不同類型真實退化數(shù)據(jù)上取得了非常好的效果，可顯著提升深度SISR 模型的實用性和泛化能力，為超分辨率重建實際應(yīng)用提供了一種有效解決方案。

上述方法使用目前國際上一些專用于SISR 的公共標(biāo)準(zhǔn)數(shù)據(jù)集進(jìn)行模型訓(xùn)練和測試，基于深度學(xué)習(xí)SISR常用的數(shù)據(jù)集見表2。

表2 基于深度學(xué)習(xí)的SISR常用數(shù)據(jù)集

2.2 圖像質(zhì)量評價

圖像質(zhì)量評價（Image Quality Assessment，簡稱IQA）的方式主要分為人眼視覺系統(tǒng)感知方面的主觀評價和實驗數(shù)值計算方面的客觀評價［15］?？陀^方法通過一定指標(biāo)衡量原始圖像與重建圖像之間的相似度，采用量化值代替人類視覺系統(tǒng)認(rèn)知圖像質(zhì)量優(yōu)劣，常見的評價方式有峰值信噪比、結(jié)構(gòu)相似性、平均絕對誤差和均方根誤差等。主觀評價是觀察者通過人眼運(yùn)用掌握的知識觀察重建的高分辨率圖像，在色彩、清晰度、高頻紋理、質(zhì)感和邊緣細(xì)節(jié)等方面對HR 圖像進(jìn)行綜合評價。常見的評價方式有平均意見評分（MOS）［12］，觀察者對原始圖像和待評估圖像進(jìn)行綜合評估，然后對所有主觀得分求和取平均值。由于客觀評價標(biāo)準(zhǔn)主要是追求像素級平均問題而產(chǎn)生過于平滑的結(jié)果，主觀評價主要面向視覺感知方面，可以準(zhǔn)確測量圖像感知質(zhì)量，更符合人類視覺需求和公安實戰(zhàn)應(yīng)用，是測量感知質(zhì)量最可靠的評價方法，因此，本文主要采用主觀平均意見評分評價法。

3 實驗

為探索SISR 技術(shù)在公安實戰(zhàn)和法庭科學(xué)中應(yīng)用可行性和應(yīng)用進(jìn)展，并分析不同條件對重建效果的影響，本文采用被廣泛應(yīng)用于工業(yè)界的ESRGAN網(wǎng)絡(luò)和BSRGAN 網(wǎng)絡(luò)，分別從不同自然環(huán)境下的指紋、人像、車牌、自然景物等角度進(jìn)行分析。

3.1 實驗數(shù)據(jù)

本實驗中采用的測試樣本數(shù)據(jù)是從相關(guān)案件中獲取的具有代表性的圖像，共120 組，每組圖像包含原始低質(zhì)量圖像、使用ESRGAN 和BSRGAN 對原始圖像進(jìn)行超分辨率重建得到的高分辨率圖像。實驗數(shù)據(jù)按照原始圖像類別分為4類，包括車牌類30組、指紋類30 組、人像類30 組、自然場景類30 組。全部圖像都為彩色RGB 色彩模式，每類圖像根據(jù)光照強(qiáng)度、攝錄角度、采集客體、場景復(fù)雜度、攝像距離等因素再進(jìn)行分類，高度復(fù)現(xiàn)警務(wù)實戰(zhàn)應(yīng)用中多復(fù)雜場景獲取真實線索類和證據(jù)類情形。

全部實驗圖像數(shù)據(jù)從自然場景下獲取，受自然環(huán)境、拍攝角度和距離、硬件設(shè)施、運(yùn)動模糊、離焦模糊、場景復(fù)雜度等因素影響，導(dǎo)致圖像視覺質(zhì)量相對較差。其中：車牌數(shù)據(jù)30 組均為從原始視頻錄像或圖像中截取的130×32 像素車牌圖像，受視距、拍攝角度、光照、硬件設(shè)備等條件影響，分辨率低、質(zhì)量相對較差；指紋數(shù)據(jù)30 組為在客體表面粗糙或紡織物背景下獲取的275×400 像素圖像，因客體不同、提取技術(shù)、指紋模糊不全等因素影響，指紋比對工作和法庭科學(xué)司法鑒定受到一定影響；人像數(shù)據(jù)30 組為視頻監(jiān)控中截取的640×640 像素圖像，因攝像距離、傾斜角度、光照強(qiáng)度等因素影響，視覺效果很差，難以進(jìn)行人像辨別和比對；自然場景數(shù)據(jù)30 組為視頻監(jiān)控中截取的低質(zhì)量圖像，根據(jù)場景復(fù)雜性分為室內(nèi)場景、室外場景和視頻車輛，因硬件設(shè)施、光照強(qiáng)度、攝像距離等因素致使自然場景中細(xì)節(jié)難以辨識。

3.2 實驗方法

首先，對ESRGAN 和BSRGAN 模型進(jìn)行復(fù)現(xiàn)、訓(xùn)練和測試，得到最佳模型參數(shù)，其中ESRGAN 使用數(shù)據(jù)集DIV2K 進(jìn)行訓(xùn)練，使用Set5、Set14 和BSDS100進(jìn)行測試，BSRGAN是在DIV2K、Flickr2K、WED以及源自FFHQ 的2 000 張人臉圖像基礎(chǔ)上，根據(jù)自設(shè)退化模型和隨機(jī)洗牌策略進(jìn)行訓(xùn)練和測試。然后，使用訓(xùn)練好的模型對采集的指紋、人像、車牌、自然景物的每張低質(zhì)量圖像進(jìn)行超分辨率重建，重建比例因子為×4，得到ESRGAN 和BSRGAN 重建結(jié)果，圖2為重建結(jié)果示例圖。

圖2 使用ESRGAN和BSRGAN對原始低質(zhì)量圖像（LQ）的處理結(jié)果

為得到相對客觀和準(zhǔn)確的評價結(jié)果，采用平均意見評分評價方法，邀請專業(yè)人員和未接受過訓(xùn)練的普通人對全部120 組處理結(jié)果進(jìn)行評價。要求評分者通過色彩、清晰度、噪音、紋理細(xì)節(jié)、質(zhì)感等視覺感知質(zhì)量標(biāo)準(zhǔn)對比低質(zhì)量圖像和重建后圖像，進(jìn)行綜合評價并分配感知質(zhì)量分?jǐn)?shù)（感知質(zhì)量分?jǐn)?shù)及其含義見表3），最后對每組所有評分求算數(shù)平均值。

表3 感知質(zhì)量分?jǐn)?shù)及其含義

4 實驗結(jié)果分析

4.1 車牌結(jié)果比對分析

對于車牌的超分辨率重建，主要使用視頻中截圖所得的30 組130×32 像素圖像，將圖像與ESRGAN和BSRGAN 重建后圖像進(jìn)行比較。為驗證多場景應(yīng)用的可行性，在實驗中分別選取低質(zhì)量圖像10 張、光線條件較差環(huán)境下10 張、較大傾斜角度5 張和質(zhì)量較好5 張車牌圖像，圖3 為其中一些代表性結(jié)果。邀請146 名專業(yè)人員和100 名未接受過訓(xùn)練的普通受訪者從視覺感知質(zhì)量角度對不同組中車牌處理結(jié)果進(jìn)行客觀評價，結(jié)果如圖4所示。

圖4 車牌平均意見評分評價結(jié)果

從圖3 可以看出，這兩種方法都提升了低質(zhì)量圖像的清晰度和細(xì)節(jié)，其中BSRGAN 整體效果優(yōu)于ESRGAN，可以產(chǎn)生清晰、自然的紋理和銳利邊緣。較好質(zhì)量的圖像重建結(jié)果表現(xiàn)穩(wěn)定，較大傾斜角度對重建結(jié)果影響較小，圖像質(zhì)量低和光線條件對重建后結(jié)果影響較大，往往會生成偽影和難以消除的噪聲，尤其對復(fù)雜文字增強(qiáng)效果不理想，可能放大一些假象，不能生成足夠的細(xì)節(jié)。從圖4 可以看出，專業(yè)人員中評分4 分以上占49%，評分5 分為32%，遠(yuǎn)大于評分1分和2分的15%和17%，普通受訪者評價3分以上占62%，評價主要集中在5分、3分和2分，綜合所有評價者的評分，評分為5 分占30%，評分4 分以上占46%?？梢娭亟ê蟮膱D像對圖像紋理和細(xì)節(jié)有很好的增強(qiáng)，受訪者認(rèn)為SISR 技術(shù)可以很好地提升圖像質(zhì)量。

4.2 指紋結(jié)果比對分析

指紋在警務(wù)工作和法庭科學(xué)中發(fā)揮著重要作用。為驗證SISR 技術(shù)在模糊指紋重建中應(yīng)用的可行性，在滲透性客體、半滲透性客體和非滲透性客體中選取30 組模糊不清指紋圖像，分別使用ESRGAN和BSRGAN 重建圖像，并與原始圖像進(jìn)行對比，圖5為一些代表性的比對結(jié)果。圖6 為127 名專業(yè)人員和87 名普通受訪者從視覺感知質(zhì)量角度對不同客體指紋處理結(jié)果的客觀評價。

圖5 指紋低質(zhì)量圖像重建比對

圖6 指紋平均意見評分評價結(jié)果

如圖5 所示，SISR 的兩種方法都增強(qiáng)了模糊指紋圖像的高頻紋理，并在三種客體上都取得較好視覺質(zhì)量。與ESRGAN 相比較，BSRGAN 在指紋自然度和清晰度方面效果更為突出，能夠恢復(fù)現(xiàn)實世界中指紋真實的紋理，在保持高頻紋理的同時能有效消除偽影，但當(dāng)客體顏色與指紋顏色相近時處理得較為平滑。由圖6 可知，專業(yè)人員評分主要集中在3分和4 分，共占51%；普通受訪者評價主要分布在2～4 分；整體評價主要集中在2 分和3 分，其中4 分以上為37%，3 分以上為65%，評分整體占高分較多。這說明超分辨率重建技術(shù)在指紋紋理增強(qiáng)中發(fā)揮著重要的作用，可進(jìn)一步提高視覺清晰度，為后期公安實戰(zhàn)中指紋比對和法庭科學(xué)中司法鑒定提供一定的技術(shù)支撐。

4.3 人像結(jié)果比對分析

為驗證SISR 技術(shù)人像重建在公安實戰(zhàn)中的應(yīng)用效果，本文人像實驗數(shù)據(jù)與以往方法不同，全部取自視頻監(jiān)控中的截圖，此類截圖在警務(wù)工作中使用度較高且具有代表性，但其視覺質(zhì)量較差，一般很難進(jìn)行人像數(shù)據(jù)庫比對。分別選取正面、具有一定傾斜角度和復(fù)雜場景面部30 張低質(zhì)量人像進(jìn)行實驗，圖7 為使用ESRGAN 和BSRGAN 重建后人像與原始圖像的代表性比對結(jié)果。圖8 為115 名專業(yè)人員和97名普通受訪者從視覺感知質(zhì)量角度對人像處理結(jié)果的客觀評價。

圖7 人像低質(zhì)量圖像重建比對

圖8 人像平均意見評分評價結(jié)果

從圖7 可以觀察到，在正面、具有傾斜角度和復(fù)雜場景中重建后人像在視覺質(zhì)量和保真度上都有很大提升。與低質(zhì)量圖像比較，ESRGAN 能夠輕微改善圖像質(zhì)量，BSRGAN 能產(chǎn)生更清晰的邊緣、更豐富的紋理、更自然的人像，角度差異對重建后人像效果影響較低，具有很好的適用性和魯棒性，但也會產(chǎn)生偽影，尤其在高光處重構(gòu)效果更為平滑。由圖8 可知：專業(yè)人員評分主要集中在5 分（50%）和4 分（30%），普通受訪者評價主要分布在5 分（42%）和4分（31%），全部受訪者的評價5 分占46%、4 分占31%?？梢姡琒ISR 技術(shù)對人像重建效果較好，在提升視覺質(zhì)量的同時又很好地重構(gòu)人像細(xì)節(jié)紋理，在人像比對中能夠起到關(guān)鍵性作用，但重建效果受光照影響較大，僅能夠為法庭科學(xué)司法鑒定中的人像檢驗提供參考。

4.4 自然場景結(jié)果比對分析

在日常警務(wù)工作中往往會遇到復(fù)雜場景圖像，多種因素交織在一起導(dǎo)致圖像細(xì)節(jié)難以辨認(rèn)，實驗選取室內(nèi)場景、室外場景和視頻車輛共30 組自然場景圖像，均為視頻設(shè)備錄制影像截取獲得，此類圖像更切合公安實戰(zhàn)場景。圖9 展示了原始低質(zhì)量圖像、ESRGAN 和BSRGAN 重建結(jié)果，從圖中可以看出BSRGAN 重建效果要優(yōu)于ESRGAN，在三種復(fù)雜場景都能重建出高質(zhì)量圖像，泛化能力強(qiáng)，能夠有效去掉原始低質(zhì)量圖像未知的復(fù)雜噪聲，可以生成清晰的邊緣和精細(xì)的細(xì)節(jié)，但是對高光和過暗處細(xì)節(jié)效果處理不好，可能出現(xiàn)無中生有現(xiàn)象。圖10 為133名專業(yè)人員和87 名普通受訪者從視覺感知質(zhì)量角度出發(fā)對自然場景處理結(jié)果進(jìn)行客觀評價，專業(yè)人員評價結(jié)果為4 分占27%，5 分占18%，普通受訪者4分占26%，5 分占19%，整體評分結(jié)果4 分以上為46%。由此可知，SISR 技術(shù)對自然景物重建效果良好，視覺質(zhì)量有很大提升，能夠恢復(fù)復(fù)雜自然場景的細(xì)節(jié)紋理，可為研判分析案件提供一定的支持和幫助，具有一定的實戰(zhàn)應(yīng)用價值。

圖9 自然場景低質(zhì)量圖像重建比對

圖10 自然場景平均意見評分評價結(jié)果

從上述120組實驗圖像可以看出，ESRGAN對實驗圖像在清晰度和細(xì)節(jié)方面有一定提升，高頻紋理相對平滑，BSRGAN 可以產(chǎn)生更清晰、更自然、紋理細(xì)節(jié)更加豐富的高視覺質(zhì)量圖像，但光照和復(fù)雜退化因素會影響圖像重構(gòu)質(zhì)量，不能生成足夠細(xì)節(jié)和自然的紋理，有時產(chǎn)生噪聲和偽影。將眾多評價者的平均意見評分進(jìn)行綜合分析，參與實驗的四類數(shù)據(jù)評分主要集中在3～5分，其中5分占27.6%，4分以上為51.43%，2分以下為23.58%。這表明現(xiàn)有SISR技術(shù)在車牌識別、指紋比對、人像識別和比對、自然景物場景線索查找等領(lǐng)域有實際的應(yīng)用價值，具有穩(wěn)定性和一定的普適性，可為公安實戰(zhàn)應(yīng)用提供必要線索，為法庭科學(xué)領(lǐng)域的研究提供參考。

5 結(jié)論與展望

本文主要對SISR 技術(shù)在警務(wù)工作中的應(yīng)用進(jìn)行研究和探討。通過使用ESRGAN 和BSRGAN 兩種基于深度學(xué)習(xí)SISR 方法對不同自然環(huán)境下的車牌、指紋、人像、自然景物等進(jìn)行分析。從重建結(jié)果可得出結(jié)論：SISR 技術(shù)在上述應(yīng)用場景中都取得了較好的增強(qiáng)效果，整體評價得分穩(wěn)定，主要集中在3～5分，這意味著其對多場景應(yīng)用的圖像視覺質(zhì)量有顯著提升，能夠很好地重構(gòu)出清晰的邊緣、豐富的紋理、更自然的圖像，但重建質(zhì)量也會受到光照、視距等復(fù)雜環(huán)境因素的干擾和影響。該技術(shù)能夠為實戰(zhàn)應(yīng)用提供必要的線索，在案件的研判分析中發(fā)揮重要作用，在公安工作中具有很強(qiáng)的應(yīng)用意義，同時也可為法庭科學(xué)領(lǐng)域的研究提供參考。

雖然SISR 技術(shù)是學(xué)術(shù)界和工業(yè)界研究熱點，但目前仍沒有適用于公安實戰(zhàn)的警用專業(yè)數(shù)據(jù)集，沒有更精準(zhǔn)地創(chuàng)建適用于警務(wù)工作特定場景的模型，在公安領(lǐng)域還沒有大規(guī)模覆蓋，這對SISR 技術(shù)在警務(wù)工作中應(yīng)用具有很大的阻礙作用，制約著基于深度學(xué)習(xí)的解決方案［16］在公安工作中的發(fā)展和落地。未來可整合和收集多個警用數(shù)據(jù)庫中的特定數(shù)據(jù)，創(chuàng)建具有針對性和代表性的警用數(shù)據(jù)庫，在此基礎(chǔ)上針對特定場景下不同自然條件的超分辨率模型進(jìn)行更深入的研究和創(chuàng)新，使模型具有更高的穩(wěn)定性、魯棒性、普適性，并實現(xiàn)警務(wù)系統(tǒng)中SISR 模塊的開發(fā)、部署和應(yīng)用，使SISR 技術(shù)在公安實戰(zhàn)中得到廣泛應(yīng)用，更好地服務(wù)于公安實戰(zhàn)。