视频质量诊断中的模糊图像处理技术

　　图像超分辨率重构

　　现有的监控系统主要目标为宏观场景的监视，一个摄像机，覆盖很大的一个范围，导致画面中目标太小，人眼很难直接辨认。这类由于欠采样导致的模糊占很大比例，对于由欠采样导致的模糊需要使用超分辨率重构的方法。
 

　　超分辨率复原是通过信号处理的方法，在提高图像的分辨率的同时改善采集图像质量。其核心思想是通过对成像系统截止频率之外的信号高频成分估计来提高图像的分辨率。超分辨率复原技术最初只对单幅图像进行处理，这种方法由于可利用的信息只有单幅图像，图像复原效果有着固有的局限。序列图像的超分辨率复原技术旨在采用信号处理方法通过对序列低分辨率退化图像的处理来获得一幅或者多幅高分辨率复原图像。由于序列图像复原可利用帧间的额外信息，比单幅复原效果更好，是当前的研究热点。

　　序列图像的超分辨率复原主要分为频域法和空域法两大类，频域方法的优点是:理论简单,运算复杂度低，缺点是:只局限于全局平移运动和线性空间不变降质模型,包含空域先验知识的能力有限。空域方法所采用的观测模型涉及全局和局部运动、空间可变模糊点扩散函数、非理想亚采样等,而且具有很强的包含空域先验约束的能力。常用的空域法有非均匀插值法、迭代反投影方法(IBP)、凸集投影法(POCS)、最大后验估计法(MAP)、最大似然估计法(ML)、滤波器法等，其中，MAP和POCS法研究较多，发展空间很大。对于具体的算法，不是本文的重点，这里不做详细介绍。下面是一个使用多帧低分辨率图像超分辨率重构的例子。
 

　　模糊图像处理的关键和不足

　　虽然很多模糊图像的处理方法在实际应用中取得了很好的效果，但是当前仍然有一些因素制约着模糊图像处理的进一步发展，主要如下：

　　1、算法的高度针对性;

　　绝大部分的模糊图像处理算法只适用于特定图像，而算法本身无法智能决定某个算法模块的开启还是关闭。举例来说，对于有雾的图像，“去雾算法”可以取得很好的处理效果，但是作用于正常图像，反而导致图像效果下降，“去雾算法”模块的打开或者关闭需要人工介入。

　　2、算法参数复杂性;

　　模糊图像处理里面所有的算法都会包含大量的参数，这些参数的选择需要和实际的图像表现相结合，直接决定最终的处理效果。目前算法还没有办法智能选择这些最优参数。

　　3、算法流程的经验性;

　　由于实际图像很复杂，需要处理多种情况，这就需要一个算法处理流程，对于一个具体的模糊视频，采用什么样的处理流程很难做到自动选择，需要人工选择一个合适的方法，只能靠人的经验。

　　总结

　　由于环境、线路、镜头、摄像机等影响，监控系统建成运营一段时间后，都会出现一部分的视频模糊不清的问题。

　　前面提到了针对模糊图像的各种处理算法，虽然这些算法都取得了一些较好的处理效果，但是再好的算法都是一种后期的补救措施。如果能及时发现监控系统中图像的各种问题，并及时维修，必然会起到事半功倍的效果。为此，东方网力股份科技有限公司利用先进的视频诊断技术，开发出适用于各种需求场景的视频质量诊断系统。它能够对视频图像出现的模糊、噪声、亮度异常和视频丢失等低质视频以及常见摄像机故障问题进行诊断，有效预防因硬件问题导致的图像质量低下所带来的损失。从几路视频到几百上千、上万路视频，均可高效的进行检测，自动生成检测报告，提供及时且精准的维护信息，第一时间从根源上解决图像模糊的问题。

　　对于低光照、雨雾、运动和欠采样等客观原因造成的图像模糊，只能依靠图像处理算法。为此，东方网力推出了专门的“视频增强服务器”产品，包括了各种常用的视频增强、图像复原和超分辨率重构算法。对于算法高度针对性的问题，可以灵活动态控制各个算法模块的开启或者关闭;对于参数复杂性的问题，算法给出不同参数下处理结果的列表，然后通过人工方式选定最优参数，降低使用门槛;对于算法流程，对于常见的各种图像缺陷，给出推荐的处理流程，方便使用。

　　总体来说，虽然模糊图像处理算法已经取得了非常广泛的应用，但是图像算法毕竟有自己的局限性，我们不能将所有问题都寄希望于图像算法，对于不同种类的模糊问题，要区别对待。对于由镜头离焦、灰尘遮挡、线路老化、摄像机故障等造成的模糊或者图像质量下降，在视频诊断系统的帮助下，一定要及时维修，从源头上解决问题。对于低光照等优先选择日夜两用型高感光度摄像机，对于雨雾、运动和前采样等造成的图像质量下降，可以借助于“视频增强服务器”包含的各种模糊图像处理算法，提升图像质量。　　【本文作者为东方网力科技股份有限公司高级工程师】

  【中安网原创稿件声明】转载中安网文章时应遵循以下三个规则：1、保持原创文章中图表、图片、音视频的完整性；2、完整标注文章作者［文章前后有说明］；3、转载中安网原创中部分内容也要完整标注来源"中安网"，违者本网将依法追究。