面向監(jiān)控視頻的圖像清晰化關(guān)鍵算法研究.pdf

1、隨著圖像成像設(shè)備的逐漸普及以及人們對(duì)安全的需求增加，視頻監(jiān)控在日常生活中應(yīng)用越來越廣泛，但是隨之而來的圖像退化的現(xiàn)象也日益增多。在成像過程中，圖像的退化是由許多不同原因造成的，而許多應(yīng)用及情況總是需要高質(zhì)量的圖像。因此如何有效的恢復(fù)退化圖像或者增強(qiáng)我們需要的圖像細(xì)節(jié)，就成為圖像處理中的一個(gè)重要的研究課題。運(yùn)動(dòng)模糊圖像是由于相機(jī)與被攝對(duì)象之間的相對(duì)位移造成的模糊現(xiàn)象;霧天模糊圖像是由于霧天條件下，空氣中有大量的懸浮粒子，而導(dǎo)致的圖像對(duì)比度

2、低、圖像模糊現(xiàn)象;這兩種現(xiàn)象在視頻監(jiān)控的圖像中較為常見，因此本文圍繞運(yùn)動(dòng)模糊圖像和霧天模糊圖像的復(fù)原進(jìn)行了研究，以及對(duì)圖像紋理的增強(qiáng)算法進(jìn)行了一定研究。
　　本文的主要內(nèi)容如下:
　　(1)研究了運(yùn)動(dòng)模糊圖像的頻譜圖與點(diǎn)擴(kuò)展函數(shù)參數(shù)之間的關(guān)系。由于運(yùn)動(dòng)參數(shù)的估計(jì)的準(zhǔn)確性關(guān)系到圖像復(fù)原的效果，因此針對(duì)運(yùn)動(dòng)參數(shù)的估計(jì)，提出了在分塊二值化基礎(chǔ)上的Radon變換。該方法在有無噪聲的條件下，都可以實(shí)現(xiàn)對(duì)運(yùn)動(dòng)模糊角度的準(zhǔn)確估計(jì)。在準(zhǔn)確估

3、計(jì)模糊角度的基礎(chǔ)上，可以更有效的利用微分自相關(guān)方法估計(jì)出運(yùn)動(dòng)模糊尺度。利用上述兩個(gè)參數(shù)可以提高退化模型的點(diǎn)擴(kuò)展函數(shù)的估計(jì)精確度。實(shí)驗(yàn)表明，該方法所估計(jì)的點(diǎn)擴(kuò)展函數(shù)能夠較好的改善退化圖像的質(zhì)量。
　　(2)研究了分?jǐn)?shù)階微分的增強(qiáng)算法。根據(jù)Gabor小波的紋理匹配及參數(shù)化的對(duì)數(shù)邁克爾遜對(duì)比度熵的測(cè)量(logAMEE)的最佳參數(shù)選取的方法，提出了基于Gabor特征的自適應(yīng)分?jǐn)?shù)階微分算法。該方法可以自適應(yīng)確定一部分紋理圖像的最佳分?jǐn)?shù)階微分

4、階數(shù)。因?yàn)橛袝r(shí)具有相同Gabor特征的圖像有時(shí)會(huì)具有不同的紋理復(fù)雜度，所以為了使上述算法更加穩(wěn)定，引入了表征紋理復(fù)雜度的分形維數(shù)作為另一個(gè)參數(shù)，提出了基于Gabor特征與分形維數(shù)的自適應(yīng)分?jǐn)?shù)階微分的圖像增強(qiáng)算法，以達(dá)到根據(jù)圖像自身紋理特征自適應(yīng)地確定分?jǐn)?shù)階微分階數(shù)的目的。實(shí)驗(yàn)表明，這兩種方法都可以根據(jù)圖像特征自適應(yīng)地對(duì)圖像進(jìn)行分?jǐn)?shù)階微分增強(qiáng)，并且后者的穩(wěn)定性較高。
　　(3)研究了基于暗原色先驗(yàn)信息的圖像去霧算法，該算法去霧的效果