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)退化圖像或者增強我們需要的圖像細節(jié)，就成為圖像處理中的一個重要的研究課題。運動模糊圖像是由于相機與被攝對象之間的相對位移造成的模糊現(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，因此本文圍繞運動模糊圖像和霧天模糊圖像的復(fù)原進行了研究，以及對圖像紋理的增強算法進行了一定研究。
　　本文的主要內(nèi)容如下:
　　(1)研究了運動模糊圖像的頻譜圖與點擴展函數(shù)參數(shù)之間的關(guān)系。由于運動參數(shù)的估計的準確性關(guān)系到圖像復(fù)原的效果，因此針對運動參數(shù)的估計，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，都可以實現(xiàn)對運動模糊角度的準確估計。在準確估

3、計模糊角度的基礎(chǔ)上，可以更有效的利用微分自相關(guān)方法估計出運動模糊尺度。利用上述兩個參數(shù)可以提高退化模型的點擴展函數(shù)的估計精確度。實驗表明，該方法所估計的點擴展函數(shù)能夠較好的改善退化圖像的質(zhì)量。
　　(2)研究了分數(shù)階微分的增強算法。根據(jù)Gabor小波的紋理匹配及參數(shù)化的對數(shù)邁克爾遜對比度熵的測量(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)分數(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數(shù)階微分

4、階數(shù)。因為有時具有相同Gabor特征的圖像有時會具有不同的紋理復(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)作為另一個參數(shù)，提出了基于Gabor特征與分形維數(shù)的自適應(yīng)分數(shù)階微分的圖像增強算法，以達到根據(jù)圖像自身紋理特征自適應(yīng)地確定分數(shù)階微分階數(shù)的目的。實驗表明，這兩種方法都可以根據(jù)圖像特征自適應(yīng)地對圖像進行分數(shù)階微分增強，并且后者的穩(wěn)定性較高。
　　(3)研究了基于暗原色先驗信息的圖像去霧算法，該算法去霧的效果