件的尽快侦破提供了关键性的帮助。一般来说，人们会选择photoshop等常见的软件对图像进行处理，但对于模糊监控图像视频中的图像，就要用到专门的图像软件来进行处理，其成本往往非常高，是普通人或一般基层单位所难以承受的。因此，本文就模糊监控图像视频的清晰化处理展开研究。 1 基本原理
一般可分为单帧图像处理与多帧图像处理两种。单帧图像处理的原理为：运用去噪声、插值、锐化等方
法，使得所要分析的图像更加接近实际场景。通过进一步的处理，选取和实际场景最为相近的图像，直至差别最小为止。也就是通过多次处理，在相应的范围内选择最优解的过程。
多帧图像处理的原理为：
第一，将模糊的视频转化为多幅图像；
第二，用计算机等工具将多幅连续图像中的相应目标进行叠加； 第三，通过对同一目标的平移、旋转等处理，使多幅图像中的同一目标趋向稳定，也就是在大小、形态等方面趋于一致；
第四，对得到的动态图像进行去噪，变为静态图像。实质上也就是将连续的多帧图像中所有图像进行整合，求其平均值。
早获取图像时，易受到外部环境及成像设备自身的物理局限性的影响，而造成图像质量欠佳，此状况即为图像退化，也被称之为图像降质。针对图像退化而言，突出表现为图像模糊、噪声干扰及失真等。而对于其中的图像模糊而言，造成此状况的因素有很多，比如：（1）景物与成像设备间的相对运动，出现了运动模糊；（2）聚焦不准造成离焦模糊；（3）光元损坏及信号干扰而产生噪声；（4）雨雪雾及光纤不足等外部原因而造成模糊与失真。
首先，我们要分析监控视频为什么会模糊。可以总结为以下几种情况：一是，像素太低，分辨率不高。二是，目标处于运动状态，视频模糊。三是，离焦模糊。四是，受到噪声的干扰。
对像素足够的图像，只需应用识慧中滤镜-维纳滤波中对应的去模糊方法，便可以得到比较清晰的结果。在多数情况下，我们遇到都是像素太少，以及运动模糊、噪声干扰等因素。
第一，要对图像中的关键信息进行分析。车牌号与背景存在比较明显的反差，车牌号上的数字大体上可以区分，且车辆速度平稳有三帧以上就基本上可进行处理。
第二，图像可进行处理，利用播放设备截取包含目标车辆的图像。在这里要特别注意的一点是，最好选用监控视频自带的播放器。毕竟不同播放设备的解码方式存在一定差别，会影响到最终的图像质量，例如：跳帧、灰度值改变等。第三，将图像在识慧中打开，因为其所包含的像素太少，则要对其中的多余背景进行处理，以免进行过多的背景计算。对处理后的图像进行插值放大，可用的方法有很多，可结合实际需要来选择。
第四，进行插值后，从中挑选得到像素最多，最为清晰的三帧到二十帧图像，实际上，也不是帧数越多越好，十帧左右为最佳。如果帧数太少，可得到的信息就不足，结果难以理想；如果帧数太多，有可能因为某些图像的质量太差，而影响到最终的处理结果，使得本可以处理清晰的图像反而不清晰了。原则上是宁遗勿滥，避免质量过低图像的干扰。第五，还要对选出的图像进行去模糊处理。如果
是运动模糊，采用维纳滤波方法，对其运动方向以及阈值进行调节，选择适宜的计算值，多次尝试，直至效果最佳。如果是离焦模糊，也可采用维纳滤波去除，选择合适的数值，直到取得
54 | 电子制作 2018年5月
软件开发
理想的效果。噪声干扰方面，大多是雨雪天气干扰、热噪声干扰以及软件解码中的误差。这几类噪声具有不规则的特点，有着很强的随机性，很难处理，因此在图像选择过程中，应尽可能的避免选择被这些噪声干扰的图像。
■2.2 图像稳定化
对动态的图像序列构建一个选区，大小上要合适，不能太大，也不能太小，应包括目标运动的全部区域，也就是目标要在选区内运动。选择滤镜，相关匹配，自动匹配，其中包括平移、旋转、缩放、仿射、投影。一般来说，只会用的到平移、旋转、缩放。先选择平移，对图像序列进行处理，接着使用滤镜，重建，稳定重建，对其进行首次重建，得到的结果是目标在一个位置不变，原先的运动目标变为相对静止状态，而场景方位向目标原先运动的反方向转移。目标的位置尽管是固定的，但因为透视原理仍会出现旋转以及大小方面的改变，那么再次重建，并选择“旋转”、“缩放”进行匹配。最后，得到
每一幅图像的目标大小、方位都是一致的运动图像。图像复原图像处理领域当中一个非常重要的问题，由于其应用比较广泛，且具有较强的实用性，因此，其乃是当前研究的重点及热点。图像复原的最终目的即为依据退化的观测图像，将真实图像估计出来，但是需指出的是，因退化过程中往往会受各种因素影响，因而较难将真实图像给估算出来，所以，需依据某种判别准则来进行图像复原，使我们能经退化图像，获得真实清晰图像的最优质估计值。
在这里要注意的一点是，有些时候自动匹配后的图像没有趋于稳定，会发生目标位置不一致，或是在一定范围内震荡的情况。这就不能进行接下来的处理了，必然会影响到最后的结果。图像不能稳定的原因有多个方面：首先，图像的变化太快。不管是位置还是大小发生剧烈变化，可能是由于跳帧或速度过快造成的。其次，分辨率过低。插值后出现马赛克，目标边缘锯齿太多，计算机难以明确区分。解决方法可使用手动匹配，通过人工操作选取最少四个特征点，并每一幅图像上进行标记，之后依据特征点进行匹配。不足之处是，人工操作出现误差概率增大，结果受到影响，会在小范围内震荡，但某些情况下，仍可对手动操作后的结果进行自动匹配，取得最佳效果，该种方法可用于上述两种情况。对于第二种原因导致的图像不稳定，还有一种解决办法，就是相应的图像构建一个副本B，对其进行维纳滤波，选择理想的数值，直至副本B中的目标去除马赛克，而且边缘轮廓较为明显，接着对副本B中的目标进行自动匹配（平移、旋转、缩放等）以及重建。图像稳定化之后，将副本B中的失量数据，逐步的转移到原始图像当中，可以看到最终重建的效果比较稳定。
■2.3 平均帧
稳定化处理后，对图像进行滤镜，去噪声，平均帧操作，也就得到了多帧图像平均帧后的图像，此时基本上就是处理之后的结果了，某些情况下可结合实际需要对其进行滤镜-维纳滤波处理，使图像变得更为清晰。需要引起注意是，如果模糊程度较大，最好不要将维纳滤波的数值设置的太大，因为图像细节的变化可能会将比较模糊的车牌偶然的出现一个到两个数字，这种情况下就要对这几个数字进行可信度分析，到底是车牌自身的反映，还是处理过程中不同像素的组合而造成的问题。假如是调整数值过大而造成的，则结果就需慎用。最后，再对图像进行锐化处理，以取得最佳效果。
3 结束语
上面我们主要分析的是车辆图像，如果是人脸图像，原理是相通的。考虑到人的脸变化更大，更为复杂，行为上更不规律，视频拍摄角度过高，因此，对于人脸的处理还是有较大难度的。但在有些情况下，人脸可用多帧图像处理。比如，在道路旁超市门口的监控所拍到的行人，一般行进速度都比较慢，面部表情变化较少，可进行多帧图像处理，能够得到比较清晰的结果，具体处理过程与车牌的处理类似。模糊监控图像视频的清晰化处理，并不是要实现完全的还原，因为算法及图像的特殊性，最终得到的结果只是与实际场景近似，也有可能存在偏差。因此，得到处理结果后还要分析其可信度，之后才能使用。
在具体操作过程中，以上三个步骤是图像处理的基本步骤，值得注意的是：对于部分不符合处理条件的图像（比如像素较低）、不能稳定下来的图像、或是处理之后仍不能清晰地分辨出目标的情况，也不能随便放弃，要对模糊视频多次侦看，仔细观察视频中的其他细节，比如人物所穿衣服的图案、车辆的部分特征等，也可进行多帧图像处理，不能仅仅是固执于人脸、车牌的处理。因此，在做模糊监控图像视频的处理时，应结合实际情况来灵活操作。
参考文献
＊ [1] 申川. 电子监控的常见模糊图像处理应用分析[J]. 影像技术, 2017, 29(4):76-79.
＊ [2] 王昌瑞. 基于DSP的雾天监控视频图像清晰化处理方法研究[J]. 中国管理信息化, 2016, 19(10):142-143.
＊ [3] 王维虎, 刘延申. 视频监控中图像异常的分析与检测算法[J]. 华中师范大学学报(自科版), 2015, 49(5):692-695.
www�ele169�com | 55
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议