徐时芳　余吉东

摘要：文中首先对造成图像模糊的因素进行分析，介绍了现有模糊图像去模糊所采用的主要技术。接着，文中重点对车载模糊图像的去模糊问题进行研究，所设计的去模糊优化算法能够有效提高车载图像的去模糊效果。

关键词：车载图像；图像去模糊技术；模糊算法

中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2014）30-7180-02

1 图像模糊的主要因素

车载图像由于其成像过程的复杂性，容易受到多种因素的影响。特别是在图像的采集、传输和格式转换等过程，都可能造成图像的模糊。下面对造成图像模糊的各种因素进行分类阐述。

1） 系统因素：造成图像模糊的首要因素就是系统因素，比如成像系统中的各种元器件，包括图像采集器件、传输信道、光学镜头、信号格式转换器等。这些元器件所引起的图像模糊问题，是影响图像质量的非常重要的因素。概括起来，系统因素的具体表现主要包括：成像系统的光学镜头的畸变、焦距调整不当等造成图像或者视频质量的下降；成像感光元件的灵敏度差、精确性不高等，可以降低图像采集和信号的转换质量；图像信号的格式转换、解压缩和编码过程中，都容易造成信息的细节丢失，造成图像清晰度的降低。

2） 环境因素：成像环境也能给图像质量产生影响，而环境因素也是一种不可控的因素。比如各种不良天气条件会造成严重的干扰电磁信号，给图像的采集和处理带来噪声，严重影响车载图像的清晰度。

3） 人为因素：人为因素主要是各种不适当的操作过程，给图像质量所带来的影响。可以将人为因素归入可控因素的范畴。比如在图像的获取过程中，经常会遇到的相机抖动情况；在图像的处理和运算过程中，由于采用了精度差、性能不高的算法，而导致的图像质量下降，影响到图像的视觉效果。

2 图像去模糊技术

2.1 软、硬件去模糊

1） 基于软件的图像去模糊：采用软件进行图像的去模糊，就是在没有硬件辅助的情况下，仅利用软件程序完成图像的去模糊过程，使图像呈现出更清晰的视觉效果。基于软件的图像去模糊技术成本较低、不需要硬件支持，只要所采用的算法合理，就可以在准实时的条件下完成图像的去模糊工作。可以发现，该类技术的最大特点就是成本低、速度快。

2） 基于硬件的图像去模糊技术：基于硬件的图像去模糊技术需要在算法设计的基础上，通过一种或者多种硬件设备为其提供必要的辅助，才能实现对图像去模糊过程。在此类方法中，提供辅助的硬件设备的主要作用就是估计模糊核的具体值，从而能够大幅减少软件在计算模糊核的过程中所消耗的时间。

2.2 局部与全局去模糊

在图像的去模糊过程中，由于图像中需要进行去模糊处理的区域存在差异，就需要针对实际区域进行去模糊处理，也就是说，局部与全局去模糊技术主要针对图像中的部分区域来进行。

1） 局部去模糊技术：根据实际的运动过程，车载图像所产生的局部模糊主要由运动所造成，也就是图像中的某个对象发生运动，而导致局部位置的图像模糊。在车载局部模糊图像中，这种运动主要为相对于车载相机的运动，而非图像本身的运动模糊。所以，对于图像的局部去模糊操作，需要对多种因素进行考虑，这主要是由于图像中对象的运动状态未知，从而导致局部区域与其他区域的模糊核存在差异，所以，就需要针对多个模糊核进行估算，这样就会给去模糊算法的计算过程带来影响，导致去模糊的难度增大。

2） 全局去模糊：车载图像中存在的全局模糊，通常都是由于车辆在运行过程中，由于相机的抖动而造成。所以，在基于全局的去模糊算法中，都是假设造成图像模糊的模糊核是唯一的，然后，再通过对该模糊核的估计和优化来实现图像的整体模糊去除。

2.3单幅与多幅去模糊

1） 单幅图像去模糊：对于给定的单幅模糊图像，没有其他任何信息，完全以图像本身为基础来进行处理。这其中，对于所有的去模糊场景，单幅图像的去模糊已经成为一种最常见的形式。

2） 多幅图像去模糊：为了提高单幅图像的去模糊精度，需要另外增加一些图像以提供辅助信息，比如携带噪声的图像或比较清晰的图像等。所以，在满足特定要求的情况下，基于多幅图像的去模糊的效果要由于单幅图像去模糊。

3 车载图像去模糊算法

本文中所采用的图像去模糊算法，不需要任何硬件来辅助估计模糊核，只是将图像的去模糊问题转换为图像盲处理问题来进行研究。在算法处理中，包含两个步骤，分别是模糊核估计以及图像模糊去除。该文研究中，主要采用了基于标准化稀疏度量核估计的车载图像盲去模糊算法完成整个处理过程，采用该方法，可以有效解决车载图像的失真、清晰度不高以及视觉效果受到严重影响等问题。不仅如此，通过对部分晕影效应的改进，有效改善了去模糊图像的质量。此外，此类车载图像的去模糊算法还可以有效克服MAPK核估计算法中存在的一些缺陷，比如实用性不高、计算过程较复杂等；同样，与其他类型盲去模糊算法相比，其优势在于能够利用更为简单的算法模型来实现计算过程复杂程度的降低，从而有效提高算法运行素具，是一种实用性很强的去模糊算法。

3.1 算法模型

在研究过程中，将携带噪声的模糊图像表示为[g]，而水平和垂直方向上的一阶求导滤波器可以表示为：[?=[1，-1]]和[?=[1，-1]T]，经过求导处理后，可以将梯度图像表示为：[y=[?x（g），?y（g）]]，该式子所反映的就是图像中的高频信息。以此为基础，可以将核估计模型的公式表示为：

[minx，yλx?k-y22+x1x2+φk1] （1）

其中，[k]表示模糊核，该模糊核需要满足的条件为：[k≥0，ki=1]；[x]则表示高频空间的隐含图像。为了便于对式子（1）进行求解，可以将其拆分，从而变换成对[x]和[y]的求解问题。在具体的求解过程中，可以在固定[k]对[x]求解；然后，则可以再固定[x]，对[k]进行求解；采用这种交替计算的方式，则可以得到比较满意的结果。当然，如果采用金字塔迭代的方法，则可以获得更加精确的结果。其实，金字塔迭代就是从顶层开始逐层求解，并将上一层获得的结果向下层传递，以此类推完成最后一层的计算。经过金字塔迭代计算得到的估计值，可以最大限度的接近真实的模糊核。endprint

3.2模糊核估计

对于模糊核的估计算法，参考经典估计算法，具体包括两个步骤，分别是：[k]问题求解和[x]问题求解。

1） [x]求解过程

在对[x]问题进行求解的过程中，需要先将模糊核[k]固定下来，这样，就可以利用下面的式子对[x]进行求解。

[minxλx?k-y22+x1x2] （2）

其中，[x1x2]会给求解过程带来麻烦，这主要是由该目标函数是一个非凸函数。

2） [k]求解过程

求解[k]的过程中，同样可以采用先固定[x]的方法，即根据下面的式子对[k]进行求解：

[minx，yλx?k-y22+φk1]

该算法在计算的迭代过程中，所得到的[k]值可能会存在负值，所以，为了简化计算过程，需要将负值设定为0，然后进行重新的归一化处理，以满足上面给出的[k]值的限定条件。由于原有算法的计算速度比较慢，所以，可以在迭代过程中使用上次迭代中得到的权重。

3.4算法优化

文中算法在研究过程中，为了使得获得图像质量更高，以现有研究成果为基础，对上述算法的实现过程进行了优化改进，主要思路就是通过标准化的稀疏度量估计算法对图像的模糊核继续拧估计，获得模糊核后，就可以对车载模糊图像进行快速非盲去模糊处理，进而得到较好的图像质量。优化后算法的处理过程为：

为了简化实验过程，实验中采用单个模糊核算法对其进行验证。首先，选取真实车载相机所获取的模糊图像，所选图像有具有一定的代表性；其次，利用模糊核估算算法对模糊核进行估计；最后，利用估计的模糊核恢复车载模糊图像，通过多种指标对算法进行评价。具体的实验结果如图1中所示。

通过如图1中所示的实验结果果可以看出：对于尺度较大的车载图像，该算法能够准确估计模糊核，最大程度地消除模糊影像，算法的晕影效应也得到了有效抑制。不过，对于尺寸较小的车载图像，由于所估计的模糊核的准确性不高，使得所产生的晕影效应比较明显。对于存在晕影效应的车载图像中，路标的对象的晕影最为严重，主要是由于图像中路标的比例较小，使得产生的晕影效应更明显。

4 结束语

本文在现有盲去模糊算法的基础上，设计采用基于标准化稀疏度量核估计的车载图像去模糊算法，对现有算法进行了有效改进和优化。实验结果都表名，文中所采用的优化算法能够有效解决车载图像中图像失真、清晰度较差以及视觉效果不好等缺陷，可以大幅提高车载图像的恢复质量。

参考文献：

[1] 杨雄文.基于超拉普拉斯先验的图像去模糊的研究与实现[D].广州：华南理工大学，2012.

[2] 宋晓霞.基于噪声特点和凸松弛技术的图像去模糊方法[J].中国体视学与图像分析，2011（6）.

[3] 郭玲玲.基于受限全变差正则化的遥感图像去模糊方法[J].激光与光电子学进展，2013（11）.

[4] 杨欣欣.改进的广义高斯分布与非局部均值图像去模糊[J].计算机应用研究，2012（5）.endprint

3.2模糊核估计

对于模糊核的估计算法，参考经典估计算法，具体包括两个步骤，分别是：[k]问题求解和[x]问题求解。

1） [x]求解过程

在对[x]问题进行求解的过程中，需要先将模糊核[k]固定下来，这样，就可以利用下面的式子对[x]进行求解。

[minxλx?k-y22+x1x2] （2）

其中，[x1x2]会给求解过程带来麻烦，这主要是由该目标函数是一个非凸函数。

2） [k]求解过程

求解[k]的过程中，同样可以采用先固定[x]的方法，即根据下面的式子对[k]进行求解：

[minx，yλx?k-y22+φk1]

该算法在计算的迭代过程中，所得到的[k]值可能会存在负值，所以，为了简化计算过程，需要将负值设定为0，然后进行重新的归一化处理，以满足上面给出的[k]值的限定条件。由于原有算法的计算速度比较慢，所以，可以在迭代过程中使用上次迭代中得到的权重。

3.4算法优化

文中算法在研究过程中，为了使得获得图像质量更高，以现有研究成果为基础，对上述算法的实现过程进行了优化改进，主要思路就是通过标准化的稀疏度量估计算法对图像的模糊核继续拧估计，获得模糊核后，就可以对车载模糊图像进行快速非盲去模糊处理，进而得到较好的图像质量。优化后算法的处理过程为：

为了简化实验过程，实验中采用单个模糊核算法对其进行验证。首先，选取真实车载相机所获取的模糊图像，所选图像有具有一定的代表性；其次，利用模糊核估算算法对模糊核进行估计；最后，利用估计的模糊核恢复车载模糊图像，通过多种指标对算法进行评价。具体的实验结果如图1中所示。

通过如图1中所示的实验结果果可以看出：对于尺度较大的车载图像，该算法能够准确估计模糊核，最大程度地消除模糊影像，算法的晕影效应也得到了有效抑制。不过，对于尺寸较小的车载图像，由于所估计的模糊核的准确性不高，使得所产生的晕影效应比较明显。对于存在晕影效应的车载图像中，路标的对象的晕影最为严重，主要是由于图像中路标的比例较小，使得产生的晕影效应更明显。

4 结束语

本文在现有盲去模糊算法的基础上，设计采用基于标准化稀疏度量核估计的车载图像去模糊算法，对现有算法进行了有效改进和优化。实验结果都表名，文中所采用的优化算法能够有效解决车载图像中图像失真、清晰度较差以及视觉效果不好等缺陷，可以大幅提高车载图像的恢复质量。

参考文献：

[1] 杨雄文.基于超拉普拉斯先验的图像去模糊的研究与实现[D].广州：华南理工大学，2012.

[2] 宋晓霞.基于噪声特点和凸松弛技术的图像去模糊方法[J].中国体视学与图像分析，2011（6）.

[3] 郭玲玲.基于受限全变差正则化的遥感图像去模糊方法[J].激光与光电子学进展，2013（11）.

[4] 杨欣欣.改进的广义高斯分布与非局部均值图像去模糊[J].计算机应用研究，2012（5）.endprint

3.2模糊核估计

对于模糊核的估计算法，参考经典估计算法，具体包括两个步骤，分别是：[k]问题求解和[x]问题求解。

1） [x]求解过程

在对[x]问题进行求解的过程中，需要先将模糊核[k]固定下来，这样，就可以利用下面的式子对[x]进行求解。

[minxλx?k-y22+x1x2] （2）

其中，[x1x2]会给求解过程带来麻烦，这主要是由该目标函数是一个非凸函数。

2） [k]求解过程

求解[k]的过程中，同样可以采用先固定[x]的方法，即根据下面的式子对[k]进行求解：

[minx，yλx?k-y22+φk1]

该算法在计算的迭代过程中，所得到的[k]值可能会存在负值，所以，为了简化计算过程，需要将负值设定为0，然后进行重新的归一化处理，以满足上面给出的[k]值的限定条件。由于原有算法的计算速度比较慢，所以，可以在迭代过程中使用上次迭代中得到的权重。

3.4算法优化

文中算法在研究过程中，为了使得获得图像质量更高，以现有研究成果为基础，对上述算法的实现过程进行了优化改进，主要思路就是通过标准化的稀疏度量估计算法对图像的模糊核继续拧估计，获得模糊核后，就可以对车载模糊图像进行快速非盲去模糊处理，进而得到较好的图像质量。优化后算法的处理过程为：

为了简化实验过程，实验中采用单个模糊核算法对其进行验证。首先，选取真实车载相机所获取的模糊图像，所选图像有具有一定的代表性；其次，利用模糊核估算算法对模糊核进行估计；最后，利用估计的模糊核恢复车载模糊图像，通过多种指标对算法进行评价。具体的实验结果如图1中所示。

通过如图1中所示的实验结果果可以看出：对于尺度较大的车载图像，该算法能够准确估计模糊核，最大程度地消除模糊影像，算法的晕影效应也得到了有效抑制。不过，对于尺寸较小的车载图像，由于所估计的模糊核的准确性不高，使得所产生的晕影效应比较明显。对于存在晕影效应的车载图像中，路标的对象的晕影最为严重，主要是由于图像中路标的比例较小，使得产生的晕影效应更明显。

4 结束语

本文在现有盲去模糊算法的基础上，设计采用基于标准化稀疏度量核估计的车载图像去模糊算法，对现有算法进行了有效改进和优化。实验结果都表名，文中所采用的优化算法能够有效解决车载图像中图像失真、清晰度较差以及视觉效果不好等缺陷，可以大幅提高车载图像的恢复质量。

参考文献：

[1] 杨雄文.基于超拉普拉斯先验的图像去模糊的研究与实现[D].广州：华南理工大学，2012.

[2] 宋晓霞.基于噪声特点和凸松弛技术的图像去模糊方法[J].中国体视学与图像分析，2011（6）.

[3] 郭玲玲.基于受限全变差正则化的遥感图像去模糊方法[J].激光与光电子学进展，2013（11）.

[4] 杨欣欣.改进的广义高斯分布与非局部均值图像去模糊[J].计算机应用研究，2012（5）.endprint