吴庆波，任文琦，*

（1.中国科学院信息工程研究所 信息安全国家重点实验室，北京 100193；2.中国科学院大学 网络空间安全学院，北京 100049）

当今，视频监控技术在社会治安管理中起着非常重要的作用，尤其是在夜间等人们不常活动的时间段。然而，成像设备固有的点扩散效应往往导致视频帧（或图像）中存在不同程度的模糊。同时，夜间有限的光照又不可避免地在图像中引起泊松噪声污染。这些因素通常会降低原始图像的质量，造成图像结构信息受损，给后续图像水印和图像取证等任务［1-3］增加了困难。因此，如何有效地从泊松图像中去除模糊和抑制噪声已经成为图像处理领域的重要研究课题。

为从泊松图像中去除模糊，现有工作［4-5］把降质图像的形成过程表示为数学模型：y=（Hx），y、x、H和分别为观测图像、清晰图像、模糊核和泊松噪声添加算子。因此，泊松图像去模糊问题归结为从观测图像y中恢复出清晰图像x，这是一个典型的不适定问题。为克服问题的不适定性，大部分泊松图像去模糊方法［6-10］建立在变分模型的基础上，先用正则化理论将不适定问题转化为适定问题，再借助优化技术恢复清晰图像。相关工作中的模型可以概括为：minxD（x，y）+R（x），函数D（x，y）和R（x）分别为数据项（Data Term）和正则项（Regularization Term）。数据项D（x，y）用于约束复原图像的内容与观测图像接近，防止恢复结果失真，主要来自泊松概率密度函数［11］：n为模糊图像中像素的索引，［Hx］n和yn分别为向量Hx和y中的第n个元素。正则项R（x）通常基于某种先验假设对清晰图像进行惩罚，以克服逆问题的不适定性，所以在很大程度上依赖于人们对清晰图像的先验知识（如平滑和低秩）。……