张瑾 苑颖

（银川能源学院 宁夏回族自治区银川市 750000）

在网络技术普及化的背景下，越来越多的网络信息以图像的方式传播。因此，可以认为图像在网络信息传播中占据了十分重要的地位。而信息在网络传播的过程中，图像清晰度将直接决定信息传达的准确性。但图像在网络中传输时，不可避免地会受到网络环境的干扰，出现图像失真的问题。大多数情况下，失真的图像表现为图像模糊、不清晰[1]。例如，前端在获取图像信息时，选择摄像机作为图像获取的载体，但摄像机拍摄时会受到环境影响或人为操作不当等因素的影响，出现整体图像模糊、曝光、虚化等问题。即便在拍摄过程中没有出现异常，也会在压缩或打包图像时，由于压缩过度出现图像表述异常。不同类型的图像的模糊程度是不同的，一幅图像的模糊程度越高，其中的细节信息越难以把握，甚至图像会由于过度模糊出现失去价值的问题。目前，相关模糊图像处理的现代化手段较多，包括基于LoG边缘检测的识别方法、基于Tetrolet的模糊图像与原始图像融合方法等，但现如今的大部分模糊图像处理与识别方法均是基于机器学习视域下处理的，尽管此种方式可以在一定程度上解决图像的模糊问题，但由于算法的应用过于复杂，导致大部分方法在使用中的价值性不高。因此，在本文的研究中，引进改进多尺度采样算法，根据模糊图像的多维度采样机理，针对此类的识别方法进行设计研究，以此解决失真图像在网络传输中失去价值的问题。……