电子监控的常见模糊图像处理应用分析

申川

摘要：在信息技术飞速发展的带动下，电子监控在许多领域中都得到了广泛的引用，如交通监控、军事侦查、公共场所安全防范等，而电子监控图像的清晰度和质量直接影响着监控系统的实际应用效果。导致监控图像模糊不清的因素有很多，为了确保电子监控系统功能的有效发挥，有必要对模糊图像进行清晰化处理，对图像的质量进行改善。本文结合电子监控中一些常见的模糊图像类型，对相应的处理技术进行了讨论和分析，希望能够为电子监控系统功能的发挥提供一些帮助。

关键词：电子监控；模糊图像；处理技术

中图分类号：D918 文献标识码：B DOI：10 3969/j.issn.1001-0270.2017.04.30

Analysis of Common Fuzzy Image Processing Application in Electronic Monitoring

SHEN Chuan

（Shunde District， Foshan City， Guangdong Province Public Security Bureau Criminal

Investigation Team， Foshan 528300， China）

Abstract： In the rapid development of information technology， electronic monitoring has been widely quoted in many fields， such as traffic monitoring， military reconnaissance， public security， etc ， and electronic monitoring image resolution and quality directly affects the application effect of monitoring and control system There are many factors that can lead to monitor the blurred， in order to ensure the efficiency of the electronic monitoring system， it is necessary to carry out fuzzy image clearer processing， to improve the quality of the image In this paper， combined with some common type of fuzzy image in the electronic monitoring， the corresponding processing technology are discussed and analysis， hope to be able to provide electronic monitoring system function play some help

Key Words： Electronic Monitoring； Fuzzy Image； Processing Technology

伴随着现代信息技术、软件技术、微电子技术等的发展，电子图像监控系统得到了越来越广泛的应用，其监控功能也在不断完善，在犯罪行为的侦查和防控中发挥着举足轻重的作用。但是，如果監控摄像头的安装位置不当、对焦不准，或者受光线强度、雾霾等因素的影响，会导致图像模糊不清的问题，导致无法对图像中的一些细节部分进行准确辨别，影响了实用效果。在这种情况下，就必须对模糊图像进行清晰化处理，确保其能够满足实际应用的需求。

1 电子监控中的常见模糊图像

电子监控系统通常包括了前端摄像头、传输设备以及后端监控平台，可以实现对于视频的摄制、传输、显示以及存储等，对有效监控区域内的人员活动和事件过程进行真实记录，从而为刑事侦查、交通违章查询等提供相应的线索和证据，在当今社会中发挥着越来越重要的作用。

但是就目前而言，受技术水平以及外部因素等的影响，电子监控系统中的视频图像信息经常存在着退化、变质等问题，图像的清晰度无法达到理想效果，也因此影响了其应用功能，这种看得见但是看不清的情况，给分析和识别工作带来的很大的困难，也因此导致了监控系统作用的弱化[1]。

比较常见的模糊图像包括几种类型，一是低对比度图像，主要是由于摄像头曝光不足或者曝光过度，导致图像的对比度无法达到预期效果；二是降质图像，主要是受外部因素的影响，导致图像的质量有所降低，如强烈的光照、暴雨、雾霾等；三是噪声干扰模糊图像，指噪声对摄像头造成的干扰影响了图像的清晰度；四是运动模糊图像，主要是目标在经过摄像头的有效范围时，处于高速运动状态，从而导致了图像的模糊，在交通系统中的模糊图像一般都是这一种；五是散焦模糊图像，是由于镜头对焦不准引发的图像模糊不清；六是低分辨率图像，主要是因为图像本身的尺寸太小，在放大后会显得清晰度不足，无法对细节进行准确识别。除此之外，受带宽以及存储容量的限制，在将采集到的视频图像传输到后端监控平台前，系统通常都会对其进行压缩处理，在压缩过程中，可能会导致部分细节信息的丢失，从而影响图像的清晰度。

2 电子监控中常见模糊图像的处理技术

模糊图像处理技术，主要原理是利用相应的数字图像处理算法，针对模糊图像进行清晰化处理，达到恢复或者强化原始目标细节的效果，使得图像可以提供更多有用的信息。而结合上述分析可知，导致图像模糊的原因是多种多样的，针对不同的模糊图像类型，必须采用相应的处理技术，才能够保证良好的处理效果。在当前的技术条件下，从图像的数量出发，模糊图像处理可以分为单帧处理和序列图像处理，具体选择哪一种方法，还需要根据实际需求进行明确[2]。

2 1 对比度增强技术

对比度增强主要是针对低对比度图像的清晰化处理，比较常见的清晰化算法包括直方图、灰度变换以及Retinex算法等，这里分别对三种算法进行简单分析。一是直方图法，或者说直方图均衡化，这是计算机视觉以及图像处理中的一种非常经典的点处理算法，在低照度狭窄灰度范围的模糊图像处理中应用广泛。相比较其他两种方法，直方图均衡化不仅能够对动态范围进行有效扩展，还可以保证灰度级的均匀分布。不仅如此，点处理的性质使得其不需要进行复杂的计算，因此效率更高，通常只需要一次图像灰度值的概率统计和映射，就能够达到预期效果；二是灰度变换法，其基本原理，是将原本的狭窄灰度范围结合线性或者非线性变换的方式，映射到更加广阔的区间内，可以对图像暗区的细节进行强化，而且容易实现，运算速度也较快。不过，其本身必须根据具体的亮度，对参数进行调整，适应性较差；三是Retinex算法，该算法提出于上世纪70年代，主要是依据色彩恒常理论，实现算法包括了递归实现、环绕算法、随机散步算法等，在色彩保真、对比度增强、动态范围压缩等方面应用广泛，效果显著[3]。对比度增强技术的处理效果见图1。

2 2 图像去雾技术

主要是针对雾霾等恶劣天气下图像可见度低的问题进行处理，恶劣天气对于图像清晰度的影响体现在两个方面，一是大气中存在的尘埃或者水珠吸收或者散射了目标物体的散射光，削弱了光线的强度；二是摄像头传感器感受到的光线中掺入了大气颗粒漫反射产生的光，降低了物体的对比度。与低对比度图像相比，这种模糊图像可将度的降低是空间变化的，与目标和摄像头之间的距离密切相关。

最近几年，许多城市中的雾霾现象越来越严重，也因此推动了图像去雾技术的发展。不过，在实际应用中，由于降质模型缺乏有效的约束条件，因此需要结合一定的假设或者经验，对未知的传输系数进行估算，然后利用大气成像的物理模型，可以复原出清晰度较高的图像。图像去雾技术的应用效果如图2所示。

2 3 图像去噪技术

图像去噪技术在计算机视觉以及图像处理中可以说是发展时间最长，研究也最为广泛的技术之一，主要难点在于如何在有效抑制噪声的同时，保持图像具备完整的纹理和边缘。一般比较常用的降噪技术包括了单帧处理以及序列图像处理[4]。

单帧处理能够直接利用图像像素的亮度值，进行相应的降噪处理，通过给定窗口内的像素加权平均，得到空间滤波的结果。不过，加权平均滤波仅仅关注了图像像素之间的空间距离，忽视了亮度距离。对此，相关研究人员又提出了双边滤波算法，同时考虑了空间和亮度距离，使得算法具备了更好的鲁棒性。在信号处理中，一般情况下将噪声看作是变换域中的高频部分，可以通过离散小波变换、快速傅里叶转换等算法，将图像转化到变换域，从而实现对于噪声的压缩或者去除。

序列图像处理主要是从视频序列中选择多幅连续的图像，然后针对每一个像素点进行分别去噪。在监控视频中，相邻的两幅图像基本上只存在极小的差别，综合多幅图像的信息，相比较单幅图像必然具备更好的去噪效果。不过，为了避免相对运动的序列凸显出现拖影等问题，必须首先对图像进行配准，确保平滑前的目标像素位于序列图像中的同一位置。

2 4 图像复原技术

图像复原技术一般是针对散焦模糊图像以及运动模糊图像进行处理，具备良好的复原效果。该技术主要是依照图像退化的先验知识，构建相应的退化模型，以模型为基础，结合各种各样的逆操作，对图像的细节信息进行复原。需要注意的是，图像复原技术和图像增强技术同样能够提高图像的清晰度，对图像的质量进行改善，但是两种技术存在着本质上的区别。图像复原技术必须完全掌握图像退化过程的先验知识，然后通过逆操作的方式来获得清晰的图像，因此构建的模糊图像降质模型以及相关参数直接决定了图像复原的实际效果。与之相比，图像增强技术主要是通过对图像亮度值的调整，提升其视觉效果，不需要了解模糊图像的降质模型和参数信息[5]。

比较常见的推向复原方法有维纳滤波、逆滤波以及带约束条件的迭代法等，其中，维纳滤波本身同样具备较强的去噪性能，可以将模糊图像与复原图像之间的均方误差降到最小，因此被广泛应用在模糊图像的处理中。

2 5 超分辨率重建技术

受各种因素限制，当前几乎所有的电子监控系统都具有一定的有效监控区域，理论上可以反映监控区域内所有的人类活动和事件，但是相比较而言，区域中央位置的目标效果最佳，距离摄像头越远，物体的尺寸越小，所蕴含的细节信息也就越少。虽然在科学技术飞速发展的带动下，监控视频本身的分辨率不断增加，不过在固定监控区域的限制下，分辨率不足的问题始终存在。

超分辨率重建技术，主要是对多幅图像中所蕴含的信息进行融合，这样一方面能够对图像的质量进行改善，另一方面也可以提高图像的分辨率，而且由于获得的图像信息更多，相比较单幅图像的放大效果也要好得多。序列图像的超分辨率复原可以分为频域法和空域法，前者理论简单，运算简单，不过仅仅适用于线性空间不变降质模型和全局平移运动降质模型；后者使用的觀测模型涉及到了全局运动、局部运动、非理想亚采样等，具备极强的包含空域先验约束的能力，比较常见的方法包括凸集投影法、非均匀插值法、滤波器法、最大似然估计法等，在这些方法中，凸集投影法以及最大后验估计法是最近几年相关学者研究的热点，具有良好的处理效果[6]。

3 结语

信息化技术的进步，使得电子监控系统得到了迅速发展，在许多领域中都发挥着非常重要的作用。不过在实际应用中，受各种因素的影响，图像很容易出现模糊不清的问题，给信息的识别和分析带来了很大的困难，需要结合相应的模糊图像处理技术，进行模糊图像的清晰化处理，从而帮助警方及时发现线索，提供可靠的证据，推动社会公共安全系统的建设和完善。

参考文献：

[1]方永选，李武劲 模糊图像处理技术在刑事侦查中的应用[1][J] 中国公共安全（学术版），2014（4）：107-111

[2]陈睿 电子监控中常见模糊图像处理应用研究[D] 苏州大[1]学，2014

[3]单薇 图像处理中模糊算法问题的分析[J] 计算机光盘软[1]件与应用，2012（2）：174

[4]谭晃 模糊视频监控图像的清晰化处理[J] 中国安全防范[1]认证，2015（2）：40-42

[5]梅蓉，芦佳 图像处理技术在视频监控图像侦查中的应用[1][J] 广东公安科技，2013，21（3）：43-47

[6]王超 视频监控中的运动模糊图像复原方法研究[D] 合肥[1]工业大学，2015