淺談低分辨率圖像的核回歸復(fù)原處理的運用體會

祝林峰，李發(fā)明，蔡镋臏

（1.云南省玉溪市公安局，玉溪 653100；2.云南省元江縣公安局，元江 653300）

1 圖像或圖像內(nèi)對象內(nèi)容的低分辨率是司法圖像處理中普遍存在并需要解決的問題

刑事司法圖像處理檢驗鑒定中存在需要解決問題的方面很多。例如：光照情況不理想，光線過亮或過暗；對比度情況不理想，光線不適、成像環(huán)境影響大；隨機(jī)噪聲影響，CCD、鏡頭、電路、光線弱；周期噪聲影響，相機(jī)電路或機(jī)械部件故障；還有由于聚焦不準(zhǔn)，散焦模糊影響；運動模糊影響；相機(jī)抖動模糊影響；低分辨率的影響；壓縮圖像的影響；圖像變形的影響等等。而在處理過程中，我們發(fā)現(xiàn)低分辨率是普遍存在的問題，分辨率的大小，決定影響了存儲圖形信息量的能力。

由于科技、經(jīng)濟(jì)和具體辦案中各種情況的影響，送到實驗室檢驗處理的視頻或圖像，解決分辨率低成了處理視頻或圖像成功與否的關(guān)鍵，一般的超分辨率處理方法，在一些低質(zhì)量圖像處理中起不到很好的作用，圖像超分辨率是利用圖像自身的高頻信息之間的相關(guān)性對丟失的高頻進(jìn)行預(yù)測，然后重建出高分辨率圖像，一般我們用小波域算法，廣義高斯模型、HMT、GSM算法等。我們需要對圖像高頻內(nèi)容較準(zhǔn)確的預(yù)測出來，但是一般的差值處理，在一些低質(zhì)量圖像中卻得不到很好的視覺效果，只是圖像放大了而已，由于部分添加信息使馬賽克錯誤搭配，造成圖像更加不清。核回歸復(fù)原可以得到線條較平滑的圖像，部分消除馬賽克而得到圖像輪廓。

2 核回歸復(fù)原是對低質(zhì)量圖像復(fù)原處理的較好方法

核回歸復(fù)原是一種通用的圖像復(fù)原方法，通常包括消除圖像中的馬賽克失真，階梯效應(yīng)和噪聲污染等。

核回歸方法是基于圖像梯度和圖像插值的方法，因此首先需要估計圖像的梯度。（以貼近公安圖像處理實戰(zhàn)領(lǐng)域的“警視通”軟件為操作平臺）圖像梯度包含兩個參數(shù)，分別為清晰程度和窗口大小，其中清晰程度的取值為0.1～10，取值越大，消除失真的能力越強(qiáng)，但保持圖像中細(xì)節(jié)的能力越弱；窗口大小的取值為5～21，并且只能為奇數(shù)，對于失真越嚴(yán)重的圖像窗口大小取值應(yīng)該越大。

圖像梯度估計完成后，通過插值圖像的方法來消除圖像中的失真。核回歸中插值圖像的方法包含四個參數(shù)：清晰程度，窗口大小，結(jié)構(gòu)敏感度，分析窗大小。其中清晰程度和窗口大小兩個參數(shù)的意義同上，取值范圍也相同，但取值略有不同。結(jié)構(gòu)敏感度用于估計圖像中的結(jié)構(gòu)來進(jìn)行插值，取值為0.01～1之間，取值越大，保持圖像細(xì)節(jié)的能力越強(qiáng)；分析窗大小表示估計圖像中結(jié)構(gòu)時所選取的窗口大小，取值為3～21，并且只能為奇數(shù)，一般取值為5～13之間，取值越大，去除失真的能力越強(qiáng)，但會去除圖像中的一些細(xì)節(jié)信息的可能性會增大。

核回歸方法是基于圖像梯度和圖像插值的方法，因此首先需要估計圖像的梯度（見圖像特征->梯度）。圖像梯度包含兩個參數(shù)，分別為清晰程度和窗口大小，其中清晰程度的取值為0.1～10，取值越大，消除失真的能力越強(qiáng)，但保持圖像中細(xì)節(jié)的能力越弱；窗口大小的取值為5～21，并且只能為奇數(shù)，對于失真越嚴(yán)重的圖像窗口大小取值應(yīng)該越大。

3 核回歸復(fù)原是具有一定局限的，且也有缺點

由于核回歸的圖像復(fù)原方法是一個迭代的過程，迭代的次數(shù)越多具有越強(qiáng)的復(fù)原能力，但是同時也會帶來圖像的模糊。所以，迭代次數(shù)取值在1～15之間，一般取為2～5之間。還有，處理后圖像輪廓線條經(jīng)常因為過于平滑而影響效果，需要細(xì)節(jié)銳化處理，或針對原有模糊類型來銳化處理。

核回歸算法的優(yōu)點是恢復(fù)失真的通用性較強(qiáng)，但是運算速度并不是很快，尤其隨著圖像信息越大、迭代次數(shù)越多，速度就越慢，很費時。

哈爾濱工業(yè)大學(xué)的專家們已研究出 “基于核回歸的單幀圖像快速超分辨率重建方法”，它克服了已有核回歸單幀圖像的超分辨率重建方法計算量巨大、耗費時間長的缺陷。它是：把低分辨率圖像上的像素點映射到高分辨率網(wǎng)格中；確定待估值像素點并分為兩大類；確定每個第一類待估值像素點的正方形鄰域像素集合，把集合中各點的像素值代入核回歸方程計算像素值；確定第二類待估值像素點的菱形鄰域像素集合，把集合代入核回歸方程計算像素值；當(dāng)所有待估值像素點都賦值后輸出圖像。該發(fā)明引入二維非線性核回歸進(jìn)行插值點的估值、利用局部鄰域處理代替整幅圖像處理、采用即時更新策略，從而實現(xiàn)單幀圖像的超分辨率重建。

4 具體操作實驗比較

我們通過遠(yuǎn)距離拍照得到幾幅圖，圖中物體很小，放大裁剪得到低分辨率圖像，圖像馬賽克影響較大，類似于我們平時處理單幀視頻圖像中的內(nèi)容。

運用某公安內(nèi)部處理軟件平臺處理。通過曲線調(diào)整，在運用核回歸復(fù)原5次迭代處理，在細(xì)節(jié)銳化處理得到比較圖像如下（圖1、圖2、圖3）。

圖1 圖像比較圖

圖2 人像比較圖

圖3 車牌比較圖

［1］章毓晉.圖像處理與分析［M］.第一版.北京：清華大學(xué)出版社，1999，101-132.

［2］龔聲蓉等.數(shù)字圖像處理與分析［M］.第一版.北京：清華大學(xué)出版社，2006，123-166.

［3］楊洪臣等.模糊圖像處理概述.警察技術(shù)［J］.北京：公安部第一研究所《警察技術(shù)》編輯部，2009.5，4-7.

［4］黎智輝等.圖像復(fù)原工具應(yīng)用技巧.警察技術(shù)［J］.北京：公安部第一研究所《警察技術(shù)》編輯部，2009.5，8-11.