宽带多媒体集群系统中的图像增强与恢复技术.docVIP

宽带多媒体集群系统中的图像增强与恢复技术 1 引言 宽带多媒体集群系统是多种通信技术的融合应用，它是以强大的固网、宽带、3G、TD-LTE等网络资源为通信基础，充分利用高速网络带宽和强大的多媒体业务服务支撑能力，实现移动办公、物联网、电子商务等业务的集群通信系统。如图1所示，宽带多媒体集群系统采用大区制组网技术，保证大区域覆盖；向下兼容窄带，实现窄带到宽带的平滑过渡。与窄带集群系统相比，宽带多媒体集群系统在语音、短数据等基本业务的基础上，增加了现场图像、高速数据传输等功能，增强了对事态的感知和信息共享能力，实现了更加高效的指挥调度。 在宽带多媒体集群系统的图像采集和传输过程中，由于采集设备性能与环境背景、信道噪声干扰等诸多种因素影响，导致接收图像会出现运动模糊、噪声干扰严重、质量退化等现象。然而，由于宽带多媒体系统通常运行为行业专网，服务对象对图像的分辨率、图像质量和实时性都有较高的要求，这给频谱资源和信道带宽有限的集群系统带来了巨大的挑战。因此，如何在不增加传输数据量和所需带宽的情况下，提高现场图像的质量和分辨率以改善用户使用效果，成为目前宽带多媒体系统亟待解决的问题。 本文将通过建立宽带多媒体系统的图像退化与复原模型，并在图像复原过程中采用消噪滤波、去模糊化、超分辨率重建等图像增强与恢复技术，来提高图像的质量和分辨率，改善服务用户对现场图像的感知与识别能力，从而进而提升集群系统的指挥调度性能。 2 图像退化与复原模型 在宽度多媒体集群系统中，视频数据的采集、传输、增强和恢复过程可以等效为如图2所示的图像的退化和复原模型，其中，退化过程包括原始数据的下采样和模糊退化以及传输过程中的噪声干扰；而复原过程则可采用噪声滤波、去模糊化和超分辨率重建等技术。在空域上，经过退化后的加噪模糊图像数学模型为[1]： g（x，y） h（x，y）*f（x， y）+η（x， y） （1） 其中，f（x，y）和η（x，y）分别表示原始图像和噪声，h（x，y）为点扩散函数（PSF，Point Spread Function），“”为空间卷积符号。将上式模型写成等价的频域表达式为： G（u，v） H（u，v）F（u，v）+N（u，v） （2） 式中 H（u，v） ∞-∞∞-∞ h（x，y）exp[-j2π（ux-vy）]dxdy为退化函数。 图像复原就是要尽可能恢复退化图像的原始面目，其原理是以图像退化模型为基础，采用各种逆退化处理方法进行恢复，使图像质量得到改善。假设原始图像f（x，y）和噪声η（x，y）都是随机变量，接收端对原始图像为的估计为，图像复原的目标就是使得它们之间的误差最小： （3） 式中，表示求参数的期望。在图像复原过程中，降噪滤波的作用是尽可能降低噪声对复原过程和结果的干扰，去模糊化和超分辨率重建则既能有效提高图像质量又可以改善视觉效果，以便于后期图像分析与识别。 3 宽带多媒体系统的图像增强与恢复 在宽带多媒体系统的图像复原过程中，采用适合的图像增强与恢复技术不仅能够改善视觉效果，改善图像质量、丰富信息量，加强图像判读和识别效果，而且能尽可能恢复退化图像的原始面目，使图像质量得到改善，甚至可以提高图像的分辨率。接下来将对噪声滤除、去模糊化和超分辨率重构等典型的图像增强与恢复技术进行详细介绍，并对典型算法进行性能分析和比较。 3.1 降噪滤波 图像噪声是图像在采集、传输或转换过程中产生的随机干扰信号，容易造成图像毛糙、质量下降、特征淹没，对图像分析十分不利。主要的图像噪声包括高斯噪声、椒盐噪声、周期噪声、伽马噪声、指数噪声和均匀噪声等。图像滤波是去除噪声的有效方法，其原理是在空域以及频域上对图像信号进行滤波处理[2]，常用的滤波算法的性能列表如表1所示；其中中值滤波对于斑点噪声和椒盐噪声尤其有用，且计算复杂度适中，是图像处理中的常用算法之一。 中值滤波算法[2]是J?W?Jukey于1971年首先提出的，它是以排序统计理论为基础，能够有效抑制非线性噪声的图像处理技术。中值滤波器原理是基于图像滤波器周围的图像区域中像素的排序，然后由统计排序结果决定的值代替中心像素的值，从而消除孤立的噪声点，其描述为： （4） 其中A为截取图像像素的窗口，可以是包括线段窗、方形窗、圆形窗、十字窗等的任意形状。选取3×3方形窗口的均值滤波器和中值滤波器为例，图3显示的是加入椒盐噪声（噪声方差为8）的图像经过这两种滤波器处理后的效果图，对比可见中值滤波器的效果是十分明显的。由于中值滤波器计算复杂度不高，因此在宽带多媒体系统中可以采用该滤波器来滤除部分噪声。 图3 均值滤波器和中值滤波器滤除椒盐噪声的效果图 3.2 运动模糊消除 在视频信号采集过程中，拍摄装置与被摄景物都可能以较高速度运动，二者的相对运动容易造成一次曝光的场景能量在成像平面上的非正常积累，即引