模糊图像处理技术的发展 - 模糊图像处理技术在安防领域的应用

　　2、模糊图像处理技术的发展

　　从20世纪90年代以来，安防行业经历了一个飞速发展的时期。随着安防监控系统从全模拟到全数字的发展，人们对图像质量要求越来越高，图像分辨率也经历了从CIF到标清再到高清分辨率的变迁。

　　早期传统的监控系统采用模拟信号传输方式，称为第一代全模拟监控时代。模拟监控主导安防市场十几年时间，那时的视频文件通过磁带录像机进行录像和保存。在模拟监控时代，因为视频图像的存储都是采用模拟设备，模拟存储设备随着时间延长，图像会有一定的信息损失。但是模糊图像处理技术是针对数字图像进行处理的技术，所以那个年代还没有被引入到安防领域。

　　因模拟监控系统固有的缺陷，随着计算机技术的不断发展，数字化存储方式逐渐取代了模拟的磁带存储。随之进入了第二代准数字监控系统，以数字硬盘录像DVR为主，替代了模拟录像机，跨出数字监控的第一步。对视频图像数字化以后，图像处理技术开始派上了用场，模糊图像处理技术逐步被引入安防领域。

　　随着计算机与网络技术的发展，目前视频监控已经发展到了基于IP网络传输的全数字监控时代。这样就进入了第三代全数字网络视频监控时代，这个时代的代表产品以IPC、NVR为主。视频图像数字化以后，模糊图像处理技术在安防领域得到广泛的应用。

　　模糊图像处理技术属于图像处理技术的一种，所谓图像处理技术，就是利用计算机或高速、大规模的集成数字硬件，对从图像信息中的数字电信号进行某些数字运算或处理，以期提高图像的质量或达到人们所预期的结果，因此也称为计算机图像处理技术。如对被噪声污染的图像除去噪声，对信息微弱的图像进行增强处理，对失真的图像进行几何校正，从犯罪现场提供指纹特征等。过去几年，受国际恐怖事件的推动，人们的安全防范意识越来越高，社会对安保的需求也越来越多，监控图像处理技术也将在这样的市场需求和规律中不断演进，发挥越来越多的作用。

　　3、安防行业的特殊要求

　　计算机图像处理是将图像信号转换成数字信号并利用计算机对其进行处理。由于计算机的处理速度极快，且数字信号具有失真小、易保存、易传输、抗干扰能力强等特点，因而计算机图像处理的应用十分广泛，包括航空航天、遥测技术、医疗器械、工业自动化检测、安全识别、安防监控、娱乐媒体等各大领域。每一个应用领域都有其领域的特殊性要求，安防监控行业应用也有其固有的特殊性。

　　对图像清晰度要求较高。在治安监控现场，公安机关往往需要通过监控录像来辨认嫌疑人、证据等。一般清晰度不高的视频都达不到这种要求。在交通监控现场，交警需要通过监控图像来识别车牌、违章行为、驾驶人等要求，模糊的图像在这种场合根本无法应用。

　　不同的行业监控，对图像要求的差异性。比如医疗监控，对图像的色彩还原性要求比较高。智能交通监控，对摄像机夜间照度和抓拍速度要求比较高，要求能清晰辨别车牌。在无人值守监控，需要设备在无人看管的条件下能长期稳定的工作。

　　户外安装，无人看守。在安防领域，大多情况设备需要安装在室外，设备需要经受常年的风吹日晒。要经历常年温度、湿度、盐度、辐射等自然条件的影响。电子设备自身的老化的速度会比其他领域要相对快一些。摄像机镜头、电子设备、传输线路等设施的老化会导致图像越来越模糊。

　　海量视频路数的要求。在大型平安城市监控项目中，视频路数会达到上万路，甚至更多路。如此海量的视频路数，对网络带宽、存储设备都提出了很高的要求。所以在视频监控领域都期望视频编码的码率压缩比达到最高，从而降低对带宽和容量的要求。这就导致在视频编码环节产生更多的信息丢失，从而导致图像模糊。

　　安防领域的这些特殊应用场所，都会导致图像清晰度的下降，反过来又对图像清晰度有很高的要求，势必会导致模糊图像处理技术在这里有广阔的应用前景。

　　4、模糊图像处理技术的局限性

　　目前受硬件水平、传输带宽以及应用环境等因素影响，图像模糊问题还无法得到彻底解决。

　　图像从采集到传输到存储显示的任何一个环节对于图像质量都很关键，任何一个步骤出问题都会影响图像质量，而且这种影响是不可逆的，所以说彻底解决图像模糊问题，需要一个全方位的技术更新。比如，在当前的数字图像技术的背景下，编码技术是影响图像质量的瓶颈之一，如果出现一种压缩比高、图像损失小的编码算法，当然会一定程度解决因为压缩导致的图像模糊问题，不过要实现这种算法，通常需要更高的运算代价，所以还需要硬件技术的更新来满足这样的算法。

　　类似超分辨重构的模糊图像处理技术由于其算法的复杂性，目前的常规设备还很难做到实时处理高清图像，所以算法的效率还是目前的模糊图像处理的不足之一，这就需要从算法和硬件两方面入手，提高算法效率，同时也需要提升硬件性能。

　　另外，目前各种针对模糊图像处理的算法，都是基于某种特定场景应用而产生的解决方法，各种算法存在的局部性和局限性，造成了算法应用的障碍。所以在未来的很多年，我们关于图像处理的算法和模型也有很长的路要走。