5.2   软件的框架和界面设计  29
5.3   本章小结  33
结论    34
致谢    35
参考文献36
附录    38
1  绪论
1.1  研究的目的与意义
公共安全视频监控图像是实施各种视频侦察方法的原始素材，图像的质量与数量直接影
响视频侦察方法的内容与效能[1]
。公安机关通过在一些公共场所和小区内安置的摄像头获取
可疑人员和犯罪嫌疑分子的信息。因此，良好的图像质量在这个过程中变得非常重要。
公共安全图像由于其本身分辨率不高，且由于周围环境、天气等外界因素（如噪声、抖
动、雾气等） ，获得的图像质量往往不高，使公安机关无法有效识别图像中的信息。因此，使
用优秀的算法来提高图像质量，成为帮助公安机关识别罪犯获取重要信息的重要办法。
1.2  图像质量提升的国内外发展现状
提升图像质量的方法很多，如图像增强[2]
、复原[3]
、超分辨[4]
等。根据公共安全图像的特
点，从如下三个方面来提高图像质量。
1.2.1  图像去噪
图像噪声的存在会严重影响图像的视觉效果并降低对图像目标信息的解译能力。数字图
像的去噪方法大体可以分为空间域法和变换域法两类[5]
。空间域法是在待处理图像上直接对
数据进行运算，可分为两种：第一种是对图像进行逐像素的运算，被称之为点运算；第二种
则是在图像每个像素点邻域相关的空间域上的运算，称为局部运算[6]
。变换域法是在图像的变
换域上进行计算和处理，接着通过反变换以达到图像去除噪声的目的。
双边滤波是一种非线性的滤波方法，由 C.Tomasi 于 1998 年提出[7]
。与经典的图像平滑
算法不一样，双边滤波是结合了图像的邻近程度和像素相似度的处理，将其按权重分配，同
时还考虑了空域信息与灰度相似情况，能有效去除图像上的噪声，同时可以保存图像上的信
息。双边滤波具有非迭代，区域性的特点。
双边滤波的优点是很好保存了边缘细节，缺点是对于高频过滤得不好。 2005年， A Buades,、
B Coll 等人提出的非局部均值算法（Non-Local Means，NLM）[8]
成功地解决了已有去噪算法
以初始图像的正则化假设问题，并提供了较好的视觉显示效果。该方法也被证明好于其他经
典的去噪算法，如双边滤波[7]
、基于小波的方法、各向异性扩散[9]
、全变差滤波[10]
等。其去除
噪声的核心方法是使用一幅图像里所具有的重复的结构这一特征，这样有效去除了以往常用
的邻域滤波的算法里的伪影。许多研究者以非局部方法为基础做了不同的改进，比如首先利
用块匹配的方法分组相似的块图像，接着进行三文变换域滤波（BM3D 算法）的方法  [11]1.2.2   图像去雾
图像去雾始终作为图像视觉领域中的重要部分在研究， 其多数应用也在视频监控图像中，
用以提升公共安全图像质量。当前，含雾图像的处理办法基本可归为两大类：雾天图像增强
和雾天图像复原[12]
。雾天图像增强方法的优点有适用范围较广，不用考虑图像降质的原因。
雾天图像的复原重点关注的是雾天图像低质的物理原因，同时为含雾图像建退化模型[13]
，反
演出退化过程，并对该过程中的损失进行补偿，以提高图像的质量。常用的去雾算法有基于
中值滤波的去雾，基于均值滤波的实时去雾算法等。 公共安全低质图像质量提升算法与软件开发(2):http://www.youerw.com/jisuanji/lunwen_20085.html