|
 
- UID
- 864567
|
安防领域的这些特殊应用要求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。
模糊图像处理技术的局限性
目前受硬件技术水平、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、传输、存储到显示，任何一个环节对图像质量都很关键，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效果，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，所以算法的效率仍是目前模糊图像处理不足的原因之一，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都造成了算法应用的障碍。所以在未来的很多年，关于图像处理的算法和模型也还有很长的路要走。
发展趋势及展望
广义上说，获取不到足够信息的图像都可以叫做模糊图像，所以图像模糊问题会随着人们需求的提升而有新的表现。比如目前的监控领域也许只需要一幅有一定分辨率的图像能满足人脸识别的需求即可，随着社会的发展也许我们需要通过一段视频来分析某人的嘴部动作，从而分析他在说什么，这样的话会需要更高分辨率更清晰的图像。这将是一个永恒不变的追求方向，所以模糊图像处理的问题将会被一直研究下去。
视频监控作为物联网的一部分，随着物联网的不断发展和应用，最终将会朝着智能化的方向发展，图像模糊的自动分析即成为系统自检应用的技术之一，通过智能分析，系统将会自动识别图像的几何形状、色彩、噪声、模糊、融合，以及超分辨等图像效果进行自动分析和处理。随着模糊图像处理技术的应用范围越来越广泛，模糊图像处理技术和智能分析的完美结合必然成为发展趋势。 |
|
