● 摘要
在各种设备上获取、转换、存储、共享和查看图像正变得越来越方便和普及。然而，由于散焦、大气扰动、相机和场景之间的相对运动、压缩等因素，图像经常发生降质，其中最普遍的一种降质便是模糊。
本文研究模糊图像的质量评价和复原方法，对模糊图像的质量评价及复原建立了数学模型，并进行了广泛的实验验证。在此基础上，将模糊图像质量评价以及复原应用于列车安全监控图像。论文主要研究以下几个方面：
提出了一种针对高斯模糊图像的无参考清晰度评价方法。这种评价方法基于相对模糊的概念，其关键假设为：人类视觉系统对图像清晰度的判断与对图像目标识别的便利程度密切相关，同时设计了主观对比实验用以验证此假设。建立评价模型，反映图像目标尺度与模糊感知之间的关联。在三个广泛使用的数据库上测试了这种评价模型，并与此领域一些突出方法进行了比较。实验结果表明，该评价方法能在不同数据库上准确可靠地评价高斯模糊图像的清晰度。
提出了一种JPEG2000图像的无参考清晰度评价方法。该方法主要使用振铃度量，以模糊度量为补偿。使用各向异性扩散初步检测振铃区域，然后考虑振铃的结构特性，使用数学形态学方法校正初始振铃。在一些相关的数据库上，证实了这种方法的准确性和可靠性。
提出一种基于结构预测的运动模糊图像鲁棒复原方法。使用一种自适应预测方法，该方法预测大于模糊范围的图像特征，进行模糊核估计。正是因为使用了这种预测，在进行图像和模糊核交替最小化估计时，可以使用便于高效计算的高斯先验。使用估计的模糊核，最终的复原图像是通过基于稀疏先验的非盲复原得到。广泛的实验验证以及与国际领先方法的对比表明，本方法达到了空不变图像复原领域的先进水平，甚至在一些情况下，本方法表现出了更好的精确度和鲁棒性。
将模糊图像质量评价和复原方法应用于列车安全监控（TFDS）图像中。研制了相应的软件和硬件系统，并进行了充分的测试以及长期的实际运行。系统的工作方式如下：视觉传感器获取监控图像；图像存储于数据服务器上的数据库中；客户端使用WebService查询TFDS图像信息并实时读取数据服务器中的图像数据；客户端的应用软件处理所读取的图像并上传结果到数据服务器。