随着智慧城市的发展与建设，大量的视频监控系统已经投入使用，广泛地存在于政务、商区、社区、园区等公共场所。但是在侦查工作中，由于设备或者其他条件的限制，案情发生后的图像经常出现嫌疑人面部特征不清晰、嫌疑车辆车牌模糊无法辨认等问题，无法及时提供有效线索。那么，对于这样的问题，我们该如何去处理呢？

从技术上讲，视频监控模糊图像处理的方法主要分为三类，即图像增强、图像复原和图像超分辨率重构。

1、图像增强

增强图象中的有用信息，改善图像的视觉效果。针对图像的应用场合，有目的地强调图像的整体或局部特性，强调某些感兴趣的特征、抑制不感兴趣的特征，增强图像中不同信息特征之间的差异，从而加强图像判读和识别效果，满足某些特殊分析的需要。主要方法有：

①对比度变换。线性变换、非线性变换

②空间滤波。图像卷积运算、平滑、锐化

③彩色变换。单波段彩色变换、多波段彩色运算、HIS

④多光谱变换。K-L变换、K-T变换

⑤图像运算。插值运算、比值运算

对于特定的模糊图像，通常需要一个或多个上述算法和不同参数的组合来实现预期的效果。这些算法和参数的结合进一步发展成为具体的增强算法，如“图像去雾”算法、“图像去噪”算法、“图像锐化”算法、“图像暗细节增强”算法等。

2、图像复原

图像复原需要了解图像退化过程的先验知识，并在此基础上找到相应的逆过程方法，以获得复原的清晰图像，所以复原的效果非常依赖于图像退化过程先验知识的准确性。对于散焦、运动、大气湍流等原因造成的图像模糊，图像复原方法具有良好的效果。常见的算法包括维纳滤波算法、小波算法、基于训练的方法等。当退化模型已知时，图像复原可以获得比图像增强更好的结果。

3、图像超分辨率重构

现有的监控系统主要服务于宏观场景的监视，然而一个摄像机去管控很大的一个范围，会导致画面中目标太小，无法直接辨认。这种由欠采样引起的图像模糊占了很大的比例。对于这种情况，图像超分辨率重构的方法可以达到一个很好的效果。

超分辨率复原是一种提高图像分辨率和采集图像质量的信号处理方法，其核心思想是通过估计信号的高频成分而不是成像系统的截止频率来提高图像的分辨率。超分辨率复原技术最初只处理单幅图像，在图像复原效果上存在一定的局限性。而随着技术发展，我们可以通过信号处理方法、以及帧间的额外信息去处理序列低分辨率退化图像，以获得一幅或多幅高分辨率复原图像。