對于監控系統模糊圖像處理技術，國內大學和科研機構在多年以前就在研究這些理論和應用，相關文獻也發布了不少，已經取得了一些很好的應用。美國Cognitech軟件是相當成熟的一套模糊圖像恢復應用軟件，在美國及其他執法機構中已有多年實際應用，其恢復出的圖像可以直接當作法庭證據使用，可見模糊圖像處理技術已經取得了相當的實際應用。

　　前面提到，造成圖像模糊的原因有很多，要取得比較好的處理效果，不同原因導致的模糊往往需要不同的處理方法。從技術方面來講，模糊圖像處理方法主要分為三大類，分別是圖像增強、圖像復原和超分辨率重構。

　　圖像增強

　　很多傳統圖像算法都可以減輕圖像的模糊程度，比如圖像濾波、幾何變換、對比度拉伸、直方圖均衡、空間域銳化、亮度均勻化、形態學、顏色處理等。就單個來講，這些算法都比較成熟，相對簡單。但是對于一個具體的模糊圖像，往往需要上面的一種或者多種算法組合，配合不同的參數才能達到理想的效果。這些算法和參數的組合進一步發展成為具體的增強算法，比如“圖像去霧”算法、“圖像去噪”算法、“圖像銳化”算法、“圖像暗細節增強”算法等等。這些算法都不同程度提高了圖像清晰度，很大程度改善了圖像質量。

　　綜合使用形態學、圖像濾波和顏色處理等算法可以實現圖像去霧的算法，圖1是一個去霧算法的實際使用效果，類似的圖像增強算法還有很多，不再一一列舉。

　　圖像復原

　　圖像復原與圖像增強技術一樣，也是一種改善圖像質量的技術。圖像復原是根據圖像退化的先驗知識建立一個退化模型，然后以此模型為基礎，采用各種逆退化處理方法逐步進行恢復，從而達到改善圖像質量的目的。

　　圖像復原和圖像增強是有區別的，兩者的目的都是為了改善圖像的質量。但圖像增強不考慮圖像是如何退化的，只有通過試探各種技術來增強圖像的視覺效果，而圖像復原就完全不同，需要知道圖像退化過程的先驗知識，據此找出一種相應的逆過程方法，從而得到復原的清晰圖像。圖像復原主要取決于對圖像退化過程的先驗知識所掌握的精確程度。

　　對由于離焦、運動、大氣湍流等原因引起的圖像模糊，圖像復原的方法效果較好，常用的算法包括維納濾波算法、小波算法、基于訓練的方法等。圖3是使用維納濾波解決運動模糊圖像的例子，取得了很好的復原效果。在知道退化模型的情況下，相對圖像增強來說，圖像復原可以取得更好的效果。

　　圖像超分辨率重構

　　現有的監控系統主要目標為宏觀場景的監視，一個攝像機，覆蓋一個很大的范圍，導致畫面中目標太小，人眼很難直接辨認。這類由于欠采樣導致的模糊占很大比例，對于由欠采樣導致的模糊需要使用超分辨率重構的方法。

　　超分辨率復原是通過信號處理的方法，在提高圖像的分辨率的同時改善采集圖像質量。其核心思想是通過對成像系統截止頻率之外的信號高頻成分估計來提高圖像的分辨率。超分辨率復原技術最初只對單幅圖像進行處理，這種方法由于可利用的信息只有單幅圖像，圖像復原效果有著固有的局限。序列圖像的超分辨率復原技術旨在采用信號處理方法通過對序列低分辨率退化圖像的處理來獲得一幅或者多幅高分辨率復原圖像。由于序列圖像復原可利用幀間的額外信息，比單幅復原效果更好，是當前的研究熱點。

　　序列圖像的超分辨率復原主要分為頻域法和空域法兩大類，頻域方法的優點是:理論簡單,運算復雜度低，缺點是：只局限于全局平移運動和線性空間不變降質模型，包含空域先驗知識的能力有限。空域方法所采用的觀測模型涉及全局和局部運動、空間可變模糊點擴散函數、非理想亞采樣等，而且具有很強的包含空域先驗約束的能力。常用的空域法有非均勻插值法、迭代反投影方法(IBP)、凸集投影法(POCS)、最大后驗估計法(MAP)、最大似然估計法(ML)、濾波器法等，其中，MAP和POCS二方法研究較多，發展空間很大。對于具體的算法，不是本文的重點，這里不做詳細介紹。圖五是一個使用多幀低分辨率圖像超分辨率重構的例子。