基于運(yùn)動模糊的車牌恢復(fù)系統(tǒng)設(shè)計

王昌　劉艷　張文超

【摘 要】為解決高速運(yùn)動過程中圖像模糊的問題，本文設(shè)計了運(yùn)動模糊的車牌恢復(fù)系統(tǒng)。通過對圖像進(jìn)行方向微分求極小值，計算出運(yùn)動模糊方向；利用統(tǒng)計頻譜圖中暗條紋個數(shù)的方法得出運(yùn)動模糊尺度。最后利用運(yùn)動模糊方向和尺度，建立退化模型，通過逆濾波的方法，還原運(yùn)動模糊車輛牌照。實(shí)驗取得不錯的效果，有很好的現(xiàn)實(shí)應(yīng)用價值。

【關(guān)鍵詞】運(yùn)用模糊模型；模糊方向；模糊尺度；車牌恢復(fù)

【Abstract】In order to solve the problem of image blurring in high-speed motion， a motion blurred license plate recovery system was designed in this paper. Using the method of the minimum value of the directional differentiation of the image， the motion blur direction is calculated； by the method of the number of dark stripes in the statistical spectrum， the motion blur scale is obtained. In the end， the model is established by using the motion blur direction and scale， and the motor vehicle license plate is recovered by inverse filtering method. The experiments have achieved good results， and have a very good practical value.

【Key words】Motion blurred model； Blurred direction； Blurred scale； Vehicle license plate recovery

0 引言

違章車輛的速度一般較快，圖像采集設(shè)備和目標(biāo)物之間存在較快的相對運(yùn)動，使得獲取的圖片是模糊的，無法準(zhǔn)確獲取車牌信息，為交通執(zhí)法提供依據(jù)。建立運(yùn)動模糊的車牌恢復(fù)系統(tǒng)，有著很重要的現(xiàn)實(shí)應(yīng)用價值。

當(dāng)前，已建立了運(yùn)動模糊圖像的退化模型。該模型認(rèn)為：圖像退化的因素有多種情況，本文只考慮由相對運(yùn)動而產(chǎn)生的圖像模糊，其中由勻速直線運(yùn)動所造成的模糊圖像的恢復(fù)問題更具有一般性。通常，圖像的退化模型為：

1 方法

模糊方向估計方法：將原始圖像看成是自相關(guān)及其功率譜是各向同性的一階馬爾科夫過程，運(yùn)動模糊降低了運(yùn)動方向上圖像的高頻成分，而對于其它方向上的高頻成分影響較少，且隨著方向偏離越大影響越小。因此圖像通過方向微分后所得到的灰度值之和最小的方向就是運(yùn)動模糊方向。

對應(yīng)其他的角度采用對應(yīng)的方法去計算，對微分后的圖像灰度值（絕對值）求和，找出最小灰度值之和對應(yīng)的角度即為運(yùn)動模糊方向。

尺度估計：計算出運(yùn)動模糊方向之后，可以將運(yùn)動模糊車牌進(jìn)行旋轉(zhuǎn)至運(yùn)動方向為零的狀態(tài)，該問題就簡化為尋找運(yùn)動模糊方向為零時的運(yùn)動模糊尺度。對于一般運(yùn)動模糊的圖像，其頻譜圖上的暗條紋的個數(shù)，就是其運(yùn)動模糊的尺度，因此可以通過計算頻譜條紋個數(shù)來確定運(yùn)動模糊尺度。

2 實(shí)驗結(jié)果

運(yùn)動模糊的原始圖像如圖1所示。

利用本文的方向估計的算法得到的微分圖像灰度值絕對值和的曲線如圖2（a）所示。極小值的橫坐標(biāo)表示的是模糊方向。利用本文的尺度估計算法得到的曲線如圖2（b）所示，對應(yīng)的是縱坐標(biāo)的極小值。

利用方向微分原理計算得運(yùn)動模糊方向為a=75度，通過統(tǒng)計頻譜圖中暗條紋個數(shù)得出運(yùn)動模糊尺度計算得運(yùn)動尺度為L=37。

利用濾波器參數(shù)的逆運(yùn)算得到恢復(fù)的圖像，恢復(fù)結(jié)果如圖3所示。

3 結(jié)果

本文通過對運(yùn)動模糊的模型進(jìn)行分析，得到運(yùn)動模糊退化模型的函數(shù)。利用對圖像進(jìn)行方向微分求極小值的方法，計算運(yùn)動模糊方向，利用統(tǒng)計頻譜圖中暗條紋個數(shù)的方法得出運(yùn)動模糊尺度。最后利用逆變換的方法來還原運(yùn)動模糊的圖像，取得了不錯的效果，有很好的顯示應(yīng)用的價值。（下轉(zhuǎn)第89頁）

【參考文獻(xiàn)】

[1]馬明.運(yùn)動模糊圖像的判定與恢復(fù)[D].大連理工大學(xué)，2006.

[2]李紅陽.運(yùn)動圖像恢復(fù)[D].清華大學(xué)，2002.

[3]朱秀昌，劉峰，胡棟.數(shù)字圖像處理與圖像通信[M].北京郵電大學(xué)出版社，2002.

[4]陳前榮，陸啟生，成禮智.基于方向微分和加權(quán)平均的運(yùn)動模糊方向的鑒別[J].計算機(jī)工程與應(yīng)用，2004（29）.

[責(zé)任編輯：侯天宇]