程 姝 周志強

（安徽省質量和標準化研究院信息中心，安徽 合肥230051）

1 介紹

隨著城市化的進展和汽車的普及，交通運輸問題變得日益嚴重：道路車輛擁擠，交通事故頻發(fā)，交通環(huán)境惡化，交通監(jiān)管不完善，交通調度不及時。在這種背景下，把車輛和道路綜合起來考慮，運用各種高新技術，系統(tǒng)地解決道路交通問題，由此產生了新的研究和應用領域即智能交通系統(tǒng)ITS(intelligent Transportation System)。智能交通系統(tǒng)（ITS）又稱智能運輸系統(tǒng)，是把多種技術有效集成應用在交通領域的綜合管理體系，其中包括：通信技術、傳感技術、微處理技術以及信息技術。其目的在于改善交通情況，高效整合交通資源，優(yōu)化行車路線，降低了交通事故的發(fā)生率，保證了環(huán)境質量。智能交通系統(tǒng)是物聯(lián)網技術在交通系統(tǒng)中的高效應用，它將信息高速公路與實體高速公路恰到好處的融合在一起，現(xiàn)階段智能交通系統(tǒng)還沒有得到普及，但已經有很多國家包括我國在內都在進行進一步的研究。

交通信息有其固有特性，決定了直接捕獲的交通信息很難直接應用。當前國內交通系統(tǒng)中廣泛使用的電子眼，當有違章車輛通過時，要及時拍照從而實現(xiàn)違章車輛管理，但由于拍照瞬間運動的車輛與固定的電子眼之間存在相對位移而導致車牌無法識別甚至車型無法辨識，導致后期交通管理方面受阻，影響交通管理效率[1]。不僅是電子眼存在這類為題，交通管理中的照相機，錄像機等都存在這類問題，其原因一是由于交通管理中，在拍攝瞬間，攝像頭與被攝物（通常是車輛或行人）之間常常處于相對運動狀態(tài)，而導致曝光瞬間，被攝物與鏡頭之間存在相對位移[1]。從而使得捕獲的照片模糊失真，無法用于交通管理。二是由于交通管理中的電子產品往往暴露在外，因此受外界環(huán)境影響較大，例如風速較高時攝像頭會微微擺動，所稱圖像會受到外界噪聲、散射炫光等等因素影響使得圖片模糊失真。影響交通管理，降低效率。

在上述問題中，交通管理系統(tǒng)策略都會采用人工方式處理，智能交通管理的智能無從體現(xiàn)。現(xiàn)在也有了許多拍照瞬間的補償方式，例如機械補償、電子補償、光補償?shù)鹊?，原理大多是增加設備，增加元器件投入。我國國土面面積較大，人口大國，要想全方位實現(xiàn)智能交通管理系統(tǒng)，投入也相當巨大。只關注于硬件補償增加投入是不可取的。因此本研究力求將圖像處理，模式識別、物聯(lián)網技術引入智能交通系統(tǒng)中，初步實現(xiàn)系統(tǒng)中的關鍵模塊。傳統(tǒng)上該問題涉及三個方面：圖像采集模塊、圖像快速傳輸模塊及圖像處理模塊。圖像采集模塊主要由硬件構成，采集圖像的時候，實時拍照并將圖像傳送到圖像處理模塊。圖像處理模塊主要由軟件實現(xiàn)，為了快速高效的開發(fā)出模塊原型，該模塊主要由Matlbab實現(xiàn)，而圖像傳輸模塊主要借助物聯(lián)網技術實現(xiàn)。從而實現(xiàn)交通圖像的軟件補償策略，降低成本。

2 學術思路與技術途徑

交通系統(tǒng)中運動模糊是最常見的一種會降低圖像質量的模糊。這樣的圖像恢復高度依賴對運動模糊參數(shù)的估計。自1976年以來，研究人員已經研究出了很多算法來估計線性動態(tài)模糊參數(shù)。這些算法的時間復雜度、精度和魯棒性表現(xiàn)不同。運動模糊點擴散函數(shù)遵循[1]：

因此運動模糊取決于兩個參數(shù)：運動長度(L)和運動方向（φ）。

因此，本文主要匯集幾種算法，在含噪聲、低的信噪比及含有空間移變性質的情況下可以確定直線運動模糊參數(shù)，進而恢復出效果較好的清晰圖像。設計一個系統(tǒng)能夠更智能、更少人工參與的輔助交通管理。

3 算法描述

首先將拍攝傳回的圖像進行預處理分類判別類型，再分入不同的系統(tǒng)處理。如圖1所示。將模糊圖像分為空間移變運動模糊圖像與空間移不變的運動模糊圖像，結合是否受噪聲污染，將圖像分為四類，分別進行不同處理，最后輸出。

1）針對于空間移不變的含噪運動模糊圖像，現(xiàn)有的技術針對于含噪圖像恢復算法少，效果不佳，可以結合空間域及頻域分析，使用Radon變換檢測運動方向，雙譜模型估計運動長度，準確估計模糊參數(shù)使圖像獲得更好的效果[1－2]。

2）對于空間移變運動模糊，本課題擬將視頻處理的方法引入到單幅圖像復原中來?？朔酝鶈畏谱兡：龍D像難以恢復的缺點，有意將隔行掃描空間移變特性的CCD圖像特有性質引入恢復方案。方法依據隔行掃描圖像分為上下兩場的特性，結合塊匹配算法，估計點擴散函數(shù)，將引入圖像定向信息測量操作來保持邊緣[3]。

3）針對移不變模型不含噪聲的情況采用傳統(tǒng)頻域方法處理[4]。

4）針對于移變模型不含噪聲的情況，將圖像分塊，每一塊按照空間移不變性質的模型進行處理[4]。

圖1 系統(tǒng)流程圖

5）針對于模糊圖像對模糊圖像設計閾值，當超過閾值時，懷疑車輛超速，利用已有的模糊圖像，設計從單幅圖像估計車輛速度的方法集成到本系統(tǒng)中，直接判別超速車輛[5]。

6）將物聯(lián)網、模式識別技術集成到本系統(tǒng)中，結合邊緣檢測、計算機科學、信息理論及計算機視覺、形態(tài)學等技術實現(xiàn)車牌識別功能。 圖像具體流程如圖1所示。

4 結論

本文針對道路車輛管理落后的問題，將圖像處理及物聯(lián)網、模式識別等新技術應用到智能交通系統(tǒng)的信息管理模塊中來。改善終端系統(tǒng)最終顯示的圖像，從而提高管理效率，輔助交通管理。

［1］趙志剛,程姝,呂慧顯,陳瑩瑩,歐陽佩佩,潘振寬.含噪運動模糊圖像恢復[J].青島大學學報(自然科學版),2014(01).

［2］S.Colonnese,P.Campisi,G.Panci,G.Scarano,Blind image deblurring driven by nonlinear processing in the edge domain,EURASIPJ[J].Appl.SignalProcess.16(2004)：2462-2475.

［3］趙志剛,程姝,王國棟.基于運動估計的模糊圖像盲復原[J].光電子.激光,2012,(10)：2010-2016.

［4］程姝,趙志剛,呂慧顯.順序結構的運動模糊圖像復原技術綜述[J].計算機應用,2013(S1)：161－165,185.

［5］程姝,趙志剛.單幅運動模糊圖像的恢復及應用[J].青島大學學報(自然科學版).