王昌　劉艷　張文超

【摘 要】為解決高速運(yùn)動(dòng)過(guò)程中圖像模糊的問(wèn)題，本文設(shè)計(jì)了運(yùn)動(dòng)模糊的車牌恢復(fù)系統(tǒng)。通過(guò)對(duì)圖像進(jìn)行方向微分求極小值，計(jì)算出運(yùn)動(dòng)模糊方向；利用統(tǒng)計(jì)頻譜圖中暗條紋個(gè)數(shù)的方法得出運(yùn)動(dòng)模糊尺度。最后利用運(yùn)動(dòng)模糊方向和尺度，建立退化模型，通過(guò)逆濾波的方法，還原運(yùn)動(dòng)模糊車輛牌照。實(shí)驗(yàn)取得不錯(cuò)的效果，有很好的現(xiàn)實(shí)應(yīng)用價(jià)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(duì)運(yùn)動(dòng)，使得獲取的圖片是模糊的，無(wú)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(dòng)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(jià)值。

當(dāng)前，已建立了運(yùn)動(dòng)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(duì)運(yùn)動(dòng)而產(chǎn)生的圖像模糊，其中由勻速直線運(yùn)動(dòng)所造成的模糊圖像的恢復(fù)問(wèn)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(jì)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(guò)程，運(yùn)動(dòng)模糊降低了運(yùn)動(dòng)方向上圖像的高頻成分，而對(duì)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(guò)方向微分后所得到的灰度值之和最小的方向就是運(yùn)動(dòng)模糊方向。

對(duì)應(yīng)其他的角度采用對(duì)應(yīng)的方法去計(jì)算，對(duì)微分后的圖像灰度值（絕對(duì)值）求和，找出最小灰度值之和對(duì)應(yīng)的角度即為運(yùn)動(dòng)模糊方向。

尺度估計(jì)：計(jì)算出運(yùn)動(dòng)模糊方向之后，可以將運(yùn)動(dòng)模糊車牌進(jìn)行旋轉(zhuǎn)至運(yùn)動(dòng)方向?yàn)榱愕臓顟B(tài)，該問(wèn)題就簡(jiǎn)化為尋找運(yùn)動(dòng)模糊方向?yàn)榱銜r(shí)的運(yùn)動(dòng)模糊尺度。對(duì)于一般運(yùn)動(dòng)模糊的圖像，其頻譜圖上的暗條紋的個(gè)數(shù)，就是其運(yùn)動(dòng)模糊的尺度，因此可以通過(guò)計(jì)算頻譜條紋個(gè)數(shù)來(lái)確定運(yùn)動(dòng)模糊尺度。

2 實(shí)驗(yàn)結(jié)果

運(yùn)動(dòng)模糊的原始圖像如圖1所示。

利用本文的方向估計(jì)的算法得到的微分圖像灰度值絕對(duì)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(jì)算法得到的曲線如圖2（b）所示，對(duì)應(yīng)的是縱坐標(biāo)的極小值。

利用方向微分原理計(jì)算得運(yùn)動(dòng)模糊方向?yàn)閍=75度，通過(guò)統(tǒng)計(jì)頻譜圖中暗條紋個(gè)數(shù)得出運(yùn)動(dòng)模糊尺度計(jì)算得運(yùn)動(dòng)尺度為L(zhǎng)=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(guò)對(duì)運(yùn)動(dòng)模糊的模型進(jìn)行分析，得到運(yùn)動(dòng)模糊退化模型的函數(shù)。利用對(duì)圖像進(jìn)行方向微分求極小值的方法，計(jì)算運(yùn)動(dòng)模糊方向，利用統(tǒng)計(jì)頻譜圖中暗條紋個(gè)數(shù)的方法得出運(yùn)動(dòng)模糊尺度。最后利用逆變換的方法來(lái)還原運(yùn)動(dòng)模糊的圖像，取得了不錯(cuò)的效果，有很好的顯示應(yīng)用的價(jià)值。（下轉(zhuǎn)第89頁(yè)）

【參考文獻(xiàn)】

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

[2]李紅陽(yáng).運(yùn)動(dòng)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(dòng)模糊方向的鑒別[J].計(jì)算機(jī)工程與應(yīng)用，2004（29）.

[責(zé)任編輯：侯天宇]