一種運(yùn)動(dòng)模糊車輛牌照識(shí)別方法的研究

姚巧鴿，周原

一種運(yùn)動(dòng)模糊車輛牌照識(shí)別方法的研究

姚巧鴿，周原

車輛快速運(yùn)動(dòng)情況下對(duì)其所拍攝的車牌圖像通常比較模糊，在對(duì)其進(jìn)行識(shí)別時(shí)效果不理想。針對(duì)此問題，提出一種基于Z變換的模糊車牌信息識(shí)別的新方法。該方法通過建立基于Z變換的圖像退化模型和恢復(fù)模型，先對(duì)運(yùn)動(dòng)模糊圖像進(jìn)行復(fù)原處理，再對(duì)處理后的圖像進(jìn)行車牌信息識(shí)別。實(shí)驗(yàn)結(jié)果表明，該方法對(duì)模糊車牌信息識(shí)別的效果良好，具有一定的實(shí)用性。

圖像復(fù)原；去模糊；車牌識(shí)別

0 引言

車牌識(shí)別技術(shù)在智能交通領(lǐng)域有著廣泛應(yīng)用，近年的研究中出現(xiàn)了多種實(shí)用的車輛牌照自動(dòng)識(shí)別方法[1]-[4]，但這些方法一般適合對(duì)清晰度正常的車牌信息進(jìn)行識(shí)別，在有些情況下，比如對(duì)變速直線運(yùn)行的車輛進(jìn)行拍照時(shí)，由于車輛與攝像機(jī)之間的相對(duì)移動(dòng)較快，且相對(duì)速度會(huì)發(fā)生改變，采集到的車輛牌照?qǐng)D片比較模糊，且通常含有一定的噪聲，容易導(dǎo)致圖像質(zhì)量降低，出現(xiàn)模糊等圖像退化現(xiàn)象[5]，采用常規(guī)的車輛牌照識(shí)別方法往往難以準(zhǔn)確識(shí)別車牌信息。因此，應(yīng)對(duì)原始車牌圖像進(jìn)行預(yù)處理，提高其清晰度，以便于后續(xù)的圖像識(shí)別。目前常見的模糊圖像恢復(fù)的方法有維納濾波法[6]、濾波法[7]等，但這些方法往往計(jì)算復(fù)雜耗時(shí)且恢復(fù)效果不太理想。本文則提出一種基于Z變換的模糊車牌圖像識(shí)別的新方法，先建立新的圖像退化模型和恢復(fù)模型，再采用恢復(fù)模型對(duì)退化圖像進(jìn)行預(yù)處理，使模糊的車牌圖像質(zhì)量得以明顯改善，以便于車牌信息的準(zhǔn)確識(shí)別。

1 模糊車輛牌照的預(yù)處理

1.1 常見模糊圖像預(yù)處理方法的分析

目前常用的模糊圖像預(yù)處理方法有三種，分別為逆濾波法、維納濾波法和算法。其中，逆濾波法簡(jiǎn)單直接，是一種無約束恢復(fù)方法，在沒有噪聲干擾的情況下，可以獲得較好的模糊圖像恢復(fù)效果，但如果退化圖像受到噪聲污染，恢復(fù)出的圖像質(zhì)量則變得很差，細(xì)節(jié)部分會(huì)出現(xiàn)模糊，說明其抗噪能力比較差。維納濾波法對(duì)逆濾波算法進(jìn)行了改進(jìn)，可較好地抑制噪聲對(duì)圖像復(fù)原的影響[6]，但其算法相對(duì)比較復(fù)雜，運(yùn)算量也比較大。算法則采用了非線性迭代的方法，在處理過程中噪聲會(huì)得到放大[7]，且局部圖像可能需要上百次迭代運(yùn)算才能得到比較滿意的結(jié)果，導(dǎo)致運(yùn)算量很大，不適合于車輛牌照識(shí)別等實(shí)時(shí)性要求較高的場(chǎng)合。

1.2 基于運(yùn)動(dòng)分解的圖像退化模型的建立

在本文的圖像恢復(fù)方法中，將汽車的變速直線運(yùn)動(dòng)分解成分段的勻速直線運(yùn)動(dòng)，對(duì)其造成的運(yùn)動(dòng)模糊現(xiàn)象先建立圖像退化模型，再采用相對(duì)簡(jiǎn)單的基于Z變換的方式對(duì)退化圖像進(jìn)行恢復(fù)，避免了復(fù)雜的數(shù)學(xué)運(yùn)算，可以有效地降低運(yùn)算量，減少處理時(shí)間，提高圖像恢復(fù)的質(zhì)量。

在進(jìn)行模糊圖像處理之前，先進(jìn)行圖像退化模型的建立。假設(shè)靜止時(shí)圖像原型為x( m, n)，點(diǎn)擴(kuò)散函數(shù)(PSF)為h( m, n)，圖像在拍攝時(shí)疊加的噪聲為n( m, n)，則拍攝后獲取的模糊圖像應(yīng)為公式（1）：

式（1）中h( m, n)又可以表示為公式（2）：

公式（2）中N為運(yùn)動(dòng)模糊尺度，θ為模糊方向。設(shè)模糊圖像上任一點(diǎn)為 x'( m', n')，則其灰度值可以采用雙線性插值[8]來求得，計(jì)算過程可以分為兩步，第一步為縱向線性插值，由x( m, n)和 x( m, n +1)可得公式（3）：

由 x( m +1,n)可得公式（4）：

第二步由x1( m, n')x m+n進(jìn)行橫向插值可得公式（5）：

當(dāng)圖像發(fā)生勻速直線運(yùn)動(dòng)時(shí)，假設(shè)其運(yùn)動(dòng)方向沿θ角，在拍攝曝光時(shí)間t內(nèi)移動(dòng)了N個(gè)點(diǎn)，圖像運(yùn)動(dòng)越快，采樣點(diǎn)的曝光時(shí)間越短，其亮度越低。設(shè)t0在X(0,0)位

置，投影在像素點(diǎn) y(0,0)，相應(yīng)的， tN-1時(shí)刻在s iX n (0,)0)位置，投影在像素點(diǎn)y(0,0)。所以在時(shí)間 t內(nèi)，y(0,0)接收到的信息應(yīng)為x( 0,0)、 ...、 x ( p cosθ,p sinθ)、...、x(( N -1)cosθ,(N -1)sinθ)的疊加，y(0,0)的灰度應(yīng)為公式（6）：的灰度值為公

所拍攝的模糊圖像上任意像素點(diǎn)y( m, n)式（7）：

式（4）即為運(yùn)動(dòng)模糊圖像的退化模型。

1.3 基于Z變換的圖像恢復(fù)模型的建立

圖像恢復(fù)相當(dāng)于是對(duì)退化的圖像進(jìn)行求逆運(yùn)算。采用Z變換的方法，運(yùn)算過程相對(duì)簡(jiǎn)單，運(yùn)算量可得到明顯降低。對(duì)（7）式作Z變換運(yùn)算可得公式（8）：

再對(duì)式（9）左右兩邊進(jìn)行Z反變換，則可得公式（10）：

式（10）即為所建立的模糊圖像恢復(fù)模型。在對(duì)點(diǎn)擴(kuò)散函數(shù)(包括模糊方向和尺度)及邊界條件進(jìn)行確定后，就可從模糊圖像y( m, n)中復(fù)原出目標(biāo)圖像

2 實(shí)驗(yàn)結(jié)果

為對(duì)比本文中所提出的方法和目前現(xiàn)有的常用方法對(duì)運(yùn)動(dòng)模糊圖片的恢復(fù)效果，選取一幅模糊車輛牌照進(jìn)行恢復(fù)處理，實(shí)驗(yàn)結(jié)果如圖1中(a)-(d)所示。其中(a)為拍攝的模糊圖像，(b)為采用維納濾波法處理后恢復(fù)出的圖像，(c)為采用的Richardson-Lucy 濾波法處理后恢復(fù)出的圖像，(d)為采用本文所提出的方法處理后恢復(fù)出的圖像，如圖（1）所示：

圖1 不同方法下模糊圖像恢復(fù)效果的對(duì)比

從圖1中可以看出，采用本文提出的方法對(duì)運(yùn)動(dòng)模糊車輛牌照?qǐng)D像進(jìn)行恢復(fù)時(shí)，其效果好于傳統(tǒng)的Richardson-Lucy 濾波法和維納濾波法等方法。

采用本文所提出的方法對(duì)拍攝到的運(yùn)動(dòng)模糊車輛牌照?qǐng)D像進(jìn)行對(duì)處理后，對(duì)恢復(fù)出的圖像信息進(jìn)行邊緣提取、車牌定位、字符分割和字符歸一化處理，處理中各個(gè)步驟的結(jié)果如圖2中(a)-(d)所示：

圖2 恢復(fù)后的圖像進(jìn)行車牌字符識(shí)別的結(jié)果

從實(shí)驗(yàn)結(jié)果可以看出，對(duì)于運(yùn)動(dòng)模糊車輛牌照信息，經(jīng)過圖像恢復(fù)處理后，車牌字符的識(shí)別效果良好。

3 結(jié)束語

本文所提出的運(yùn)動(dòng)模糊車輛牌照識(shí)別方法，較好地解決了運(yùn)動(dòng)模糊情況下的車牌識(shí)別問題。先通過圖像退化模型和恢復(fù)模型的建立，并采用恢復(fù)模型對(duì)退化圖像進(jìn)行預(yù)處理，使模糊的車牌圖像質(zhì)量得以明顯改善，再對(duì)處理后的車牌圖像進(jìn)行識(shí)別。實(shí)驗(yàn)結(jié)果表明，該方法對(duì)運(yùn)動(dòng)模糊的車牌信息識(shí)別效果良好，具有一定的實(shí)用性。

[1] 馬爽,樊養(yǎng)余,雷濤.一種基于多特征提取的實(shí)用車牌識(shí)別方法[J]. 計(jì)算機(jī)應(yīng)用研究,2013,30(11):3495-3499.

[2] 曾文艷,王亞剛,邵惠鶴.基于一維離散周期小波變換的實(shí)時(shí)車牌識(shí)別方法[J]. 信息技術(shù),2014,(2):65-68

[3] 耿慶田,趙宏偉.基于分形維數(shù)和隱馬爾科夫特征的車牌識(shí)別[J]. 光學(xué)精密工程,2013,21(12):3198-3203.

[4] 蔡勇智. 一種改進(jìn)的神經(jīng)網(wǎng)絡(luò)算法車牌識(shí)別算法研究[J]. 科技通報(bào),2012,28(10):128-130.

[5] 周原,姚汝賢,姚巧鴿. 一種基于圖像增強(qiáng)的弱光背景下車輛牌照識(shí)別方法[J]. 微型電腦應(yīng)用,2014,30(3):30-31.

[6] 孫輝,張葆,劉晶紅等. 離焦模糊圖像的維納濾波恢復(fù)[J].光學(xué)技術(shù),2009,35(2):295-298.

[7] 趙博,張文生,丁歡. 基于 Richardson-Lucy的圖像去模糊新算法[J]. 計(jì)算機(jī)工程與應(yīng)用,2011,47(34):1-4.

[8] 李文書,趙悅. 數(shù)字圖像處理算法及應(yīng)用[M]. 北京:人民郵電出版社,2012:62-66.

A Recognition Method of Blurred License Plate Image

Yao Qiaoge, Zhou Yuan
(Information Engineering Collge , Huanghuai University, Zhumadian 463000,China)

The captured license plate image is always blurred due to the vehicles’ rapid movement. The effects are not satisfied when identifing. This paper presents a new method to identify the blurred license plate based on z-transformation. By establishing image degradation and recovery models based on z-transformation, it firstly restores the blurred image, and then identifies the license plate on the processed image. The experiment results show that the new method goes well and has some practicality.

Image Restoration; Deblurring; License Plate Recognition

TP911.73

A

2014.12.15）

1007-757X(2014)12-0055-03

姚巧鴿（1984-），女，河南駐馬店，黃淮學(xué)院信息工程學(xué)院，講師，碩士，研究方向：信號(hào)處理及LTE通信技術(shù)，駐馬店，463000周 原（1981-），男，河南駐馬店，黃淮學(xué)院信息工程學(xué)院，講師，碩士，研究方向：信號(hào)處理及LTE通信技術(shù)，駐馬店，463000