李春宇， 蔣占卿， 高樹輝

(中國人民公安大學(xué)刑事科學(xué)技術(shù)系，北京 100038)

0 引言

近年來，視頻監(jiān)控系統(tǒng)作為一種便捷有效的安保系統(tǒng)逐漸走向普及，各種視頻監(jiān)控林立街頭，實時地記錄著各個角落的一舉一動，而這也為偵查破案提供了重要的支持。其中，對涉案機(jī)動車牌照的分析和處理問題越來越多，如果可以將案件中的車牌信息進(jìn)行圖像復(fù)原，可以為案件的偵查工作提供線索，甚至直接破獲案件。

在視頻偵查過程中，技術(shù)人員所獲取的車牌圖像往往是模糊不清的，且其模糊原因比較復(fù)雜，典型原因之一就是運動模糊，也是比較常見的一種模糊因素。而恒銳圖像處理系統(tǒng)是公安專用圖像處理軟件中較為常用的一款，因此，研究利用由于相對運動引起的模糊車牌圖像進(jìn)行復(fù)原處理具有一定意義。通過選擇不同處理方法和不同的參數(shù)，進(jìn)而找出其中的規(guī)律和可行性處理方案，希望借此既能為公安基層技術(shù)人員提供參考提示作用，又有助于其提高工作效率和破案率。

1 器材與方法

1.1 實驗器材

(1)Nikon D70單反數(shù)碼相機(jī)2臺;

(2)Nikon 60 mm微距鏡頭1部，24～120 mm變焦鏡頭一部;

(3)翻拍架1部;

(4)恒銳圖像處理系統(tǒng)1套;

(5)圖像處理工作站1臺。

1.2 實驗設(shè)計

視頻監(jiān)控系統(tǒng)產(chǎn)生的運動模糊圖像與數(shù)碼相機(jī)拍照時產(chǎn)生的運動模糊圖像本質(zhì)上并無差別，因此本文中的樣本和檢材的制作環(huán)節(jié)借助數(shù)碼相機(jī)拍照來獲得運動模糊圖像。通過設(shè)定相同的拍攝參數(shù)，改變拍攝距離和車速來制作實驗檢材。利用恒銳痕檢/文檢圖像處理系統(tǒng)對所得模糊車牌圖像進(jìn)行操作，通過改變其操作參數(shù)，調(diào)節(jié)圖像，從而復(fù)原車牌號碼，以供辨認(rèn)。實驗中，通過設(shè)置數(shù)碼相機(jī)的分辨率、汽車運動速度、改變拍攝光照情況這三種在實際情況中常見的因素，制作相應(yīng)的檢材和樣本。

(1)樣本的制作。利用尼康D70數(shù)碼相機(jī)拍攝運動模糊的車牌圖像，以同一快門速度值進(jìn)行拍攝，分別記錄車輛在不同時速下的照片，同時用另一臺相機(jī)以高速快門記錄相對清晰的車牌圖像，用以實驗分析與比對之用。

(2)將所得到的照片按照相機(jī)與車牌的距離進(jìn)行分組，按照車輛的時速和拍攝角度分別記錄運動模糊車牌圖像;然后，將所得的檢材和樣本輸入計算機(jī)系統(tǒng)，通過恒銳痕檢/文檢圖像處理系統(tǒng)對模糊車牌圖像進(jìn)行處理。

1.3 實驗步驟和方法

(1)預(yù)處理

第一步，先打開一幅待處理的圖像，如圖1所示。利用Photoshop軟件記錄車牌的成像角度，如圖2所示。最后將獲取的模糊車牌檢材和對應(yīng)樣本按水平偏角的不同(0°、10°、20°、30°、40°、50°、60°、70°、80°、90°)，分別做好標(biāo)記，并將其另存入計算機(jī)分類文件夾中保存。

圖1 原始圖像

圖2 記錄角度

第二步，打開恒銳痕檢/文檢圖像處理系統(tǒng)，選擇待處理車牌圖片(以79.2°水平左偏角模糊車牌為例)打開，如圖3所示;依次選擇菜單項【圖像變換】→【圖像大小】對話框，根據(jù)原始的圖像大小，對檢材的大小進(jìn)行適中的調(diào)整，即調(diào)整待處理圖片的具體像素;再依次選擇菜單項【圖像編輯】→【區(qū)域選擇】→【多邊形】對話框，對需要進(jìn)行調(diào)整的區(qū)域進(jìn)行選擇，拖動鼠標(biāo)，盡量使畫出的線呈封閉狀態(tài)，此時雙擊鼠標(biāo)左鍵，完成多邊形圖像的選擇，選擇完后單擊鼠標(biāo)右鍵【粘貼為新圖】，如圖4所示;依次選擇菜單項【圖像變換】→【圖像旋轉(zhuǎn)】→【自由旋轉(zhuǎn)】對話框，并調(diào)整角度直到圖像內(nèi)容基本呈水平位置，可在圓盤中旋轉(zhuǎn)調(diào)節(jié)或者直接在對話框中輸入角度，如圖5所示;最后選擇菜單項【幾何校正】→【柱面校正】→【橫向柱面校正】對話框，根據(jù)偏角水平變形程度的不同，調(diào)節(jié)橫向半徑;最后選擇菜單項【幾何校正】→【枕形校正】對話框，根據(jù)偏角縱向變形程度的不同，調(diào)節(jié)枕形的兩個參數(shù)值，最后得出預(yù)處理結(jié)果，如圖6所示。

圖3 待處理圖像

圖4 車牌區(qū)域截圖

圖5 旋轉(zhuǎn)角度調(diào)節(jié)

(2)對模糊車牌圖像作清晰化處理

第三步，依次選擇菜單項【質(zhì)量改善】→【灰度曲線】對話框，然后依次選擇菜單項【質(zhì)量改善】→【模糊去除】→【攝像模糊】，彈出“攝像模糊去除”對話框，調(diào)節(jié)【半徑】和【噪聲程度】，改變兩個參數(shù)值，反復(fù)直到圖像理想，處理圖像后均為灰度圖像(先調(diào)整【半徑】，當(dāng)圖像質(zhì)量有所改善以后再調(diào)整【噪聲程度】，半徑參數(shù)范圍 0.1～0.000 1，通常在0.02 左右較理想，噪聲程度范圍 0.000 1 ～0.01，設(shè)為接近0.01時效果理想)，如圖7所示。

圖6 預(yù)處理結(jié)果

圖7 半徑:0.052/噪聲程度:0.008 6

第四步，依次選擇菜單項【高級處理】→【銳化濾波】對話框，下拉菜單選擇3×3高通濾波。此模板值不可修改，坐標(biāo)X和坐標(biāo)Y的值為卷積定位元素的坐標(biāo)，再進(jìn)行【高級處理】→【邊緣增強(qiáng)】，彈出相應(yīng)對話框，選擇垂直邊緣增強(qiáng)方式(主要突出增強(qiáng)垂直方向的邊緣)效果如下，得到結(jié)果，如圖8所示。

第五步，得到結(jié)果，并保存圖像，如圖9所示，圖10為樣本圖像。

2 實驗結(jié)果與分析

用上述方法，筆者做了大量的實驗，獲得了多組處理結(jié)果。限于篇幅限制，本文僅在下面列出了3組圖片。

圖8 【攝像模糊】界面

圖9 檢材處理結(jié)果

圖10 樣本圖像

圖11

2.1 實驗結(jié)果

對實驗設(shè)計的運動模糊車牌圖像的處理結(jié)果記錄如下，其中:“A”表示車牌偏離角度，“a”表示旋轉(zhuǎn)角度，“R(橫)”表示橫向柱面校正半徑，X1、X2分別表示枕形校正參數(shù)1、參數(shù)2，“r”表示調(diào)整半徑，“n”表示噪音程度，“l(fā)”表示亮度，“d”表示對比度，“v”表示車速(約數(shù))，“c”表示邊緣增強(qiáng)程度。

圖11是對30°偏角圖像的處理，其參數(shù)為a=3.1，r=0.072，n=0.003 5，l=15，d=4，整體均勻，垂直c=-5的處理結(jié)果。

圖12是對60°偏角圖像的處理，其參數(shù)為以a=-6.05，R(橫)=61，r=0.048，n=0.007 1，l=29，d=4，局部均勻，3×3高通濾波，垂直c=-13的處理結(jié)果。

圖12

2.2 實驗分析

圖13 :A=79.0°，a=-16.04，R(橫)=104，r=0.023，n=0.009 8，l=20，d=2，灰度曲線，3 ×3高通濾波，垂直c=-9

圖13

如圖中所示，“1”結(jié)構(gòu)復(fù)雜，且下部分筆畫模糊，難以分辨，“2”筆畫清晰，輪廓分明，具備辨認(rèn)條件，結(jié)果是數(shù)字0，“3”中兩個數(shù)字上半部分交聯(lián)在一起，輪廓模糊，且存在許多噪點，左邊部分筆畫相對清晰，可推斷是數(shù)字7，而右邊部分較難分辨，“4”整體較為模糊，識別困難，中間有許多斷點，無法鑒定，綜上所述，處理圖像較清晰可辨認(rèn)，但基本無法辨認(rèn)。

3 結(jié)語

恒銳痕檢/文檢圖像處理系統(tǒng)對于偏角運動模糊車牌圖像，隨著偏離角度的增大，復(fù)原處理的難度也隨之增加，大偏角模糊處理后仍具有一定的辨認(rèn)價值;偏角越大，清晰化處理中的半徑值呈現(xiàn)總體逐漸變小的趨勢，一般不小于 0.01，通常在 0.02左右較理想;偏角越大，清晰化處理中的n值呈現(xiàn)總體逐漸變大的趨勢，一般不大于0.01，設(shè)為接近0.01時效果理想。

而對于車牌的成像角度大于80度的，恒銳軟件很難做出具有鑒定價值的清晰圖像。換句話說，絕大多數(shù)情況下，偏角角度大于80度的運動模糊圖像，恒瑞軟件做不出具有鑒定價值的清晰圖像;而偏角角度小于60度，車速在70公里以內(nèi)的模糊圖像，使用本文提供的方法進(jìn)行處理可以得到較為理想的效果。

［1］ 蘇祎芳.利用恒銳痕檢/文檢圖像處理系統(tǒng)鑒定合成照片［J］.中國司法鑒定，2010，3.

［2］ 李春宇.偏角拍攝離焦模糊車牌處理方法研究［J］.中國人民公安大學(xué)學(xué)報:自然科學(xué)版，2011，4.

［3］ 張文達(dá).數(shù)字圖像處理技術(shù)在刑事鑒定中的應(yīng)用［J］.森林公安，2008，6:16 ～17.

［4］ (美)岡薩雷斯(Gonzalez，R.C).數(shù)字圖像處理［M］.阮秋琦，譯.北京:電子工業(yè)出版社，2007.

［5］ Philip de Chazal，F(xiàn)lynn J，Richard R B.Automated processing of shoeprint images based on fourier transform for use in forensic science［C］.IEEE Transactions on Pattern Analysis and Machin Intelligence，2005.5.

［6］ Xu J，Li S，Yu M.Car License Plate Extraction Using Color and Edge Information［J］.Machine Learning and Cybernetics，2004(6):3904-3907.