姚巧鴿，周原

一種運動模糊車輛牌照識別方法的研究

姚巧鴿，周原

車輛快速運動情況下對其所拍攝的車牌圖像通常比較模糊，在對其進(jìn)行識別時效果不理想。針對此問題，提出一種基于Z變換的模糊車牌信息識別的新方法。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，先對運動模糊圖像進(jìn)行復(fù)原處理，再對處理后的圖像進(jìn)行車牌信息識別。實驗結(jié)果表明，該方法對模糊車牌信息識別的效果良好，具有一定的實用性。

圖像復(fù)原；去模糊；車牌識別

0 引言

車牌識別技術(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)了多種實用的車輛牌照自動識別方法[1]-[4]，但這些方法一般適合對清晰度正常的車牌信息進(jìn)行識別，在有些情況下，比如對變速直線運行的車輛進(jìn)行拍照時，由于車輛與攝像機(jī)之間的相對移動較快，且相對速度會發(fā)生改變，采集到的車輛牌照圖片比較模糊，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)的車輛牌照識別方法往往難以準(zhǔn)確識別車牌信息。因此，應(yīng)對原始車牌圖像進(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，但這些方法往往計算復(fù)雜耗時且恢復(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)部分會出現(xiàn)模糊，說明其抗噪能力比較差。維納濾波法對逆濾波算法進(jìn)行了改進(jìn)，可較好地抑制噪聲對圖像復(fù)原的影響[6]，但其算法相對比較復(fù)雜，運算量也比較大。算法則采用了非線性迭代的方法，在處理過程中噪聲會得到放大[7]，且局部圖像可能需要上百次迭代運算才能得到比較滿意的結(jié)果，導(dǎo)致運算量很大，不適合于車輛牌照識別等實時性要求較高的場合。

1.2 基于運動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動分解成分段的勻速直線運動，對其造成的運動模糊現(xiàn)象先建立圖像退化模型，再采用相對簡單的基于Z變換的方式對退化圖像進(jìn)行恢復(fù)，避免了復(fù)雜的數(shù)學(xué)運算，可以有效地降低運算量，減少處理時間，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)靜止時圖像原型為x( m, n)，點擴(kuò)散函數(shù)(PSF)為h( m, n)，圖像在拍攝時疊加的噪聲為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為運動模糊尺度，θ為模糊方向。設(shè)模糊圖像上任一點為 x'( m', n')，則其灰度值可以采用雙線性插值[8]來求得，計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)生勻速直線運動時，假設(shè)其運動方向沿θ角，在拍攝曝光時間t內(nèi)移動了N個點，圖像運動越快，采樣點的曝光時間越短，其亮度越低。設(shè)t0在X(0,0)位

置，投影在像素點 y(0,0)，相應(yīng)的， tN-1時刻在s iX n (0,)0)位置，投影在像素點y(0,0)。所以在時間 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y( m, n)式（7）：

式（4）即為運動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)于是對退化的圖像進(jìn)行求逆運算。采用Z變換的方法，運算過程相對簡單，運算量可得到明顯降低。對（7）式作Z變換運算可得公式（8）：

再對式（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。在對點擴(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 實驗結(jié)果

為對比本文中所提出的方法和目前現(xiàn)有的常用方法對運動模糊圖片的恢復(fù)效果，選取一幅模糊車輛牌照進(jìn)行恢復(fù)處理，實驗結(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)效果的對比

從圖1中可以看出，采用本文提出的方法對運動模糊車輛牌照圖像進(jìn)行恢復(fù)時，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拍攝到的運動模糊車輛牌照圖像進(jìn)行對處理后，對恢復(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)行車牌字符識別的結(jié)果

從實驗結(jié)果可以看出，對于運動模糊車輛牌照信息，經(jīng)過圖像恢復(fù)處理后，車牌字符的識別效果良好。

3 結(jié)束語

本文所提出的運動模糊車輛牌照識別方法，較好地解決了運動模糊情況下的車牌識別問題。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，再對處理后的車牌圖像進(jìn)行識別。實驗結(jié)果表明，該方法對運動模糊的車牌信息識別效果良好，具有一定的實用性。

[1] 馬爽,樊養(yǎng)余,雷濤.一種基于多特征提取的實用車牌識別方法[J]. 計算機(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時車牌識別方法[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)算法車牌識別算法研究[J]. 科技通報,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：信號處理及LTE通信技術(shù)，駐馬店，463000