一種適合車牌圖像復原的改進NAS-RIF算法

吳定允，張利紅

（周口師范學院 物理與電子工程系，河南 周口 466001）

0 引言

近年來，視頻監控領域被廣泛的應用。其中，監控錄像的重要用途之一為事后取證。監控錄像系統由于受許多客觀因素的限制，比如目標相對運動過快、攝像鏡頭對焦不準等，通常使得錄像資料變得模糊不清，難以從中取得有價值的線索[1]。

傳統圖像復原是在點擴展函數（Point Spread Func?tion，PSF）已知的情況下進行的，其基本運算就是解卷積或求逆得到復原的圖像，如Winner濾波、逆濾波、最小二乘濾波等，該類方法存在的問題是所求的逆不是唯一的或是病態的。而在實際的應用中，通常要在不知道點擴展函數的情況下進行圖像復原。圖像盲復原（Blind Im?age Restoration，BIR）是利用原始模糊圖像，同時估計PSF和清晰圖像的一種圖像復原算法。由于可以利用的先驗知識比較少，盲圖像恢復是困難的，但它有著較強的應用背景[2]，因此，盲圖像復原的研究引起越來越多學者的興趣，正成為當前研究的熱點[3]。

本文在NAS-RIF算法的基礎上，提出了一種有效的圖像盲復原算法：首先利用NAS-RIF進行盲復原算法復原圖像時，在每次復原迭代過程中加入低通濾波環節；其次采用自適應中值濾波對退化的疵點圖像進行預處理，在抑制噪聲的同時保持了疵點圖像的細節特征。并將該算法應用于監控的車牌圖像識別中，通過仿真實驗表明該算法的有效性。

1 圖像退化、盲復原模型

圖像盲復原方法是利用原始的模糊圖像來同時預估計PSF和清晰圖像的一種圖像恢復方法。其關鍵是建立圖像的退化模型，圖像的盲復原框圖如圖1所示。

圖像盲復原的原理為：原始清晰圖像f(x,y)經過圖像降質模型的點擴展函數h(x,y)（一般為線性時不變的），同時和加性噪聲n(x,y)相加得到退化圖像g(x,y)，再利用原始模糊圖像和部分PSF信息，通過圖像盲復原算法估測出原始圖像的估計f^(x,y)，它要盡可能地趨近于原始的清晰圖像。其中圖像退化模型的數學表達式為

同時，由于數字圖像都是離散形式的，圖像的退化模型可以寫成

根據空間域的卷積對應于頻域的相乘，所以前面的模型可以用頻域的模型表示為

式中：G(u,v)，F(u,v)，H(u,v)，N(u,v)分別為 g(x,y)，f(x,y)，h(x,y)，n(x,y)的頻域表示。從該模型中可以看出，圖像去模糊的主要任務是用點擴展函數反卷積模糊的圖像。準則是使以下式子最小

2 NAS-RIF算法及其改進

NAS-RIF算法的不足是在迭代過程中放大了高頻噪聲，原因是該算法所構建的逆濾波器具有高通性質，故該算法對低信噪比的復原效果較差。針對NAS-RIF算法的不足，筆者提出了兩點改進意見：首先，采用自適應中值濾波對退化的疵點圖像進行預處理，在抑制噪聲的同時保持了疵點圖像的細節特征；其次，NAS-RIF進行盲復原算法復原圖像時，在每次復原迭代過程中加入低通濾波環節。改進算法的原理框圖如圖2所示。

2.1 NAS-RIF算法介紹

在NAS-RIF算法中，代價函數的定義為

2.2 自適應中值濾波

基于非負和有限支持域的遞歸濾波器算法存在噪聲敏感的問題。故文中作了第二點改進：在用NAS-RIF盡行對疵點圖像復原之前，首先用自適應中值濾波對圖像進行去噪處理。該算法中Sxy表示一個將要被處理的、中心在(x,y)處的子圖像，Zmin表示Sxy中的最小亮度值，Zmax表示Sxy中的最大亮度值，Zmed表示Sxy中的亮度中值。算法分為兩步：

1）若Zmin

2）若Zmin

2.3 迭代環節的低通濾波

經自適應中值濾波后，退化的車牌圖像仍存在一定的噪聲，因此本文采取在原迭代過程中的支持域非線性濾波之后，再加入一個降噪的過程，從而進一步提高退化圖像的質量，考慮到降噪效果和算法的復雜度，本文選用高斯低通濾波，其傳遞函數為

式中：σ為標準偏差。通過令σ=D0，可以根據截止參數D0得到表達式為H(u,v)=e-D2(u,v)/2D02，當D(u,v)=D0時，濾波器由最大值1降低到0.607。

3 復合方法

復合方法的算法流程如圖3所示，其中判別圖像是否有噪聲可以用文獻[6]的方法。

4 實驗及復原效果比較

4.1 仿真實驗

為了驗證本文算法的有效性，進行了有關的仿真實驗。讓數碼相機拍攝到的車牌圖像（車牌定位且灰度化后）對車牌圖像進行模糊化，同時加入椒鹽噪聲，來模擬攝像監控系統采集的運動車牌圖像的退化過程，如圖4所示。

4.2 復原效果比較

由圖像可以看出（視覺方面）：采用本文算法盲復原的結果圖在去除噪聲和模糊方面要遠遠好于采用經典的Lucy-Richardson算法盲復原的結果圖，說明本文選擇的NAS-RIF算法要優于采用傳統的Lucy-Richardson算法；采用改進NAS-RIF算法恢復的結果圖噪聲點明顯少于直接采用NAS-RIF算法恢復的結果圖，說明本文的改進是有意義的。此外，圖像恢復效果的優劣還可以用恢復前后的信噪比的提高來判斷

式中：Y為退化圖像；X為復原得到圖像；X^為原始圖像。根據式（8），采用本文算法復原的ΔSNR為12.1，而NAS-RIF算法的ΔSNR為8.6；經典的Lucy-Richardson盲復原算法的ΔSNR為6.1。從數據可以看出，本文復原效果要明顯優于NAS-RIF算法和經典的Lucy-Richardson盲復原算法，但當運動模糊過大時，圖像復原過程中的細節劣化問題有待于進一步改進。

5 小結

本文針對圖像盲復原算法對噪聲的抑制不理想的缺陷和車牌在運動過程中易產生模糊和噪聲的特點，在NAS-RIF算法的基礎上提出改進算法，通過自適應中值濾波濾除噪聲，并且在每次復原迭代的過程中加入了低通濾波的環節，進一步減少噪聲的影響，提高了復原的信噪比。實驗結果表明，本文提出的算法比傳統的NAS-RIF算法有明顯的提高。該算法主要是針對監控車牌圖像的應用特點設計，也可以將此方法推廣到數碼相機等其他拍攝設備的圖像盲復原過程中，具有較大的使用價值和應用前景。

[1] 萬發平，劉志，張兆楊.基于Hough變換的散焦模糊圖像復原方法[J].電視技術，2010，34（10）：29-31.

[2] 張航，羅大庸.圖像盲復原算法研究現狀及其展望.[J]中國圖象圖形學報，2004（9）：1145-1149.

[3] 徐仁安，張智豐.圖像盲恢復算法及其實現[J].杭州電子科技大學學報，2005，25（4）：90-94.

[4] KUNDUR D，HAZINAKOS D.A novel blind deconvolution scheme for image restoration using recursive filtering[J].IEEE Transactions on Signal Processing，1998，46（2）：156-161.

[5] 穆曉芳，趙月愛，張朝霞，等.一種改進的NAS-RIF圖像盲復原算法[J].洛陽理工學院學報：自然科學版，2009，8（1）：71-75.

[6] AYERS G R，DAINTY J C.Iterative blind deconvolution method and its applications[J].Optics Letters，1998，13（7）：547-549.

吳定允（1959-），碩士，副教授，主要從事信號處理和檢測技術的教學和研究工作。