一种适合车牌图像复原的改进NAS-RIF算法

吴定允，张利红

（周口师范学院 物理与电子工程系，河南 周口 466001）

0 引言

近年来，视频监控领域被广泛的应用。其中，监控录像的重要用途之一为事后取证。监控录像系统由于受许多客观因素的限制，比如目标相对运动过快、摄像镜头对焦不准等，通常使得录像资料变得模糊不清，难以从中取得有价值的线索[1]。

传统图像复原是在点扩展函数（Point Spread Func⁃tion，PSF）已知的情况下进行的，其基本运算就是解卷积或求逆得到复原的图像，如Winner滤波、逆滤波、最小二乘滤波等，该类方法存在的问题是所求的逆不是唯一的或是病态的。而在实际的应用中，通常要在不知道点扩展函数的情况下进行图像复原。图像盲复原（Blind Im⁃age Restoration，BIR）是利用原始模糊图像，同时估计PSF和清晰图像的一种图像复原算法。由于可以利用的先验知识比较少，盲图像恢复是困难的，但它有着较强的应用背景[2]，因此，盲图像复原的研究引起越来越多学者的兴趣，正成为当前研究的热点[3]。

本文在NAS-RIF算法的基础上，提出了一种有效的图像盲复原算法：首先利用NAS-RIF进行盲复原算法复原图像时，在每次复原迭代过程中加入低通滤波环节；其次采用自适应中值滤波对退化的疵点图像进行预处理，在抑制噪声的同时保持了疵点图像的细节特征。并将该算法应用于监控的车牌图像识别中，通过仿真实验表明该算法的有效性。

1 图像退化、盲复原模型

图像盲复原方法是利用原始的模糊图像来同时预估计PSF和清晰图像的一种图像恢复方法。其关键是建立图像的退化模型，图像的盲复原框图如图1所示。

图像盲复原的原理为：原始清晰图像f(x,y)经过图像降质模型的点扩展函数h(x,y)（一般为线性时不变的），同时和加性噪声n(x,y)相加得到退化图像g(x,y)，再利用原始模糊图像和部分PSF信息，通过图像盲复原算法估测出原始图像的估计f^(x,y)，它要尽可能地趋近于原始的清晰图像。其中图像退化模型的数学表达式为

同时，由于数字图像都是离散形式的，图像的退化模型可以写成

根据空间域的卷积对应于频域的相乘，所以前面的模型可以用频域的模型表示为

式中：G(u,v)，F(u,v)，H(u,v)，N(u,v)分别为 g(x,y)，f(x,y)，h(x,y)，n(x,y)的频域表示。从该模型中可以看出，图像去模糊的主要任务是用点扩展函数反卷积模糊的图像。准则是使以下式子最小

2 NAS-RIF算法及其改进

NAS-RIF算法的不足是在迭代过程中放大了高频噪声，原因是该算法所构建的逆滤波器具有高通性质，故该算法对低信噪比的复原效果较差。针对NAS-RIF算法的不足，笔者提出了两点改进意见：首先，采用自适应中值滤波对退化的疵点图像进行预处理，在抑制噪声的同时保持了疵点图像的细节特征；其次，NAS-RIF进行盲复原算法复原图像时，在每次复原迭代过程中加入低通滤波环节。改进算法的原理框图如图2所示。

2.1 NAS-RIF算法介绍

在NAS-RIF算法中，代价函数的定义为

2.2 自适应中值滤波

基于非负和有限支持域的递归滤波器算法存在噪声敏感的问题。故文中作了第二点改进：在用NAS-RIF尽行对疵点图像复原之前，首先用自适应中值滤波对图像进行去噪处理。该算法中Sxy表示一个将要被处理的、中心在(x,y)处的子图像，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。算法分为两步：

1）若Zmin

2）若Zmin

2.3 迭代环节的低通滤波

经自适应中值滤波后，退化的车牌图像仍存在一定的噪声，因此本文采取在原迭代过程中的支持域非线性滤波之后，再加入一个降噪的过程，从而进一步提高退化图像的质量，考虑到降噪效果和算法的复杂度，本文选用高斯低通滤波，其传递函数为

式中：σ为标准偏差。通过令σ=D0，可以根据截止参数D0得到表达式为H(u,v)=e-D2(u,v)/2D02，当D(u,v)=D0时，滤波器由最大值1降低到0.607。

3 复合方法

复合方法的算法流程如图3所示，其中判别图像是否有噪声可以用文献[6]的方法。

4 实验及复原效果比较

4.1 仿真实验

为了验证本文算法的有效性，进行了有关的仿真实验。让数码相机拍摄到的车牌图像（车牌定位且灰度化后）对车牌图像进行模糊化，同时加入椒盐噪声，来模拟摄像监控系统采集的运动车牌图像的退化过程，如图4所示。

4.2 复原效果比较

由图像可以看出（视觉方面）：采用本文算法盲复原的结果图在去除噪声和模糊方面要远远好于采用经典的Lucy-Richardson算法盲复原的结果图，说明本文选择的NAS-RIF算法要优于采用传统的Lucy-Richardson算法；采用改进NAS-RIF算法恢复的结果图噪声点明显少于直接采用NAS-RIF算法恢复的结果图，说明本文的改进是有意义的。此外，图像恢复效果的优劣还可以用恢复前后的信噪比的提高来判断

式中：Y为退化图像；X为复原得到图像；X^为原始图像。根据式（8），采用本文算法复原的ΔSNR为12.1，而NAS-RIF算法的ΔSNR为8.6；经典的Lucy-Richardson盲复原算法的ΔSNR为6.1。从数据可以看出，本文复原效果要明显优于NAS-RIF算法和经典的Lucy-Richardson盲复原算法，但当运动模糊过大时，图像复原过程中的细节劣化问题有待于进一步改进。

5 小结

本文针对图像盲复原算法对噪声的抑制不理想的缺陷和车牌在运动过程中易产生模糊和噪声的特点，在NAS-RIF算法的基础上提出改进算法，通过自适应中值滤波滤除噪声，并且在每次复原迭代的过程中加入了低通滤波的环节，进一步减少噪声的影响，提高了复原的信噪比。实验结果表明，本文提出的算法比传统的NAS-RIF算法有明显的提高。该算法主要是针对监控车牌图像的应用特点设计，也可以将此方法推广到数码相机等其他拍摄设备的图像盲复原过程中，具有较大的使用价值和应用前景。

[1] 万发平，刘志，张兆杨.基于Hough变换的散焦模糊图像复原方法[J].电视技术，2010，34（10）：29-31.

[2] 张航，罗大庸.图像盲复原算法研究现状及其展望.[J]中国图象图形学报，2004（9）：1145-1149.

[3] 徐仁安，张智丰.图像盲恢复算法及其实现[J].杭州电子科技大学学报，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] 穆晓芳，赵月爱，张朝霞，等.一种改进的NAS-RIF图像盲复原算法[J].洛阳理工学院学报：自然科学版，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.

吴定允（1959-），硕士，副教授，主要从事信号处理和检测技术的教学和研究工作。