基于噪聲/模糊圖像對(duì)的低照度車(chē)牌圖像恢復(fù)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像信息處理領(lǐng)域，具體涉及低照度車(chē)牌圖像恢復(fù)方法。
【背景技術(shù)】
[0002] 低照度環(huán)境下，采用編碼曝光技術(shù)能夠獲得長(zhǎng)曝光和短曝光的圖像，其中短曝光 圖像邊緣清晰，但噪聲強(qiáng)度大，信噪比低；長(zhǎng)曝光圖像信噪比較高，但有明顯的運(yùn)動(dòng)模糊。在 模糊核估計(jì)過(guò)程中，將短曝光大噪聲圖像和長(zhǎng)曝光模糊圖像相結(jié)合，能夠比傳統(tǒng)方法獲得 更高的估計(jì)精度。低照度拍攝條件下，運(yùn)動(dòng)車(chē)輛車(chē)牌圖像信噪比低，噪聲強(qiáng)度大且成分復(fù) 雜，而目前大部分圖像復(fù)原方法都是針對(duì)某種已知分布的特定的先驗(yàn)項(xiàng)，往往只能解決噪 聲成分相對(duì)單一的情況，對(duì)于混合噪聲來(lái)說(shuō)效果很難保證，因此無(wú)法解決低照度環(huán)境中混 合噪聲情況下的圖像復(fù)原問(wèn)題。通過(guò)對(duì)現(xiàn)有先驗(yàn)項(xiàng)進(jìn)行有效組合，能夠使圖像復(fù)原算法更 好地應(yīng)對(duì)混合噪聲情況，提高低照度條件下圖像恢復(fù)效果。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明為解決低照度車(chē)牌圖像恢復(fù)問(wèn)題，提供一種基于噪聲/模糊圖像對(duì)的低照 度車(chē)牌圖像恢復(fù)方法，具體技術(shù)方案如下
[0004] 一種基于噪聲/模糊圖像對(duì)的低照度車(chē)牌圖像恢復(fù)方法，包括如下步驟：
[0005] (S1)對(duì)低照度拍攝相機(jī)設(shè)置編碼曝光，分別采集長(zhǎng)時(shí)、短時(shí)曝光時(shí)間的車(chē)牌圖像， 記為短曝光噪聲圖像和長(zhǎng)曝光模糊圖像；
[0006] (S2)對(duì)短曝光噪聲圖像進(jìn)行去噪處理，并利用去噪后的圖像和長(zhǎng)曝光模糊圖像， 進(jìn)行模糊核估計(jì)，獲得初始模糊核估計(jì)值；
[0007] (S3)對(duì)初始模糊核進(jìn)行優(yōu)化處理；
[0008] (S4)將長(zhǎng)曝光模糊圖像進(jìn)行去模糊處理，獲得恢復(fù)車(chē)牌圖像。
[0009] 進(jìn)一步，所述步驟（S2)中的去噪方法采用雙邊濾波算法。
[0010] 進(jìn)一步，所述步驟（S2)中的模糊核估計(jì)過(guò)程為：
[0011] 設(shè)置目標(biāo)約束：
[0012] min{| |Ak_b| 12+ 入 21 |k| 12}
[0013] 其中，| | | |2為2范數(shù)，A為去噪圖像的矩陣形式，b，k分別為向量形式的長(zhǎng)曝光模 糊圖像和模糊核，X為系數(shù)；
[0014] 將目標(biāo)約束轉(zhuǎn)化為求解方程：(ATA+A2EQ)k=ATb，
[0015] 求解的到模糊核估計(jì)值f為
【主權(quán)項(xiàng)】
1. 一種基于噪聲/模糊圖像對(duì)的低照度車(chē)牌圖像恢復(fù)方法，其特征在于，包括如下步 驟： (51) 對(duì)低照度拍攝相機(jī)設(shè)置編碼曝光，分別采集長(zhǎng)時(shí)、短時(shí)曝光時(shí)間的車(chē)牌圖像，記為 短曝光噪聲圖像和長(zhǎng)曝光模糊圖像； (52) 對(duì)短曝光噪聲圖像進(jìn)行去噪處理，并利用去噪后的圖像和長(zhǎng)曝光模糊圖像，進(jìn)行 模糊核估計(jì)，獲得初始模糊核估計(jì)值； (53) 對(duì)初始模糊核進(jìn)行優(yōu)化處理； (54) 將長(zhǎng)曝光模糊圖像進(jìn)行去模糊處理，獲得恢復(fù)車(chē)牌圖像。
2. 如權(quán)利要求1所述的一種基于噪聲/模糊圖像對(duì)的低照度車(chē)牌圖像恢復(fù)方法，其特 征在于，所述步驟（S2)中的去噪方法采用雙邊濾波算法。
3. 如權(quán)利要求1所述的一種基于噪聲/模糊圖像對(duì)的低照度車(chē)牌圖像恢復(fù)方法，其特 征在于，所述步驟（S2)中的模糊核估計(jì)過(guò)程為： 設(shè)置目標(biāo)約束： min{IIAk-bI12+ 入 21IkI12} 其中，A為去噪圖像的矩陣形式，b，k分別為向量形式的長(zhǎng)曝光模糊圖像和模糊核，入 為系數(shù)； 將目標(biāo)約束轉(zhuǎn)化為求解方程：(ATA+A2E。)k=AV 求解的到模糊核估計(jì)值A(chǔ)'為；/^ = 與,）1 ，其中，T表示矩陣轉(zhuǎn)置，（r表示矩 陣求逆，E。為單位矩陣。
4. 如權(quán)利要求1所述的一種基于噪聲/模糊圖像對(duì)的低照度車(chē)牌圖像恢復(fù)方法，其特 征在于，所述步驟（S3)的具體過(guò)程為， 將優(yōu)化處理轉(zhuǎn)化公式
9最小化過(guò)程，其中，B表 示迭代處理過(guò)程中的模糊圖像，B的迭代初始值為長(zhǎng)曝光模糊圖像的矩陣形式，I表示迭代 過(guò)程中的清晰圖像，I迭代初始值為短曝光噪聲圖像進(jìn)行去噪處理后的圖像；K表示迭代過(guò) 程中的模糊核，其迭代初始值為模糊核估計(jì)值《，?符號(hào)為卷積運(yùn)算，▽為求梯度運(yùn)算，K*為 優(yōu)化后的模糊核，I*為K*對(duì)應(yīng)的去模糊圖像，y1，y2為系數(shù)；采用共輛梯度法求解該優(yōu)化 問(wèn)題，得到優(yōu)化后模糊核K*。
5. 如權(quán)利要求1所述的一種基于噪聲/模糊圖像對(duì)的低照度車(chē)牌圖像恢復(fù)方法，其特 征在于，所述步驟（S4)的具體過(guò)程為： 設(shè)長(zhǎng)曝光模糊車(chē)牌圖像像素行列數(shù)分別為m，n，ly為向量形式的車(chē)牌恢復(fù)圖像；對(duì)于像 素（i,j)，其梯度近似可W與成 其中G(ij)-[eei+jm-ei+u-i)J，的表 示第r位置取值為1，其他位置取值為0的皿維向量，即；
通過(guò)6<^>組合成梯度矩陣G:
設(shè)Kma為K*的矩陣形式，IY，b分別為向量形式的車(chē)牌恢復(fù)圖像和長(zhǎng)曝光車(chē)牌模糊圖像， 弓I入先驗(yàn)項(xiàng)||K胃/，,-6|E和IlKmJv-bMi，低照度模糊圖像去模糊問(wèn)題歸結(jié)為求解下述問(wèn)題：
其中A1，A2, ^3為系數(shù)，求解該優(yōu)化問(wèn)題，獲得低照度車(chē)牌恢復(fù)圖像。
【專(zhuān)利摘要】本發(fā)明涉及圖像信息處理領(lǐng)域，具體公開(kāi)了一種基于噪聲/模糊圖像對(duì)的低照度車(chē)牌圖像恢復(fù)方法，首先對(duì)低照度拍攝相機(jī)設(shè)置編碼曝光，采集長(zhǎng)時(shí)、短時(shí)曝光時(shí)間交替的圖像序列，然后對(duì)短曝光噪聲圖像進(jìn)行去噪處理，抑制低照度噪聲。在此基礎(chǔ)上，利用去噪圖像和長(zhǎng)曝光模糊圖像，進(jìn)行模糊核估計(jì)和優(yōu)化。最后針對(duì)低照度環(huán)境下大強(qiáng)度混合噪聲特點(diǎn)，對(duì)模糊圖像進(jìn)行去模糊。與傳統(tǒng)的低照度車(chē)牌圖像恢復(fù)算法相比，能夠充分利用不同曝光時(shí)間的車(chē)牌圖像包含的信息，更好地應(yīng)對(duì)低照度混合噪聲環(huán)境，獲得更高質(zhì)量的低照度車(chē)牌恢復(fù)圖像。
【IPC分類(lèi)】G06T5-00
【公開(kāi)號(hào)】CN104851079
【申請(qǐng)?zhí)枴緾N201510226441
【發(fā)明人】張茂軍, 尹曉晴, 徐瑋, 熊志輝, 賴(lài)世銘
【申請(qǐng)人】中國(guó)人民解放軍國(guó)防科學(xué)技術(shù)大學(xué)
【公開(kāi)日】2015年8月19日
【申請(qǐng)日】2015年5月6日