图像复原在雨雾天车牌识别处理中的应用_王丽华

Image & Multimedia Technology ・
图像与多媒体技术
Electronic Technology & Software Engineering 电子技术与软件工程• 99
【关键词】图像复原 雨雾天 车牌识别
1 前言
车辆牌照识别技术应用范围广泛，包括：交通流量检测、机场港口出入车辆管理、违章车辆监控、不停车自动收费等。

但是，计算机视觉系统在能见度较低的雨雾天获取的车牌图像严重退化，限制和影响了监控识别效用的发挥。

为了实现车牌识别的全天候工作，提高系统在恶劣天气下工作的准确性和可靠性，有必要对雨雾天降质图像进行清晰化处理。

2 图像复原概述
目前国内外对雨雾天车牌识别的研究主要有两种方法：一种是图像复原，另一种是图像增强。

我们这里讨论图像复原，近年来，雨雾天图像的复原主要是依据建模去除雨雾的影响，它充分考虑图像质量下降的原因，从根本上分析图像退化与大气散射的关系，从而还原真实的图像。

3 图像复原算法在雾天车牌识别中的意义
目前车牌识别在交通系统得到了广泛应用，在雨雾天获取的车辆图像模糊不清，为了提高有雾天气下车牌的识别率，必须使用特定的算法对车牌图像进行图像复原。

例如车辆在恶劣天气下行驶时中不遵守交通规则，会带来交通隐患甚至交通事故，所以对关键道路区域及十字路口车辆的车牌识别是智能交通系统中研究的一个热点。

4 图像复原算法在车牌识别处理中的应用
图像复原要分析和图像退化有关的知识后建立一个物理模型，按照退化的反过程求清晰的原图像。

退化模型的表达式为：I=Jt+A （1-t ）
I 指观测强度，J 去雾后的清晰目标，A 是全球大气光成分，t 是透射率。

图像去雾的
图像复原在雨雾天车牌识别处理中的应用
文/王丽华 刘伟 张文玺
目标就是从退化图像I 中复原出J 、A 、t 。

在此模型中如果能对入射光衰减进行补偿，且消除大气光的影响，就可以复原清晰的场景。

这是目前复原雾天图像的核心思想。

4.1 基于物理模型去雾算法研究
目前，基于物理模型的研究成为国内外学者探索的热点。

模型的方法主要分为 3 类：基于先验信息、基于偏微分方程、基于深度关系。

通过单幅雨雾天图像得到去雾图像是一个病态问题，必须依据充分的假设或先验知识。

目前能够快速进行雾霾天气下单幅图像清晰化还原的方法包括： Tan 的单幅图像去雾法、Fattal 的独立成分分析法、何凯明的基于暗通道先验法。

下面分别介绍：4.2 Tan的单幅图像去雾
统计发现，无雾图像相对于有雾图像必定有较高的对比度，我们可以用最大化复原图像的局部对比度来达到去雾的目的， Tan 的去雾方法将景物反射出的光强用大气光和反射率的乘积表示：
I=Jt+A （1-t ）
这种方法复原后的图像缺点在于会出现颜色过饱和或过增强，且在深度不连续的地方会出现光晕的现象，主要是仅关心图像局部对比度的最大化，而忽视从物理意义上分析退化原因。

4.3 Fattal的单幅图像去雾
Fattal 使用了独立分量分析的方法，从多个信号的线性混合信号中分离出源信号。

传输图与物体阴影在局部区域具有不相关性，利用独立分量分析方法估计传输图，最后使用马尔可夫随机场复原物体的颜色。

这种方法对于薄雾处理效果很好，对没有颜色的浓雾图像，统计结果存在误差，会影响最终复原结果的正确性。

4.4 He的暗通道先验（DCP）单幅图像去雾 在晴朗天气下拍摄的车牌图像中总存在一些暗点，这些暗点至少有一个颜色通道的值很低。

当图像受到雾的干扰时，这些原本很低的值由于受到大气散射光的影响而大幅提高，利用这些点就可以估算出拍摄场景中雾的浓度，并复原出清晰的无雾图像。

利用暗原色先验估计传输图，再利用软抠图算法进行修正，可以得到清晰的无雾图像。

缺点是软抠图算法需要消耗大量时间，影响整个算法的速度。

如果用双边滤波代替软抠图算法获取精细的传输图，可以快速有效的复原图像。

4.5 三种基于物理模型的去雾方法比较
这三种方法使用的物理模型都是通过限
制条件或先验知识求未知参数复原图像，不同在于： Tan 方法可以提高局部对比度，但计算量大，速度慢；Fattal 方法估测光线投射参数，可以增加场景可视性和对比度，但需要足够的颜色信息，对浓雾图像的处理结果不明显； He 方法运用暗原色先验法则，按雾气浓度局部修复图像各部分的颜色实现去雾。

He 的方法在大多数图片都有较好的表现，但是如果景物亮度较大，找不到图像的暗通道，那么方法就失效了。

5 结语
随着科技的发展，对去雾技术的研究越来越重要。

基于图像复原的方法对提高雨雾天交通监控图像质量效果显著，已得到广泛的应用。

但是对图像复原在雨雾天车牌识别处理中还有许多工作要做，比如可以建立一定的标准对图像雾雨等级分类，根据不同等级采取不同的图像复原方法。

在算法方面，可以考虑在保证图像质量清晰的前提下，提高算法的实时性，这对今后图像去雾在各个领域的应用十分必要。

参考文献
[1]王挥,刘晓阳.利用大气调制传递函数复
原天气退化图像[J].沈阳航空工业学院学报,2006,23(5):94-96.
[2]Demirel H,Anbarjafari G.Image resolution
enhancement by using discrete and stationary wavelet decomposition[J]. Image Processing, IEEE Transactions on,2011, 20(5):1458-1460.[3]王多超,王永国,董雪梅等.贝叶斯框架
下的单幅图像去雾算法[J].计算机辅助设计与图形学学报,2010,22(10):1756-1761.
[4]孙玉宝,肖亮,韦志辉等.基于偏微分方
程的户外图像去雾方法[J].系统仿真学报,2007,19(16):3739-3744.
作者简介
王丽华（1977-），女，山东省人。

硕士学位。

现为南京工业大学电气工程与控制科学学院中级工程师。

主要研究方向为计算机控制、传感器、数字图像处理。

刘伟（1989-），男，江苏省人。

南京工业大学电气工程与控制科学学院硕士在读。

主要研究方向为电机控制、数字图像处理。

张文玺（1991-），男，甘肃省人。

现就读南京工业大学本科。

主要研究方向为数字图像处理。

作者单位
南京工业大学电气工程与控制科学学院 江苏省南京市 211816。