时间:2024-08-31
李春宇, 多吉顿珠
(中国人民公安大学刑事科学技术系,北京 100038)
在实际案件中,现场上获取的车牌图像可以帮助公安人员确定嫌疑车辆,提供侦查线索。但是由于现有监控技术手段的原因,经常会碰到模糊的车牌图像。如果能借助计算机软件把从现场得到的模糊车牌图像进行清晰化处理,那么对案件的侦破将起到至关重要的作用。
现场上获取的车牌是各种各样的,形成模糊的原因也多种多样,拍摄的车牌角度也千差万别,有的甚至不具备处理条件。离焦模糊车牌是指拍摄时虚焦或者监控系统尚未完成自动对焦过程而产生偏差所导致的模糊车牌图像。
本文通过实验方法,研究利用恒锐图像处理软件对偏角的模糊车牌图像进行处理操作,增强图像的细节,以供辨认。
(1)Nikon D70单镜头反光数码相机1台
(2)北京产长城牌翻拍架1部
(3)图像处理用计算机1台
(4)恒锐图像处理系统1套
(5)静止状态下的车牌照
借助Nikon D70数码相机获得离焦模糊图像,通过设定不同拍摄角度制作实验检材。
依据实验对象,本文采取了以下设计方案:
(1)利用尼康D70数码相机拍摄静止的车牌图像,选择手动模式拍摄,以获得离焦的车牌图像作为检材;同时,相应的条件下拍摄一张清晰照片作为比对样本。制作检材应注意不应使用高分辨率设置,这样可以做到更贴近实际情况。
(2)将所得到的照片按照相机镜头光轴与车牌所成角度进行分组,包括:20°、30°、50°、70°、80°,5种角度、近40张照片。
(3)将所得的照片样本输入计算机系统,通过《恒锐痕检/文检图像处理系统》对模糊车牌图像进行处理。
第一步,打开待处理的图像,如图1所示。
第二步,对原始检材中的车牌区域进行剪切,以获得单一的车牌图像。由于车牌图像是带有偏转角度的,所以在选取车牌区域时应使用多边形选择工具。操作步骤依次为:选择菜单项【图像编辑】→【区域选择】→【多边形】对话框,选定图像中的车牌区域。然后,使用鼠标右键单击选定区域,选择【粘贴为新图】,如图2所示。
图1 原始图像
图2 剪切后的车牌图像
第三步,对图像进行角度调整和亮度调整,分别如图3和图4所示。
图3 旋转后的车牌
图4 调整亮度后的车牌
第四步,对调整亮度后的待处理图像进行处理。
依次选择菜单项【质量改善】→【模糊去除】→【摄像模糊】对话框。通过弹出对话框对“半径”和“噪声程度”两项参数进行修改以调整特定区域图像,并记录好参数值。通过选择噪声程度和半径的参数,观察车牌区域结果,直到找到最佳参数为止。
图5为处理后的图像,图6为清晰的原始车牌图像。
图5 处理后的车牌
图6 原车牌
对实验设计的模糊车牌图像的处理结果记录如下:图5所示为拍摄距离为10 m,镜头焦距为90 mm,角度约为20°,采用半径为0.089,噪声程度0.01处理后的结果;图8是拍摄距离为5 m,镜头焦距为50 mm,角度约为30°,采用半径为0.01,噪声程度0.01,经过颜色反相处理后的结果;图10所示为拍摄距离为20 m,镜头焦距为40 mm,角度约为50°,采用半径为0.078,噪声程度0.004 5,经过3 ×3高通滤波处理后的结果;图12所示为拍摄距离为2 m,镜头焦距为50 mm,角度约为70°,采用半径为0.1,噪声程度0.007 8,经过5×5拉普拉斯高通滤波处理后的结果。
图7 30°处理前
图8 30°处理后
图9 50°处理前
图10 50°处理后
图11 70°处理前
图12 70°处理后
通过对近40张照片的实验得出,处理条件受到拍摄角度的限制,当车牌与摄像机主光轴夹角小于70°时,处理效果较为理想;而大于70°,很难得到肉眼可以分辨的图像。
另外,当拍摄位置与被拍摄的车辆存在仰俯偏转角度时应先把模糊车牌图像在二维上校正,然后再通过调整“去除摄像模糊”与“滤波处理”两项的参数进行清晰化处理和“亮度与对比度”调整。
通过实验总结出,当拍摄点与被拍摄车辆之间的角度越来越大时,将模糊车牌图像调整清楚所需的半径值反而逐渐减小,而噪音程度没有明显的规律。
如图所示,对于2号和3号特征来说,笔画细节基本保留,具有一定识别价值,而1号是文字,由于其结构较为复杂,细节特征已不具有识别鉴定价值,但是可以辨认轮廓。所以,总体来说,图13的处理结果基本具有鉴定价值。
图13 结果分析
20°、30°、50°条件下的处理结果,虽然有些不具备识别价值,但也属于可以辨认的范围,实践中也可缩小排查范围并结合车型等其他信息锁定车辆。
模糊车牌处理主要任务是确定嫌疑车辆及其所有人等的信息,可以为确定侦查方向,缩小侦查范围,甚至锁定犯罪嫌疑人起到关键作用。本文应用公安专用图像处理软件实现了对离焦模糊车牌的清晰化处理,利用其清晰化调整功能处理模糊车牌是一种行之有效的车牌复原方法,为辨认车牌细节提供了有效的技术支持。
[1] Yuan Jie,Du Si-dan,Zhu Xiang.Fast super-resolution for licese plate image reconstruction[C]∥ Proc.of Int.Conf.on Pattern Recognition,2008:1 -4.
[2] Elad M,Datsenko D.Example-based regularization deployed to super-resolution reconstruction of a sigle Im age[J].The Computer Journal,2007,50(4):1 -16.
[3] 白雪松.基于视频检测的车牌识别系统的研究[D].长春:吉林大学,2010.
[4] Kenneth R.Castle man.数字图像处理[M].朱志刚,林学阂,石定机,译.北京:电子工业出版社,2002.
[5] 李刚,高政.人脸自动识别方法综述[J].计算机应用研究,2003(8):4 -10.
[6] 田村秀行.计算机图像处理技术[M].赫荣威,译.北京:北京师范大学出版社,1989.
我们致力于保护作者版权,注重分享,被刊用文章因无法核实真实出处,未能及时与作者取得联系,或有版权异议的,请联系管理员,我们会立即处理! 部分文章是来自各大过期杂志,内容仅供学习参考,不准确地方联系删除处理!