運(yùn)動(dòng)模糊圖像的復(fù)原是圖像復(fù)原中較常見(jiàn)也是較難的一類(lèi)，在智能交通系統(tǒng)中有著廣泛的應(yīng)用。本文面向車(chē)牌識(shí)別應(yīng)用，對(duì)運(yùn)動(dòng)模糊圖像的復(fù)原技術(shù)進(jìn)行了系統(tǒng)的研究與實(shí)現(xiàn)。

　　勻速直線(xiàn)運(yùn)動(dòng)模糊圖像復(fù)原的關(guān)鍵在于運(yùn)動(dòng)模糊方向和長(zhǎng)度的自動(dòng)鑒別兩個(gè)方面。將原圖像視為各向同性的一階馬爾科夫過(guò)程，通過(guò)用雙線(xiàn)性插值來(lái)進(jìn)行方向微分，實(shí)現(xiàn)了運(yùn)動(dòng)模糊方向的自動(dòng)鑒別算法；根據(jù)分析模糊圖像的頻譜圖出現(xiàn)黑色條帶的原因、條件以及它的精確位置，實(shí)現(xiàn)了運(yùn)動(dòng)模糊長(zhǎng)度自動(dòng)鑒別算法。

　　針對(duì)復(fù)雜成像情況下的運(yùn)動(dòng)模糊圖像復(fù)原工作，著重解決了含噪運(yùn)動(dòng)模糊圖像和局部運(yùn)動(dòng)模糊圖像的復(fù)原問(wèn)題；綜合應(yīng)用椒鹽噪聲檢測(cè)器和基于帶可變正則化參數(shù)的徑向基神經(jīng)網(wǎng)絡(luò)（I也FN）方法，實(shí)現(xiàn)了組合濾波器去噪算法，采用改進(jìn)的局部運(yùn)動(dòng)模糊對(duì)象提取算法實(shí)現(xiàn)局部運(yùn)動(dòng)模糊圖像的復(fù)原。

　　開(kāi)發(fā)了車(chē)牌模糊圖像復(fù)原系統(tǒng)。該系統(tǒng)對(duì)模糊長(zhǎng)度和模糊角度均具有較高的鑒別精度，對(duì)于含有噪聲的運(yùn)動(dòng)模糊圖像和局部模糊圖像進(jìn)行相應(yīng)的去噪處理和對(duì)局部模糊對(duì)象進(jìn)行提取，并提供參數(shù)調(diào)整機(jī)制以獲得最佳的復(fù)原效果。自動(dòng)實(shí)現(xiàn)各種類(lèi)型的運(yùn)動(dòng)模糊車(chē)牌圖像的清晰恢復(fù)，復(fù)原的效果圖可直接應(yīng)用于后續(xù)的車(chē)牌識(shí)別等工作。

?