استفاده از روش برآورد کرنل تاری تقویت شده برای تصاویر پلاک وسایل نقلیه سریع

پلاک به عنوان شناسه منحصر به فرد یک وسیله نقلیه، مدرکی کلیدی برای کشف وسایل نقلیه پرسرعت یا آنهایی که پس از تصادف فرار می‌کنند، به شمار می‌آید. با این حال تصویر کلی که دوربین‌های مدار بسته از وسایل نقلیه پرسرعت می‌گیرند اغلب به دلیل سرعت زیاد آنها تار بوده و برای انسان غیرقابل تشخیص می‌گردد. این تصاویر گرفته شده از پلاک خودروها معمولاً دارای روزلوشن پایینی بوده و از اتلاف شدید اطلاعات لبه‌ها رنج می‌برند که چالش عمده‌ای را فراروی روش‌های از بین بردن تاری تصاویر ناخوانای موجود قرار می‌دهد. برای تصویر پلاک اتومبیل، تارشدگی ناشی از حرکت سریع آن، شالوده و هسته اساسی تارشدگی را می‌توان به عنوان پیچیدگی یکنواخت خطی موردنظر قرار داده و آن را به صورت پارامتری با زاویه و طول مدل‌سازی نمود. در این مقاله برای شناسایی هسته اصلی (کرنل) تارشدگی، الگوی مبتنی بر نمایش تنک جدیدی را ارائه می‌نماییم. با تحلیل ضرایب نمایش تنک تصویر بازیابی شده، براساس مشاهداتی که در آنها تصویر بازیابی شده دارای تنک‌ترین نمایش ممکن در هنگامی است که زاویه کرنل با زاویه حرکت واقعی متناظر می‌باشد، زاویه کرنل را تعیین می‌نماییم

As the unique identification of a vehicle, license plate
is a key clue to uncover over-speed vehicles or the ones involved
in hit-and-run accidents. However, the snapshot of over-speed
vehicle captured by surveillance camera is frequently blurred
due to fast motion, which is even unrecognizable by human.
Those observed plate images are usually in low resolution and
suffer severe loss of edge information, which cast great challenge
to existing blind deblurring methods. For license plate image
blurring caused by fast motion, the blur kernel can be viewed
as linear uniform convolution and parametrically modeled with
angle and length. In this paper, we propose a novel scheme based
on sparse representation to identify the blur kernel. By analysing
the sparse representation coefficients of the recovered image, we
determine the angle of the kernel based on the observation that
the recovered image has the most sparse representation when the
kernel angle corresponds to the genuin