10.3969/j.issn.1673-629X.2019.04.039
整体车牌图像超分辨率重建研究
为了增强低分辨率车牌(LP)图像的整体重建效果,将深度学习思想应用到车牌图像超分辨率重建任务中,提出了一种基于卷积神经网络(CNN)的单幅整体车牌图像超分辨率重建(SR)算法(LPSRCNN).对初始高分辨率车牌图像进行预处理,利用双三次插值法Bicubic对原始车牌图像进行下采样后再上采样得到和初始图像尺寸大小一样的低分辨率车牌图像作为网络的输入图像,通过训练好的卷积神经网络直接学习低分辨率车牌图像和高分辨率车牌图像之间的映射关系,利用该映射关系输出重建后的高分辨率整体车牌图像.将得到的研究结果与双三次插值法和字典学习方法进行比较,结果表明计算得到的峰值信噪比(PSNR)都高于这两种方法.将该方法应用到整体车牌图像超分辨率重建问题中,可以获取更丰富的细节信息,得到更好的视觉效果,达到了整体车牌图像超分辨率的增强任务.
图像超分辨率、车牌图像、深度学习、卷积神经网络
29
TP301.6(计算技术、计算机技术)
国家自然科学基金61763033
2019-05-16(万方平台首次上网日期,不代表论文的发表时间)
共5页
195-199