一种车牌超分辨率模型重建方法及装置制造方法及图纸

本发明专利技术实施例公开了一种车牌超分辨率模型重建方法及装置，用于提升车牌识别率。该重建方法包括：(1)获取车牌的第一图像，并将第一图像进行低分辨率处理得到第二图像；(2)确定第一图像中的第一局部图像和第二图像中的第二局部图像；(3)按照第一模型的卷积层参数对第二局部图像进行卷积处理得到与目标局部图像；(4)确定目标局部图像与第一局部图像的像素差异；(5)判断像素差异是否满足预设条件；(6)若是，则根据像素差异调整第一模型的卷积层参数得到目标模型，若否，则根据像素差异调整第一模型的卷积层参数得到第二模型，将第二模型的卷积层参数作为第一模型的卷积层参数并重复执行步骤(2)至(6)。

License plate super-resolution model reconstruction method and device

The embodiment of the invention discloses a method and a device for reconstructing a super resolution model of a license plate, which is used to improve the recognition rate of a license plate. The reconstruction method includes: (1) the first image to obtain license plate, and the first image processing second low resolution image; (2) to determine the second local image the first local image in the first image and the second image; (3) according to the convolution model parameters of the first layer second local image convolution processing with the local image target; (4) to determine the target pixel difference local image and the first local image; (5) to judge whether pixel difference meets the preset conditions; (6) if the target model is obtained according to the volume parameters of pixel difference adjustment layer first model, if not, then the second model parameters based on the convolution layer pixel the first difference adjustment model, the parameters of the second layer model as a convolution convolution model and parameters of the first layer repeat step (2) to (6).

【技术实现步骤摘要】
一种车牌超分辨率模型重建方法及装置
本专利技术涉及图像处理
，尤其涉及一种车牌超分辨率模型重建方法及装置。
技术介绍
随着现代交通技术以及经济的快速发展，汽车已经成为人们日常生活中一种重要的交通工具，这必然对交通管理有一个更高的要求，而随着对城市交通管理、高速公路收费、停车场管理等的自动化，车牌识别技术的研究成为一个非常重要的发展方向。车牌是车辆的唯一身份标识，车牌识别技术(VehicleLicensePlateRecognition，VLPR)是指能够检测到受监控路面的车辆并自动提取车辆牌照信息(含汉字字符、英文字母、阿拉伯数字及号牌颜色)进行处理的技术，主要以数字图像处理、模式识别、计算机视觉等技术为基础，对摄像机所拍摄的车辆图像或者视频序列进行分析，进而得到每一辆汽车唯一的车牌号码而完成识别过程，可以在汽车不做任何改动的情况下，实现对汽车身份的自动登记及验证。车牌识别技术作为现代智能交通系统中的重要组成部分之一，对于维护交通安全和城市治安，防止交通堵塞，实现交通自动化管理有着现实的意义。目前，车牌识别设备已广泛应用于停车场、高速公路、城市道路等区域进行车牌抓拍及识别。其中，车牌识别率随着图像识别算法及摄像机分辨率、宽动态、对比度等性能的提升，已经达到98％以上的指标。但由于光线影响及车牌区域本身不清晰造成的车牌分割及字符识别错误是当前车牌识别率指标无法继续完善的一个重要原因，因此，如何提高车牌区域的纹理分辨率成为了进一步提升车牌识别率的有效方法。现有技术中，针对车牌重建的方法主要有基于稀疏表示的字典学习方法，该方法可以通过学习得到的高、低分辨率字典对来表示先验信息进行图像超分辨率重建，由于其训练特征的维数比深度学习自学习的特征维数低、运算量小，从而其运算速度较快，然而，其特征映射能力有限，对多种不同车牌类型的重建能力有限，重建效果不佳，且得到的重构图像边缘较为平滑，纹理未能较好地恢复，图像质量有待提高，该方法应用于诸如停车场环境中时，难以解决车牌区域不清晰或光照噪声影响导致的车牌识别错误或漏车的问题。因此，综上所述，有必要提供一种改进的车牌图像超分辨率重建方法，以解决现有技术存在的不足。
技术实现思路
本专利技术实施例提供了一种车牌超分辨率模型重建方法及装置，通过第一模型训练高分辨率图像和低分辨率图像的局部区域映射关系，得到目标模型后，可以实现对低分辨率图像的去模糊和去噪的操作，解决车牌区域不清晰或光照噪声影响导致的车牌识别错误或漏车的问题，达到有效提高车牌识别率的目的。本专利技术第一方面提供一种车牌超分辨率模型重建方法，可包括：(1)获取车牌的第一图像，并将第一图像进行低分辨率处理，得到第二图像，其中，第一图像和第二图像包括数量相同且位置关系对应的至少一个局部图像；(2)确定第一局部图像和第二局部图像，第二局部图像为第二图像的至少一个局部图像中的任意一个，第一局部图像为第一图像的至少一个局部图像中与第二局部图像位置关系对应的一个；(3)按照第一模型的卷积层参数对第二局部图像进行卷积处理，得到目标局部图像，目标局部图像与第一局部图像的像素尺寸相同；(4)确定目标局部图像与第一局部图像的像素差异；(5)判断像素差异是否满足预设条件；(6)若是，则根据像素差异调整第一模型的卷积层参数，得到目标模型，若否，则根据像素差异调整第一模型的卷积层参数，得到第二模型，将第二模型的卷积层参数作为第一模型的卷积层参数并重复执行步骤(2)至(6)。进一步地，判断像素差异是否满足预设条件包括：判断像素差异是否小于第一阈值；或，判断像素差异是否小于第一阈值，且判断像素差异小于第一阈值的次数是否大于第二阈值；或，判断像素差异的确定次数是否为预设次数的倍数。进一步地，判断像素差异的确定次数是否为预设次数的倍数包括：判断像素差异的确定次数是否为预设次数的倍数，且判断确定次数的像素差异的加权计算值是否小于第一阈值。进一步地，在获取车牌的第一图像，并将第一图像进行低分辨率处理，得到第二图像之前，该方法还包括：将第一图像进行灰度处理。进一步地，像素差异为像素均方差，根据像素差异值调整第一模型的卷积层参数包括：根据像素均方差调整第一模型中卷积层的卷积核参数；根据像素均方差调整第一模型中卷积层的卷积核参数包括：利用像素均方差确定第N层卷积层的像素损失，并根据第N层卷积层的像素损失调整第N层卷积层的卷积核参数，第一模型包括N层卷积层，N为大于零的整数；根据第N-M层卷积层的像素损失确定第N-M-1层卷积层的像素损失，并根据第N-M-1层卷积层的像素损失调整第N-M-1层卷积层的卷积核参数，M为自然数。进一步地，将第一图像进行低分辨率处理，得到第二图像包括：对第一图像进行模糊处理和/或噪声处理，得到图像样本；对图像样本分别进行光照不均处理，得到第二图像。进一步地，噪声处理包括以下至少一种：高斯噪声处理、瑞利噪声处理、指数噪声处理、椒盐噪声处理。进一步地，该方法还包括：获取待检测车牌图像；按照目标模型的卷积层参数对待检测车牌图像进行卷积处理，得到目标车牌图像，待检测车牌图像与目标车牌图像的像素尺寸相同。进一步地，按照目标模型的卷积层参数对待检测车牌图像进行卷积处理，得到目标车牌图像包括：确定待检测车牌图像的像素尺寸；根据待检测车牌图像的像素尺寸以及目标模型的卷积层参数，确定填充像素大小；按照卷积层参数和填充像素大小对待检测车牌图像进行卷积处理，得到目标车牌图像。进一步地，在获取待检测车牌图像之前，该方法还包括：将待检测车牌图像进行灰度处理。本专利技术第二方面提供一种车牌超分辨率模型重建装置，可包括：获取单元，用于执行：(1)获取车牌的第一图像，将第一图像进行低分辨率处理，得到第二图像，其中，第一图像和第二图像包括数量相同且位置关系对应的至少一个局部图像；处理单元，用于执行：(2)确定第一局部图像和第二局部图像，第二局部图像为第二图像的至少一个局部图像中的任意一个，第一局部图像为第一图像的至少一个局部图像中与第二局部图像位置关系对应的一个；(3)按照第一模型的卷积层参数对第二局部图像进行卷积处理，得到目标局部图像，目标局部图像与第一局部图像的像素尺寸相同；(4)确定目标局部图像与第一局部图像的像素差异；(5)判断像素差异是否满足预设条件；(6)若是，则根据像素差异调整第一模型的卷积层参数，得到目标模型，若否，则根据像素差异调整第一模型的卷积层参数，得到第二模型，将第二模型的卷积层参数作为第一模型的卷积层参数并重复执行步骤(2)至(6)。进一步地，处理单元，具体用于执行：判断像素差异是否小于第一阈值；或，判断像素差异是否小于第一阈值，且判断像素差异小于第一阈值的次数是否大于第二阈值；或，判断像素差异的确定次数是否为预设次数的倍数。进一步地，处理单元，还具体用于执行：判断像素差异的确定次数是否为预设次数的倍数，且判断确定次数的像素差异的加权计算值是否小于第一阈值。进一步地，获取单元，还具体用于执行：将第一图像进行灰度处理。进一步地，像素差异为像素均方差，处理单元，具体用于执行：根据像素均方差调整第一模型中卷积层的卷积核参数；根据像素均方差调整第一模型中卷积层的卷积核参数包括：利用像素均方差确定第N层卷积层的像素损失，并根据第N层卷积层的像素损失调本文档来自技高网...

【技术保护点】
一种车牌超分辨率模型重建方法，其特征在于，包括：(1)获取车牌的第一图像，并将所述第一图像进行低分辨率处理，得到第二图像，其中，所述第一图像和所述第二图像包括数量相同且位置关系对应的至少一个局部图像；(2)确定第一局部图像和第二局部图像，所述第二局部图像为所述第二图像的至少一个局部图像中的任意一个，所述第一局部图像为所述第一图像的至少一个局部图像中与所述第二局部图像位置关系对应的一个；(3)按照第一模型的卷积层参数对所述第二局部图像进行卷积处理，得到目标局部图像，所述目标局部图像与所述第一局部图像的像素尺寸相同；(4)确定所述目标局部图像与所述第一局部图像的像素差异；(5)判断所述像素差异是否满足预设条件；(6)若是，则根据所述像素差异调整所述第一模型的卷积层参数，得到目标模型，若否，则根据所述像素差异调整所述第一模型的卷积层参数，得到第二模型，将所述第二模型的卷积层参数作为所述第一模型的卷积层参数并重复执行步骤(2)至(6)。

【技术特征摘要】
1.一种车牌超分辨率模型重建方法，其特征在于，包括：(1)获取车牌的第一图像，并将所述第一图像进行低分辨率处理，得到第二图像，其中，所述第一图像和所述第二图像包括数量相同且位置关系对应的至少一个局部图像；(2)确定第一局部图像和第二局部图像，所述第二局部图像为所述第二图像的至少一个局部图像中的任意一个，所述第一局部图像为所述第一图像的至少一个局部图像中与所述第二局部图像位置关系对应的一个；(3)按照第一模型的卷积层参数对所述第二局部图像进行卷积处理，得到目标局部图像，所述目标局部图像与所述第一局部图像的像素尺寸相同；(4)确定所述目标局部图像与所述第一局部图像的像素差异；(5)判断所述像素差异是否满足预设条件；(6)若是，则根据所述像素差异调整所述第一模型的卷积层参数，得到目标模型，若否，则根据所述像素差异调整所述第一模型的卷积层参数，得到第二模型，将所述第二模型的卷积层参数作为所述第一模型的卷积层参数并重复执行步骤(2)至(6)。2.根据权利要求1所述的车牌超分辨率模型重建方法，其特征在于，所述判断所述像素差异是否满足预设条件包括：判断所述像素差异是否小于第一阈值；或，判断所述像素差异是否小于所述第一阈值，且判断所述像素差异小于第一阈值的次数是否大于第二阈值；或，判断所述像素差异的确定次数是否为预设次数的倍数。3.根据权利要求2所述的车牌超分辨率模型重建方法，其特征在于，所述判断所述像素差异的确定次数是否为预设次数的倍数包括：判断所述像素差异的确定次数是否为预设次数的倍数，且判断所述确定次数的像素差异的加权计算值是否小于所述第一阈值。4.根据权利要求2或3所述的车牌超分辨率模型重建方法，其特征在于，在所述获取车牌的第一图像，并将所述第一图像进行低分辨率处理，得到第二图像之前，所述方法还包括：将所述第一图像进行灰度处理。5.根据权利要求4所述的车牌超分辨率模型重建方法，其特征在于，所述像素差异为像素均方差，所述根据所述像素差异值调整所述第一模型的卷积层参数包括：根据所述像素均方差调整所述第一模型中卷积层的卷积核参数；所述根据所述像素均方差调整所述第一模型中卷积层的卷积核参数包括：利用所述像素均方差确定第N层卷积层的像素损失，并根据所述第N层卷积层的像素损失调整所述第N层卷积层的卷积核参数，所述第一模型包括N层卷积层，所述N为大于零的整数；根据所述第N-M层卷积层的像素损失确定第N-M-1层卷积层的像素损失，并根据所述第N-M-1层卷积层的像素损失调整所述第N-M-1层卷积层的卷积核参数，所述M为自然数。6.根据权利要求1至3中任一项所述的车牌超分辨率模型重建方法，其特征在于，所述将所述第一图像进行低分辨率处理，得到第二图像包括：对所述第一图像进行模糊处理和/或噪声处理，得到图像样本；对所述图像样本分别进行光照不均处理，得到第二图像。7.根据权利要求6所述的车牌超分辨率模型重建方法，其特征在于，所述噪声处理包括以下至少一种：高斯噪声处理、瑞利噪声处理、指数噪声处理、椒盐噪声处理。8.根据权利要求1所述的车牌超分辨率模型重建方法，其特征在于，所述方法还包括：获取待检测车牌图像；按照所述目标模型的卷积层参数对所述待检测车牌图像进行卷积处理，得到目标车牌图像，所述待检测车牌图像与所述目标车牌图像的像素尺寸相同。9.根据权利要求8所述的车牌超分辨率模型重建方法，其特征在于，所述按照目标模型的卷积层参数对所述待检测车牌图像进行卷积处理，得到目标车牌图像包括：确定所述待检测车牌图像的像素尺寸；根据所述待检测车牌图像的像素尺寸以及目标模型的卷积层参数，确定填充像素大小；按照所述卷积层参数和所述填充像素大小对所述待检测车牌图像进行卷积处理，得到目标车牌图像。10.根据权利要求8或9所述的车牌超分辨率模型重建方法，其特征在于，在所述获取待检测车牌图像之...

【专利技术属性】
技术研发人员：唐健，蔡昊然，杨利华，
申请(专利权)人：深圳市捷顺科技实业股份有限公司，
类型：发明
国别省市：广东,44