The invention discloses a license plate image sharpening method based on convolution neural network, which can sharpen the license plate image affected by motion blur. The method comprises the following steps: establishing a lightweight convolution neural network model, setting the network structure and training parameters, and making the training of convolution neural network. Training set; training convolution neural network, get the weight of the network; based on the training model of convolution neural network, the blurred license plate images captured by road monitoring equipment can be made clear. The invention is applied to criminal investigation and OCR recognition, etc. Aiming at a road monitoring equipment, the fuzzy degree and fuzzy angle of the license plate image vary within a certain range because of the different moving speed and position of the vehicle, and the traditional method of removing motion fuzzy can not be effectively processed. The vehicle can be processed by convolution neural network method. The motion blurring within a certain range of the card image is clear and has a faster processing speed.
【技术实现步骤摘要】
一种基于卷积神经网络的车牌图像清晰化方法
本专利技术属于图像复原和机器学习领域,尤其涉及一种基于卷积神经网络的车牌图像清晰化方法。
技术介绍
在用车牌号码辨识车辆的过程中,道路监控设备的成像受运动、光线、温度等各种因素的影响,拍摄到的车牌号码容易出现各种类型的模糊现象。模糊图像的清晰化在刑侦和OCR等方面有着重大应用。为了解决受运动模糊影响的车牌图像的清晰化问题,目前已有一些基于概率统计和数字图像处理的去模糊方法,比如基于L0范数先验的图像清晰化方法、基于Lucy‐Richardson算法的盲去卷积方法等,这些方法对于不同模糊程度的图像需要人工调节参数才能得到较好的效果。针对道路监控设备拍摄到的车辆图像,由于车辆的运动速度和车辆在监控设备视野中的位置不确定,会使拍摄到的车牌图像受到不同程度的运动模糊,且模糊核的角度在一定范围之内变化,传统的图像清晰化方法难以有效处理这种图像模糊。
技术实现思路
专利技术目的:针对现有技术存在的以上问题,本专利技术旨在提供一种基于卷积神经网络的车牌图像清晰化方法,通过构建和训练一种轻量级的卷积神经网络,将道路监控设备拍摄的车牌图像经过一定处理后输入该网络,就能得到清晰化的车牌图像。技术方案:为实现本专利技术的目的,本专利技术所采用的技术方案是:一种基于卷积神经网络的车牌图像清晰化方法,该方法包括以下步骤:(1)搭建卷积神经网络模型;(2)拍摄高清车牌图片;(3)人工标定车牌位置并归一化车牌图像;(4)人工模糊车牌图像;(5)裁剪车牌图像,制作训练集;(6)网络结构参数设定和训练参数初始化;(7)训练卷积神经网络,得到网络权重;( ...
【技术保护点】
1.一种基于卷积神经网络的车牌图像清晰化方法,其特征在于,该方法包括以下步骤:(1)搭建卷积神经网络模型;(2)拍摄高清车牌图片;(3)人工标定车牌位置并归一化车牌图像;(4)人工模糊车牌图像;(5)裁剪车牌图像,制作训练集;(6)网络结构参数设定和训练参数初始化;(7)训练卷积神经网络,得到网络权重;(8)将预处理后的监控设备拍摄的图像输入网络,得到清晰化的车牌图像。
【技术特征摘要】
1.一种基于卷积神经网络的车牌图像清晰化方法,其特征在于,该方法包括以下步骤:(1)搭建卷积神经网络模型;(2)拍摄高清车牌图片;(3)人工标定车牌位置并归一化车牌图像;(4)人工模糊车牌图像;(5)裁剪车牌图像,制作训练集;(6)网络结构参数设定和训练参数初始化;(7)训练卷积神经网络,得到网络权重;(8)将预处理后的监控设备拍摄的图像输入网络,得到清晰化的车牌图像。2.根据权利要求1所述的一种基于卷积神经网络的车牌图像清晰化方法,其特征在于,所述步骤(1)中,卷积神经网络结构如下:第一层卷积层的卷积核大小(kernelsize)为34,输出特征图的个数(num_output)为64,输出经过ReLU函数;第二层卷积层的卷积核大小(kernelsize)为1,输出特征图的个数(num_output)为32,输出经过ReLU函数;第三层卷积层的卷积核大小(kernelsize)为18,输出特征图的个数(num_output)为1,输出经过ReLU函数。3.根据权利要求1所述的一种基于卷积神经网络的车牌图像清晰化方法,其特征在于:所述步骤(3)中,人工标定车牌位置方法如下:人工对车牌四角在图片中的位置进行标定,通过透视变换将车牌区域拉伸到图片正中间固定的区域,并将图片大小归一化。4.根据权利要求1所述的一种基于卷积神经网络的车牌图像清晰化方法,其特征在于:所述步骤(4)中,人工模糊车牌图像方法如下:对步骤(3)得到的归一化图像使用模糊核进行模糊滤波操作,模糊核的长度和角度设置在预定范围之内。5.根据权利要求4所述的一种基于卷积神经网络的车牌图像清晰化方法,其特征在于,图像模糊方法如下:设卷积模糊核的矩阵行数为rows,列数为cols,卷积模糊核为wn(x,y),使用卷积模糊核对清晰车牌图像进行人工运动模糊操作:其中,f表示灰度化的单通道清晰车牌图像,以二维矩阵的方式存储;fblur表示人工运动模糊之后得到的模糊车牌图像,x,y表示像素的横坐标和纵坐标,n1,n2表示中间变量。6.根据权利要求1所述的...
【专利技术属性】
技术研发人员:董林滔,夏思宇,陈科圻,张伟,段彦卉,肖志尧,
申请(专利权)人:东南大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。