一种车牌图像去模糊方法、装置及系统制造方法及图纸

本发明专利技术实施例提供了一种车牌图像去模糊方法、装置及系统，其中，车牌图像去模糊方法包括：采集车牌图像，并通过统计车牌图像的清晰度信息，确定车牌图像的当前模糊等级；根据当前模糊等级，以及模糊等级与神经网络的网络参数的对应关系，确定当前模糊等级对应的神经网络的网络参数，其中，对应关系为通过对多张清晰车牌图像和多张模糊车牌图像构成的样本对集合进行训练得到的；根据当前模糊等级对应的神经网络的网络参数，对车牌图像进行神经网络运算，得到去模糊后的车牌图像。通过本发明专利技术可以实现在出现字符相连的情况时，提高字符复原效果。

A license plate image deblurring method, device and system

The embodiment of the invention provides a method, device and system for deblurring the license plate image, wherein the deblurring method of the license plate image includes: collecting the license plate image, determining the current blur level of the license plate image by counting the clearness information of the license plate image, and according to the current blur level, as well as the blur level and the neural network. The corresponding relationship of network parameters determines the network parameters corresponding to the current fuzzy level, in which the corresponding relationship is obtained by training the set of samples composed of multiple clear license plate images and multiple fuzzy license plate images; according to the network parameters of the neural network corresponding to the current fuzzy level, the vehicle is trained. The license plate image is processed by neural network to get the license plate image after deblurring. The invention can improve the character restoration effect when the characters are connected.

【技术实现步骤摘要】
一种车牌图像去模糊方法、装置及系统
本专利技术涉及图像处理
，特别是涉及一种车牌图像去模糊方法、装置及系统。
技术介绍
随着我国国民经济的飞速发展，机动车辆的规模及流量迎来了爆炸式增长，致使公路交通负担越来越重，交通事故已严重危害人民群众的人身和财产安全。在交通管理方面，抓拍、定位和识别超速、闯红灯等违章的车牌号对交通管理执法和实现交通自动化管理具有非常重要的意义，但由于违章车辆的速度一般很快，图像采集设备采集到的车牌图像往往是模糊的，无法准确获取车牌信息。为了应对上述无法准确获取车牌信息的问题，现有技术提出了一种实用的模糊车牌图像复原方法，该方法对训练集中所有车牌图像提取单个字符，作为字符标准库；在进行车牌去模糊处理时，利用车牌二值图像的垂直积分投影的波峰波谷完成单个字符分割，利用字符标准库对分割后的单个字符进行复原处理，并按原车牌图像排列顺序排列，得到去模糊复原后的车牌图像。由于在车牌图像出现运动模糊时，可能会出现字符相连的情况，而上述方案只能提取单个字符，字符相连时会降低字符分割的准确性，进而影响字符复原效果。
技术实现思路
本专利技术实施例的目的在于提供一种车牌图像去模糊方法、装置及系统，以实现在出现字符相连的情况时，提高字符复原效果。具体技术方案如下：第一方面，本专利技术实施例提供了一种车牌图像去模糊方法，所述方法包括：采集车牌图像，并通过统计所述车牌图像的清晰度信息，确定所述车牌图像的当前模糊等级；根据所述当前模糊等级，以及模糊等级与神经网络的网络参数的对应关系，确定所述当前模糊等级对应的神经网络的网络参数，其中，所述对应关系为通过对多张清晰车牌图像和多张模糊车牌图像构成的样本对集合进行训练得到的；根据所述网络参数，对所述车牌图像进行神经网络运算，得到去模糊后的车牌图像。可选的，所述模糊等级包括：严重模糊等级、中度模糊等级及轻度模糊等级，或者，所述模糊等级包括：第1等级至第n等级，其中，n为大于或等于2的整数。可选的，所述采集车牌图像，包括：采集原始车辆图像；统计所述原始车辆图像的图像亮度信息；根据所述图像亮度信息，得到采集所述原始车辆图像时的曝光参数；调节所述曝光参数，得到满足预设图像亮度条件的亮度信息；采集具有所述亮度信息的车辆图像的图像信号；根据所述图像信号，提取车牌图像。可选的，所述通过统计所述车牌图像的清晰度信息，确定所述车牌图像的当前模糊等级，包括：统计所述车牌图像的平均梯度幅值；对所述平均梯度幅值进行映射，并根据预设的平均梯度幅值与图像模糊等级的映射关系，确定所述车牌图像的当前模糊等级；或者，获取离线训练的模糊车牌图像的平均梯度幅值及所对应的模糊等级，确定所述离线训练的模糊车牌图像的平均梯度幅值中与所述车牌图像的平均梯度幅值相等的平均梯度幅值，所对应的模糊等级为所述车牌图像的当前模糊等级。可选的，所述采集车牌图像，并通过统计所述车牌图像的清晰度信息，确定所述车牌图像的当前模糊等级之前，所述方法还包括：获取多张清晰车牌图像及多张模糊车牌图像，并将每个清晰车牌图像及所对应的模糊车牌图像作为样本对，构成样本对集合；根据预设参数确定所述样本对集合中所有样本对的模糊等级，其中，所述预设参数为预设降质模糊核强度或者预设长曝光时间；将所述样本对集合中具有相同模糊等级的所有样本对及由相同模糊等级的样本对确定的相似性度量函数，输入深度神经网络，进行训练；在所述相似性度量函数的数值小于预设值时，完成所述训练，得到模糊等级与神经网络的网络参数的对应关系。可选的，所述获取多张清晰车牌图像及多张模糊车牌图像，并将每个清晰车牌图像及所对应的模糊车牌图像作为样本对，构成样本对集合，包括：获取经短曝光时间采集的多张清晰车牌图像，及经长曝光时间采集的多张模糊车牌图像；将同时采集的清晰车牌图像与模糊车牌图像进行亮度归一化操作，得到亮度相同的第一清晰车牌图像与第一模糊车牌图像；获得包含所述第一清晰车牌图像与所述第一模糊车牌图像的样本对；获得不同采集时刻下的样本对，构成样本对集合。可选的，所述获取多张清晰车牌图像及多张模糊车牌图像，并将每个清晰车牌图像及所对应的模糊车牌图像作为样本对，构成样本对集合，包括：获取经短曝光时间采集的多张清晰车牌图像；根据预设降质模糊核，对每个清晰车牌图像进行退化模型降质，生成每个清晰车牌图像对应的模糊车牌图像；获得包含第二清晰车牌图像与所述第二清晰车牌图像对应的第二模糊车牌图像的样本对，其中，所述第二清晰车牌图像为所有清晰车牌图像中的任一清晰车牌图像；获得每张清晰车牌图像对应的样本对，构成样本对集合。可选的，在所述模糊等级包括严重模糊等级、中度模糊等级及轻度模糊等级时，所述根据所述当前模糊等级，以及模糊等级与神经网络的网络参数的对应关系，确定所述当前模糊等级对应的神经网络的网络参数，包括：在所述当前模糊等级为严重模糊等级时，从所述对应关系中选择严重模糊等级对应的神经网络的网络参数；或者，在所述当前模糊等级为中度模糊等级时，从所述对应关系中选择中度模糊等级对应的神经网络的网络参数；或者，在所述当前模糊等级为轻度模糊等级时，从所述对应关系中选择轻度模糊等级对应的神经网络的网络参数；所述根据所述网络参数，对所述车牌图像进行神经网络运算，得到去模糊后的车牌图像，包括：根据所述严重模糊等级对应的神经网络的网络参数，对所述车牌图像进行神经网络运算，得到去模糊后的车牌图像；或者，根据所述中度模糊等级对应的神经网络的网络参数，对所述车牌图像进行神经网络运算，得到去模糊后的车牌图像；或者，根据所述轻度模糊等级对应的神经网络的网络参数，对所述车牌图像进行神经网络运算，得到去模糊后的车牌图像。可选的，所述根据所述网络参数，对所述车牌图像进行神经网络运算，得到去模糊后的车牌图像之后，所述方法还包括：对所述去模糊后的车牌图像进行编码，得到编码后去模糊的车牌图像。可选的，所述清晰车牌图像及所述模糊车牌图像的格式均为Bayer格式数据。第二方面，本专利技术实施例提供了一种车牌图像去模糊装置，所述装置包括：采集模块，用于采集车牌图像，并通过统计所述车牌图像的清晰度信息，确定所述车牌图像的当前模糊等级；网络参数确定模块，用于根据所述当前模糊等级，以及模糊等级与神经网络的网络参数的对应关系，确定所述当前模糊等级对应的神经网络的网络参数，其中，所述对应关系为通过对多张清晰车牌图像和多张模糊车牌图像构成的样本对集合进行训练得到的；第一运算模块，用于根据所述网络参数，对所述车牌图像进行神经网络运算，得到去模糊后的车牌图像。可选的，所述模糊等级包括：严重模糊等级、中度模糊等级及轻度模糊等级，或者，所述模糊等级包括：第1等级至第n等级，其中，n为大于或等于2的整数。可选的，所述采集模块，包括：第一采集子模块，用于采集原始车辆图像；第一统计子模块，用于统计所述原始车辆图像的图像亮度信息；参数获得子模块，用于根据所述图像亮度信息，得到采集所述原始车辆图像时的曝光参数；调节子模块，用于调节所述曝光参数，得到满足预设图像亮度条件的亮度信息；第二采集子模块，用于采集具有所述亮度信息的车辆图像的图像信号；提取子模块，用于根据所述图像信号，提取车牌图像。可选的，所述采集模块，还包括：第二统计子模块，用于统计所述车牌图像的平均梯度幅值；当前模糊等本文档来自技高网...

【技术保护点】
1.一种车牌图像去模糊方法，其特征在于，所述方法包括：采集车牌图像，并通过统计所述车牌图像的清晰度信息，确定所述车牌图像的当前模糊等级；根据所述当前模糊等级，以及模糊等级与神经网络的网络参数的对应关系，确定所述当前模糊等级对应的神经网络的网络参数，其中，所述对应关系为通过对多张清晰车牌图像和多张模糊车牌图像构成的样本对集合进行训练得到的；根据所述网络参数，对所述车牌图像进行神经网络运算，得到去模糊后的车牌图像。

【技术特征摘要】
1.一种车牌图像去模糊方法，其特征在于，所述方法包括：采集车牌图像，并通过统计所述车牌图像的清晰度信息，确定所述车牌图像的当前模糊等级；根据所述当前模糊等级，以及模糊等级与神经网络的网络参数的对应关系，确定所述当前模糊等级对应的神经网络的网络参数，其中，所述对应关系为通过对多张清晰车牌图像和多张模糊车牌图像构成的样本对集合进行训练得到的；根据所述网络参数，对所述车牌图像进行神经网络运算，得到去模糊后的车牌图像。2.根据权利要求1所述的车牌图像去模糊方法，其特征在于，所述模糊等级包括：严重模糊等级、中度模糊等级及轻度模糊等级，或者，所述模糊等级包括：第1等级至第n等级，其中，n为大于或等于2的整数。3.根据权利要求1所述的车牌图像去模糊方法，其特征在于，所述采集车牌图像，包括：采集原始车辆图像；统计所述原始车辆图像的图像亮度信息；根据所述图像亮度信息，得到采集所述原始车辆图像时的曝光参数；调节所述曝光参数，得到满足预设图像亮度条件的亮度信息；采集具有所述亮度信息的车辆图像的图像信号；根据所述图像信号，提取车牌图像。4.根据权利要求3所述的车牌图像去模糊方法，其特征在于，所述通过统计所述车牌图像的清晰度信息，确定所述车牌图像的当前模糊等级，包括：统计所述车牌图像的平均梯度幅值；对所述平均梯度幅值进行映射，并根据预设的平均梯度幅值与图像模糊等级的映射关系，确定所述车牌图像的当前模糊等级；或者，获取离线训练的模糊车牌图像的平均梯度幅值及所对应的模糊等级，确定所述离线训练的模糊车牌图像的平均梯度幅值中与所述车牌图像的平均梯度幅值相等的平均梯度幅值所对应的模糊等级为所述车牌图像的当前模糊等级。5.根据权利要求1所述的车牌图像去模糊方法，其特征在于，所述采集车牌图像，并通过统计所述车牌图像的清晰度信息，确定所述车牌图像的当前模糊等级之前，所述方法还包括：获取多张清晰车牌图像及多张模糊车牌图像，并将每个清晰车牌图像及所对应的模糊车牌图像作为样本对，构成样本对集合；根据预设参数确定所述样本对集合中所有样本对的模糊等级，其中，所述预设参数为预设降质模糊核强度或者预设长曝光时间；将所述样本对集合中具有相同模糊等级的所有样本对及由相同模糊等级的样本对确定的相似性度量函数，输入深度神经网络，进行训练；在所述相似性度量函数的数值小于预设值时，完成所述训练，得到模糊等级与神经网络的网络参数的对应关系。6.根据权利要求5所述的车牌图像去模糊方法，其特征在于，所述获取多张清晰车牌图像及多张模糊车牌图像，并将每个清晰车牌图像及所对应的模糊车牌图像作为样本对，构成样本对集合，包括：获取经短曝光时间采集的多张清晰车牌图像，及经长曝光时间采集的多张模糊车牌图像；将同时采集的清晰车牌图像与模糊车牌图像进行亮度归一化操作，得到亮度相同的第一清晰车牌图像与第一模糊车牌图像；获得包含所述第一清晰车牌图像与所述第一模糊车牌图像的样本对；获得不同采集时刻下的样本对，构成样本对集合。7.根据权利要求5所述的车牌图像去模糊方法，其特征在于，所述获取多张清晰车牌图像及多张模糊车牌图像，并将每个清晰车牌图像及所对应的模糊车牌图像作为样本对，构成样本对集合，包括：获取经短曝光时间采集的多张清晰车牌图像；根据预设降质模糊核，对每个清晰车牌图像进行退化模型降质，生成每个清晰车牌图像对应的模糊车牌图像；获得包含第二清晰车牌图像与所述第二清晰车牌图像对应的第二模糊车牌图像的样本对，其中，所述第二清晰车牌图像为所有清晰车牌图像中的任一清晰车牌图像；获得每张清晰车牌图像对应的样本对，构成样本对集合。8.根据权利要求2所述的车牌图像去模糊方法，其特征在于，在所述模糊等级包括严重模糊等级、中度模糊等级及轻度模糊等级时，所述根据所述当前模糊等级，以及模糊等级与神经网络的网络参数的对应关系，确定所述当前模糊等级对应的神经网络的网络参数，包括：在所述当前模糊等级为严重模糊等级时，从所述对应关系中选择严重模糊等级对应的神经网络的网络参数；或者，在所述当前模糊等级为中度模糊等级时，从所述对应关系中选择中度模糊等级对应的神经网络的网络参数；或者，在所述当前模糊等级为轻度模糊等级时，从所述对应关系中选择轻度模糊等级对应的神经网络的网络参数；所述根据所述网络参数，对所述车牌图像进行神经网络运算，得到去模糊后的车牌图像，包括：根据所述严重模糊等级对应的神经网络的网络参数，对所述车牌图像进行神经网络运算，得到去模糊后的车牌图像；或者，根据所述中度模糊等级对应的神经网络的网络参数，对所述车牌图像进行神经网络运算，得到去模糊后的车牌图像；或者，根据所述轻度模糊等级对应的神经网络的网络参数，对所述车牌图像进行神经网络运算，得到去模糊后的车牌图像。9.根据权利要求1所述的车牌图像去模糊方法，其特征在于，所述根据所述网络参数，对所述车牌图像进行神经网络运算，得到去模糊后的车牌图像之后，所述方法还包括：对所述去模糊后的车牌图像进行编码，得到编码后去模糊的车牌图像。10.根据权利要求1所述的车牌图像去模糊方法，其特征在于，所述清晰车牌图像及所述模糊车牌图像的格式均为Bayer格式数据。11.一种车牌图像去模糊装置，其特征在于，所述装置包括：采集模块，用于采集车牌图像，并通过统计所述车牌图像的清晰度信息，确定所述车牌图像的当前模糊等级；网络参数确定模块，用于根据所述当前模糊等级，以及模糊等级与神经网络的网络参数的对应关系，确定所述当前模糊等级对应的神经网络的网络参数，其中，所述对应关系为通过对多张清晰车牌图像和多张模糊车牌图像构成的样本对集合进行训练得到的；第一运算模块，用于根据所述网络参数，对所述车牌图像进行神经网络运算，得到去模糊后的车牌图像。12.根据权利要求11所述的车牌图像去模糊装置，其特征在于，所述模糊等级包括：严重模糊等级、中度模糊等级及轻度模糊等级，或者，所述模糊等级包括：第1等级至第n等级，其中，n为大于或等于2的整数。13.根据权利要求11所述的车牌图像去模糊装置，其特征在于，所述采集模块，包括：第一采集子模块，用于采集原始车辆图像；第一统计子模块，用于统计所述原始车辆图像的图像亮度信息；参数获得子模块，用于根据所述图像亮度信息，得到采集所述原始车辆图像时的曝光参数；调节子模块，用于调节所述曝光参数，得到满足预设图像亮度条件的亮度信息；第二采集子模块，用于采集具有所述亮度信息的车辆图像的图像信号；提取子模块，用于根据所述图像信号，提取车牌图像。14.根据权利要求11所述的车牌图像去模糊装置，其特征在于，所述采集模块，还包括：第二统计子模块，用于统计所述车牌图像的平均梯度幅值；当前模糊等级确定子模块，用于对所述平均梯度幅值进行映射，并根据预设的平均梯度幅值与图像模糊等级的映射关系，确定所述车牌图像的当前...

【专利技术属性】
技术研发人员：肖飞，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：浙江,33