一种用于LPR的恢复车牌图像的方法技术

本发明专利技术公开了一种用于LPR的恢复车牌图像的方法，包括：对已知数据集中的图像进行一系列操作后，将图像按比例划分成训练集、验证集和测试集；建立用于车牌识别的图像恢复网络的模型，用训练集对其训练，得到相应的训练模型；用验证集来检验训练模型的准确率，进而来调节模型的超参数，优化模型来获得更好性能；将测试集图像输入到已确定好的优选模型，测试其泛化性能，观察车牌图像的恢复效果如何。本方案对车牌图像恢复网络的结构进行重新设计，增加了辅助网络来优化图像的恢复质量，使LPR的鲁棒性显著增加；另外通过去噪和校正网络相结合的方法，获得了很好的效果，因而车牌识别的准确率也相当高，是一个又快又准的识别网络。

【技术实现步骤摘要】
一种用于LPR的恢复车牌图像的方法
本专利技术涉及图像处理
，尤其涉及一种用于LPR的恢复车牌图像的方法。
技术介绍
随着国家的经济实力不断提升，人民的生活水平也得到很大的提高，越来越多的家庭拥有自己的私家车。随之而来的交通问题也日趋增多，如今交通车辆管理的问题是城市管理中的重要难题之一。为此，智能交通系统(IntelligentTransportationSystem，以下简称ITS)应运而生。ITS是将现有的科学技术(如计算机计数，传感器技术，图像处理技术等)结合起来用于交通运输、服务控制等方面，而车牌识别(LicensePlateRecognition，以下简称LPR)是其中的一个重要的基础环节。目前比较常用的方法是利用车牌的颜色和纹理特征来定位车牌区域，再对图像进行适当的增强处理，再对图像进行识别得到车牌信息。由于卷积神经网络(简称CNN)的发展和应用，许多计算机视觉领域的任务得到了较大的发展，同时基于CNN的许多LPR方法也被应用于解决识别现实世界中的车牌图像。然而，现有的很多方法都是基于捕获到的高质量的图像来实本文档来自技高网...

【技术保护点】
1.一种用于LPR的恢复车牌图像的方法，其特征在于，包括如下步骤：/n步骤S1：对已知数据集中的图像进行一系列操作后，将图像按比例划分成训练集、验证集和测试集；/n步骤S2：建立用于车牌识别的图像恢复网络的模型，用训练集对其训练，得到相应的训练模型；/n步骤S3：用验证集来检验训练模型的准确率，进而来调节模型的超参数，优化模型来获得更好性能；/n步骤S4：将测试集图像输入到已确定好的优选模型，测试其泛化性能，观察车牌图像的恢复效果如何。/n

【技术特征摘要】
1.一种用于LPR的恢复车牌图像的方法，其特征在于，包括如下步骤：
步骤S1：对已知数据集中的图像进行一系列操作后，将图像按比例划分成训练集、验证集和测试集；
步骤S2：建立用于车牌识别的图像恢复网络的模型，用训练集对其训练，得到相应的训练模型；
步骤S3：用验证集来检验训练模型的准确率，进而来调节模型的超参数，优化模型来获得更好性能；
步骤S4：将测试集图像输入到已确定好的优选模型，测试其泛化性能，观察车牌图像的恢复效果如何。


2.根据权利要求1所述的用于LPR的恢复车牌图像的方法，其特征在于，所述S1步骤还包括如下步骤：
步骤S11：采用若干知名的车牌识别数据集VTLP，将训练集、验证集和测试集按6：2：2的比例来进行划分；
步骤S12：为了增加训练数据的量，再对训练集通过采取角度不同的旋转产生四张子图片，并通过尺寸变换和分割方法进行加倍；原来一张训练图记为IH，分成的四张旋转后的子图记为尺寸变换后的子图记为采取逐像素的二值分割后的图片记为字符计数值为C。


3.根据权利要求1所述的用...

【专利技术属性】
技术研发人员：杨海东，陈俊杰，黄坤山，彭文瑜，林玉山，
申请(专利权)人：佛山市南海区广工大数控装备协同创新研究院，佛山市广工大数控装备技术发展有限公司，
类型：发明
国别省市：广东;44