基于堆叠式多维信息增强卷积的低质车牌影像超分辨率重建方法技术

本发明专利技术属于车牌智能信息检测领域，具体为一种基于堆叠式多维信息增强卷积的低质车牌影像超分辨率重建方法，将均噪模块，像素信息增强模块、字符矫正模块串联，分别从相邻特征关联关系、不同感受野和不同维度、像素语义前后关联分析等角度对低质车牌信息进行特征提取和融合，通过挖掘车牌影像底层信息局部特征之间的关联性，提升低质车牌影像的高频细节，从而减小在低质车牌信息的超分辨率重建中，由于强噪、模糊的不确定性和曝光造成车牌影像信息不完整所产生的影响。

【技术实现步骤摘要】

本专利技术属于智能交通车牌智能检测，具体为一种基于堆叠式多维信息增强卷积的低质车牌影像超分辨率重建方法。

技术介绍

1、道路场景中低质车牌信息的精准检测是实现智能交通系统的基本要求和前提，但目前采集到的车牌影像往往存在远景低分辨率问题，同时受环境影响还会伴有强噪、模糊、过曝、欠曝等-些不确定性像素影响因素，这些问题对道路场景下低质车牌信息的智能精准识别形成阻碍，使车牌信息的智能检测精度难以保障。完全通过改进硬件设备提高车牌影像分辨率解决车牌识别准确率低的问题将花费高昂的经济成本，因此，如何构建高效的低质车牌信息超分辨率重建网络将道路场景下车牌信息低分辨率影像重建为高分辨率影像，并对不确定性像素影响因素进行有效消除，是具有重要的应用价值和现实意义。

2、现阶段，超分辨率重建方法主要为基于插值的方法和基于深度学习的方法。基于插值的方法计算简单，运算速度快，但是进行超分辨率重建时，并不会消除模糊、强噪和恢复光照失常区域，还会使起车牌影像边缘失真，产生明显的马赛克和锯齿现象。随着深度学习的快速发展，基于深度学习的超分辨率重建方法已成为主流，即通过构建深本文档来自技高网...

【技术保护点】

1.一种基于堆叠式多维信息增强卷积的低质车牌影像超分辨率重建方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种基于堆叠式多维信息增强卷积的低质车牌影像超分辨率重建方法，其特征在于：步骤1中，HR车牌影像的筛选原则：①车牌占比尽可能小，贴合道路场景下车牌占比小的场景，②拍摄到的车牌影像包含多种角度偏情况，③包含多种类型车牌以及多种车身颜色。

3.根据权利要求2所述的一种基于堆叠式多维信息增强卷积的低质车牌影像超分辨率重建方法，其特征在于：步骤2.1中，ANM模块通过分析特征点在经过亚像素卷积上采样时的运算过程，对于某一个特征点来说，跨通道邻居CCN和空间...

【技术特征摘要】

1.一种基于堆叠式多维信息增强卷积的低质车牌影像超分辨率重建方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的一种基于堆叠式多维信息增强卷积的低质车牌影像超分辨率重建方法，其特征在于：步骤1中，hr车牌影像的筛选原则：①车牌占比尽可能小，贴合道路场景下车牌占比小的场景，②拍摄到的车牌影像包含多种角度偏情况，③包含多种类型车牌以及多种车身颜色。

3.根据权利要求2所述的一种基于堆叠式多维信息增强卷积的低质车牌影像超分辨率重建方法，其特征在于：步骤2.1中，anm模块通过分析特征点在经过亚像素卷积上采样时的运算过程，对于某一个特征点来说，跨通道邻居ccn和空间邻居sn在经过亚像素卷积上采样生成hr车牌影像后，在不同维度的ccn和sn会处于同一纬度，且仍然和原特征点保持空间上的邻近关系；采用亚像素卷积上采样模块和步长为2的3×3卷积聚合ccn和sn特征点，挖掘特征点在空间和通道上协同卷积计算的关联关系，将强噪特征点的影响均分到通道和空间两个维度的邻居像素；再使用1×1卷...

【专利技术属性】
技术研发人员：张睿，惠永科，李心宇，白峭峰，张延军，傅留虎，
申请(专利权)人：太原科技大学，
类型：发明
国别省市：