[发明专利]一种车牌超分辨率模型重建方法及装置

说明书

本发明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)。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种车牌超分辨率模型重建方法及装置。

背景技术

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(Vehicle License PlateRecognition，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。

发明内容

本发明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。

本发明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；