[发明专利]一种基于卷积神经网络的低照度车牌图像增强识别方法

说明书

本发明公开了一种基于卷积神经网络的低照度车牌图像增强识别方法，属于交通信息识别技术领域，其包括以下步骤：S10、基于卷积神经网络构建图像增强网络和车辆牌照识别网络；S20、使用训练样本对图像增强网络进行训练；S30、使用训练样本对车辆牌照识别网络进行训练；S40、将低照度车辆号码图像输入训练完成的图像增强网络，获得增强图像；S50、将增强图像输入训练完成的车辆牌照识别网络，获得车辆牌照号。本发明提供了一种能保持照度图像空间平滑度，又能保证照度图像的边缘结构得以保留的低照度车牌图像增强方法；增强处理后的图像无光晕现象，细节更突出，达到了良好的视觉效果，再结合车辆牌照识别神经网络系统，能够准确得到车辆牌照信息。

技术领域

本发明涉及交通信息识别技术领域，具体涉及一种基于卷积神经网络的低照度车牌图像增强识别方法。

背景技术

随着我国城市化进程的加快和汽车销量的大幅攀升，城市堵车日趋严重，给人们生活带来了诸多不便，交通事故频繁，尤其是交通事故后对于肇事逃逸车辆的查找工作对当事人来说显得十分重要。车辆牌照是全世界唯一对车辆身份识别的标记，车辆牌照的自动识别有助于对肇事车辆的查找。但是车辆牌照的自动识别基于车辆牌照的拍摄图像，高质量图像是理解目标场景的先决条件，然而由于硬件设备、天气情况等客观因素，采集的车辆牌照图像可能会存在一系列问题，尤其是在低光源或光照不均的条件下拍摄的图像，由于光源微弱，采集到的图像会出现整体亮度偏低、细节模糊不清、对比度不高、噪声大等问题，使得图像可辨识性很低，给后续的车辆牌照号识别工作带来了很大困难。

因此，急需一种智能、图像增强后无光晕现象、细节更突出、牌照图像号码识别处理速度快和识别精准的低照度车牌图像增强识别方法。

发明内容

本发明的目的在于提供一种智能、图像增强后无光晕现象、细节更突出、牌照图像号码识别处理速度快和识别精准的低照度车牌图像增强识别方法，本发明采取了如下技术方案：

一种基于卷积神经网络的低照度车牌图像增强识别方法，包括以下步骤：

S10、基于卷积神经网络构建图像增强网络和车辆牌照识别网络；

S20、使用图像增强训练样本对所述图像增强网络进行训练；所述图像增强网络对所述图像增强训练样本中的原始图像进行图像增强；

S30、使用车辆牌照图像训练样本对所述车辆牌照识别网络进行训练，得到所述车辆牌照图像训练样本中的车辆牌照号；

S40、将低照度车辆号码图像输入训练完成的所述图像增强网络，获得增强后的车辆号码图像；

S50、将所述增强后的车辆号码图像输入训练完成的所述车辆牌照识别网络，获得所述增强后的车辆号码图像中的车辆牌照号。

进一步地，步骤S20中所述图像特征提取并进行合并的步骤如下：

S21、将所述图像增强训练样本中的原始图像分解为RGB三通道图像；

S22、在所述RGB三通道图像中找到每个像素的最大灰度值作为约束图像照射分量L_arg；

S23、将所述RGB三通道图像通过亮通道模型构造亮通道图像照射分量L_max；

S24、基于所述亮通道图像照射分量L_max和所述约束图像照射分量L_org，构建一个基于变分模型的结构滤波器，用于估算精炼亮度图照射分量L；

S25、对所述精炼亮度图照射分量L进行线性变换，得到线性映射的照射分量L_r；

S26、基于亮通道模型得到原始图像R、G、B三个通道照射分量，将所述线性映射的照射分量L_r从原始图像各通道照射分量中去除，得到R、G、B各通道的复原图像；