在計算機(jī)視覺領(lǐng)域中,圖像是許多重要信息的載體。圖像質(zhì)量的好壞直接決定了各種視覺任務(wù)的難度和效果。受成像設(shè)備性能以及遠(yuǎn)距離拍攝的限制,圖像的畫質(zhì)經(jīng)常會變差,無法看清車牌字符。如果提升成像設(shè)備的質(zhì)量,不僅成本較高,而且仍然存在遠(yuǎn)距離的場景,因此通過軟件的方法對圖像進(jìn)行超分辨率重建得到了廣泛的應(yīng)用。由于卷積神經(jīng)網(wǎng)絡(luò)可以學(xué)習(xí)低分辨率圖像與高分辨率圖像之間復(fù)雜的映射關(guān)系,所以基于深度學(xué)習(xí)的方法從低分辨率車牌圖像超分辨率重建出高質(zhì)量的車牌圖像,已經(jīng)成為當(dāng)前計算機(jī)視覺領(lǐng)域的熱點問題。本文主要的研究任務(wù)為將低分辨率車牌圖像超分辨率重建為4倍的高分辨率車牌圖像,主要研究內(nèi)容和創(chuàng)新點如下:(1)為了充分利用圖像中的高頻信息,降低車牌圖像的重建誤差,本文結(jié)合殘差結(jié)構(gòu)和密集連接結(jié)構(gòu),提出了一種基于密集殘差采樣網(wǎng)絡(luò)的車牌圖像超分辨率重建算法。在密集殘差采樣網(wǎng)絡(luò)中,本文構(gòu)建了一種含有采樣層和通道注意力機(jī)制的殘差采樣塊,能利用通道注意力機(jī)制更好的探索上采樣后高分辨率特征的高頻信息,因此更有利于重建出車牌圖像的形狀邊緣等細(xì)節(jié)信息。在網(wǎng)絡(luò)的全局結(jié)構(gòu)中,本文采用密集的跳線對殘差采樣塊進(jìn)行連接,提高了特征利用率;采用1×1...

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文研究內(nèi)容
    1.4 本文結(jié)構(gòu)安排
第2章 基于深度學(xué)習(xí)的超分辨率重建算法理論
    2.1 圖像降質(zhì)模型
    2.2 基于深度學(xué)習(xí)的超分辨重建方法
        2.2.1 可學(xué)習(xí)的上采樣方法
        2.2.2 基于殘差網(wǎng)絡(luò)的超分辨率重建方法
        2.2.3 拉普拉斯金字塔網(wǎng)絡(luò)
        2.2.4 反投影網(wǎng)絡(luò)
    2.3 車牌數(shù)據(jù)集及評價指標(biāo)
        2.3.1 車牌數(shù)據(jù)庫制作
        2.3.2 評價指標(biāo)
    2.4 本章小結(jié)
第3章 基于密集殘差采樣網(wǎng)絡(luò)的車牌圖像超分辨率重建
    3.1 通道注意力機(jī)制
    3.2 密集連接結(jié)構(gòu)
    3.3 密集殘差采樣網(wǎng)絡(luò)
        3.3.1 初始化特征提取模塊
        3.3.2 密集連接的殘差采樣塊
        3.3.3 重建模塊
        3.3.4 損失函數(shù)
    3.4 實驗設(shè)計與分析
        3.4.1 數(shù)據(jù)集選擇與實驗配置
        3.4.2 參數(shù)設(shè)置與模型分析
        3.4.3 對比研究
    3.5 實驗結(jié)果與分析
        3.5.1 客觀評價
        3.5.2 主觀評價
    3.6 本章小結(jié)
第4章 基于逐級反投影網(wǎng)絡(luò)的車牌圖像超分辨率重建
    4.1 車牌區(qū)域檢測與提取
        4.1.1 車牌區(qū)域檢測算法
        4.1.2 車牌區(qū)域檢測與提取結(jié)果
    4.2 逐級反投影網(wǎng)絡(luò)
        4.2.1 初始化特征提取模塊
        4.2.2 逐級反投影模塊
        4.2.3 重建模塊
    4.3 實驗設(shè)計與分析
        4.3.1 數(shù)據(jù)集選取及實驗環(huán)境
        4.3.2 網(wǎng)絡(luò)參數(shù)
        4.3.3 網(wǎng)絡(luò)性能
    4.4 實驗結(jié)果與分析
        4.4.1 客觀評價
        4.4.2 主觀評價
    4.5 本章小結(jié)
第5章 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 研究展望
參考文獻(xiàn)
攻讀學(xué)位期間取得的研究成果
致謝



本文編號：3794615