基于生成对抗网络的运动模糊车牌图像复原方法

为解决汽车运动过快产生模糊导致车牌识别算法失效的问题,对深度学习的生成对抗网络去模糊方法进行了研究,提出了一种基于生成对抗网络的模糊车牌图像复原方法。主要思路为使用图像复原网络NAFNet中的NAFBlock替换DeblurGAN-v2生成器中的基本卷积块,并在特征提取网络中加入了高效通道注意力机制。对于原模型和修改后的模型,设计了四组不同模型消融实验。实验结果表明,提出方法在复原模糊车辆图像复原任务数据上,峰值信噪比为21.2624,结构相似度为0.6431,较好地解决了模糊车牌复原的问题。

基于图像处理的车牌识别系统设计

本论文提出了一种基于图像处理的车牌识别系统设计,系统分为三个部分,第一部分,对采集的图像进行灰度化,图像平滑,边缘检测等操作以进行预处理。第二部分,对预处理后的图片进行车牌定位,并作倾斜矫正。最后使用卷积神经网络,对车牌字符分割后提取出来单个字符的结果进行识别。