暗光车牌图像的改进Retinex算法增强

在暗光或弱光条件下拍摄的暗光车牌图像通常噪声大、亮度低、对比度低,识别困难.为使暗光车牌图像更有利于识别,采集并生成暗光/正常光车牌数据集,提出一种基于Retinex理论的暗光车牌图像增强方法,将暗光车牌图像增强处理分解为三部分,分别负责图像分解、分解后图像的增强调整以及图像重建,处理后的车牌图像色彩、细节和边缘保护得更好,图像的峰值信噪比(PSNR)值提升了14.1%左右,结构相似度(SSIM)值提升了3.3%左右,增强效果的主观评价和客观指标都优于其他算法.

加入注意力机制的场景文本图像超分辨方法

自然场景图像中文本图像的分辨率通常较低,给文本检测和识别等工作带来困难.为了提高文字区域的清晰度、提升文字识别的精度,提出一种新的场景文本图像超分辨网络,在文本超分辨网络(TSRN)的基础上加入置换注意力机制.通过调节相机焦距拍摄同一场景构建真实中文场景文本数据集(CSTD),它包含成对的真实低分辨率和高分辨率图像.在CSTD数据集上进行训练和测试,用PaddleOCR进行文字识别,低分辨率图像的文字识别率提升了3.8%左右;将该网络与TSRN网络做消融实验,测试集的文字识别率提升2.6%左右,证明了算法的有效性.

改进注意力机制实现车牌图像清晰化

为避免低分辨率模糊图像对识别车牌的影响,提出基于残差网络的空间和通道双重注意力网络(RSCAN)来恢复模糊车牌图像。RSCAN在Residual Channel Attention(RCAN)网络基础上添加空间注意力机制来捕获更多空间信息,引入新的通道注意力机制加强采集图片通道信息能力,以及改进损失函数,加入梯度损失函数改善重建车牌图片的视觉效果,通过自制的车牌数据集来训练和测试网络。使用测试车牌图片将RSCAN网络与常规处理图片、EDSR(Super-resolution)网络、RCAN网络进行对比实验,通过峰值信噪比(PSNR)和结构相似性(SSIM)进行模型评估,分别为31.284/0.862。验证结果表明,设计的RSCAN网络处理车牌图像和其他方法相比取得很好的效果。