[发明专利]一种基于卷积神经网络的车牌图像清晰化方法有效
| 申请号： | 201810599569.2 | 申请日： | 2018-06-12 |
| 公开（公告）号： | CN108549892B | 公开（公告）日： | 2022-02-11 |
| 发明（设计）人： | 董林滔;夏思宇;陈科圻;张伟;段彦卉;肖志尧 | 申请（专利权）人： | 东南大学 |
| 主分类号： | G06V20/62 | 分类号： | G06V20/62;G06V10/82;G06N3/04;G06T5/00 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 柏尚春 |
| 地址： | 211100 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经网络的车牌图像清晰化方法，能够对受到运动模糊影响的车牌图像进行清晰化，该方法包括以下步骤：建立一种轻量级的卷积神经网络模型，设置网络的结构和训练参数；制作卷积神经网络的训练集；训练卷积神经网络，得到网络的权重；基于卷积神经网络的训练模型，即可以对道路监控设备拍摄到的模糊车牌图像进行清晰化。本发明应用于刑侦和OCR识别等方面，针对一处道路监控设备，由于车辆的运动速度和出现位置不同，车牌图像的模糊程度和模糊角度在一定范围内变化，传统的去运动模糊方法无法有效处理，通过卷积神经网络的方法可以对车牌图像一定范围内的运动模糊进行清晰化，且具有较快的处理速度。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 车牌 图像 清晰 方法 | ||
【主权项】：
1.一种基于卷积神经网络的车牌图像清晰化方法，其特征在于，该方法包括以下步骤：(1)搭建卷积神经网络模型；(2)拍摄高清车牌图片；(3)人工标定车牌位置并归一化车牌图像；(4)人工模糊车牌图像；(5)裁剪车牌图像，制作训练集；(6)网络结构参数设定和训练参数初始化；(7)训练卷积神经网络，得到网络权重；(8)将预处理后的监控设备拍摄的图像输入网络，得到清晰化的车牌图像。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东南大学，未经东南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810599569.2/，转载请声明来源钻瓜专利网。
