首页|基于差分卷积的弱光照车牌图像增强

基于差分卷积的弱光照车牌图像增强

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
车牌识别作为现代化智能交通系统中重要的环节,对提升路网效率以及缓解城市交通压力等问题具有重要的社会意义,然而弱光照车牌图像识别仍然具有重大的挑战.构建了一个基于差分卷积神经网络的弱光照车牌图像增强网络,将车牌的纹理信息解耦为水平垂直和对角线两个方向,对不同尺度空间的低照度图像进行纹理增强.为了避免增强结果局部过曝或低曝,该方法使用YCbCr颜色空间的损失函数来优化模型.图像增强实验结果表明,所提出的方法较传统的低照度图像增强方法相比,图像客观质量结果峰值信噪比提升了 0.47 dB.同时,在仿真车牌和真实场景的车牌识别实验结果也证明了所提算法对于低照度图像感知质量提升的有效性.
Weak License Plate Image Enhancement Via Differential Convolution
Objectives:As an essential part of the modern intelligent transportation system,license plate recognition is of great social significance to improve the efficiency of the road networks and alleviate urban traffic pressure.however,it is still a great challenge to weak illumination license plate image recognition algorithm.Methods:A weak illumination license plate image enhancement network based on differential convolution neural network is constructed,the texture information of the license plate is decoupled into horizontal vertical and diagonal directions,and the texture of low illumination images in different scale-spaces is enhanced.In order to avoid local overexposure or low exposure of the enhancement results,this method uses the loss function of the YCbCr color space to optimize the model.Results:The results of image enhancement experiments show that compared with the traditional low-intensity image enhancement methods,the objective image quality result peak signal-to-noise ratio improves 0.47 dB.Conclusions:At the same time,the experimental results also prove the effectiveness of this algorithm in recognition of composite license plates and real scene license plates for the improvement of low-illumination image perception quality.

low illuminance enhancementdifferential convolutionlicense plate recognition

杨云飞、汪家明、吴疆、程起敏、王宇

展开 >

清华大学计算机科学与技术系,北京,100084

武汉大学测绘遥感信息工程国家重点实验室,湖北 武汉,430079

中科控股集团科学技术有限公司,北京,100081

华中科技大学电子信息与通信学院,湖北 武汉,430074

展开 >

低照度增强 差分卷积 车牌识别

国家自然科学基金重大项目江西省03专项及5G项目珠海市产学研合作项目四川省关键技术攻关项目广西壮族自治区重点研发计划武汉大学知卓时空智能研究基金

4209001220212ABC03A09ZH22017001210098PWC2022YFN00312021AB30019ZZJJ202202

2024

10.13203/j.whugis20220345

武汉大学学报(信息科学版)
武汉大学

武汉大学学报(信息科学版)

CSTPCD北大核心
影响因子：1.072
ISSN：1671-8860
年,卷(期)：2024.49(5)
  • 21