基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
获取的车牌图像因分辨率过低、过量模糊和噪声等原因会导致其图像质量较低,影响了车牌识别的准确率。为了提高车牌识别的准确率,采用基于学习的超分辨率重建算法增强低质车牌图像。引入在线字典学习方法训练超完备字典,并制作适合于车牌超分的训练图集,根据低质车牌图像重建高分辨率车牌,按照既定的模板匹配方法进行车牌识别。实验表明,超分方法的 PSNR和 SSIM比经典的 SCSR(Sparse Coding Super-Resolution)法都有明显提升,车牌识别率也比 SCSR 提高了5.0%。可见,所提出的算法较好地增强了低质车牌的图像质量,有效地提高了识别率。
推荐文章
车牌超分辨率重建与识别
车牌识别
超分辨率重建
OpenCV库
固定邻域回归
支持向量机
人工神经网络
基于视频模式识别的快速超分辨率重建
图像处理
超分辨率重建
快速MAP重建算法
模式识别
一种用于监控系统中的人脸超分辨率图像重建方法
超分辨率重建
块匹配
图像序列
监控系统
一种光照不均图像的超分辨率重建算法研究
光照不均图像
超分辨率重建
激活函数
局部残差网络
特征提取
PSNR
SSIM
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种用于车牌识别的图像超分辨率重建技术
来源期刊 计算机应用与软件 学科 工学
关键词 超分辨率 车牌识别 在线字典学习 稀疏编码
年,卷(期) 2016,(11) 所属期刊栏目 算 法
研究方向 页码范围 208-211,262
页数 5页 分类号 TP391.9
字数 4650字 语种 中文
DOI 10.3969/j.issn.1000-386x.2016.11.049
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 阮若林 湖北科技学院生物医学工程学院 18 60 4.0 7.0
2 刘芳华 湖北科技学院电子与信息工程学院 12 20 3.0 4.0
3 倪浩 湖北科技学院电子与信息工程学院 15 24 3.0 4.0
4 王建峰 湖北科技学院网络管理中心 16 34 4.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (20)
参考文献  (8)
节点文献
引证文献  (3)
同被引文献  (0)
二级引证文献  (0)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(3)
  • 参考文献(2)
  • 二级参考文献(1)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
超分辨率
车牌识别
在线字典学习
稀疏编码
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导