买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆锐云科技有限公司

摘要：本发明公开了一种用于景区车牌识别的图像超分辨率重建方法及装置，重建方法包括模型训练，分割获得车牌图像，利用超分辨率重建网络重建输出高分辨率车牌图像等步骤；图像超分辨率重建网络包括前级卷积层、后级卷积模块、多级融合模块和放大模块，前级卷积层与多个后级卷积模块首尾顺次连接，后级卷积模块同时接收其上游端输出的特征图和初级特征图作为输入，提取并输出图像的次级特征图。本发明利用LSA空间注意力模块对小视野的特征图进行空间校准，并利用GSA空间注意力模块和MSA空间注意力模块同时对所有不同大小视野的特征图进行空间校准，对信息校准更有针对性，模型具有对边缘特征提取效率高，抗噪声能力强等优点。

主权项：1.一种用于景区车牌识别的图像超分辨率重建方法，其特征是：包括以下步骤：S1、获取图像超分辨率重建网络，获取训练数据集，利用所述训练数据集训练所述图像超分辨率重建网络；S2、获取低分辨率车牌图像，所述低分辨率车牌图像从场景图像中分割获得；S3、获取步骤S1中训练完成的所述图像超分辨率重建网络，将步骤S2中获得的所述低分辨率车牌图像输入所述图像超分辨率重建网络，经过超分辨率重建后，所述图像超分辨率重建网络输出分辨率大于所述低分辨率车牌图像的高分辨率车牌图像；所述图像超分辨率重建网络包括前级卷积层、后级卷积模块、多级融合模块和放大模块；所述前级卷积层设于所述图像超分辨率重建网络的前端，所述前级卷积层与多个所述后级卷积模块首尾顺次连接，所述前级卷积层用于提取获得图像的初级特征图；所述后级卷积模块同时接收其上游端输出的特征图和所述初级特征图作为输入，提取并输出图像的次级特征图；所述多级融合模块接收各个所述后级卷积模块输出的所述次级特征图作为输入，经过特征融合后，输出深层特征图；所述放大模块接收所述深层特征图作为输入，然后输出所述高分辨率车牌图像；所述后级卷积模块可以用如下数学模型表示：M1＝σ1f13KnM2＝σ2f15KnM3＝fLSA[M1,M2]·[M1,M2]M4＝[M3,σ3f251M1,σ4f252M2]M5＝fGSAK0·M4+fMSAM4·M4Kn+1＝Kn+σ5f31M5其中，K0代表所述初级特征图，Kn和K0同时作为输入所述后级卷积模块的特征图，f13表示卷积核大小为3*3的卷积操作，f15、f251和f252均表示卷积核大小为5*5的卷积操作，σ1、σ2、σ3、σ4和σ5均表示非线性激活函数ReLU，f31表示卷积核大小为1*1的卷积操作，[·]表示对其中的特征图进行拼接操作，fLSA表示LSA空间注意力模块，fGSA表示GSA空间注意力模块，fMSA表示MSA空间注意力模块，Kn+1为所述后级卷积模块输出的特征图；所述LSA空间注意力模块可以用如下数学模型表示：JF＝[LCaxPA,LCenPA,LCvaPA,LCaxPA-LCvaPA]LA＝δLfLJF其中，A代表输入所述LSA空间注意力模块的特征图，LA代表所述LSA空间注意力模块输出的空间校准图，LCenP表示对特征图做全局平均池化操作，LCaxP表示对特征图的做全局最大池化操作，LCvaP表示对特征图做全局方差池化操作，全局平均池化操作、全局最大池化操作和全局方差池化操作的方向均为通道方向，[·]表示将其中的校准图进行拼接操作，fL表示卷积操作，其卷积核大小为1*1，δL表示sigmoid激活函数；所述GSA空间注意力模块可以用如下数学模型表示：G＝δGfG[GCenPK0,GCaxPK0]其中，K0表示所述初级特征图，K0作为输入所述GSA空间注意力模块的特征图，G代表所述GSA空间注意力模块输出的空间校准图，GCenP表示对特征图做全局平均池化操作，GCaxP表示对特征图的做全局最大池化操作，全局平均池化操作和全局最大池化操作的方向均为通道方向，[·]表示对其中的特征图进行拼接操作，fG表示卷积核大小为5*5的卷积操作，δG表示sigmoid激活函数；所述MSA空间注意力模块的数学模型为：MA＝δMfM[MCenPM4,MCaxPM4,MCmePM4]其中，M4表示输入所述MSA空间注意力模块的特征图，MA表示所述MSA空间注意力模块输出的空间校准图，MCenP表示对特征图做全局平均池化操作，MCaxP表示对特征图的做全局最大池化操作，MCmeP表示对特征图做全局中值池化操作，全局平均池化操作、全局最大池化操作和全局中值池化操作的方向均为通道方向，[·]表示对其中的特征图在通道方向上进行拼接操作，fM表示卷积核大小为5*5的卷积操作，δM表示sigmoid激活函数。

全文数据：

权利要求：

百度查询： 重庆锐云科技有限公司 一种用于景区车牌识别的图像超分辨率重建方法及装置