论文部分内容阅读
针对目前车牌去运动模糊算法的估计模糊核过程复杂、复原质量低等问题,提出一种基于生成对抗网络的车牌去运动模糊算法。运用深度学习的方法对运动模糊图像直接进行复原,省去了估计模糊核的过程,并且增加梯度图像l1正则化,保护复原图像的强边缘特征;最后以分割后的车牌字符作为网络输入,随机抽取等量数据进行训练并测试,以增强网络泛化能力。实验结果表明,提出的模型能够有效去除合成运动模糊图像和真实场景下运动模糊图像中存在的运动模糊,对比测试阶段的峰值信噪比指标,所提模型比当前最新的去运动模糊模型提升了0.40dB。