【车牌超分辨率】Super Resolution of Car Plate Images Using Generative Adversarial Networks 阅读笔记

最近在研究文字图像的超分辨率，下载了几篇论文，准备略读一下，每篇文章写个笔记做记录。

Paper：Super Resolution of Car Plate Images Using Generative Adversarial Networks

Abstract

车牌识别可以用于交通监控系统，例如智能停车场管理，查找被盗车辆和自动高速公路收费。在低分辨率监视系统中，车牌文本通常难以辨认。通过将一系列LR图像处理为单个高分辨率（HR）图像，可以使用超高分辨率（SR）技术来提高车牌识别的准确率。以前的方法总是最小化均方损失（MSE），以提高峰值信噪比（PSNR）。但是，最小化均方损失会导致重建图像过于平滑。在本文中，提出了基于生成对抗网络（GAN）的超分方法，将LR图像重构为HR图像。除此之外，提出了感知损失来解决平滑问题。将基于GAN的SR生成图像的质量与现有技术（例如双三次BICUBIC，超分辨率卷积神经网络SRCNN）进行比较。结果表明，与以前的方法相比，使用基于GANs的SR重建的图像在感知质量方面取得了更好的结果。

INTRODUCTION

• 背景：number of vehicles registered in Malaysia have shown significant growth，the complexity of traffic management becomes a challenge from year to year.

车牌识别通常有四个子阶段：车牌定位、车牌提取、字符分割、字符识别。

使用超分辨率（SR）技术可以改善车牌的图像质量。