學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73912
Browse
1 results
Search Results
Item 基於局部學習對車牌影像超解析化(2012) 黃士豪由於監視攝影器材被廣泛地架設，視訊監控系統更顯得其重要性。這些攝影器材所儲存之視訊紀錄（Video Record）也常常變成警方辦案時重要之協助資源，藉由車牌辨識，可以找出違規車輛。為了節省成本，這些監視攝影機之解析度通常都不可能太高，加上監視器材通常被架設在路旁高處，監視器材與車子之間必然存在著相當大之距離；因此，超解析化可以讓原本太小而模糊不清之影像，將其放大而較不失真，可以看得更清楚，以利於後續之應用。 本論文先針對監視器之低解析度影像進行車牌擷取動作，接著再將取得之低解析度車牌進行超解析化之方法；本論文使用以學習為基礎之演算法，利用流形學習（Manifold Learning）之局部線性嵌入（Locally Linear Embedding, 簡稱LLE）概念，將輸入之低解析度車牌影像，經由事先取得一群高解析度及其對應低解析度之影像配對，藉由LLE之概念，從低解析度部分找出相似之局部幾何（Local Geometry），再利用其對應之高解析度部分，產生此輸入影像對應高解析度之模樣，組合成一張對應之高解析度車牌影像。 本論文提出之超解析化方法所產生的清楚車牌與使用一般放大方法在同樣放大倍率之下，細節上顯得更清楚及平滑。此外，此方法僅需使用單張影像即可，相較於傳統使用多張或連續影像，利用前後影像關係提升解析度之方法來得更快速及方便。