(Huahua Wu, Jiagui Chen, Tianlei Wang, Xiaoping Lai, Jiuwen Cao*, Ship License Plate Super-resolution in the Wild, IEEE Signal Process Letters, 2023)
船牌（SLP）图像超分辨（SR）在船牌识别、船舶通行记录和证据保留等方面都具有重要意义。图像超分辨在过去几年已经有了丰厚的研究基础，但是在船牌超分辨场景中的积累却少之又少。已有图像超分辨方法在船牌超分辨领域中使用也存在一些缺陷：1）在构建数据集时，已有的方法并不能考虑具体的船牌图像获取场景，往往忽略实际场景中的噪声和模糊情况，并且图像退化模型中方法使用单一；2）在网络构建方面，一般的超分辨方法常常使用结构单一网络进行特征提取，不能综合利用图像的深层特征和浅层特征；3）自然图像超分辨使用的损失函数并不考虑图像中的文本信息，即使是文本图像超分辨算法中使用的损失函数，也缺乏对船牌中中文在水平和垂直方向上的梯度变化的有效利用。由此，与浙江嘉兴广电集团合作，我院人机混合智能与智慧健康研究中心在船牌图像超分辨方向的研究论文”Ship License Plate Super-resolution in the Wild”被IEEE信号处理期刊IEEE Signal Process Letters录用。
船牌识别在船舶监督和港口管理中有着重要的作用。实际上，低分辨率（LR）的船牌图像难以辨认并且不利于船牌识别。大多数现有的超分辨率方法不适用于真实场景中的LR船牌图像，重建结果过于平滑。为了解决这些问题，提出了一种可用于船牌图像的并行增强的SR生成对抗网络（PESRGAN）。设计了一种新的退化模型以构建更可行的船牌数据集。提出了一种基于ESRGAN和SRCNN并联的特征提取模块。为了明确船牌文本前景和背景之间的差异，在PESRGAN中使用了一种新的梯度损失来锐化字符边界。最后，与9种最先进的（SOTA）SR方法进行比较，以验证所提出算法的有效性。
论文第一作者为2020级硕士研究生毋华华，通讯作者为指导教师曹九稳教授，研究获得了国家自然科学基金重点、国家重点研发和浙江省自然科学基金重点等项目的资助。
算法核心框架图
