论文作者：Sawsan AlHalawani,Bilel Benjdira,Adel Ammar,Anis Koubaa,Anas M. Ali

作者单位：Prince Sultan University

论文链接：http://arxiv.org/abs/2309.12506v1

内容简介：

1）方向：图像超分辨率技术

2）应用：监控系统中的车牌识别

3）背景：在监控系统中，由于车牌通常质量较低、尺寸较小，这会影响识别的准确性。尽管基于人工智能的图像超分辨率方法取得了一些进展，如卷积神经网络（CNNs）和生成对抗网络（GANs），但在提升车牌图像方面仍然存在一些问题。

4）方法：本次工作中利用先进的扩散模型，该模型在图像恢复方面一直优于其他深度学习技术。通过使用一个经过筛选的包含沙特车牌的数据集（包括低分辨率和高分辨率），对该模型进行训练，发现了扩散模型的显著有效性。所提出方法在峰值信噪比（PSNR）方面比SwinIR和ESRGAN分别提高了12.55%和37.32%。此外，相对于SwinIR和ESRGAN，该方法在结构相似性指数（SSIM）方面也有了显著提升，分别提高了4.89%和17.66%。此外，92%的人类评估者更喜欢我们的图像而不是其他算法生成的图像。

5）结果：实验证明了所提出的一种开创性的车牌图像超分辨率解决方案，具有在监控系统中应用的实质潜力。