VRAE：用于车牌去噪和去模糊的垂直残差自动编码器
计算机视觉与模式识别
2025-09-12 v2
摘要
在实际交通监视中，受 adverse 天气、恶劣照明或高速运动影响，车辆图像常常严重受噪声和模糊影响。此类退化显著降低车牌识别系统的准确率，尤其是当车牌在整辆车图像中占据很小区域时。以快速实时的方式恢复这些退化图像因此成为提高识别性能的关键预处理步骤。本文提出了一种垂直残差自动编码器（Vertical Residual Autoencoder, VRAE）架构，用于交通监视中的图像增强任务。该方法采用一种包含辅助模块的增强策略，该模块在每个编码阶段注入输入感知特征，以引导表示学习过程，在网络各阶段实现更好的信息保留。针对带有可见车牌的车辆图像数据集进行实验，结果表明我们的方法在 Autoencoder（AE）、生成对抗网络（GAN）和基于流（Flow-Based, FB）方法中始终表现出优异的性能。与相同深度的 AE 相比，PSNR 提升约 20%，NMSE 降低约 50%，SSIM 提升约 1%，而参数增加仅约 1%。
引用
@article{arxiv.2509.08392,
title = {VRAE: Vertical Residual Autoencoder for License Plate Denoising and Deblurring},
author = {Cuong Nguyen and Dung T. Tran and Hong Nguyen and Xuan-Vu Phan and Nam-Phong Nguyen},
journal= {arXiv preprint arXiv:2509.08392},
year = {2025}
}