基于忆阻器的RBM及其在车牌图像处理中的应用

车牌识别在智能交通和公共安全领域具有十分重要的意义.由于拍摄环境、拍摄设备等因素的影响,获取的车牌图像分辨率较低、图像模糊,影响了车牌识别的准确率.图像超分辨率和图像去噪技术可以改善图像质量,提高车牌图像的识别率.本文提出了基于忆阻器的受限玻尔兹曼机(restricted Boltzmann machine,RBM)的全电路设计,并将其应用于车牌图像处理.忆阻RBM电路主要包含3个模块:隐单元生成模块、可见单元重构模块和隐单元再生模块.忆阻电路采用片上训练方式,提高了网络的训练效率,实现了实时的在线学习.最后,将基于忆阻器的RBM应用于车牌图像超分辨率和图像去噪,通过计算图像的结构相似性(structural similarity,SSIM)和峰值信噪比(peak signal to noise ratio,PSNR),并与传统的图像处理方法进行对比分析,验证了所提出的基于忆阻器的RBM在图像处理中的有效性和优越性.