本项目以公共安全领域的实际需求出发，针对刑侦监控视频中目标物距离远，看不清的问题，对监控中的小目标物进行清晰化处理

前期通过监控视频数据采集、图像去噪、图像分割等前期数据处理工作获得车牌数据库，后期采用基于稀疏表示的图像超分辨率重建算法和基于深度学习的图像超分辨率重建算法对车牌图像进行超分辨率重建研究

（1）建立车牌图像数据库 在基于学习的图像超分辨率算法中，数据库是非常重要的研究基础

本项目针对实际视频监控中的车牌图像进行预处理工作，得到万余幅车牌图像数据库，为后续研究提供基础数据 （2）基于交替K奇异值分解字典训练的图像超分辨率算法 在基于稀疏表示的图像超分辨率算法中，已有的双字典训练算法，其字典信息缺乏图像块的高频细节信息，因此本项目重点研究了基于交替K奇异值分解字典训练的图像超分辨率算法

在训练时，每次字典更新都采用奇异值分解所得到的向量对低高频样本块进行最佳低秩逼近，使得低高频样本块随着迭代次数的增加逐渐取得相同或者相似的稀疏表示系数，从而在字典中引入高频信息

该算法能够得到高频细节较丰富的图像

（3）基于多尺度融合的卷积神经网络车牌图像超分辨重建算法 在主流的基于学习的图像超分辨率算法中，其研究的目标图像为普适的自然图像

但在刑侦中，我们仅对特定图像（例如车牌图像）感兴趣

因此本项目重点研究了基于多尺度融合的卷积神经网络车牌图像超分辨重建算法，采用三层神经网络对高低分辨率图像块进行建模，并在特征提取层采用多尺度滤波器并行提取特征，增加了特征的多样性

提出的算法对车牌图像重建质量有较明显的提高

（4）基于深度学习的车牌图像超分辨率处理软件开发 在上述研究内容的基础上，开发了深度学习的车牌图像超分辨率处理软件，实现对车牌图像的超分辨率放大

本项目按照合同书中要求，已完成了既定内容的研究，达成预期目标