买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利基于透视变换和多重融合后处理网络的车牌篡改数据生成方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117789189B 。

龙图腾网通过国家知识产权局官网在2025-05-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311781171.8，技术领域涉及：G06V20/62；该发明授权基于透视变换和多重融合后处理网络的车牌篡改数据生成方法是由王东霞;徐智鸿;任奎;王文海设计研发完成，并于2023-12-22向国家知识产权局提交的专利申请。

本基于透视变换和多重融合后处理网络的车牌篡改数据生成方法在说明书摘要公布了：本发明公开了一种基于透视变换和多重融合后处理网络的车牌篡改数据生成方法。本发明方法将随机选取的车辆图片，输入到预训练的车牌目标检测模型中，利用返回的车牌顶点坐标得到车牌所在区域，设计基于图像透视变换的车牌替换策略，以实现不同视角和不同环境下的车牌替换，在替换基础上设计并训练一个多重融合后处理网络保证替换车牌与背景图片的兼容性，增强伪造数据的真实性，最后批量生成篡改车牌及其标注数据，形成车牌篡改数据集。本发明实现了一种不需要人工篡改的高效率高真实度的车牌篡改图像数据集扩充方法。

本发明授权基于透视变换和多重融合后处理网络的车牌篡改数据生成方法在权利要求书中公布了：1.一种基于透视变换和多重融合后处理网络的车牌篡改数据生成方法，具体包括以下步骤：1获取车牌数据集进行遍历检索，初始化预训练的车牌目标检测模型并加载预训练权重；将遍历得到的车牌图片每组两张，组合输入到车牌目标检测模型中，所述车牌目标检测模型的输入为三通道二维的RGB图片，输出为该组每张车辆图片对应的车牌四个顶点的坐标向量；2根据步骤1检测得到的每组车牌顶点坐标建立透视变换矩阵，每组两张图片分别作为源车辆图片和目标车辆图片，根据各自图像中四个顶点的坐标计算并求解两者的透视变换矩阵，将两者原始车辆图片映射到同一个二维坐标系中；3根据步骤2建立的透视变换矩阵，将源车辆图片中变换后的车牌矩形区域与目标车辆图片中变换后的车牌矩形区域进行裁剪并替换，获得中间图片，再通过求解透视变换矩阵的逆矩阵对两张车辆图片进行逆变换以还原到原始图片角度，得到初步篡改车牌数据；4将步骤3得到的初步篡改车牌数据输入到所设计的多重融合后处理网络中，将替换过来的车牌像素与背景像素在色彩均衡度、饱和度、分辨率和模糊度四个指标上进行增益值计算，计算公式如下：Gain＝wcgc+wsgs+wrgr+wbgb1其中w代表各指标的权重，c代表色彩均衡度，s代表饱和度，r代表分辨率，b代表模糊度，g·代表各指标的增益计算模块，Gain代表总增益值；5利用步骤4得到的总增益值修改粘贴的车牌像素信息，计算公式如下： 其中Img代表新旧车牌区域的图片，代表像素级的滤波，将总增益值作为条件信息引导随机初始化的卷积核对旧车牌区域进行处理优化生成新车牌区域图片，ω代表卷积核的超参数；6将步骤5得到的整张车辆图片输入到篡改图片判别器中，输出图片的篡改概率，将最小化该概率数值作为优化目标来指导各指标的增益计算模块和卷积核中参数的调整，通过多轮迭代，训练多重融合后处理网络，使得生成的图片趋于逼真，直至成功欺骗判别器，多重融合后处理网络的损失函数loss如下： 其中Imgi代表第i张篡改后的整张车辆图片，Discriminator代表篡改图片判别器，N为训练图片的数量，代表多重融合后处理网络；7利用步骤6中的训练方法，将大量篡改的车辆图片以每组N张送入多重融合后处理网络中，批量自动化生成预设数目的图片，以实现大规模车牌篡改数据集的生成。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。