چکیده: در سال‌های اخیر پژوهش‌های زیادی در زمینه افزایش کیفیت تصاویر و ویدیو انجام شده‌است. امروزه از ویدیوها و تصاویر با قدرت تفکیک‌پذیری بالا در بسیاری از سیستم‌های هوشمند استفاده می‌شود. یکی از مهم‌ترین کاربرد‌های افزایش وضوح تصویر، تشخیص پلاک خودرو است. تشخیص خودکار پلاک خودرو نقش مهمی در کنترل ترافیک و برقراری امنیت در سیستم های نظارتی دارد و وجود این دوربین‌های نظارتی در شهرها می‌تواند به شناسایی پلاک مجرمین در صحنه جرم و برقراری امنیت کمک شایانی نماید. عدم وضوح کافی تصویر پلاک در کنار مخدوش شدن آن، تشخیص پلاک خودرو را بسیار دشوار می‌نماید. یکی از راهکارهای افزایش وضوح تصویر فراتفکیک‌پذیری تصویر است و همچنین جهت اصلاح تصویر پلاک مخدوش شده نیز می‌بایست از روش‌های اصلاح و بازسازی استفاده کرد تا بتوان یک ورودی مناسب برای نرم‌افزارهای پلاک خوان تهیه کرد. در این پایان‌نامه، هدف فراتفکیک‌پذیری و اصلاح پلاک‌های مخدوش شده به کمک شبکه‌های عمیق می‌باشد. برای این منظور، جهت افزایش وضوح و اصلاح بخش‌های مخدوش شده تصویر پلاک، استفاده از شبکه عمیق UNet را پیشنهاد داده‌ایم. داده‌های ما تصاویر جمع‌آوری شده از پلاک‌ خودرو می‌باشد که دارای کیفیت مناسبی برای شناسایی نیستند و برای حل این مشکل، راه‌حل مبتنی بر شبکه‌های عمیق UNet پیشنهادی ارایه شده‌است. استفاده از این الگوریتم از میان سایر الگوریتم‌های یادگیری عمیق به این علت است که الگوریتم UNet دارای پاسخ دقیق، دقت بالا، عدم نیاز به حجم زیاد داده‌های آموزشی برای یادگیری و سخت افزارهای پیچیده و گران قیمت می‌باشد. در این پایان‌نامه، 1500 تصویر از تصاویر پلاک به منظور آموزش شبکه و 1000 تصویر از تصاویر پلاک‌های مخدوش به منظور سنجش کارکرد روش پیشنهادی، جمع‌آوری و برای ارزیابی سهولت آن از معیار‌های PSNR ,MSE و SSIM استفاده شد. مدت زمان آموزش این شبکه 2551.392 ثانیه به طول انجامید و درصد افزایش وضوح تصویر پلاک با وضوح پایین % 89.161 و درصد بازسازی تصویر پلاک مخدوش شده % 95.3 حاصل شد.