圖像處理車牌識(shí)別系統(tǒng)設(shè)計(jì)實(shí)驗(yàn)報(bào)告書(已修改)
2025-08-15 11:09 本頁面
【正文】 圖像處理車牌識(shí)別系統(tǒng)設(shè)計(jì)實(shí)驗(yàn)報(bào)告書目錄一、摘要 2二、 設(shè)計(jì)原理 3車牌的定位研究 3字符分割的研究 3字符識(shí)別的研究 3三、 詳細(xì)設(shè)計(jì)步驟 3車牌定位 4 圖像的預(yù)處理 4 7字符分割 10 11 12 13 15 17字符識(shí)別 20 20 22系統(tǒng)界面的實(shí)現(xiàn) 25四、 設(shè)計(jì)結(jié)果分析 29五、 設(shè)計(jì)體會(huì) 29車牌識(shí)別系統(tǒng)的設(shè)計(jì)一、摘要 車牌是一輛汽車獨(dú)一無二的信息，因此，對(duì)車輛牌照的識(shí)別技術(shù)可以作為辨識(shí)一輛車最為有效的方法。隨著ITS(智能交通系統(tǒng))的高速發(fā)展，對(duì)車牌識(shí)別技術(shù)的研究也隨之發(fā)展。從根本上講，牌照識(shí)別應(yīng)用了先進(jìn)的圖像處理，模式識(shí)別，人工智能技術(shù)來獲取，處理，解釋，記錄拍照的圖像。目前， 汽車牌照的自動(dòng)識(shí)別技術(shù)已經(jīng)得到了廣泛應(yīng)用。汽車牌照自動(dòng)識(shí)別整個(gè)處理過程分為預(yù)處理、邊緣提取、車牌定位、字符分割、字符識(shí)別五大模塊，其中字符識(shí)別過程主要由以下3個(gè)部分組成：①正確地分割文字圖像區(qū)域；②正確的分離單個(gè)文字；③正確識(shí)別單個(gè)字符。用MATLAB軟件編程來實(shí)現(xiàn)每一個(gè)部分,最后識(shí)別出汽車牌照。在研究的同時(shí)對(duì)其中出現(xiàn)的問題進(jìn)行了具體分析、處理。 設(shè)計(jì)原理 車牌自動(dòng)識(shí)別是一項(xiàng)利用車輛的動(dòng)態(tài)視頻或靜態(tài)圖像進(jìn)行車牌號(hào)碼、車牌顏色自動(dòng)識(shí)別的模式識(shí)別技術(shù)。其核心包括車牌定位算法、車牌字符分割算法和字符識(shí)別算法等。輸入要處理圖像車牌定位 預(yù)處理單字符識(shí)別字符分割字符特征提取 圖1 牌照識(shí)別系統(tǒng)原理圖主要研究內(nèi)容如下：車牌的定位研究。先進(jìn)行圖像的預(yù)處理，包括RGB彩色圖像的灰度化、圖像灰度拉伸、圖像邊緣檢測(cè)、灰度圖的二值化等。車牌定位采用基于水平和垂直投影分布特征的方法。字符分割的研究。先對(duì)定位后的車牌圖像進(jìn)行預(yù)處理，然后按照車牌的先驗(yàn)信息, 用區(qū)域增長算法來確定候選車牌的字符區(qū)域。字符識(shí)別的研究。 對(duì)于提取出的單個(gè)字符，先進(jìn)行歸一化操作，再與給定的模板做對(duì)比，識(shí)別出字符。三、 詳細(xì)設(shè)計(jì)步驟1. 車牌定位：車輛牌照識(shí)別整個(gè)系統(tǒng)主要是由車牌定位和字符識(shí)別兩部分組成，其中車牌定位又可以分為圖像預(yù)處理及邊緣提取模塊和牌照的定位；導(dǎo)入圖像圖像灰度校正基于顏色的基礎(chǔ)移除大對(duì)象對(duì)圖像進(jìn)行壓縮處理流程圖：對(duì)灰度校正后圖像進(jìn)行形態(tài)學(xué)處理提取邊緣計(jì)算X,Y方向車牌區(qū)域?qū)ふ业杰嚺疲瓿绍嚺贫ㄎ灰瞥龍D像中小對(duì)象平滑處理 圖像的預(yù)處理為了用于牌照的分割和牌照字符的識(shí)別，原始圖象應(yīng)具有適當(dāng)?shù)牧炼龋^大的對(duì)比度和清晰可辯的牌照?qǐng)D象。但由于該系統(tǒng)的攝像部分工作于開放的戶外環(huán)境，加之車輛牌照的整潔度、自然光照條件、拍攝時(shí)攝像機(jī)與牌照的矩離和角度以及車輛行駛速度等因素的影響，牌照?qǐng)D象可能出現(xiàn)模糊、歪斜和缺損等嚴(yán)重缺陷，因此需要對(duì)原始圖象進(jìn)行識(shí)別前的預(yù)處理。（1） 一般的車牌識(shí)別只對(duì)小對(duì)象進(jìn)行移除，但是有時(shí)候因?yàn)榕恼赵?，即使?duì)圖像進(jìn)行了很好的預(yù)處理，還是不能排除一些比較大的又和車牌比較相像的地方，例如圖（1）中，車后面的玻璃窗僅僅進(jìn)行灰度處理和形態(tài)學(xué)處理，平滑處理是無法排除其對(duì)車牌定位的影響的，因此需要對(duì)大對(duì)象移除（移除大對(duì)象前需對(duì)圖像進(jìn)行統(tǒng)一化壓縮）。圖（1）實(shí)現(xiàn)的代碼：img=image。I=img。[x,y,z]=size(img)。if x2000||y2000 img=img(1:2:end,1:2:end,:)。 [x,y,z]=size(img)。endhsi=rgb2hsi(img)。for i=1:x for j=1:y if (hsi(i, j ,1)=amp。amp。hsi(i, j,1)=amp。amp。hsi(i, j, 2))。% 0. hsi(i, j,2)=0。 hsi(i, j,3)=1。 。 else hsi(i, j,2)=0。 hsi(i, j,3)=0。 end end endorigonImg=hsi2rgb(hsi)。rgbnew=origonImg。（2） 灰度校正： 由于牌照?qǐng)D象在拍攝時(shí)受到種種條件的限制和干擾，圖象的灰度值往往與實(shí)際景物不完全匹配，這將直接影響到圖象的后續(xù)處理。如果造成這種影響的原因主要是由于被攝物體的遠(yuǎn)近不同，使得圖象中央?yún)^(qū)域和邊緣區(qū)域的灰度失衡，或是由于攝像頭在掃描時(shí)各點(diǎn)的靈敏度有較大的差異而產(chǎn)生圖象灰度失真，或是由于曝光不足而使得圖像的灰度變化范圍很窄。這時(shí)就可以采用灰度校正的方法來處理，增強(qiáng)灰度的變化范圍、豐富灰度層次，以達(dá)到增強(qiáng)圖象的對(duì)比度和分辨率。 灰度校正圖 graynew=rgb2gray(rgbnew)。 （3） 邊緣檢測(cè)： 邊緣是指圖像局部亮度變化顯著的部分，是圖像風(fēng)、紋理特征提取和形狀特征提取等圖像分析的重要基礎(chǔ)。所以在此我們要對(duì)圖像進(jìn)行邊緣檢測(cè)。圖象增強(qiáng)處理對(duì)圖象牌照的可辯認(rèn)度的改善和簡(jiǎn)化后續(xù)的牌照字符定位和分割的難度都是很有必要 實(shí)現(xiàn)代碼：o
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號(hào)-1