基于matlab的汽車車牌識(shí)別(文件)
【正文】 法來(lái)消除。因此，RGB圖像要首先轉(zhuǎn)換為灰度圖。設(shè)定一個(gè)固定大小的跟蹤矩形框，跟蹤整幅圖像，把滿足車牌區(qū)域紋理的區(qū)域找出來(lái)。全局閾值法是指在二值化過(guò)程中只使用一個(gè)閾值，典型的全局閾值方法包括Ostu方法、最大熵方法等，優(yōu)點(diǎn)在于算法簡(jiǎn)單，對(duì)于目標(biāo)和背景明顯分離、直方圖分布呈雙峰的圖像效果良好，但對(duì)輸入圖像量化噪聲或不均勻光照等情況抵抗能力差，應(yīng)用受到極大限制；局部閾值法則是由像素的灰度值和像素周圍局部灰度特性來(lái)確定二值化的閾值，Bernsen算法是典型的局部閾值方法，局部閾值法的缺點(diǎn)和問(wèn)題是實(shí)現(xiàn)速度慢、不能保證字符筆劃連通性、以及容易出現(xiàn)偽影現(xiàn)象等；動(dòng)態(tài)閾值法的閾值確定不僅取決于該像素的灰度值及其周圍像素的灰度值，而且與像素位置信息有關(guān)。此法適用于票據(jù)、文本、以及車牌圖像。相關(guān)MATLAB 指令：g_max=double(max(max(b)))。d=(double(b)=T)。由于我國(guó)汽車車牌識(shí)別的特殊性，采用任何一種單一識(shí)別技術(shù)均難以奏效。為了解決上述問(wèn)題，有人提出了基于紋理的二值化方法，該方法分成兩個(gè)步驟：首先對(duì)圖像作紋理分析，在紋理分析過(guò)程中，將圖像中的一個(gè)代表區(qū)域(通常取圖像中部)作為紋理區(qū)域，同時(shí)將灰度變化平緩的寬度為1個(gè)像素的明線段和暗線段作為紋理基元，在紋理區(qū)域獲得與基元相關(guān)的信息。實(shí)驗(yàn)證明經(jīng)過(guò)采用上述方法進(jìn)行閾值分割后，對(duì)于絕大部分圖片都能夠滿足要求，很好的把車牌字符與背景分割開，同時(shí)該方法簡(jiǎn)單快捷，易于理解，實(shí)用性強(qiáng)，摒棄了傳統(tǒng)算法復(fù)雜度高，應(yīng)用性不強(qiáng)的缺點(diǎn)。如圖車牌分割圖像。 為了消除字符的大小、位置對(duì)字符特征提取、識(shí)別的影響，需要對(duì)字符圖像進(jìn)行規(guī)范化處理，使它們變成統(tǒng)一尺寸的圖像。常用的大小歸一化的方法也有兩種。本方法是通過(guò)歸一化圖像中的像素對(duì)應(yīng)在原圖像中的點(diǎn)的位置來(lái)決定歸一化圖像中像素點(diǎn)的灰度值，因此我們采用雙線性插值法將字符圖像歸一化。算法上實(shí)現(xiàn)起來(lái)容易，識(shí)別速度快，受噪聲影響小。算法上實(shí)現(xiàn)起來(lái)容易，識(shí)別速度快，受噪聲影響小。是狼就要練好牙，是羊就要練好腿。拼一個(gè)春夏秋冬！贏一個(gè)無(wú)悔人生！早安！—————獻(xiàn)給所有努力的人. 學(xué)習(xí)好幫手。不奮斗就是每天都很容易，可一年一年越來(lái)越難。因此,該系統(tǒng)若用于高速公路行駛車輛牌照的實(shí)時(shí)識(shí)別還需進(jìn)一步改進(jìn)。由于汽車車牌識(shí)別待分類的類別較少，適合模板匹配發(fā)。我們使用的是模板匹配的方法，由于汽車車牌識(shí)別待分類的類別較少，適合模板匹配發(fā)。顯然，這個(gè)方法受到外圍邊框的確定影響很大。這里我們主要介紹采用大小歸一化對(duì)字符進(jìn)行處理。 (2)特征的提取應(yīng)用字符的外圍輪廓法和投影濃度法對(duì)字符的特征進(jìn)行提取。之后進(jìn)行圖像分割。紋理是一種灰度的空間分布模式，它是一種空間性質(zhì)，涉及到像素點(diǎn)的連接性。這兩部分是相輔相成，缺一不可的。根據(jù)漢字的投影直方圖選取浮動(dòng)閾值，抽取漢字在y方向的峰值，利用樹形查表法進(jìn)行漢字的粗分類；然后根據(jù)漢字在x方向的投影直方圖，選取適當(dāng)閾值，進(jìn)行量化處理后，形成一個(gè)變長(zhǎng)鏈碼，再用動(dòng)態(tài)規(guī)劃法，求出與標(biāo)準(zhǔn)模式鏈碼的最小距離，實(shí)現(xiàn)細(xì)分類，完成漢字省名的自動(dòng)識(shí)別。T=round(g_max(g_maxg_min)/3)。此外即使獲得較為理想的直方圖，也會(huì)由于牌照字符像素的灰度分布與背景像素的灰度分布混淆在一起而使閾值的選取缺乏足夠依據(jù)。缺點(diǎn)是算法復(fù)雜，耗費(fèi)資源較多。圖像的二值化可把像素的灰度級(jí)分成黑與白二級(jí)，即把原灰度圖像轉(zhuǎn)化為二值圖像，在數(shù)字圖像處理中，二值圖像占有非常重要的地位。去除噪聲的目的是為了更好的識(shí)別車牌，因此，為了突現(xiàn)這個(gè)區(qū)域的特征，采用數(shù)學(xué)形態(tài)學(xué)膨脹算法增強(qiáng)圖像。經(jīng)過(guò)步驟(1)(2)(3)后，基本上能夠把車牌圖像準(zhǔn)確定位出來(lái)，但由于在定位過(guò)程中設(shè)定的條件相對(duì)較寬松，定位出來(lái)的車牌圖像還相對(duì)粗糙，不滿足下一步的字符分割要求，因此還需要進(jìn)一步精確定位，即進(jìn)行預(yù)處理。車牌區(qū)域上下界可采用式L(t=T)=α來(lái)約束，L為滿足條件的連續(xù)掃描行數(shù)，t為當(dāng)前掃描行的灰度跳變次數(shù)，α為經(jīng)驗(yàn)值。令m表示灰度跳變次數(shù)，對(duì)于任一掃描行，黑白灰度跳變一次則m加1一次，當(dāng)本行掃描結(jié)束后
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1