期末課程報告：數(shù)字圖像中車牌識別的matlab實現(xiàn)-預(yù)覽頁
【正文】 于人工神經(jīng)網(wǎng)絡(luò)的OCR算法，通過特征對比或訓(xùn)練識別出相關(guān)的字符，得到最后的汽車牌照，包括英文字母和數(shù)字。在研究的同時對其中出現(xiàn)的問題進(jìn)行了具體分析，處理。整個汽車牌照識別的過程分為預(yù)處理、邊緣提取、車牌定位、字符分割、字符識別五大模塊，用MATLAB軟件編程來實現(xiàn)每一個部分，最后識別出汽車牌照。車輛牌照識別流程：基于 MATLAB圖像處理的汽車牌照識別，主要包括車牌定位、字符車牌分割、和車牌字符識別三個關(guān)鍵環(huán)節(jié)。)。)。)。both39。)。 %線型結(jié)構(gòu)元素 I3=imerode(I2,se)。 se=strel(39。%圖像聚類、填充圖像subplot(3,2,5),imshow(I4),title(39。%去除聚團(tuán)灰度值小于2000的部分subplot(3,2,6),imshow(I5),title(39。I6=double(I5)。 figure()。行值39。運行截圖：2. 車牌定位——車牌起始位置和終止位置PY1=MaxY。 end PY2=MaxY。 end IY=I(PY1:PY2,:,:)。列方向像素點灰度值累計和39。像數(shù)39。 endg_max=double(max(max(I1)))。% d:二值圖像%h=graythresh(I1)。二值化車牌圖像39。imshow(I2),title(39。I3=double(I2)。 end end endPy1=1。(Py0y1)) Py0=Py0+1。(Py1y1)) Py1=Py1+1。目標(biāo)車牌區(qū)域39。 end end endfigure(5)。列值39。運行截圖：5. 字符分割：Px0=1。amp。amp。Z39。 case 39。Z339。 PIN3=Z。 case 39。 end subplot(1,7,i)。（注：。%將圖片統(tǒng)一劃為50*25大小I1=im2bw(I1,)。 endend7. 歸一化訓(xùn)練代碼：I0=pretreatment(imread(39。h:\tuku\39。))。I4=pretreatment(imread(39。h:\tuku\39。))。I8=pretreatment(imread(39。h:\tuku\39。))。I12=pretreatment(imread(39。h:\tuku\39。))。I16=pretreatment(imread(39。h:\tuku\39。,I239。,I639。,I1039。,I1439。]。,39。},39。randnr39。=50。[net,tr]=train(net,P,T)。PIN3=pretreatment(PIN3)。P0=[PIN039。,PIN439。for i=2:7 T0= sim(net ,P0(:,i))。A39。C39。G39。L39。039。239。439。639。839。 end switch i case 2 str2=str。 case 6 str6=str。由于牌照是機(jī)動車輛管理的唯一標(biāo)識符號，因此，車輛牌照識別系統(tǒng)的研究在機(jī)動車管理方面具有十分重要的實際意義。本次實驗中進(jìn)行了三次樣本訓(xùn)練，每次識別結(jié)果都沒有和預(yù)期的相符，修改了函數(shù)參數(shù)也同樣沒有很大的改善。14
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1