基于matlab的汽車車牌識別-免費閱讀
【正文】 什么是奮斗？奮斗就是每天很難，可一年一年卻越來越容易。識別結(jié)果如圖所示。一種是將字符的外邊框按比例進行線性放大或縮小成為規(guī)定尺寸的字符。(1)字符預(yù)處理對字符進行歸一化的處理。通過紋理分析得到字符灰度級別的相對高低后，采用模式識別中的最大最小準(zhǔn)則來獲取二值化閾值。 % d:二值圖像車輛牌照中省份漢字的識別問題，1988年戴營等利用常見的圖像處理技術(shù)方法提出漢字識別的分類是在抽取漢字特征的基礎(chǔ)上進行的。以車牌圖像為例，由于圖像中牌照四周的景物，光照條件和牌照的整潔程度的影響使得牌照圖像的灰度直方圖呈現(xiàn)出多種復(fù)雜情況，例如沒有明顯波峰，或兩個以上波峰，或兩個對等波峰等，使我們無法據(jù)此確定牌照字符的灰度范圍。（4）．圖像的二值化灰度圖像是有256個灰度級的單色圖像，多級別的圖像能夠呈現(xiàn)出較為豐富的明暗度，但對于目標(biāo)搜索來說，總是希望盡可能地減少背景像素的干擾，而保存或增強目標(biāo)區(qū)的色素度。車牌區(qū)域的投影圖具有明顯的連續(xù)的規(guī)律的峰－谷－峰的特性，并且可能的車牌區(qū)域的幅值要遠高于其他區(qū)域，而偽車牌區(qū)域的這個特性則不明顯，根據(jù)車牌區(qū)域的垂直投影圖以及車牌長寬比的先驗知識則可確定車牌的左右邊界。對圖31所示的特征圖像進行逐行掃描，每一行的灰度由白到黑或由黑到白都記為一次灰度跳變。采用彩色邊緣檢測算子獲得汽車圖像邊緣檢測圖，或者把車牌的彩色信息作為先驗知識運用到定位算法中去。包括利用字符寬度和高度、筆劃寬度、字符串的長度、字符的連通性，或者進行水平掃描時，字符的灰度分布的變化特征，還有利用字符的筆劃分布特征和字符邊緣的統(tǒng)計相關(guān)性。由于牌照的上下沿是兩條明顯的平行直線，因此，一般都采用霍夫(Hough)變換，檢測出這兩條直線，然后對牌照進行校正 。[R, xp] = radon(by, theta)。Canny算子由于進行了‘非極大值抑制’和形態(tài)學(xué)連續(xù)操作使得其邊緣結(jié)果最為完整，且邊緣的連續(xù)較好，效果優(yōu)于其他算子，本設(shè)計中采用Canny算子。而垂直于邊緣走向，則像素變化劇烈。相關(guān)的MATLAB 指令：h=fspecial(39。二維中值濾波的窗口形狀和尺寸對濾波效果影響較大。圖像增強的方法有：中值濾波、直方圖均衡，灰度拉伸、通天濾波、高斯濾波、多圖像平均、領(lǐng)域平均。還有一些物理器件或系統(tǒng)工作原理可等效為一積分過程，信號經(jīng)過這樣的器件或系統(tǒng)后要變模糊，這時可使用微分運算突出邊界或其他變化的部分，使圖像增強。Matlab 灰度圖像轉(zhuǎn)換命令：gray_image= rgb2gray(I)。相對于普通的字符識別，難度降低了。但從實用的角度看，車輛牌照識別系統(tǒng)應(yīng)該是一個全自動的、實時的系統(tǒng)，因此要求有較高的識別速度和正確率。%將I轉(zhuǎn)換為灰度圖像 圖2 灰度圖（2）圖像增強 圖像增強是數(shù)字圖像處理過程中經(jīng)常采用的一種方法。由于所拍攝的車輛圖像的質(zhì)量受天氣、光照、觀察點等的影響，車牌圖像往往會產(chǎn)生對比度不足的弊端，使圖像細節(jié)分辨不清，影響識別率。腐蝕膨脹等（3）圖像的去噪：由于在圖像的采集過程中，受硬件或是各種因素的影響，圖像中會出現(xiàn)隨機的或是非線性的噪聲，使得圖像受到污染，因此圖像的去噪是必須的。不同的圖像內(nèi)容和不同的應(yīng)用要求，往往采用不同的窗口形狀和尺寸。average39。這種劇烈可能呈現(xiàn)階躍狀，也可能呈現(xiàn)斜坡狀。其MATLAB指令：by=edge(gray_image,39。[r,c] = find(R==max(R(:)))。汽車牌照的定位，是指從攝入的汽車圖像中找到汽車牌照所在的位置，并把含有車牌的子區(qū)域提取出來。(2)車牌的格式標(biāo)準(zhǔn)和字符標(biāo)準(zhǔn)信息。(6)頻譜特征。令m表示灰度跳變次數(shù)，對于任一掃描行，黑白灰度跳變一次則m加1一次，當(dāng)本行掃描結(jié)束后m的值即為本行灰度跳變次數(shù)。經(jīng)過步驟(1)(2)(3)后，基本上能夠把車牌圖像準(zhǔn)確定位出來，但由于在定位過程中設(shè)定的條件相對較寬松，定位出來的車牌圖像還相對粗糙，不滿足下一步的字符分割要求，因此
研究報告相關(guān)推薦
鄂ICP備17016276號-1