基于matlab的汽車車牌識(shí)別(完整版)
【正文】 術(shù)、車牌分割技術(shù)、字符特征提取方法、神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)，模板匹配的方法來解決車輛牌照識(shí)別問題，首先將圖像進(jìn)行灰度化、灰度拉伸、中值濾波的預(yù)處理方法，消除圖像的噪音，強(qiáng)化縱向紋理區(qū)；通過對車牌特征和定位技術(shù)的深入研究，提出了基于水平掃描和垂直投影法的車牌定位方法，能夠很準(zhǔn)確地搜索到車牌區(qū)域；基于車輛牌照的一些結(jié)構(gòu)特點(diǎn)及先驗(yàn)知識(shí)，完成了基于投影直方圖的車牌字符分割域；最后對神經(jīng)網(wǎng)絡(luò)的構(gòu)成以及相關(guān)的理論進(jìn)行了討論，著重分析了在字符識(shí)別中的應(yīng)用方法。獲取和傳輸圖像的過程往往會(huì)發(fā)生圖像失真，所得到圖像和原始圖像有某種程度的差別?？刹捎脤Ρ榷仍鰪?qiáng)和灰度均衡等技術(shù)。線性濾波可以去除圖像中某些類型的噪聲，如采用鄰域平均法的均值濾波器就非常適用于去除通過掃描得到的圖像中的顆粒噪聲。窗口的尺寸一般先用3再取5逐點(diǎn)增大，直到其濾波效果滿意為止。%平均值的設(shè)定d=im2bw(round(filter2(h,d)))。 二階導(dǎo)數(shù)在邊緣檢測處值為零，呈現(xiàn)零交叉。,[ ])。imrot1=imrotate(I,angle,39。顯然，在汽車牌照識(shí)別系統(tǒng)中，車牌的定位準(zhǔn)確與否直接影響字符識(shí)別的準(zhǔn)確率。(3)車牌區(qū)域水平或者垂直投影特征。處理方法主要過程分為兩大塊：行定位與列定位。由于車牌區(qū)域一般包括7個(gè)字符，根據(jù)式可知掃描一個(gè)字符至少會(huì)出現(xiàn)4次跳變，7個(gè)字符至少會(huì)出現(xiàn)28次跳變，據(jù)此可設(shè)定一個(gè)跳變閾值T，考慮到實(shí)際情況，譬如二值化的原因或車牌質(zhì)量太差或字符斷開等原因，特別是車牌有傾斜的情況，設(shè)置的閾值T可稍小一點(diǎn)，實(shí)驗(yàn)中設(shè)定T＝25左右取得了比較好的效果。因此，RGB圖像要首先轉(zhuǎn)換為灰度圖。全局閾值法是指在二值化過程中只使用一個(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)在于算法簡單，對于目標(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)。相關(guān)MATLAB 指令：g_max=double(max(max(b)))。由于我國汽車車牌識(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。實(shí)驗(yàn)證明經(jīng)過采用上述方法進(jìn)行閾值分割后，對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)。 為了消除字符的大小、位置對字符特征提取、識(shí)別的影響，需要對字符圖像進(jìn)行規(guī)范化處理，使它們變成統(tǒng)一尺寸的圖像。本方法是通過歸一化圖像中的像素對應(yīng)在原圖像中的點(diǎn)的位置來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)起來容易，識(shí)別速度快，受噪聲影響小。拼一個(gè)春夏秋冬！贏一個(gè)無悔人生！早安！—————獻(xiàn)給所有努力的人. 學(xué)習(xí)好幫手。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)。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)。這里我們主要介紹采用大小歸一化對字符進(jìn)行處理。之后進(jìn)行圖像分割。這兩部分是相輔相成，缺一不可的。T=round(g_max(g_maxg_min)/3)。缺點(diǎn)是算法復(fù)雜，耗費(fèi)資源較多。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。車牌區(qū)域上下界可采用式L(t=T)=α來約束，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。車牌區(qū)域最主要的特征應(yīng)該是：車牌的底色和車牌字的顏色形成強(qiáng)烈對比，而且灰度變化頻繁。(4)車牌區(qū)域的位置特點(diǎn)。為了準(zhǔn)確而快速的實(shí)現(xiàn)車牌的定位，人們提出了許多定位算法。,39。本次設(shè)計(jì)中主要是利用Canny算子檢測出的邊緣求取圖像的旋轉(zhuǎn)角度，進(jìn)行圖
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1