車牌定位技術(shù)研究--畢業(yè)論文開題報(bào)告(編輯修改稿)
2025-02-15 00:07 本頁面
【文章內(nèi)容簡介】 理干擾噪聲的效果就越差，速度和準(zhǔn)確性也會(huì)受到影響。因此這種定位方法常常和其他定位方法一起運(yùn)用。例如基于數(shù)學(xué)形態(tài)學(xué)和邊緣特征的車牌定位方法，先進(jìn)行預(yù)處理，然后根據(jù)車牌整體特征采用腐蝕和閉合運(yùn)算初步確定車牌位置，最后利用字符邊緣的微觀特征進(jìn)一步精確定位車牌位置，提高了車牌定位的速度和準(zhǔn)確度。(3)基于小波分析的車牌定位方法具有“顯微鏡”特性的小波分析是一種應(yīng)用于圖像處理的重要分析工具。它是80年代后期發(fā)展起來的應(yīng)用數(shù)學(xué)分支，是一種窗口面積固定但形狀可以改變、時(shí)間窗和頻率窗都可以改變的時(shí)頻局部化分析方法。其基本思想是將原始信號(hào)經(jīng)過伸縮、平移等運(yùn)算分解為一系列具有不同空間分辨率、不同頻率特性和方向特性的子帶信號(hào), 這些子帶信號(hào)具有良好的時(shí)頻特性, 這些特性可以利用表示原始信號(hào)的局部特性，進(jìn)而實(shí)現(xiàn)對(duì)信號(hào)時(shí)間、頻率的局部變化分析。目前利用小波分析的車牌定位算法大多是利用小波變換與其他多種方法相結(jié)合來達(dá)到定位更準(zhǔn)確、快速。如結(jié)合小波變換、數(shù)學(xué)形態(tài)學(xué)、邊緣檢測(cè)等方法來對(duì)車牌進(jìn)行準(zhǔn)確定位。如可用如下算法: 先用自適應(yīng)濾波多尺度邊緣檢測(cè)方法檢測(cè)出車牌的邊緣。 然后用數(shù)學(xué)形態(tài)學(xué)方法對(duì)閾值二值化后的邊緣圖像進(jìn)行系列形態(tài)運(yùn)算, 進(jìn)一步消除無用信息。 , 適于有噪聲的車牌圖像進(jìn)行定位。(4)基于灰度圖像的車牌定位方法基于灰度圖像的車牌定位方法，根據(jù)采用的圖像處理方法的不同，可以把它們歸為四類：文獻(xiàn)綜述第一類是利用圖像的梯度信息對(duì)圖像進(jìn)行邊緣提取，然后對(duì)提取的圖像進(jìn)行形態(tài)學(xué)運(yùn)算或采用特定的填充算法，直到圖像只留下待識(shí)別的目標(biāo)。這種定位方法屬于金典的圖像分割方法[6]。但由于車頭上部可能存在與車牌尺寸相仿的干擾區(qū)，很可能產(chǎn)生誤識(shí)別；對(duì)于有污染物或破損的車牌，識(shí)別率不高。另一種思路是在對(duì)圖像進(jìn)行了邊緣提取后，考慮到車牌區(qū)域會(huì)有直線邊緣，用Hough變換檢測(cè)直線，來確定車牌在圖像中的位置[13]。第二類方法主要考慮車牌圖像中車牌區(qū)域的紋理特征。一般可以采用能量或其它自定義的特征量來描述車牌區(qū)域的紋理特征[7]。把車牌圖像劃分為若干小塊，計(jì)算出每一塊特征量的值，判斷哪些小塊是屬于車牌區(qū)域的。這樣就可以對(duì)車牌進(jìn)行初步定位。由于該方法對(duì)車牌圖像的背景干擾更為敏感，所以定位后要進(jìn)行進(jìn)一步的驗(yàn)證和定位操作[8]。第三類方法是利用車牌區(qū)的灰度信息，直接對(duì)圖像進(jìn)行水平方向的掃描，找出滿足灰度變化規(guī)律的區(qū)域，確定其為待識(shí)別目標(biāo)，此方法稱之為灰度跳變法。這種方法先對(duì)灰度圖像進(jìn)行隔行掃描，判斷掃描行是否屬于車牌區(qū)域。對(duì)屬于車牌區(qū)域的掃描行進(jìn)行分析，確定車牌的左右邊界，由此確定車牌
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1