freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內(nèi)容

畢業(yè)論文基于matlab的車(chē)牌號(hào)碼識(shí)別系統(tǒng)設(shè)計(jì)(編輯修改稿)

2024-07-25 10:30 本頁(yè)面
 

【文章內(nèi)容簡(jiǎn)介】 籍車(chē)牌上的是建交國(guó)家的代號(hào),與所在地區(qū)的監(jiān)管機(jī)關(guān)編號(hào)無(wú)關(guān)。 在這10種汽車(chē)中,編號(hào)為9和10的臨時(shí)入境和臨近行駛汽車(chē)以及使領(lǐng)館汽車(chē)由于數(shù)量很少、出現(xiàn)的概率極小,為了簡(jiǎn)化算法和節(jié)省時(shí)間,忽略這幾種車(chē)型的特殊性,認(rèn)為它們與其他的7種汽車(chē)車(chē)型一致,采用相同的方法進(jìn)行識(shí)別。由于編號(hào)為1的大型汽車(chē),由于系統(tǒng)的CCD攝像頭收集的是汽車(chē)頭部的牌照?qǐng)D像,因此對(duì)于大型汽車(chē)后車(chē)牌的特殊性也可以忽略不計(jì)。 本論文中,不考慮車(chē)牌在背景色和前景色上的差異,在這些車(chē)牌中,大型汽車(chē)(前)、小型汽車(chē)、使領(lǐng)館汽車(chē)、境外汽車(chē)、外籍汽車(chē)、教練車(chē)和試驗(yàn)汽車(chē)的號(hào)牌格式完全一樣,同時(shí),由于小型車(chē)數(shù)量最多,出現(xiàn)概率最大,牌照規(guī)范與其它幾種車(chē)牌很相似,算法的識(shí)別對(duì)象最終設(shè)定為小型車(chē)。 常見(jiàn)車(chē)牌顏色特征的信息 對(duì)目前8種常見(jiàn)車(chē)牌(對(duì)大型車(chē)輛取前置車(chē)牌)的顏色分布和格式分布進(jìn)行分析,可以得出如下結(jié)論:l 工存在5種顏色:黃石、黑色、藍(lán)色、白色和紅色;l 存在5中前景和背景的顏色組合;黃底黑字黑框線、藍(lán)底白字白框線、黑底白字紅“使”(或“領(lǐng)”)字白框線、黑底白字白框線,黑底紅字紅框線;l 字符顏色與背景顏色的亮度相差很大:要么亮度高于背景顏色的亮度(藍(lán)底白字白框線、黑底白字紅“使”(或“領(lǐng)”)字白框線、黑底白字白框線、黑底紅字紅框線;要么字符顏色低于背景顏色亮度(黃底黑字黑框線),對(duì)于這種車(chē)牌,其二值化結(jié)果顏色相反,前景字符為黑色,背景為白色,需要進(jìn)行處理;l 牌照上的文字由7個(gè)字符和一個(gè)分隔符橫向水平排列組成,字符高度為90mm,寬度為45mm,分割符的直徑為10mm(實(shí)際上,每個(gè)字符是劇中分布在一個(gè)高位90mm,寬為45mm的矩形區(qū)域。)l 字符和字符之間或字符和分割符之間的距離為12mm;l 使館牌照的間隔符在第4和第5個(gè)字符之間,其余的車(chē)牌的間隔符在第l 2個(gè)和第3個(gè)字符之間。由于使館牌照出現(xiàn)的概率很小,將之視為小型車(chē)牌照一種變形情況,不單獨(dú)處理,后面提出的車(chē)牌格式均值后一種格式情況;l 從左到右,車(chē)牌中每一位的可能字符如下:第1位,30個(gè)省份的簡(jiǎn)稱(chēng)和“使”字,共有31個(gè)字符(暫時(shí)不考慮軍警車(chē));第2位,除去字母“I”之外的25個(gè)英文大寫(xiě)字母;第3位,除去字母“I”和字母“O”之外的24個(gè)英文大寫(xiě)字母和10個(gè)數(shù)字,共有34個(gè)字符;第4~6位,10個(gè)數(shù)字字符;第7位,10個(gè)數(shù)字字符和“領(lǐng)”“學(xué)”“試”“境”,共有14個(gè)字符。字符總數(shù)共有70個(gè)。l 觀測(cè)和分析車(chē)牌外形特點(diǎn),無(wú)論哪種車(chē)牌,外輪廓都有一個(gè)寬度不大的輪廓線,輪廓線的顏色和字符顏色一致,與背景的亮度差異很大?,F(xiàn)實(shí)環(huán)境下,車(chē)牌有時(shí)安裝后,車(chē)輛廠商的商標(biāo)會(huì)遮擋牌照外輪廓線,但商標(biāo)本身又是一個(gè)輪廓線,其亮度與背景的亮度差異也很大,同樣可以利用之。 車(chē)牌特征分析結(jié)論 首先,結(jié)合車(chē)牌分析結(jié)論,利用其中的特征6點(diǎn)可以構(gòu)造牌照字符的格式模型,這個(gè)模型在其后的用來(lái)指導(dǎo)牌照定位后、字符識(shí)別前的字符分割。結(jié)合GA3692標(biāo)準(zhǔn),牌照?qǐng)D像的實(shí)際大小可能隨著CCD攝像頭采集的時(shí)機(jī)不同而產(chǎn)生一定的縮放,但是總體比例不會(huì)發(fā)生大的變化。設(shè)第1個(gè)字符中心和第2個(gè)字符的中心間距為一個(gè)長(zhǎng)度單位,以第1個(gè)字符中心為原點(diǎn),那么非使館車(chē)牌的其余字符中心的橫向位置應(yīng)分別為:1,,。 其次,利用分析結(jié)論7,可以利用字符在牌照的排列縮小候選字符的集合規(guī)模,加快識(shí)別速度或進(jìn)行識(shí)別后結(jié)果的糾正判別。如果不知道字符在牌照中的排列位置,那么每個(gè)位置的候選字符可以達(dá)到70個(gè),如果知道了它的位置,那么該位置的候選字符至多有34個(gè),尤其是對(duì)牌照的第6位,候選字符只有10個(gè)數(shù)字。 車(chē)牌號(hào)碼初定位牌照的定位[6]和分割是牌照識(shí)別系統(tǒng)的關(guān)鍵技術(shù)之一,其主要目的是在經(jīng)圖象預(yù)處理后的原始灰度圖象中確定牌照的具體位置,并將包含牌照字符的一塊子圖象從整個(gè)圖象中分割出來(lái),供字符識(shí)別子系統(tǒng)識(shí)別之用,分割的準(zhǔn)確與否直接關(guān)系到整個(gè)牌照字符識(shí)別系統(tǒng)的識(shí)別率。由于牌照?qǐng)D象在原始圖象中是很有特征的一個(gè)子區(qū)域,確切說(shuō)是水平度較高的橫向近似的長(zhǎng)方形,它在原始圖象中的相對(duì)位置比較集中,而且其灰度值與周邊區(qū)域有明顯的不同,因而在其邊緣形成了灰度突變的邊界,這樣就便于通過(guò)邊緣檢測(cè)來(lái)對(duì)圖象進(jìn)行分割。 圖6 牌照定位與分割流程圖牌照?qǐng)D象經(jīng)過(guò)了以上的處理后,牌照區(qū)域已經(jīng)十分明顯,而且其邊緣得到了勾勒和加強(qiáng)。但是車(chē)牌邊緣并不是連續(xù)的,不利于根據(jù)其特征進(jìn)行進(jìn)一步的判斷。此時(shí)可進(jìn)一步確定牌照在整幅圖象中的準(zhǔn)確位置。這里選用的是數(shù)學(xué)形態(tài)學(xué)的方法,其基本思想是用具有一定形態(tài)的機(jī)構(gòu)元素去量度和提取圖像中的對(duì)應(yīng)形狀以達(dá)到對(duì)圖像分析和識(shí)別的目的。數(shù)學(xué)形態(tài)學(xué)的應(yīng)用可以簡(jiǎn)化圖像數(shù)據(jù),保持它們基本的形態(tài)特征,并除去不相干的結(jié)構(gòu)。在本程序中用到了膨脹和閉合這兩個(gè)基本運(yùn)算,最后還用了bwareaopen來(lái)去除對(duì)象中不相干的小對(duì)象。 車(chē)牌二值化 經(jīng)過(guò)上述方法分割出來(lái)的車(chē)牌圖像中存在目標(biāo)物體、背景還有噪聲,要想從圖像中直接提取出目標(biāo)物體,最常用的方法就是設(shè)定一個(gè)閾值T,用T將圖像的數(shù)據(jù)分成兩部分:大于T的像素群和小于T的像素群,即對(duì)圖像二值化。圖像中對(duì)象物的形狀特征的主要信息,常??梢詮亩祱D像中得到。二值圖像與灰度圖像相比,信息量大大減少,因而處理二值圖像的速度快,成本低,實(shí)用價(jià)值高。因此,在車(chē)牌字符切分前,首先對(duì)圖像進(jìn)行二值化處理。 均值濾波是典型的線性濾波算法,它是指在圖像上對(duì)目標(biāo)像素給一個(gè)模板,該模板包括了其周?chē)呐R近像素。再用模板中的全體像素的平均值來(lái)代替原來(lái)像素值。 圖像二值化的基本原理 圖像的二值化處理就是將圖像上的點(diǎn)的灰度值置為 0 或255,這樣處理后整個(gè)圖像呈現(xiàn)明顯的黑白效果,即將 256 個(gè)亮度等級(jí)的灰度圖經(jīng)過(guò)合適的閾值選取,而獲得的二值化圖像仍然可以反映圖像整體和局部特征。 二值化處理后的圖像,其集合性質(zhì)只與像素值為 0 或255 的點(diǎn)的位置有關(guān),不再涉及像素的其他級(jí)值,處理過(guò)程簡(jiǎn)單,且數(shù)據(jù)的處理和壓縮量小。為了得到理想的二值圖像,一般采用封閉、連通的邊界定義不交疊的區(qū)域。所有灰度大于或等于閥值的像素被判定為屬于特定物體,其灰度值為 255,否則,灰度值為 0,表示背景或者其他的物體區(qū)域。如果某圖像在內(nèi)部有均勻一致的灰度值,并且處在一個(gè)具有其他等級(jí)灰度值的均勻背景下,利用閥值法就能得到較好的切分效果。如果物體同背景的差別難以用不同的灰度值表現(xiàn)(比如紋理不同),可以把這些差別特征轉(zhuǎn)換為灰度的差別,然后利用閥值法來(lái)切分該圖像。動(dòng)態(tài)調(diào)節(jié)閥值來(lái)實(shí)現(xiàn)圖像的二值化可動(dòng)態(tài)地觀察其切分圖像的具體結(jié)果。 牌照區(qū)域的分割 對(duì)車(chē)牌的分割可以有很多種方法,本程序是利用車(chē)牌的彩色信息的彩色分割方法。根據(jù)車(chē)牌底色等有關(guān)的先驗(yàn)知識(shí),采用彩色像素點(diǎn)統(tǒng)計(jì)的方法分割出合理的車(chē)牌區(qū)域,確定車(chē)牌底色藍(lán)色RGB對(duì)應(yīng)的各自灰度范圍,然后行方向統(tǒng)計(jì)在此顏色范圍內(nèi)的像素點(diǎn)數(shù)量,設(shè)定合理的閾值,確定車(chē)牌在行方向的合理區(qū)域。然后,在分割出的行區(qū)域內(nèi),統(tǒng)計(jì)列方向藍(lán)色像素點(diǎn)的數(shù)量,最終確定完整的車(chē)牌區(qū)域。 國(guó)內(nèi)汽車(chē)牌照種類(lèi)很多,為研究方便以常見(jiàn)的藍(lán)色車(chē)牌為例來(lái)說(shuō)明。2007 年頒布的車(chē)牌規(guī)范規(guī)定車(chē)牌總長(zhǎng)440mm,牌照中的7 個(gè)字符的實(shí)際總長(zhǎng)為409mm左右,寬 140mm,每個(gè)字符 45mm 寬,90mm 高,字符間距為 10mm ,其中第二個(gè)字符與第三個(gè)字符的間距較為特殊,最后一個(gè)字符與第一個(gè)字符距邊界 25mm 。這樣,如果平均分配每個(gè)字符在牌照中占據(jù)的寬度,那么每個(gè)字符寬度為:width/7(width為車(chē)牌圖像的寬度)。但是,實(shí)際上,第二個(gè)第三個(gè)字符之間存在一個(gè)黑點(diǎn),牌照左右兩邊與圖像邊緣也都有一定的寬度,所以每個(gè)字符的寬度應(yīng)該小于 width/7??紤]所有的情況,一般情況下最小的寬度為 width/9。因此,字符的寬度可以從 width/9到width/7之間漸進(jìn)的變化得到。 5 牌照字符分割 字符字符切分綜述 在車(chē)輛牌照準(zhǔn)確定位后,本章主要是對(duì)車(chē)輛牌照識(shí)別中的字符切分算法進(jìn)行研,車(chē)牌字符切分的流程框圖如圖12所示。 圖7 字符分割與歸一化流程圖 字符分割 在汽車(chē)牌照自動(dòng)識(shí)別過(guò)程中,字符分割有承前啟后的作用。它在前期牌照定位的基礎(chǔ)上進(jìn)行字符的分割,然后再利用分割的結(jié)果進(jìn)行字符識(shí)別[7]。字符識(shí)別的算法很多,因?yàn)檐?chē)牌字符間間隔較大,不會(huì)出現(xiàn)字符粘連情況,所以此處采用的方法為尋找連續(xù)有文字的塊,若長(zhǎng)度大于某閾值,則認(rèn)為該塊有兩個(gè)字符組成,需要分割。 字符歸一化 一般分割出來(lái)的字符要進(jìn)行進(jìn)一步的處理,以滿(mǎn)足下一步字符識(shí)別的需要。但是對(duì)于車(chē)牌的識(shí)別,并不需要太多的處理就已經(jīng)可以達(dá)到正確識(shí)別的目的。在此只進(jìn)行了歸一化處理,然后進(jìn)行后期處理。6 車(chē)牌字符的識(shí)別 車(chē)牌字符識(shí)別綜述目前已經(jīng)提出的車(chē)牌字符識(shí)別的方法[5]有以下幾種: 1) 模板匹配字符識(shí)別算法。模板匹配字符識(shí)別算法的實(shí)現(xiàn)方法是計(jì)算輸入模式與樣本之間的相似性,取相似性最大的樣本為輸入模式所屬類(lèi)別。該方法識(shí)別速度快,但是對(duì)噪點(diǎn)比較敏感。在實(shí)際應(yīng)用中,為了提高正確率往往需要使用大的模板或多個(gè)模板進(jìn)行匹配,處理時(shí)間則隨著模板的增大以及模板個(gè)數(shù)的增加而增加。 2 )統(tǒng)計(jì)特征匹配法。統(tǒng)計(jì)特征匹配法的要點(diǎn)是先提取待識(shí)別模式的一組統(tǒng)計(jì)特征,然后按照一定的準(zhǔn)則所確定的決策函數(shù)進(jìn)行分類(lèi)判決。實(shí)際應(yīng)用中,當(dāng)字符出現(xiàn)字符模糊、筆畫(huà)融合,斷裂、部分缺失時(shí),此方法效果不理想,魯棒性較差。3 )神經(jīng)網(wǎng)絡(luò)字符識(shí)別算法。主要有兩種方法:一種方法是先對(duì)待識(shí)別字符進(jìn)行特征提取,然后用所獲得的特征來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類(lèi)器。其中,字符特征的提取是研究的關(guān)鍵,特征參數(shù)過(guò)多會(huì)增加訓(xùn)練時(shí)間,過(guò)少會(huì)引起判斷上的歧義。另一種方法是充分利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn),直接把待處理圖像輸入網(wǎng)絡(luò),由網(wǎng)絡(luò)自動(dòng)實(shí)現(xiàn)特征提取直至識(shí)別。這種網(wǎng)絡(luò)互連較多,待處理信息量大,抗干擾性能好,識(shí)別率高。但是產(chǎn)生的網(wǎng)絡(luò)結(jié)構(gòu)比較復(fù)雜,輸入模式維數(shù)的增加可能導(dǎo)致網(wǎng)絡(luò)規(guī)模龐大。4)支持向量機(jī)模式識(shí)別算法。支持向量機(jī)(Support Vector Machine ,SVM)是Vapnik 及其研究小組針對(duì)二類(lèi)別的分類(lèi)問(wèn)題提出的一種分類(lèi)技術(shù),其基本思想是在樣本空間或特征空間,構(gòu)造出最優(yōu)平面使超平面與不同類(lèi)樣本集之間的距離最大,從而達(dá)到最大的泛化能力。主要有兩種方法應(yīng)用于字符識(shí)別:一種是先對(duì)待識(shí)別字符進(jìn)行特征提取,然后用所獲得的特征來(lái)訓(xùn)練 SVM分類(lèi)器。另一種是直接將每個(gè)字符的整幅圖像做為一個(gè)樣本輸入,不需要進(jìn)行特征提取,節(jié)省了識(shí)別時(shí)間。 這四種方法中,模板匹配是車(chē)牌字符識(shí)別最簡(jiǎn)單的方法之一,神經(jīng)網(wǎng)絡(luò)字符識(shí)別算法是目前比較流行的算法,本章重點(diǎn)研究模版匹配算法。 模版匹配字符識(shí)別模板匹配是圖象識(shí)別方法中最具代表性的基本方法之一,它是將從待識(shí)別的圖象或圖象區(qū)域f(i,j)中提取的若干特征量與模板T(i,j)相應(yīng)的特征量逐個(gè)進(jìn)行比較,計(jì)算它們之間規(guī)格化的互相關(guān)量,其中互相關(guān)量最大的一個(gè)就表示期間相似程度最高,可將圖象歸于相應(yīng)的類(lèi)。匹配時(shí)相似度函數(shù)定義為: (7)其中, 為待識(shí)別車(chē)牌字符圖像中像素點(diǎn) 的灰度值,這里的取值為 0或1,為模板字符圖像中像素點(diǎn)的灰度值,這里的取值為 0 或1;M 和N為模板字符點(diǎn)陣橫向和縱向包含的像素個(gè)數(shù)。 匹配的步驟為: (1)依次取出模板字符,將模板字符按照上、下、左、右四個(gè)方向,在周?chē)鍌€(gè)像素的范圍內(nèi)滑動(dòng),每次分別計(jì)算出相似度 S 值,取其中 S 的最大值做為字符與模板字符之間的相似度函數(shù)。 (2)依次從待識(shí)別的字符與模板字符的相似度中找出最大相似度所對(duì)應(yīng)的模板字符,判斷是否大于該字符的閾值 T,如果 S 大于 T ,那么待識(shí)別的字符的匹配結(jié)果就是該模板字符,反之,如果 S 小于 T,表示不匹配,則需要重新檢測(cè)。 也可以計(jì)算圖象與模板特征量之間的距離,用最小距離法判定所屬類(lèi)。然而,通常情況下用于匹配的圖象各自的成像條件存在差異,產(chǎn)生較大的噪聲干擾,或圖象經(jīng)預(yù)處理和規(guī)格化處理后,使得圖象的灰度或像素點(diǎn)的位置發(fā)生改變。在實(shí)際設(shè)計(jì)模板的時(shí)候,是根據(jù)各區(qū)域形狀固有的特點(diǎn),突出各類(lèi)似區(qū)域之間的差別,并將容易由處理過(guò)程引起的噪聲和位移等因素都考慮進(jìn)去,按照一些基于圖象不變特性所設(shè)計(jì)的特征量來(lái)構(gòu)建模板,就可以避免上述問(wèn)題。 圖8 字符識(shí)別流程圖 此處采用相減的方法來(lái)求得字符與模板中哪一個(gè)字符最相似,然后找到相似度最大的輸出。汽車(chē)牌照的字符一般有七個(gè),大部分車(chē)牌第一位是漢字,通常代表車(chē)輛所屬省份,緊接其后的為字母與數(shù)字。車(chē)牌字符識(shí)別與一般文字識(shí)別在于它的字符數(shù)有限,漢字共約50多個(gè),大寫(xiě)英文字母26個(gè),數(shù)字10個(gè)。為了實(shí)驗(yàn)方便,結(jié)合本次設(shè)計(jì)所選汽車(chē)牌照的特點(diǎn),只建立了4個(gè)數(shù)字26個(gè)字母與10個(gè)數(shù)字的模板。其他模板設(shè)計(jì)的方法與此相同。 首先取字符模板,接著依次取待識(shí)別字符與模板進(jìn)行匹配,將其與模板字符相減,得到的0越多那么就越匹配。把每一幅相減后的圖的0值個(gè)數(shù)保存,即為識(shí)別出來(lái)的結(jié)果。7 車(chē)牌號(hào)碼識(shí)別軟件設(shè)計(jì)結(jié)果及分析 車(chē)牌識(shí)別仿真 采用車(chē)牌號(hào)碼為魯HC9669的車(chē)牌照片進(jìn)行仿真,仿真效果如下: 使用加權(quán)平均值法處理車(chē)輛圖像,得到的灰度圖效果如圖10所示。圖9 原始圖像圖10 灰度圖車(chē)輛圖像進(jìn)行灰度
點(diǎn)擊復(fù)制文檔內(nèi)容
黨政相關(guān)相關(guān)推薦
文庫(kù)吧 www.dybbs8.com
備案圖片鄂ICP備17016276號(hào)-1