畢業(yè)設(shè)計(jì)論文-基于matlab的車牌識(shí)別系統(tǒng)的設(shè)計(jì)-資料下載頁
2024-12-01 16:01本頁面
【導(dǎo)讀】腿莇荿羆肅莆蒂蝿肁蒞蚄肄羇莄螆袇芆莃蒆蝕膂莂薈裊肈莂蝕蚈羄蒁莀襖袀蒀蒂蚆膈葿薅袂膄蒈螇蚅肀蕆蕆羀羆蒆蕿螃芅蒆蟻罿膁蒅螄螁肇薄蒃羇羃膀薆螀衿腿螈羅芇腿蒈袈膃膈薀肅聿膇螞袆羅膆螄蠆芄膅蒄裊膀芄薆蚇肆芃蠆袃芃莈蚆羈節(jié)薁羈芇芁蚃螄膃芀螅罿聿艿蒅螂羅羋薇羈袁莇蝕螀腿莇荿羆肅莆蒂蝿肁蒞蚄肄羇莄螆袇芆莃蒆蝕膂莂薈裊肈莂蝕蚈羄蒁莀襖袀蒀蒂蚆膈葿薅袂膄蒈螇蚅肀蕆蕆羀羆蒆蕿螃芅蒆蟻罿膁蒅螄螁肇薄蒃羇羃膀薆螀衿腿螈羅芇腿蒈袈膃膈薀肅聿膇螞袆羅膆螄蠆芄膅蒄裊膀芄薆蚇肆芃蠆袃芃莈蚆羈節(jié)薁羈芇芁蚃螄膃芀螅罿聿艿蒅螂羅羋薇羈袁莇蝕螀腿莇荿羆肅莆蒂蝿肁蒞蚄肄羇莄螆袇芆莃蒆蝕膂莂薈裊肈莂蝕蚈羄蒁莀襖袀蒀蒂蚆膈葿薅袂膄蒈螇蚅肀蕆蕆羀羆蒆蕿螃芅蒆蟻罿膁蒅螄螁肇薄蒃羇羃膀薆螀衿腿螈羅芇腿蒈袈膃膈薀肅聿膇螞袆羅膆螄蠆芄膅蒄裊膀芄薆蚇肆芃蠆袃芃莈蚆羈節(jié)薁羈芇芁蚃螄膃芀螅罿聿艿蒅螂羅羋薇羈袁莇蝕螀腿莇荿羆肅莆蒂蝿肁蒞蚄肄羇莄螆袇芆莃蒆
【正文】 gure(3),imshow(I2)。title(?robert算子邊緣檢測(cè) ?) 圖 原圖 第 14 頁 共 43 頁 焦作大學(xué)畢業(yè)設(shè)計(jì)說明書 圖 灰度圖 圖 Robert算子邊緣檢測(cè) 該系統(tǒng)的攝像頭拍攝的圖片是整個(gè)機(jī)動(dòng)車的圖片，而只有車牌部分是對(duì)系統(tǒng)有用的。所以我們要對(duì)照片進(jìn)行車牌定位和分割。車牌的定位和分割是從經(jīng)過圖像預(yù)處理后的灰度圖像中確定牌照位置，并將車牌部分從整個(gè)圖像中分割出來，從而進(jìn)行字符識(shí)別。車牌圖像的灰度圖的車牌部分是一個(gè)水平度很高的長(zhǎng)方形圖樣，在原圖中比較集中，且灰度值和周圍圖樣有明顯差異，因此很容易用邊緣檢測(cè)來對(duì)圖像進(jìn)行分割。車牌定位和分割的準(zhǔn)確度直接關(guān)系到最 后的字符識(shí)別的質(zhì)量。 焦作大學(xué)畢業(yè)設(shè)計(jì)說明書 第 15 頁 共 43 頁 圖 機(jī)動(dòng)車圖像經(jīng)過灰度化和邊緣檢測(cè)的處理后，邊緣得到了加強(qiáng)，牌照區(qū)域已經(jīng)非常明顯。 圖 第 16 頁 共 43 頁 焦作大學(xué)畢業(yè)設(shè)計(jì)說明書 圖 平滑圖像的輪廓 圖 車牌字符分割是車牌自動(dòng)識(shí)別系統(tǒng)中的重要步驟，這一模塊的正確性受到很多因素的影響，最大問題是二值化不徹底使投影圖像中字符間的波谷不夠分明；其次，車牌污損、反光、光照不均等原因使車牌圖像交差，存在大量噪聲；再次，車牌邊框和鉚釘也會(huì)造成分割不正確；還有車牌的前兩個(gè)字符和后面五個(gè)字符之間的間隔符（小圓點(diǎn)）對(duì)字符識(shí)別有影響；車牌旋轉(zhuǎn)對(duì)水平分割有較大影響。 圖 焦作大學(xué)畢業(yè)設(shè) 計(jì)說明書 第 17 頁 共 43 頁 定位后車牌圖像是彩色的，會(huì)占用較大的存儲(chǔ)空間，加重計(jì)算機(jī)負(fù)擔(dān)。且車輛圖片不可避免存在噪聲，所以要對(duì)圖像進(jìn)行灰度化，二值化以及濾波處理。圖像的二值化處理就是將圖像上的點(diǎn)的灰度置為兩個(gè)數(shù)值，通常為 0或 255，使整個(gè)圖像呈現(xiàn)出明顯的黑白效果。也就是將 256 個(gè)亮度等級(jí)的灰度圖像通過適當(dāng)?shù)拈T限值選取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。濾波則是為了除去 圖像噪聲。濾波方法有多種， 圖 第 18 頁 共 43 頁 焦作大學(xué)畢業(yè)設(shè)計(jì)說明書 圖 字符分割和歸一化流程圖 在汽車牌照自動(dòng)識(shí)別過程中，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。將得到的車牌區(qū)域圖像進(jìn)行二值化處理后，對(duì)圖像進(jìn)行垂直投影，投影圖上有明顯的類似于峰谷的波形起伏變化 ， 通過對(duì)投影圖上的波形從左向右進(jìn)行掃描，根據(jù)谷和峰的特征就可以判斷出每個(gè)字符的位置；計(jì)算垂直峰，檢測(cè)合理的字符高寬比。在字符切割時(shí) ,往往由于閾值取得不好，導(dǎo)致字符切割不準(zhǔn)確，針對(duì)這種情況，可以對(duì)切割出的字符寬度進(jìn)行統(tǒng)計(jì)分析，用以指導(dǎo)切割，對(duì)因錯(cuò)誤切割過寬的字符進(jìn)行分裂處理。 圖 字符分割后的圖像 焦作大學(xué)畢業(yè)設(shè)計(jì)說明書 第 19 頁 共 43 頁 由于數(shù)碼相機(jī)拍攝的汽車圖像大小不一樣， 所以得到的牌照上的字符大小就不一樣，為了便于字符的識(shí)別，需要對(duì)字符進(jìn)行歸一化處理。歸一化處理的目的就是使車牌字符同標(biāo)準(zhǔn)模塊里面的字符特征一樣。而大小歸一是指在長(zhǎng)度和寬度方向上分別乘以一個(gè)比例因子，使其等于標(biāo)準(zhǔn)模塊的字符大小， 圖 字符的識(shí)別目前用于車牌字符識(shí)別 (OCR)中的算法主要有基于模板匹配的 OCR 算法以及基于人工神經(jīng)網(wǎng)絡(luò)的 OCR算法?；谀０迤ヅ涞?OCR的基本過程是 :首先對(duì)待識(shí)別字符進(jìn)行二值化并將其尺寸大小縮放為字符數(shù)據(jù)庫中模板的大小，然后與所有的模板進(jìn)行匹配，最后選最佳匹配作為結(jié)果。模板匹配的主要特點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單，當(dāng)字符較規(guī)整時(shí)對(duì)字符圖像的缺損、污跡干擾適應(yīng)力強(qiáng)且識(shí)別率相當(dāng)高。綜合模板匹配的這些優(yōu)點(diǎn)我們將其用為車牌字符識(shí)別的主要方法。 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。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。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 第 20 頁 共 43 頁 焦作大學(xué)畢業(yè)設(shè)計(jì)說明書 據(jù)各區(qū)域形狀固有的特點(diǎn)，突出各類似區(qū)域之間的差別，并將 容易由處理過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)的特征量來構(gòu)建模板，就可以避免上述問題。 圖 字符識(shí)別流程圖 此處采用相減的方法來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。汽車牌照的字符一般有七個(gè)，大部分車牌第一位是漢字，通常代表車輛所屬省份，或是軍種、警別等有特定含義的字符簡(jiǎn)稱；緊接其后的為字母與數(shù)字。車牌字符識(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)，大寫英文字母 26 個(gè)，數(shù)字 10 個(gè)。所以建立字符模板庫也極為方便。 為了實(shí)驗(yàn)方便，結(jié)合本次設(shè)計(jì)所選汽車牌照的特點(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)別出來的結(jié)果。 焦作大學(xué)畢業(yè)設(shè)計(jì)說明書 第 21 頁 共 43 頁 圖 第 22 頁 共 43 頁 焦作大學(xué)畢業(yè)設(shè)計(jì)說明書 第五章 實(shí)驗(yàn)結(jié)果和分析 在得到這個(gè)結(jié)果之前，需要對(duì)車牌圖像進(jìn)行預(yù)處理、車牌定位、車牌分割等處理。 由于攝像部分多工作于開放的戶外環(huán)境，加之車輛牌照的整潔度、自然光照條件、拍攝時(shí)攝像機(jī)與牌照的矩離和角度以及車輛行駛速度等因素的影響，牌照?qǐng)D象可能出現(xiàn)模糊、歪斜和缺損等嚴(yán)重缺陷，因此需要對(duì)原始圖象進(jìn)行識(shí)別前的預(yù)處理。預(yù)處理包括灰度化、車牌校正、平滑處理等。對(duì)于光照條件不理想的圖象，可先進(jìn)行一次圖象增強(qiáng)處理，使得圖象灰度動(dòng)態(tài)范圍擴(kuò)展和對(duì)比度增強(qiáng)，再進(jìn)行定位 和分割，這樣可以提高分割的正確率。在 在定位模塊。 車牌分割即把車牌的整體區(qū)域分割成單字符區(qū)域，具有承上啟下的作用。其 焦作大學(xué)畢業(yè)設(shè)計(jì)說明書 第 23 頁 共 43
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1