基于圖像處理的汽車牌照的識(shí)別-wenkub.com
2024-08-17 15:03 本頁面
【正文】 以上是我認(rèn)為在圖像處理中比較有價(jià)值的兩點(diǎn)，有興趣的可以上網(wǎng)查閱相關(guān)的資料。 加權(quán)的鄰域平均算法的基本思想是: 在一個(gè)鄰域內(nèi)， 除了可以利用灰度均值外， 灰度的上偏差和下偏差也能夠提供某些局部信息。但是噪聲則不同，一般情況下，沿任一噪聲點(diǎn)的方向(通過上述模板運(yùn)算得到)不太可能找到與其灰度差及方向差都很小的噪聲點(diǎn)。目前，在圖像處理方面使用得最多的是一種可抗噪聲的Sobel算法。 本設(shè)計(jì)已成功達(dá)到了車牌識(shí)別的目的，而且準(zhǔn)確率也很高。作為圖像處理最適用的工具之一，其突出的特點(diǎn)是它包含一個(gè)圖像處理工具包，這個(gè)工具包由一系列支持圖像處理操作的函數(shù)組成。測(cè)試結(jié)果表明，本設(shè)計(jì)有以下幾條優(yōu)點(diǎn):1. 充分利用MATLAB中已有的函數(shù)庫。: 設(shè)計(jì)過程說明 在汽車車牌識(shí)別的整個(gè)過程中，查找了很多資料，綜合了各方面的信息。并在MATLAB運(yùn)行窗口顯示出來。M39。P39。39。39。39。max函數(shù)就是用來選擇幾個(gè)數(shù)值的大小值。其中有兩個(gè)很重要的函數(shù)可以直接調(diào)用:corr2 函數(shù)和max函數(shù)。如果把X與T都?xì)w一化為”1”和”0”，則上式表示標(biāo)準(zhǔn)模板與待識(shí)圖像上對(duì)應(yīng)點(diǎn)均為”1”的數(shù)目與標(biāo)準(zhǔn)模板上”1”點(diǎn)的數(shù)目之比。將未知的模式逐個(gè)與模板匹配，求出其相似度。第二次便是用以上的畫圖工具來一步一步逼近實(shí)現(xiàn)模板設(shè)置。于是便投機(jī)取巧，將本身分割得到的字符保存起來直接作為模板使用。切割為標(biāo)準(zhǔn)的2614格式。字體為方正姚體，大小16號(hào)。設(shè)計(jì)過程如下：1． 用畫圖工具先畫出P、F、M、0、3等幾個(gè)字符的圖像。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3個(gè)字母與3個(gè)數(shù)字的模板。汽車拍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稱；緊接其后的為字母與數(shù)字。另一種方法則充分利用神經(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。基于模板匹配的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。只含有兩種灰度值,黑與白。 圖12 分割出來的六個(gè)字符圖像一般分割出來的字符要進(jìn)行進(jìn)一步的處理，以滿足下一步字符識(shí)別的需要。依據(jù)這一點(diǎn)，再結(jié)合圖10的特征，很容易得到每個(gè)字符的起始終止位置。面積投影法的公式如下: 由于字符塊在豎直方向上的投影必然在字符間或字符內(nèi)的間隙處取得局部最小值，并且這個(gè)位置應(yīng)滿足車牌的字符書寫格式、字符尺寸和其他一些條件的限制。從而確定出汽車牌照的具體位置。上邊界也是利用這種方式得到。大致確定的牌照位置如下圖。只要能找到這兩個(gè)谷點(diǎn)，就能大致確定出車牌照的位置，縮小車牌搜索范圍。 汽車本身具有一定的特點(diǎn)，一般情況下，牌照都掛在緩沖器上或附近，處于車牌照?qǐng)D像的下半部分，本次分割的主要意圖是縮小牌照搜索范圍，大致確定出牌照的位置。經(jīng)過處理后的圖像如下所示: 圖6 二值化后的邊緣圖像結(jié)合后期分割得到的車牌圖7，二值化后的圖像在后期的識(shí)別中并不會(huì)提高車牌的識(shí)別率，因此不采用二值化的圖像來進(jìn)行識(shí)別，因此后面的處理依然使用圖4。本次汽車車牌的識(shí)別，為了保存更多的有用信息，經(jīng)過多次比較，選擇圖4作為后期處理的依據(jù)。以下是經(jīng)處理后的一些圖片。在空間域，常見的濾波方式有兩種方式，均值濾波和中值濾波。這種降質(zhì)或退化對(duì)我們的處理往往會(huì)造成影響。最后得到的便為車牌區(qū)域。目前，發(fā)達(dá)國家LPR（汽車牌照識(shí)別技術(shù)License Plate Recognition， LPR，簡稱“車牌通”）系統(tǒng)在實(shí)際交通系統(tǒng)中已成功應(yīng)用，而我國的開發(fā)應(yīng)用進(jìn)展緩慢，車牌識(shí)別系統(tǒng)基本上還停留在實(shí)驗(yàn)室階段。整個(gè)處理過程分為預(yù)處理、邊緣提取、車牌定位、字符分割、字符識(shí)別五大模塊，用MATLAB軟件編程來實(shí)現(xiàn)每一個(gè)部分,最后識(shí)別出汽車牌照。在研究的同時(shí)對(duì)其中出現(xiàn)的問題進(jìn)行了具體分析，處理?；谶@種現(xiàn)狀還有它廣闊的應(yīng)用前景，目前對(duì)汽車車牌的識(shí)別研究就有了深遠(yuǎn)的意義。字符分割 ：利用投影檢測(cè)的字符定位分割方法得到單個(gè)的字符字符識(shí)別 ：利用模板匹配的方法與數(shù)據(jù)庫中的字符進(jìn)行匹配從而確認(rèn)出字符，得到最后的汽車牌照，包括英文字母和數(shù)字。因此在圖像處理之前必須進(jìn)行預(yù)處理，包括去除噪音，邊界增強(qiáng)，增加亮度等等?？臻g域?yàn)V波主要有巴特沃斯濾波器。 圖2 經(jīng)均值濾波后提取的邊緣圖像 圖3 經(jīng)巴特沃斯低通濾波后提取的邊緣圖像
高考資料相關(guān)推薦
鄂ICP備17016276號(hào)-1