基于matlab的數(shù)字圖像識別文獻綜述-wenkub.com
2025-08-07 15:23 本頁面
【正文】 具體詳細的研究、分析和優(yōu)化會在后期繼續(xù)進行。整理和總結(jié)了國內(nèi)外在車牌定位方面的研究成果和常用方法進行對比，系統(tǒng)介紹了我國車牌的固有特征，以及車牌定位特點。 %區(qū)域面積BoundingBox=[]。 %標(biāo)注二進制圖像中已連接的部分STATS = regionprops(L,39。)。,[19,1]))。圖像開運算[5,19]39。rectangle39。title(39。bg1=imclose(grd,strel(39。邊緣提取roberts39。邊緣提取canny39。) %用canny算子識別強度圖像中的邊界grd1=edge(bw2,39。)。 %轉(zhuǎn)換圖像為二進制圖像bw2=double(bw22)。在實際的車牌處理系統(tǒng)中，進行圖像二值變換的關(guān)鍵是要確定合適的閾值[7]，使得字符與背景能夠分割開來，二值變換的結(jié)果圖像必須要具備良好的保形性，不丟掉有用的形狀信息選取最佳閾值對圖像進行二值化處理：fmax1=double(max(max(Egray)))。)。Egray= medfilt2(Sgray,[3 3])。)。圖2 背景圖像原始圖像與背景圖像作減法，對圖像進行增強處理：Egray=imsubtract(Sgray,Bgray)。title(39。disk39。黑白圖像39。 b= rgb2gray(RGB)。 imshow(RGB)。2 仿真實驗 圖像的預(yù)處理圖像灰度化將采集到的彩色車牌圖像轉(zhuǎn)化為灰度圖像： RGB=imread(39。將被計算。返回值STATS是一個長度為max(L(:))的結(jié)構(gòu)數(shù)組，結(jié)構(gòu)數(shù)組的相應(yīng)域定義了每一個區(qū)域相應(yīng)屬性下的度量。這里給出在MATLAB圖像處理工具箱中非常重要的一個圖像分析函數(shù)：regionprops。參數(shù)n為4或8，分別對應(yīng)4鄰域和8鄰域，默認值為8。最后用到高斯平滑函數(shù)通過將八連接的弱像素集成到強像素，執(zhí)行邊緣鏈接。 （2）根據(jù)對信噪比與定位乘積進行測度，得到最優(yōu)化逼近算子。常用的邊緣檢測方法有Sobel邊緣算子、Prewitt邊緣算子、Kirseh邊緣算子、高斯拉普拉斯算子等等。 邊緣檢測圖像的邊緣是圖像的最基本特征。另外，車牌區(qū)域還可能出現(xiàn)斷裂和小孔，可以通過閉合運算使車牌區(qū)域連通，并填充車牌區(qū)域內(nèi)的小孔。如果圖像A用結(jié)構(gòu)元素口來腐蝕，記作A⊙B，其定義為：上式表明用結(jié)構(gòu)元素B來腐蝕的結(jié)果滿足將占平移后，B仍舊全部包含在4中的工的集合，實際上是收縮了A的邊界。由于在光照較弱的情況下，車牌圖像的光照程度很不均勻，車牌字符與底色的對比度偏低，所以采取動態(tài)閾值法。在實際的車牌處理系統(tǒng)中，進行圖像二值變換的關(guān)鍵是要確定合適的閾值，使得字符與背景能夠分割開來，二值變換的結(jié)果圖像必須要具備良好的保形性，不丟掉有用的形狀信息，不會產(chǎn)生額外的空缺等等。1 車牌定位中的基本理論與算法 圖像灰度化彩色圖像包含著大量的顏色信息，不但在存儲上開銷很大，而且在處理上也會降低系統(tǒng)的執(zhí)行速度，因此在對圖像進行識別等處理中經(jīng)常將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，以加快處理速度。近年來，各主要城市都將城市智能交通系統(tǒng)的建設(shè)作為改善城市交通狀況的重點，以緩解城市交通管理的壓力，車牌識別系統(tǒng)作為智能交通系統(tǒng)的主要技術(shù)之一也得到了很
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號-1