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

基于matlab車(chē)牌識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)畢業(yè)設(shè)計(jì)(論文)(參考版)

2024-09-01 18:54本頁(yè)面
  

【正文】 。 else l=3 %第三位以后是字母或數(shù)字識(shí)別 kmin=1。 elseif l==2 %第二位 A~Z 字母識(shí)別 kmin=11。 if l==1 %第一位漢字識(shí)別 kmin=37。nearest39。])。 t=imread([ii,39。 l=1。])。 39。:39。 39。:39。 liccode=char([39。39。)。 imwrite(word6,39。39。)。 imwrite(word4,39。39。)。 imwrite(word2,39。39。)。 subplot(5,7,21),imshow(word7),title(39。639。)。 subplot(5,7,19),imshow(word5),title(39。439。)。 subplot(5,7,17),imshow(word3),title(39。239。)。 subplot(5,7,15),imshow(word1),title(39。 word6=imresize(word6,[40 20])。 word4=imresize(word4,[40 20])。 word2=imresize(word2,[40 20])。 [m,n]=size(word1)。739。)。 subplot(5,7,6),imshow(word6),title(39。539。)。 subplot(5,7,4),imshow(word4),title(39。339。)。 subplot(5,7,2),imshow(word2),title(39。139。 車(chē)牌識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 26 % 分割出第七個(gè)字符 [word7,d]=getword(d)。 % 分割出第五個(gè)字符 [word5,d]=getword(d)。 % 分割出第三個(gè)字符 [word3,d]=getword(d)。d=qiege(d)。word1=temp。 two_thirds=sum(sum(temp([round(m/3):2*round(m/3)],:)))。 [m,n]=size(temp)。 d=qiege(d)。 while sum(d(:,wide+1))~=0 wide=wide+1。 left=1。word1=[]。y2=。 % 分割 end end % 再切割 d=qiege(d)。 if k2k1=round(n/) [val,num]=min(sum(d(:,[k1+5:k25])))。 j=n1 j=j+1。 while s(j)~=0 amp。 while j~=n while s(j)==0 j=j+1。s=sum(d)。 figure,subplot(2,1,1),imshow(d),title(n) k1=1。) % 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 d=qiege(d)。 figure(8),subplot(3,2,5),imshow(d),title(39。 .jpg39。 elseif bwarea(d)/m/n= d=imdilate(d,se)。 % eye(n) returns the nbyn identity matrix 單位矩陣 [m,n]=size(d)。ball39。diamond39。line39。,3)。) % 某些圖像進(jìn)行操作 % 膨脹或腐蝕 % se=strel(39。 figure(8),subplot(3,2,4),imshow(d),title(39。 .jpg39。 d=im2bw(round(filter2(h,d)))。average39。 39。 39。 figure(8)。 .jpg39。 d=(double(b)=T)。 T=round(g_max(g_maxg_min)/3)。) g_max=double(max(max(b)))。subplot(3,2,1),imshow(b),title(39。)。 imwrite(b,39。)。 a=imread(39。39。定位剪切后的彩色車(chē)牌圖像 39。)。 figure(7),subplot(1,2,1),imshow(IY),title(39。 dw=I(PY1:PY28,PX1:PX2,:)。 end PX1=PX11。amp。 end PX2=x。amp。 end end end PX1=1。 %%%%%% X方向 %%%%%%%%% Blue_x=zeros(1,x)。(PY2y)) PY2=PY2+1。 while ((Blue_y(PY2,1)=5)amp。(PY11)) PY1=PY11。 while ((Blue_y(PY1,1)=5)amp。%藍(lán)色像素點(diǎn)統(tǒng)計(jì) end end end [temp MaxY]=max(Blue_y)。 tic Blue_y=zeros(y,1)。) [y,x,z]=size(I5)。title(39。 I5=bwareaopen(I4,2020)。平滑圖像的輪廓 39。 figure(5),imshow(I4)。,[25,25])。 se=strel(39。腐蝕后圖像 39。 figure(4),imshow(I3)。1]。 se=[1。robert算子邊緣檢測(cè) 39。 figure(3),imshow(I2)。both39。robert39。)。title(39。 I1=rgb2gray(I)。原圖 39。 figure(1),imshow(I)。C:\Documents and Settings\Administrator桌面 \39。對(duì)今后的學(xué)習(xí)和工作有很大幫助。 它在車(chē)輛過(guò)路、交通流量控制指標(biāo)的測(cè)量, 車(chē)輛自動(dòng)識(shí)別,不停車(chē)檢查,汽車(chē)防盜,稽查和追蹤車(chē)輛違規(guī)、違法行為,維護(hù)交通安全和城市治安,防止交通堵塞,提高收費(fèi)路橋的服務(wù)速度,緩解交通緊張狀況等方面有重要作用,有重要的現(xiàn)實(shí)應(yīng)用意義。 ( 2)在車(chē)牌定位我們采用基于灰度跳變的定位方法,采用先對(duì)圖像進(jìn)行預(yù)處理,再進(jìn)行二值化操作的方法。 本文對(duì)車(chē)牌識(shí)別系統(tǒng)的軟件部分進(jìn)行了研究,從圖像預(yù)處理、車(chē)牌定位、字符分割以及字符識(shí)別等方面進(jìn)行了系統(tǒng)的分析。車(chē)輛號(hào)碼牌識(shí)別的圖像如圖 19 所示 : 圖 19 車(chē)牌號(hào)碼識(shí)別后的圖像 車(chē)牌識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 20 結(jié)束語(yǔ) 本文按照設(shè)計(jì)要求完成了基于 matlab 的車(chē)輛號(hào)碼牌系統(tǒng)的設(shè)計(jì)。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)統(tǒng)計(jì)特征匹配法。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。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。 ( 2)神經(jīng)網(wǎng)絡(luò)字符識(shí)別算法。該方法能夠快速的識(shí)別字符,但是對(duì)噪點(diǎn)比較敏感。 車(chē)牌字符分割后的圖像 如圖 18 所示 : 圖 18 字符分割與歸一化后的圖像 6 車(chē)輛號(hào)碼牌的識(shí)別 當(dāng)字符分割完成后,就要對(duì)車(chē)牌號(hào)碼進(jìn)行識(shí)別這是車(chē)輛號(hào)碼牌識(shí)別系統(tǒng)的最后一個(gè)步驟,目前車(chē)輛號(hào)碼牌字符識(shí)別的方法有以下幾種 [15]: ( 1)模板匹配字符識(shí)別算法。在此只進(jìn)行了歸一化處理,然后進(jìn)行后期處理。 字符歸一化 分割出來(lái)的字符要進(jìn)行進(jìn)一步的處理,滿(mǎn)足字符識(shí)別的需要。為了解決這個(gè)問(wèn)題,可以利用漢字間的間隔一般大于漢字內(nèi)間隔這一特點(diǎn)先進(jìn)行漢字的粗切分,再根據(jù)漢字基本是個(gè)方塊圖形這一事實(shí)進(jìn)行細(xì)切分。事實(shí)上,分析圖像行的垂直投影可以發(fā)現(xiàn),垂直投影上的空白間隔部分不僅沒(méi)有行與行之間的空白間隔部分寬,而且分布也不均勻。我們還是以單個(gè)的漢字切分為例來(lái)說(shuō)明。 字符分割流程圖 如圖 17 所示 : 圖 17 字符分割與歸一化流程圖 字切分是從切分出的文本圖像行中將單個(gè)的字符圖像切分出來(lái)。首先由行切分得到一行行文本,然后在每行文本中進(jìn)行列切分得到一個(gè)個(gè)單獨(dú)的字符。由于獲得的文本圖像不但包含了組成文本的一個(gè)個(gè)字符,而且包 含了字符行間距與字間的空白,甚至還會(huì)帶有各種標(biāo)點(diǎn)符號(hào),這就需要采用一定的處理技術(shù)將文本中的一個(gè)個(gè)字符切分出來(lái),形成單個(gè)字的圖像陣列,以進(jìn)行單字識(shí)別處理。 字符分割 字符分割 的任務(wù)是把多行或多字符圖像中的每個(gè)字符從整個(gè)圖像中分割出來(lái),成為單個(gè)字符。 車(chē)牌識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 17 5 車(chē)輛號(hào)碼牌的字符分割 在 定位出車(chē)牌區(qū)域 后,就要對(duì)車(chē)牌進(jìn)行字符分割,針對(duì)車(chē)牌字符串的特點(diǎn)提出了一種新的 車(chē)牌字符分割 算法。對(duì) 車(chē)牌的灰度處理圖像如圖 13 所示: 圖 13 車(chē)牌灰度圖像 灰度處理完成后需要對(duì)車(chē)牌區(qū)域進(jìn)行二值化處理,二值化處理的基本原理上文已經(jīng)車(chē)牌識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 16 講述。經(jīng)過(guò)以上方法即完成了車(chē)輛號(hào)碼牌的二值化 [12]。 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。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。如果物體同背景的差別表現(xiàn)不在灰度值上(比如紋理不同),可以將這個(gè)差別特征轉(zhuǎn)換為灰度的差別,然后利用閥值選取技術(shù)來(lái)分割該圖像 [11]。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 表示,否則這些像素點(diǎn)被排除在物體區(qū)域以外,灰度值為 0,表示背景或者例外的物體區(qū)域。在數(shù)字圖像處理中,二值圖像占有非常重要的地位,特別是在實(shí)用的圖像處理中,以二值圖像處理實(shí)現(xiàn)而構(gòu)成的系統(tǒng)是很多的,要進(jìn)行二值圖像的處理與分析,首先要把灰度圖像二值化,得到二值化圖像,這樣子有利于再對(duì)圖像做進(jìn)一步處理時(shí),圖像的集合性質(zhì)只與像素值為 0 或 255 的點(diǎn)的位置有關(guān),不再涉及像素的多級(jí)值,使處理變得簡(jiǎn)單,而且數(shù)據(jù)的處理和壓縮量小。 圖像 腐蝕處理 去除 雜質(zhì) 計(jì)算尋找 車(chē)牌區(qū)域 車(chē)牌 定位 車(chē)牌 分割并處理 車(chē)牌識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 15 圖像的二值化 處理就是將圖像上的點(diǎn)的灰度置為 0 或 255,也就是講整個(gè)圖像呈現(xiàn)出明顯的黑白效果。其次,要進(jìn)行二值圖像的處理與分析,首先要把 灰度圖像 二值化,得到二值化圖像。車(chē)牌定位分割流程圖如圖 12 所示: 圖 12 車(chē)牌定位分割流程圖 圖像二值化的基本原理 將 256個(gè)亮度等級(jí)的 灰度圖像 通過(guò)適當(dāng)?shù)拈撝颠x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。 車(chē)牌區(qū)域圖像如圖 11 所示: 圖 11 車(chē)牌區(qū)域分割后圖像 車(chē)牌號(hào)碼的初定位 牌照的定位與分割是車(chē)輛號(hào)碼牌識(shí)別系統(tǒng)的重要技術(shù)之一,其主要目的是在經(jīng)過(guò)預(yù)處理后的圖象中確定牌照的位置,并將包含牌照的一塊圖象區(qū)域從整個(gè)圖象中分割出來(lái),為后邊的字符識(shí)別提供準(zhǔn)備,分割牌照區(qū)域的準(zhǔn)確與否直接關(guān)系到整個(gè)識(shí)別系統(tǒng)的車(chē)牌識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 14 準(zhǔn)確性。依據(jù)車(chē)牌底色有關(guān)的知識(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。這些子區(qū)域四某種意義下具有共同屬性的像素的連通集合 。怎樣能夠克服這些不利因素快速準(zhǔn)確的對(duì)車(chē)輛號(hào)碼牌進(jìn)行識(shí)別仍是我們現(xiàn)在需要研究的問(wèn)題。此外,汽車(chē)車(chē)牌附近還可能掛有其他廣告信息牌或者汽車(chē)生產(chǎn)商的標(biāo)志。 ( 3)由于環(huán)境、道路或人為因素等造成的汽車(chē) 牌照嚴(yán)重污染,在國(guó)外發(fā)達(dá)國(guó)家這種情況是不允許上路的,而在我國(guó)則仍可在路上行駛。 車(chē)輛號(hào)碼牌的區(qū)域分割 針對(duì)我國(guó)車(chē)牌的特點(diǎn),識(shí)別難度較大,我國(guó)車(chē)牌主要特點(diǎn)有以下方面 : 車(chē)牌識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 13 ( 1)我國(guó)汽車(chē)牌照的規(guī)范懸掛位置不唯一。 以上這些方法各有優(yōu)缺點(diǎn),要實(shí)現(xiàn)快速、準(zhǔn)確地定位車(chē)牌,應(yīng)該綜合利用車(chē)牌的各種特征,僅靠單一特征很難奏效。 (3) 基于水平灰度變化特征的方法,這種方法主要在車(chē)牌定位以前,需要對(duì)圖像進(jìn)行一系列預(yù)處理,將彩色圖像轉(zhuǎn)換為灰度圖像,利用車(chē)牌區(qū)域水平方向的紋理特征進(jìn)行車(chē)牌定位。總結(jié)起來(lái)主要有如下幾類(lèi)方法 [9]: (1) 基于車(chē)牌顏色特征的定位方法,這種方法主要是應(yīng)用車(chē)牌的紋理特征、形 狀特征和顏色特征即利用車(chē)牌字符和車(chē)牌底色具有明顯的反差特征來(lái)排除干擾進(jìn)行車(chē)牌的定位。進(jìn)而對(duì)車(chē)輛
點(diǎn)擊復(fù)制文檔內(nèi)容
法律信息相關(guān)推薦
文庫(kù)吧 www.dybbs8.com
備案圖鄂ICP備17016276號(hào)-1