基于matlab的汽車(chē)牌照識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)(參考版)
2024-11-12 06:09本頁(yè)面
【正文】 imshow(dw),title(s)。,str1,str2,str3,str4,str5,str6)。 end end %%%%%%%顯示定位后的分割出的車(chē)牌彩圖， %%% %%%%%%識(shí)別結(jié)果以標(biāo)題形式顯示在圖上 %%% s=strcat(39。 case 6 str5=str。 case 4 str3=str。 end switch i case 2 str1=str。N39。H39。R39。M39。L39。G39。C39。A39。 T1 = pet (T0) 。]。,PIN539。,PIN339。,PIN139。 PIN6=pretreatment(PIN6)。 PIN4=pretreatment(PIN4)。 PIN2=pretreatment(PIN2)。%字符分割及處理 %%%%%%%%%%%測(cè)試字符，得到識(shí)別數(shù)值 %%%% PIN0=pretreatment(PIN0)。 dw=location(I)。39。)。 %%%%%%%測(cè)試 %%%%%%%%% %I=imread(39。 =init()。 %=。 =5000。 {2,1}.initF =39。 {1,1}.initF =39。trainrp39。logsig39。logsig39。logsig39。 %輸出樣本 %%% T=eye(18,18)。,I1739。,I1539。,I1339。,I1139。,I939。,I739。,I539。,I339。,I139。))。 I17=pretreatment(imread(39。39。))。 I15=pretreatment(imread(39。39。))。 I13=pretreatment(imread(39。39。))。 I11=pretreatment(imread(39。39。))。 I9=pretreatment(imread(39。39。))。 I7=pretreatment(imread(39。39。))。 I5=pretreatment(imread(39。39。))。 I3=pretreatment(imread(39。39。))。 I1=pretreatment(imread(39。39。 clear all。 神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別。 %%%%%%將圖像按列轉(zhuǎn)換成一個(gè)行向量 for j=1:n for i=1:m inpt(1,m*(j1)+i)=I1(i,j)。 [m,n]=size(I1)。 end I1=imresize(I1,[50 20])。 function inpt = pretreatment(I) %YUCHULI Summary of this function goes here % Detailed explanation goes here if isrgb(I) I1 = rgb2gray(I)?？偟淖址麡颖静⒉惶?。在本程序中用基于人工神經(jīng)元網(wǎng)絡(luò)識(shí)別車(chē)牌字符。建立數(shù)字庫(kù)對(duì)該方法在車(chē)牌識(shí)別過(guò)程中很重要 , 數(shù)字庫(kù)準(zhǔn)確才能保證檢測(cè)出的數(shù)據(jù)正確。 End 車(chē)牌字符識(shí)別 字符識(shí)別方法主要有基于模板匹配算法和基于人工神經(jīng)網(wǎng)絡(luò)算法。 imshow(Z)。 end figure(3)。 PIN5=Z。 case 39。Z539。 PIN3=Z。 case 39。Z3
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1