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

正文內容

511最終版-基于matlab的車牌識別系統(tǒng)的設計與實現(xiàn)-閱讀頁

2024-12-24 15:16本頁面
  

【正文】 G、 B三個分量具有相同的一種特殊的真彩色圖像 , 任意的像素點的變化范圍為 255種 ,因此在數(shù)字圖像處理中一般先是會把各種格式的圖像轉變?yōu)榛叶葓D像后,這樣圖像的計算量就會變得少一些。所以 說 對與尺寸為m*n的一個彩色圖像來說 , 存儲 m*n*3的多維數(shù)組 [10]。因為圖像的每個像素都具有三個顏色不同的分量 ,并且 存在很多同識別無關的信息 , 不利于進一步展開的識別工作, 所以在對圖像識別過程處理中,經(jīng)常是將彩色圖像轉變?yōu)榛叶葓D像,以便增加處理速度。在 RGB模型中,如果 R=G=B,那么這個顏色就會表示一種灰度顏色,其中 R=G=B的值就叫做灰度值?;叶葓D像就是沒有顏色信息的圖像而只有強度信息,存浙江萬里學院本科畢業(yè)論文 13 儲的灰度圖像僅僅需要一個數(shù)據(jù)矩陣, 矩陣中每個元素都表示對應位置像素點的灰度值。 當將彩色圖像轉變?yōu)榛叶葓D像時 , 就現(xiàn)在而言用的比較多的灰度化方法為平均值法 , 公式為 : H=++[11] 在公式中, H 表示灰度圖中的亮度值 ; R 代表彩色圖像中紅色分量值 ; G 則代表色彩圖像中綠色分量值 ; B 是 代表彩色圖像 中藍色分量值 。 加權系數(shù)的取值是建立在人眼的視覺模型之上 。 通過這個公式將轉換的灰度圖能很好的反應原來圖像的真實亮度信息 。 圖像的邊緣檢測 邊緣是指圖像灰度發(fā)生空間突變或者在梯度方向上發(fā)生突變的像素的集合。因此,在對汽車牌照進 行定位的時候及字符識別之前需要先對車輛的圖像進行邊緣檢測處理,從而提高圖像的質量,以便于后面的識別和分割。 對于車牌識別系統(tǒng)的攝像頭安裝位置以及機動車的車牌固有屬性,我們就可以發(fā)現(xiàn)機動車的車牌圖像一般都處在水平的矩形區(qū)域中,在圖像中有較為固定的位置,車牌中的字符都是按照水平方向排列的。本文采用 經(jīng)典的Roberts 邊緣檢測算子對圖像進行邊緣檢測。檢測垂直邊緣的效果好于斜向邊緣,定位精度高,對噪聲敏感 ,無法抑制噪聲的影響。39。 figure(1),imshow(I)。原圖 39。 figure(2),subplot(1,2,1),imshow(I1)?;叶葓D 39。 figure(2),subplot(1,2,2),imhist(I1)?;叶葓D直方圖 39。 I2=edge(I1,39。,39。)。title(39。) 圖 32 原圖 浙江萬里學院本科畢業(yè)論文 15 圖 33 灰度圖 圖 34 Robert算子邊緣檢測 浙江萬里學院本科畢業(yè)論文 16 車牌定位和分割 該系統(tǒng)的攝像頭 拍攝的圖片是整個機動車的圖片,而只有車牌部分是對系統(tǒng)有用的。車牌的定位和分割是從經(jīng)過圖像預處理后的灰度圖像中確定牌照位置,并將車牌部分從整個圖像中分割出來,從而進行字符識別。車牌定位和分割的準確度直接關系到最后的字符識別的質量。 圖 35 車牌定位流程圖 車牌定位 機動車圖像經(jīng)過灰度化和邊緣檢測的處 理后,邊緣得到了加強,牌照區(qū)域已經(jīng)非常明顯。數(shù)學形態(tài)學是 用具有一定形態(tài)的結構元素去量度和提取圖像中的對應形狀,以達到對圖像分析和識別的目的,能有效地去除噪聲,保留圖像原有信息的同時提取的邊緣比較平滑,提取的圖像骨架也比較連續(xù),斷點少 。處理過程圖如圖36腐蝕后的圖像, 圖 37平滑圖像的輪廓,圖 38從對象中移除小對象后圖像所示。 對于車牌部分的本文分割采用的是利用車牌信 息的彩色分割法。再在分割出的行區(qū)域內統(tǒng)計列方向上的藍色像素點數(shù)量,最終就確定出完整的車牌區(qū)域(如圖 39所示)。且車輛圖片不可避免存在噪聲,所以要對圖像進行灰度化,二值化以及濾波處理。 也就是將這 256 個亮度等級的灰度圖像通過一個適當值的選取,從而獲得依舊可以反映圖像局部和整體特征的二值化圖像 [13]。濾波有多種方法,在本設計中,所采取的濾波方法是均值濾波。再 使 用模板中的全體像素的平均值來代替原來像素值 (表達式) 最后再進行膨脹或腐蝕處理 通過對定位后的彩色車牌的進 一步處理,得到如 圖 310所示的結果。它在前期牌照定位上的基礎進行字符分割的,然后可以利用分割的結果從而進行字符識別(如圖 312 所示) 。當 在字符切割時 ,往往都是由于閾值取得不完善 , 導致字符切割的不準確 。 圖 312 字符分割后的圖像 [m, n]=size( d),逐排檢查有沒有白色像素點,設置 1=jn1,若圖像兩邊 s( j) =0,則切割,去除圖像兩邊多余的部分 切割去圖像上下多余的部分 根據(jù)圖像的大小,設置一閾值,檢測圖像的 X 軸,若寬度等于這一閾值則切割,分離出七個字符 歸一化切割出來的字符圖像的大小為 40*20,與模板中字符圖像的大小相匹配 浙江萬里學院本科畢業(yè)論文 21 字符歸一化處理 由于數(shù)碼相機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 , 為了便于字符的識別 , 需要對字符進行歸一化處理 (如圖 313所 示) 。 而大小歸一是指在長度和寬度方向上分別乘以一個比例因子 , 使其等于標準模塊的字符大小 , 本文采用的 大小歸一的方法是分別從水平投影和垂直投影兩個方向上對字符象素的大小進行歸一化處理 [15]?;谀0迤ヅ涞?OCR的基本過程 (如圖 314所示) 是 :首先對待識別字符進行二值化并將其尺 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行匹配,最后選最佳匹配作為結果。綜合模板匹配的這些優(yōu)點我們將其用為車牌字符識別的主要方法 [16]。也可以計算圖像與模板特征量之間的距離,可以把最小距離法判定給所屬類。在實際中設計模板的時候,通過根據(jù)各區(qū)域內形狀固有的特點,從而突出各個類似區(qū)域之間的差異,并將方便的處理過程引起的位移和噪聲等因素都考慮進來,再按照基于圖像不變的特性所設計的特征量來構造模板,這樣就可以避免上述的問題。 汽車牌照上的字符一般情況下有七個,大部分的車牌第一位都是漢字,這個漢字通常都代表車輛所屬于的省份,或是警別、軍種等有一定含義的字符的簡稱;緊接其后的為數(shù)字或者字母。所以建立字符模板庫也極為方便。建立自動識別的代碼表 讀取分割出來的字符 第一個字符與模板中的漢字模板進行匹配 第二個字符與模板中的字母模板進行匹配 待識別字符與模板字符相減,值越小相似度越大,找到最小的一個即為匹配的最 好的 識別完成,輸出此模板對應值 后 5 個字符與模板中的字母與數(shù)字模板進行匹配 浙江萬里學院本科畢業(yè)論文 23 其他模板設計的方法與此相同。把每一幅相減后的圖中0值個數(shù)保存,即為識別出來的結果 (如圖 315所示) 。實驗的最終結果如圖 315所示。 由于攝像部分多工作于開放性的戶外 環(huán)境下,再加之車輛牌照的自然光照條件、拍攝時攝像機、整潔度與牌照的角度和距離以及車輛行駛速度等因素的影響,牌照圖像可能出現(xiàn)歪斜、缺損和模糊等嚴重缺陷,因此需要對原始的圖像進行識別前的預處理。對于那些光照條件不理想的圖像,可以先進行一次圖像增強的處理,使得圖像灰度對比度增強和動態(tài)范圍擴展,再進行分割和定位,這樣就可以提高了分割正確率。因為彩色的圖像有著大量的顏色的信息,這不僅在存儲上開銷很大,而且也會在處理上 面會存在降低系統(tǒng)的執(zhí)行速度的可能,因此要將彩色圖像轉化為灰度圖像,以便于縮短處理時間。也就是由于牌照的圖像的這些特點,再經(jīng)過適當?shù)膱D像變換,它在整個篇幅中可以明顯地觀察出其邊緣,于是便可以對其邊緣提取,此處邊緣的提取采用的是 Roberts 算子 [17]。本文采用的是車牌顏色與數(shù)學形態(tài)學相結合的定位方法。數(shù)學形態(tài)學的應用可以簡化圖像數(shù)據(jù),保持它們基本的形態(tài)特征,并除去不相干的結構。這樣可以把字符與字符之間的雜色點去除,只有白色的字符和黑色的背景存在,這樣有利于的字符分割進行。再根據(jù)車牌底色等有關的先驗知識,采用彩色像素點統(tǒng)計的方法,先確定行方向的車牌區(qū)域,再確定列方向的區(qū)域,得出最終的車牌區(qū)域。其難點在于噪聲合字符粘連,斷裂對字符的影響,因此必須先將定位后的車牌進一步處理。分割采用的方法為尋找連續(xù)有文字的塊,若長度大于某閾值 T,則認為該塊有兩個字符組成,需要分割。 最后將分割出來的字符運用模板匹配的方法與模板字符進行匹配,將其與模板字符相減,得到的 0 越多那么就越匹配。模板的制作很重要,必須要用精確的模 板,否則就不能正確的識別 [18]。 總之,盡管目前牌照字符的識別率還不理想,但是只要在分割出的字符的大小、位置的歸一化,以及嘗試提取分類識別能力更好的特征值和設計分類器等環(huán)節(jié)上再完善,進一步提高識別率是完全可行的。在智能交通系統(tǒng)中,車牌自動識別系統(tǒng)是智能化交通系統(tǒng)非常重要的發(fā)展方向。它在車輛過路、過橋全自動不停車收費,交通流量控制指標的測量,車輛自動識別,高速公路上的事故自動測報,不停車檢查,車輛定位,汽車防盜,稽查和追蹤車輛違規(guī)、違法行為,維護交通安全和城市治安,防止交通堵塞,提高收費路橋的服務速度,緩解交通緊張狀況等方面有重要作用,有重要的現(xiàn)實應用意義。主要工作內容及結論如下: ( 1)整理和總結了國內外在車牌定位、分割、字符識別方面的研究成果和發(fā)展方向,系統(tǒng)介紹了我國車牌的固有特征,以及車牌識別的特點。實驗表明本方法既保留了車牌區(qū)域的信息,又減少了噪聲的干擾,從而簡化了二值化處理過程,提高了后續(xù)處理的速度。 ( 4)本設計采用的圖像預處理、邊緣檢測、車牌長寬比特征識別等對車牌的定位都是非常有效的,而本設計提出的投影分析和閾值技術有效檢測了車牌圖像的上下左右邊框、旋轉角度,準確實現(xiàn)的車牌字符的分割,對多個車牌進行實驗,均有很高的正確率。 因此,本設計提出的車牌字符的分割算法實驗證明是準確、有效、可行的。本文能夠成功的完成,要特別感謝我的指導老師的關懷和教導,感謝各位師兄師姐的關心和幫助。使我心靈的天平永遠傾向執(zhí)著奮斗。 我要時時刻刻的記住人的一生要 “ 活到老,學到老 ” 緊跟時代 步伐,以豪情勃發(fā)的遠足邁向新的征途,新的挑戰(zhàn)。再此感謝我的老師和同學。39。 figure(1),imshow(I)。原圖 39。 I1=rgb2gray(I)。title(39。)。title(39。)。robert39。both39。 %高斯濾波器 ,方差為 figure(3),imshow(I2)。robert 算子邊緣檢測 39。1。 I3=imerode(I2,se)。title(39。)。rectangle39。 %構造結構元素,以長方形構造一個 se I4=imclose(I3,se)。 figure(5),imshow(I4)。平滑圖像的輪廓 39。 I5=bwareaopen(I4,2021)。title(39。)。 %返回 I5各維的尺寸,并存儲在變量 y、 x、 z中 myI=double(I5)。 %產(chǎn)生 y*1 的全 0矩陣 for i=1:y for j=1:x if(myI(i,j,1)==1) %如果 myI(i,j,1)即 myI 圖像中坐標為 (i,j)的點為藍色 %則 Blue_y 的相應行的元素 white_y(i,1)值加 1 浙江萬里學院本科畢業(yè)論文 31 Blue_y(i,1)= Blue_y(i,1)+1。%temp 為向量 white_y 的元素中的最大值, MaxY 為該值的索引( 在向量中的位置) PY1=MaxY。amp。 end PY2=MaxY。amp。 end IY=I(PY1:PY2,:,:)。%進一步確定 x方向的車牌區(qū)域 for j=1:x for i=PY1:PY2 if(myI(i,j,1)==1) Blue_x(1,j)= Blue_x(1,j)+1。 while ((Blue_x(1,PX1)3)amp。(PX1x)) 浙江萬里學院本科畢業(yè)論文 32 PX1=PX1+1。 while ((Blue_x(1,PX2)3)amp。(PX2PX1)) PX2=PX21。%對車牌區(qū)域的校正 PX2=PX2+2。 t=toc。行方向合理區(qū)域 39。 figure(7),subplot(1,2,2),imshow(dw),title(39。) imwrite(dw,39。)。39。輸入一個定位裁剪后的車牌圖像39。
點擊復制文檔內容
研究報告相關推薦
文庫吧 www.dybbs8.com
備案圖鄂ICP備17016276號-1