版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、<p><b> 課 程 設(shè) 計</b></p><p> 車牌識別的設(shè)計與實現(xiàn)</p><p><b> 姓名: </b></p><p><b> 學(xué)號 : </b></p><p><b> 專業(yè):信息工程</b></p&g
2、t;<p><b> 指導(dǎo)老師: </b></p><p><b> 2014年1月 </b></p><p> 車牌識別的設(shè)計與實現(xiàn)</p><p> 摘要:隨著我國經(jīng)濟、交通的的快速發(fā)展,車牌定位系統(tǒng)以及車牌字符自動識別技術(shù)也逐漸受到人們的重視。車牌識別是對采集的車牌圖像進行灰度變換、邊緣檢測、腐
3、蝕以及平滑處理,最后在取得的大對像中移除小對像,由此提出了一種基于車牌紋理特征的車牌定位算法,最終實現(xiàn)對車牌的定位。車牌字符分割是為了以便后續(xù)對車牌模板進行匹配從而對車牌進行識別,考慮到我國車牌的結(jié)構(gòu)構(gòu)成所采用的字符并不是很多,由此本文采用了模板匹配的方法,對輸出的圖像和模板庫里的模板進行匹配,通過處理后得到的圖片與模板字符相減,得到的0越多那么就越匹配,然后對其個數(shù)進行累計并找出數(shù)值最大的,即為識別出來的結(jié)果。</p>
4、<p> 關(guān)鍵詞:字符識別;模式識別;車牌定位;模板匹配;邊緣檢測</p><p><b> 1 引 言</b></p><p> 近年來隨著社會經(jīng)濟的高速發(fā)展、汽車數(shù)量急劇增加,對交通管理的要求也日益提高,而相應(yīng)的人工管理方式以不能滿足實際的需要,微電子、通信和計算機技術(shù)在交通領(lǐng)域的應(yīng)用極大地提高了交通管理的效率。運用電子信息技術(shù)實現(xiàn)安全、高效的智能
5、交通成為交通管理的主要發(fā)展方向。汽車牌照號碼是車輛的唯一“身份”標(biāo)識,通過智能的車牌定位及識別技術(shù)將對于維護交通安全和城市治安,防止交通堵塞,實現(xiàn)交通自動化管理有著現(xiàn)實的意義。</p><p> 車牌識別技術(shù)(Vehicle License Plate Recognition,VLPR) 是指能夠檢測到受監(jiān)控路面的車輛并自動提取車輛牌照信息進行處理的技術(shù)。車牌識別是現(xiàn)代智能交通系統(tǒng)中的重要組成部分之一,應(yīng)用十分
6、廣泛。它以數(shù)字圖像處理、模式識別、計算機視覺等技術(shù)為基礎(chǔ),對攝像機所拍攝的車輛圖像或者視頻序列進行分析,得到每一輛汽車唯一的車牌號碼,從而完成識別過程。</p><p> 車牌定位與字符識別技術(shù)是基于計算機圖像處理、模式識別等技術(shù)為基礎(chǔ),通過對原圖像的處理,以及邊緣檢測技術(shù)實現(xiàn)對車牌的定位,然后對車牌圖像處理、歸一化處理、分割以及保存,最后進行分割圖像與模板庫的模板進行匹配,最后輸出匹配結(jié)果。車牌的智能定位以及
7、識別是一個完整的系統(tǒng),考慮到其應(yīng)用的普遍性以及廣泛性,就要求我們在設(shè)計過程中考慮到以下幾方面:</p><p> (1)準(zhǔn)確性:盡可能的避開其他外界造成的干擾,準(zhǔn)確的識別車牌信息。</p><p> ?。?)實時性:考慮到車載行駛的過程中速度不一,對觸發(fā)超速攝像的抓拍應(yīng)當(dāng)及時的對其進行識別并且儲存,才能有效的提高工作效率。</p><p> ?。?)優(yōu)化性:采用竟
8、可能低的硬件要求,對其快速的做出的計算與識別。</p><p> 本文采用的是選取不同的邊緣算子檢測,通過實驗分析不同算子的效果,最終選取了canny算子進行車牌的邊緣檢測,更好的對其進行檢測與識別,然后通過二值化等處理進行分割,最終與模板庫模板進行對比,達到車牌識別的目的。 2 車牌識別系統(tǒng)分析</p><p> 2.1 車牌識別現(xiàn)狀分析</p><p>
9、 模式識別[]是一門以應(yīng)用為基礎(chǔ)的學(xué)科,目的是將對像進行分類,這些對像與應(yīng)用領(lǐng)域有關(guān),他們可以是圖像,信號波形或者是任何可測量且需要分類的對像,在機器視覺中,模式識別是非常重要的,機器視覺系統(tǒng)通過照相機捕捉圖像,然后通過分析生成圖像的描述信息。車牌識別技術(shù)是計算機模式識別技術(shù)在智能交通領(lǐng)域的典型應(yīng)用,是一個以特寫目標(biāo)為對像的專用計算機視覺系統(tǒng)[]。簡單地說,它使計算機能像人一樣認識汽車牌照(包括車牌的漢字、字母、數(shù)字)。</p&
10、gt;<p> 車輛牌照識別技術(shù)推出以來,人們就對其進行了廣泛的研究。從20世紀(jì)90年代初,國外就已經(jīng)開始了對汽車牌照自動識別[]的研究,其主要途徑就是對車牌的圖像進行分析,自動提取車牌信息,確定汽車牌號。國外己有不少相關(guān)的文章發(fā)表,有的己經(jīng)非常成熟,投入實際使用。</p><p> 我國車牌自動識別的研究起步較晚,大約發(fā)生在八十年代末。1988年戴營等利用常見的圖像處理技術(shù)方法提出漢字識別的分
11、類是在提取漢字特征的基礎(chǔ)上進行的。根據(jù)漢字的投影直方圖(ProjectionHIStogram),選取浮動閡值,進行量化處理后,形成一個變長鏈碼,再用動態(tài)規(guī)劃法,求出與標(biāo)準(zhǔn)模式鏈碼的最小距離,實現(xiàn)細分類,完成漢字省名的自動識別。 </p><p> 目前我國市場上有二十幾家企業(yè)從事車牌識別產(chǎn)品的開發(fā)和生產(chǎn),其中比較成熟的有香港的ASiavisionTeChnologyLtd公司(亞洲視覺科技有限公司)、北京
12、</p><p> 漢王、沈陽聚德、川大智勝、上海高德威、清華紫光、杭州友通、深圳科安信、利普視覺中智交通電子系統(tǒng)有限公司等企業(yè)。</p><p> 2.2 車牌識別的意義</p><p> 結(jié)合我國的國情,由于我國地域廣闊,車輛道路復(fù)雜,安裝相應(yīng)的檢測設(shè)備或者人員配備投資巨大,且造成人力物力的浪費,因此我們急需對現(xiàn)有的檢測設(shè)備優(yōu)化,而車牌識別技術(shù)恰好能滿足這
13、一需求,通過車牌識別我們可以解決被納入“黑名單”的通緝車輛,可以統(tǒng)計一定時間范圍內(nèi)進出各省的車輛,還能有效的對該車輛進行定位,對公安機關(guān)等相關(guān)部門有著很重要的作用,具體歸結(jié)應(yīng)用方式如下:</p><p><b> 1)監(jiān)測報警 </b></p><p> 對于納入“黑名單”的車輛,例如:被通緝或掛失的車輛、欠交費車輛、未年檢車輛、肇事逃逸及違章車輛等,我們只需要把
14、其牌照的信息輸入系統(tǒng),那么該車輛在通過裝有全國聯(lián)網(wǎng)系統(tǒng)的路口或者收費站等卡口時,信息采集設(shè)備將會對其進行采集并且與數(shù)據(jù)庫對比,實現(xiàn)其定位。這種方式可以通過程序?qū)崿F(xiàn)24小時工作,而且此過程保密性好,不會提醒黑名單車輛的死機。</p><p> 2)車輛出入自動登記及放行</p><p> 在需要管制的小區(qū)或者辦公場所門口裝設(shè)車牌識別系統(tǒng),那么汽車進出此場所時間,車牌牌照等信息將會被存儲在
15、相應(yīng)的數(shù)據(jù)庫中,通過修改相應(yīng)的數(shù)據(jù)庫,添加車牌信息,我們還能讓自動門禁對相應(yīng)的車輛進行自動放行,如遇到非數(shù)據(jù)庫中的車輛則由保安進行相應(yīng)的咨詢,或批準(zhǔn)后人為放行。這不僅提高物業(yè)管理的效益,同時自動比對進出車輛,防止偷盜事件的發(fā)生。</p><p><b> 3)違法違章管理 </b></p><p> 車牌識別技術(shù)結(jié)合測速設(shè)備可以用于車輛超速違章處罰,一般用于高速公
16、路、容易肇事路段。還可以在紅綠燈路口加上紅外檢測實現(xiàn)違規(guī)檢測,對出現(xiàn)闖紅燈的現(xiàn)像或者違規(guī)轉(zhuǎn)彎的現(xiàn)像進行相應(yīng)的數(shù)據(jù)采集。將其傳送至相關(guān)部門,從而對其下發(fā)處罰通知書,實現(xiàn)對其處罰。</p><p> 4)交通流控制指標(biāo)參量的測量</p><p> 為達到交通流控制的目標(biāo),一些交通流指標(biāo)的測量相當(dāng)重要。車牌識別系統(tǒng)能夠測量和統(tǒng)計很多交通流指標(biāo)參數(shù)例如車流量,車流高峰時間段,平均車速,車輛密度
17、等。這也為交通誘導(dǎo)系統(tǒng)提供必要的交通流信息。從而能夠有效的采取措施預(yù)防堵車,排隊,事故等交通異常現(xiàn)像。</p><p> 5)移動電子警察系統(tǒng)</p><p> 隨著我國公路基礎(chǔ)建設(shè)的快速發(fā)展,公路的質(zhì)量、里程都有了很大程度上的提高,但也出現(xiàn)了不交養(yǎng)路費等情況,給國家造成了巨大的經(jīng)濟損失。且丟失車輛稽查、車輛是否合法、攔車路檢等情況都需要公安人員對其進行相應(yīng)的檢查,由于人工判斷工作效率
18、很低且容易讓正常車主及乘客造成誤解,現(xiàn)在有了車牌自動識別技術(shù)之后將大大提高辦公效率以及檢查的準(zhǔn)確性,很大程度上解決了以上的問題。</p><p><b> 3實現(xiàn)目標(biāo)和功能</b></p><p> 車牌識別(Vehicle License Plate Recognition,VLPR) 是現(xiàn)代智能交通系統(tǒng)中的重要組成部分之一,應(yīng)用十分廣泛,車牌識別技術(shù)通過對信息
19、量較大的對像采集,然后經(jīng)過一系列的處理提取了相對較小的信息量且有價值的一部分信息,僅僅提取識別車“身份”的車牌信息。在交通管理過程中,通常采用視頻監(jiān)控方式對闖紅燈和超速等違章車輛進行監(jiān)督。對違章車輛,需要自動檢測車牌信息,提取車牌號碼,以便查找車主信息和監(jiān)督管理。對于維護交通安全和城市治安,防止交通堵塞,實現(xiàn)交通自動化管理有著現(xiàn)實的意義。</p><p><b> 實現(xiàn)功能</b><
20、/p><p> 1)對圖像進行預(yù)處理,增加圖像的對比度;</p><p> 2)根據(jù)圖像的顏色對車牌區(qū)域定位</p><p> 3)對圖像進行旋轉(zhuǎn)、二值化操作,并進行水平投影操作,根據(jù)直方圖峰值和谷值對字符進行分割;</p><p> 4)可采用模板匹配方法,對數(shù)字和字母進行識別,并輸出識別后的結(jié)果。</p><p&g
21、t; 4 實現(xiàn)所采用的方法</p><p> 車輛牌照識別整個系統(tǒng)主要是由車牌定位和字符識別兩部分組成,其中車牌定位又可以分為圖像預(yù)處理及邊緣提取模塊和牌照的定位及分割模塊;字符識別可以分為字符分割與特征提取和單個字符識別兩個模塊。</p><p> 為了用于牌照的分割和牌照字符的識別,原始圖像應(yīng)具有適當(dāng)?shù)牧炼?,較大的對比度和清晰可辯的牌照圖像。但由于該系統(tǒng)的攝像部分工作于開放的戶外
22、環(huán)境,加之車輛牌照的整潔度、自然光照條件、拍攝時攝像機與牌照的矩離和角度以及車輛行駛速度等因素的影響,牌照圖像可能出現(xiàn)模糊、歪斜和缺損等嚴重缺陷,因此需要對原始圖像進行識別前的預(yù)處理。</p><p> 牌照的定位和分割是牌照識別系統(tǒng)的關(guān)鍵技術(shù)之一,其主要目的是在經(jīng)圖像預(yù)處理后的原始灰度圖像中確定牌照的具體位置,并將包含牌照字符的一塊子圖像從整個圖像中分割出來,供字符識別子系統(tǒng)識別之用,分割的準(zhǔn)確與否直接關(guān)系到
23、整個牌照字符識別系統(tǒng)的識別率。</p><p> 由于拍攝時的光照條件、牌照的整潔程度的影響,和攝像機的焦距調(diào)整、鏡頭的光學(xué)畸變所產(chǎn)生的噪聲都會不同程度地造成牌照字符的邊界模糊、細節(jié)不清、筆劃斷開或粗細不均,加上牌照上的污斑等缺陷,致使字符提取困難,進而影響字符識別的準(zhǔn)確性。因此,需要對字符在識別之前再進行一次針對性的處理。</p><p> 車牌識別的最終目的就是對車牌上的文字進行識
24、別。主要應(yīng)用的為模板匹配方法。</p><p> 因為系統(tǒng)運行的過程中,主要進行的都是圖像處理,在這個過程中要進行大量的數(shù)據(jù)處理,所以處理器和內(nèi)存要求比較高,CPU要求主頻在600HZ及以上,內(nèi)存在128MB及以上。系統(tǒng)可以運行于Windows98、Windows2000或者Windows XP操作系統(tǒng)下,程序調(diào)試時使用matlab。</p><p> 5實現(xiàn)目標(biāo)方法流程圖</p
25、><p> 車牌定位與字符識別技術(shù)是基于計算機圖像處理、模式識別等技術(shù)為基礎(chǔ),通過對原圖像的處理,以及邊緣檢測技術(shù)實現(xiàn)對車牌的定位,然后對車牌圖像處理、歸一化處理、分割以及保存,最后進行分割圖像與模板庫的模板進行匹配,最后輸出匹配結(jié)果。流程如下圖所示</p><p><b> 車牌識別系統(tǒng)流程圖</b></p><p> 圖1車牌識別系統(tǒng)流程
26、圖</p><p><b> 6實現(xiàn)目標(biāo)主要步驟</b></p><p> 1) 獲取圖像 裝入待處理彩色圖像并顯示原始圖像 </p><p> 2) 圖像預(yù)處理 對Sgray 原始黑白圖像進行開操作得到圖像背景</p><p> 3) 取得最佳閾值,將圖像二值化 </p><p>
27、; 4) 對得到二值圖像作開閉操作進行濾波</p><p> 5) 對二值圖像進行區(qū)域提取,并計算區(qū)域特征參數(shù)。進行區(qū)域特征參數(shù)比較,提取車牌區(qū)域 </p><p> 6) 計算車牌水平投影,并對水平投影進行峰谷分析</p><p> 7) 計算車牌旋轉(zhuǎn)角度 </p><p> 8) 旋轉(zhuǎn)車牌后重新計算車牌水平投影,去掉車牌水平邊框
28、,獲取字符高度</p><p> 9) 計算車牌垂直投影,去掉車牌垂直邊框,獲取車牌及字符平均寬度</p><p> 10) 計算車牌上每個字符中心位置,計算最大字符寬度</p><p> 11) 提取分割字符,并變換為22行?14列標(biāo)準(zhǔn)子圖</p><p><b> 7 程序結(jié)果顯示</b></p>
29、<p> Step1 獲取圖像 裝入待處理彩色圖像并顯示原始黑白圖像</p><p> 圖1-1原始彩色圖像</p><p> 圖1-2原始黑白圖像</p><p> Step2 圖像預(yù)處理 對原始黑白圖像進行開操作得到圖像背景</p><p> 圖2-1原始黑白圖像
30、 </p><p><b> 圖2-2背景圖像</b></p><p> 圖2-3增強黑白圖像(原始黑白圖像與背景圖像相減)</p><p> Step3 取得最佳閾值,將圖像二值化 </p><p> 二值圖像是指整幅圖像畫面內(nèi)僅黑、白二值的圖像。在實際的車牌處理系統(tǒng)中,進行圖像二值變換的關(guān)
31、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。車牌識別系統(tǒng)要求處理的速度高、成本低、信息量大,采用二值圖像進行處理,能大大地提高處理效率。閾值處理的操作過程是先由用戶指定或通過算法生成一個閾值,如果圖像中某中像素的灰度值小于該閾值,則將該像素的灰度值設(shè)置為0或255,否則灰度值設(shè)置為255或0。</p><p><b
32、> 圖3-1圖像二值化</b></p><p> Step4 對得到二值圖像作開閉操作進行濾波 </p><p> 1)邊緣檢測:兩個具有不同灰度值的相鄰區(qū)域之間總存在邊緣,邊緣就是灰度值不連續(xù)的結(jié)果,是圖像分割、紋理特征提取和形狀特征提取等圖像分析的基礎(chǔ)。為了對有意義的邊緣點進行分類,與這個點相聯(lián)系的灰度級必須比在這一點的背景上變換更有效,我們通過門限方法來決定一
33、個值是否有效。所以,如果一個點的二維一階導(dǎo)數(shù)比指定的門限大,我們就定義圖像中的次點是一個邊緣點,一組這樣的依據(jù)事先定好的連接準(zhǔn)則相連的邊緣點就定義為一條邊緣。經(jīng)過一階的導(dǎo)數(shù)的邊緣檢測,所求的一階導(dǎo)數(shù)高于某個閾值,則確定該點為邊緣點,這樣會導(dǎo)致檢測的邊緣點太多。可以通過求梯度局部最大值對應(yīng)的點,并認定為邊緣點,去除非局部最大值,可以檢測出精確的邊緣。一階導(dǎo)數(shù)的局部最大值對應(yīng)二階導(dǎo)數(shù)的零交叉點,這樣通過找圖像強度的二階導(dǎo)數(shù)的零交叉點就能找到
34、精確邊緣點。</p><p> 圖4-1圖像邊緣提取</p><p> 2)對得到圖像作開操作進行濾波:數(shù)學(xué)形態(tài)非線性濾波,可以用于抑制噪聲,進行特征提取、邊緣檢測、圖像分割等圖像處理問題。腐蝕是一種消除邊界點的過程,結(jié)果是使目標(biāo)縮小,孔洞增大,因而可有效的消除孤立噪聲點;膨脹是將與目標(biāo)物體接觸的所有背景點合并到物體中的過程,結(jié)果是使目標(biāo)增大,孔洞縮小,可填補目標(biāo)物體中的空洞,形成連通
35、域。先腐蝕后膨脹的過程稱為開運算,它具有消除細小物體,并在纖細處分離物體和平滑較大物體邊界的作用;先膨脹后腐蝕的過程稱為閉運算,具有填充物體內(nèi)細小空洞,連接鄰近物體和平滑邊界的作用。對圖像做了開運算和閉運算,閉運算可以使圖像的輪廓線更為光滑,它通常用來消掉狹窄的間斷和長細的鴻溝,消除小的孔洞,并彌補輪廓線中的斷裂。</p><p><b> 圖4-2圖像閉運算</b></p>
36、<p><b> 圖4-3圖像開運算</b></p><p> Step5 對二值圖像進行區(qū)域提取,并計算區(qū)域特征參數(shù)。進行區(qū)域特征參數(shù)比較,提取車牌區(qū)域</p><p> 1)對圖像每個區(qū)域進行標(biāo)記,然后計算每個區(qū)域的圖像特征參數(shù):區(qū)域中心位置、最小包含矩形、面積。</p><p> 圖5-1圖像彩色標(biāo)記</p>
37、;<p> 2)計算出包含所標(biāo)記的區(qū)域的最小寬和高,并根據(jù)先驗知識,比較誰的寬高比更接近實際車牌寬高比,將更接近的提取并顯示出來。</p><p> 圖5-2車牌灰度子圖與二值子圖</p><p> Step6 計算車牌水平投影,并對水平投影進行峰谷分析</p><p> 1)對水平投影進行峰谷分析,計算出車牌上邊框、車牌字符投影、車牌下邊框的
38、波形峰上升點、峰下降點、峰寬、谷寬、峰間距離、峰中心位置參數(shù)。</p><p> 對水平投影進行峰谷分析:</p><p> 圖6-2車牌二值子圖</p><p> Step7 計算車牌旋轉(zhuǎn)角度</p><p> 1)車牌傾斜的原因?qū)е峦队靶Ч骞晒炔幻黠@,在這里需要做車牌矯正處理。這里采取的線性擬合的方法,計算出車牌上邊或下邊圖像值
39、為1的點擬合直線與水平X軸的夾角。</p><p> Step8 旋轉(zhuǎn)車牌后重新計算車牌水平投影,去掉車牌水平邊框 </p><p> 圖8-1垂直與水平投影</p><p> Step9 計算車牌垂直投影,去掉車牌垂直邊框,獲取車牌及字符平均寬度</p><p> 1)通過以上水平投影、垂直投影分析計算,獲得了車牌字符高度、字符頂行
40、與尾行、字符寬度、每個字符的中心位置,為提取分割字符具備了條件。</p><p> Step10字符分割及輸出結(jié)果</p><p> 進行車牌識別前需要使用樣本對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練,然后使用訓(xùn)練好的網(wǎng)絡(luò)對車牌進行識別。其具體流程為:使用漢字、字母、字母數(shù)字、數(shù)字四個樣本分別對四個子網(wǎng)絡(luò)進行訓(xùn)練,得到相應(yīng)的節(jié)點數(shù)和權(quán)值。對已經(jīng)定位好的車牌進行圖像預(yù)處理,逐個的特征提取,然后從相應(yīng)的文件中讀
41、取相應(yīng)的節(jié)點數(shù)和權(quán)值,把車牌字符分別送入相應(yīng)的網(wǎng)絡(luò)進行識別,輸出識別結(jié)果。</p><p><b> 結(jié)果圖</b></p><p> 顯示結(jié)果為:除漢字外的字符BB88888 </p><p><b> 8 結(jié)果總結(jié)及分析</b></p><p> 實驗對車牌識別系統(tǒng)的軟件部分進行了研究,
42、分別從圖像預(yù)處理、車牌定位、字符分割以及字符識別等方面進行了系統(tǒng)的分析。整理和總結(jié)了國內(nèi)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。在車牌定位我們采用基于灰度跳變的定位方法,采用先對圖像進行預(yù)處理,再進行二值化操作的方法。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?;诓噬至康亩ㄎ环椒ǎ\用基于藍色像素點統(tǒng)計特性的
43、方法對車牌是藍色的車牌進行定位,實驗表明,用該方法實現(xiàn)的車牌定位準(zhǔn)確率較高。本設(shè)計用MATLAB編程運行結(jié)果可以得出,本設(shè)計采用的圖像預(yù)處理、CANNY邊緣檢測、開閉運算子[5,19]、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(shè)計提出的二次水平投影分析和閾值技術(shù)有效檢測了車牌圖像的上下左右邊框、旋轉(zhuǎn)角度,準(zhǔn)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。本設(shè)計雖然只對藍底白字車牌進行分割識別,對黑底白字車牌原則
44、上整個算法可直接適用,對白底黑字車牌、黃底黑字車牌,需要對車牌定位算法進行調(diào)整,</p><p><b> 9設(shè)計體會</b></p><p> 經(jīng)過近一周的奮戰(zhàn)我的課程設(shè)計終于完成了。課程設(shè)計不僅是對前面所學(xué)知識的一種檢驗,而且也是對自己能力的一種提高。以前老是覺得自己什么東西都不會,什么東西都不懂,而且又急于求成,結(jié)果造成什么都沒學(xué)好,還是什么都不會。通過這次
45、課程設(shè)計,我才明白學(xué)習(xí)是一個長期積累的過程,在以后的工作、生活中都應(yīng)該不斷的學(xué)習(xí),努力提高自己知識和綜合素質(zhì),特別是對于我,基礎(chǔ)比較差,一定不能太過于心急,要靜下心來慢慢的研究。在這次課程設(shè)計中也使我們的同學(xué)關(guān)系更進一步了,同學(xué)之間互相幫助,有什么不懂的大家在一起商量,聽聽不同的看法對我們更好的理解知識,所以在這里非常感謝幫助我的同學(xué),我也明白學(xué)習(xí)不是埋頭苦讀書,而是合理的利用資源,從同學(xué)那里,老師那里得到的有用的想法和信息,特別是網(wǎng)上
46、有很多很好的資料,對自己的自學(xué)能力也是很好的提高。</p><p><b> 參考文獻</b></p><p> [1](希)西奧多里德斯等著.模式識別(第三版)[M].電子工業(yè)出版社,2006年12月。1-6</p><p> [2]孫增祈. 智能控制理論與技術(shù)[M]. 北京:清華大學(xué)出版社,1999</p><p&
47、gt; [3]鐘珞,潘昊,何平.模式識別[M]書.武漢:武漢大學(xué)出版社,2006年9月第1版:P1-P5,P62-P64</p><p> [4]葉晨洲等. 車輛牌照字符識別系統(tǒng)[J]. 計算機系統(tǒng)應(yīng)用,1999(5): 10-13</p><p> [5]袁志偉,潘曉露. 車輛牌照定位的算法研究[J]. 昆明理工大學(xué)學(xué)報,2001,26(2): 56-60</p>&
48、lt;p> [6]岡薩雷斯. 數(shù)字圖像處理(第二版)[M]. 北京:電子工業(yè)出版社,2007</p><p><b> 附錄</b></p><p><b> 主要代碼程序</b></p><p><b> clear ;</b></p><p> close
49、all;</p><p> %Step1 獲取圖像 裝入待處理彩色圖像并顯示原始圖像</p><p> Scolor = imread('3.jpg');%imread函數(shù)讀取圖像文件</p><p> %將彩色圖像轉(zhuǎn)換為黑白并顯示</p><p> Sgray = rgb2gray(Scolor);%rgb2gr
50、ay轉(zhuǎn)換成灰度圖</p><p> figure,imshow(Scolor),title('原始彩色圖像');%figure命令同時顯示兩幅圖</p><p> figure,imshow(Sgray),title('原始黑白圖像');</p><p> %Step2 圖像預(yù)處理 對Sgray 原始黑白圖像進行開操作得到圖
51、像背景</p><p> s=strel('disk',13);%strel函數(shù)</p><p> Bgray=imopen(Sgray,s);%打開sgray s圖像</p><p> figure,imshow(Bgray);title('背景圖像');%輸出背景圖像</p><p> %用原始圖像
52、與背景圖像作減法,增強圖像</p><p> Egray=imsubtract(Sgray,Bgray);%兩幅圖相減</p><p> figure,imshow(Egray);title('增強黑白圖像');%輸出黑白圖像</p><p> %Step3 取得最佳閾值,將圖像二值化</p><p> fmax1=d
53、ouble(max(max(Egray)));%egray的最大值并輸出雙精度型</p><p> fmin1=double(min(min(Egray)));%egray的最小值并輸出雙精度型</p><p> level=(fmax1-(fmax1-fmin1)/3)/255;%獲得最佳閾值</p><p> bw22=im2bw(Egray,level)
54、;%轉(zhuǎn)換圖像為二進制圖像</p><p> bw2=double(bw22);</p><p> %Step4 對得到二值圖像作開閉操作進行濾波</p><p> figure,imshow(bw2);title('圖像二值化');%得到二值圖像</p><p> grd=edge(bw2,'canny'
55、;)%用canny算子識別強度圖像中的邊界</p><p> figure,imshow(grd);title('圖像邊緣提取');%輸出圖像邊緣</p><p> bg1=imclose(grd,strel('rectangle',[5,19]));%取矩形框的閉運算</p><p> figure,imshow(bg1);t
56、itle('圖像閉運算[5,19]');%輸出閉運算的圖像</p><p> bg3=imopen(bg1,strel('rectangle',[5,19]));%取矩形框的開運算</p><p> figure,imshow(bg3);title('圖像開運算[5,19]');%輸出開運算的圖像</p><p>
57、 bg2=imopen(bg3,strel('rectangle',[19,1]));%取矩形框的開運算</p><p> figure,imshow(bg2);title('圖像開運算[19,1]');%輸出開運算的圖像</p><p> %Step5 對二值圖像進行區(qū)域提取,并計算區(qū)域特征參數(shù)。進行區(qū)域特征參數(shù)比較,提取車牌區(qū)域</p>
58、<p> [L,num] = bwlabel(bg2,8);%標(biāo)注二進制圖像中已連接的部分</p><p> Feastats = imfeature(L,'basic');%計算圖像區(qū)域的特征尺寸</p><p> Area=[Feastats.Area];%區(qū)域面積</p><p> BoundingBox=[Feastat
59、s.BoundingBox];%[x y width height]車牌框架大小</p><p> RGB = label2rgb(L, 'spring', 'k', 'shuffle'); %標(biāo)志圖像向RGB圖像轉(zhuǎn)換</p><p> figure,imshow(RGB);title('圖像彩色標(biāo)記');%輸出框架的彩色
60、圖像</p><p><b> lx=0;</b></p><p> for l=1:num</p><p> width=BoundingBox((l-1)*4+3);%框架寬度的計算</p><p> hight=BoundingBox((l-1)*4+4);%框架高度的計算</p><p
61、> if (width>98 & width<160 & hight>25 & hight<50)%框架的寬度和高度的范圍</p><p><b> lx=lx+1;</b></p><p> Getok(lx)=l;</p><p><b> end</b>&
62、lt;/p><p><b> end</b></p><p> for k= 1:lx</p><p> l=Getok(k); </p><p> startcol=BoundingBox((l-1)*4+1)-2;%開始列</p><p> startrow=BoundingBox
63、((l-1)*4+2)-2;%開始行</p><p> width=BoundingBox((l-1)*4+3)+8;%車牌寬</p><p> hight=BoundingBox((l-1)*4+4)+2;%車牌高</p><p> rato=width/hight;%計算車牌長寬比</p><p> if rato>2 &a
64、mp; rato<4 </p><p><b> break;</b></p><p><b> end</b></p><p><b> end</b></p><p> sbw1=bw2(startrow:startrow+hight,startcol:s
65、tartcol+width-1); %獲取車牌二值子圖</p><p> subcol1=Sgray(startrow:startrow+hight,startcol:startcol+width-1);%獲取車牌灰度子圖</p><p> figure,subplot(2,1,1),imshow(subcol1);title('車牌灰度子圖');%輸出灰度圖</
66、p><p> subplot(2,1,2),imshow(sbw1);title('車牌二值子圖');%輸出車牌的二值圖</p><p> %Step6 計算車牌水平投影,并對水平投影進行峰谷分析</p><p> histcol1=sum(sbw1); %計算垂直投影</p><p> histrow=sum(
67、sbw1'); %計算水平投影</p><p> figure,subplot(2,1,1),bar(histcol1);title('垂直投影(含邊框)');%輸出垂直投影</p><p> subplot(2,1,2),bar(histrow); title('水平投影(含邊框)');%輸出水平投影</p>&
68、lt;p> figure,subplot(2,1,1),bar(histrow); title('水平投影(含邊框)');%輸出水平投影</p><p> subplot(2,1,2),imshow(sbw1);title('車牌二值子圖');%輸出二值圖</p><p> %對水平投影進行峰谷分析</p><p>
69、; meanrow=mean(histrow);%求水平投影的平均值</p><p> minrow=min(histrow);%求水平投影的最小值</p><p> levelrow=(meanrow+minrow)/2;%求水平投影的平均值</p><p><b> count1=0;</b></p><p>
70、;<b> l=1;</b></p><p> for k=1:hight</p><p> if histrow(k)<=levelrow </p><p> count1=count1+1; </p>
71、;<p><b> else </b></p><p> if count1>=1</p><p> markrow(l)=k;%上升點</p><p> markrow1(l)=count1;%谷寬度(下降點至下一個上升點)</p><p><b> l=l+1;</b&g
72、t;</p><p><b> end</b></p><p><b> count1=0;</b></p><p><b> end</b></p><p><b> end</b></p><p> markrow2=
73、diff(markrow);%峰距離(上升點至下一個上升點)</p><p> [m1,n1]=size(markrow2);</p><p><b> n1=n1+1;</b></p><p> markrow(l)=hight;</p><p> markrow1(l)=count1;</p>
74、<p> markrow2(n1)=markrow(l)-markrow(l-1);</p><p><b> l=0;</b></p><p> for k=1:n1</p><p> markrow3(k)=markrow(k+1)-markrow1(k+1);%下降點</p><p> mark
75、row4(k)=markrow3(k)-markrow(k);%峰寬度(上升點至下降點)</p><p> markrow5(k)=markrow3(k)-double(uint16(markrow4(k)/2));%峰中心位置</p><p><b> end </b></p><p> %Step7 計算車牌旋轉(zhuǎn)角度</p>
76、;<p> %(1)在上升點至下降點找第一個為1的點</p><p> [m2,n2]=size(sbw1);%sbw1的圖像大小</p><p> [m1,n1]=size(markrow4);%markrow4的大小</p><p> maxw=max(markrow4);%最大寬度為字符</p><p> if
77、markrow4(1) ~= maxw%檢測上邊</p><p><b> ysite=1;</b></p><p><b> k1=1;</b></p><p> for l=1:n2</p><p> for k=1:markrow3(ysite)%從頂邊至第一個峰下降點掃描</p
78、><p> if sbw1(k,l)==1</p><p> xdata(k1)=l;</p><p> ydata(k1)=k;</p><p><b> k1=k1+1;</b></p><p><b> break;</b></p><p>
79、;<b> end</b></p><p><b> end</b></p><p><b> end</b></p><p> else %檢測下邊</p><p><b> ysite=n1;</b></p><p>
80、; if markrow4(n1) ==0</p><p> if markrow4(n1-1) ==maxw</p><p> ysite= 0; %無下邊</p><p><b> else</b></p><p> ysite= n1-1;</p><p><b> e
81、nd</b></p><p><b> end</b></p><p> if ysite ~=0</p><p><b> k1=1;</b></p><p> for l=1:n2</p><p><b> k=m2;</b>&
82、lt;/p><p> while k>=markrow(ysite) %從底邊至最后一個峰的上升點掃描</p><p> if sbw1(k,l)==1</p><p> xdata(k1)=l;</p><p> ydata(k1)=k;</p><p><b> k1=k1+1;</b&
83、gt;</p><p><b> break;</b></p><p><b> end</b></p><p><b> k=k-1;</b></p><p><b> end</b></p><p><b>
84、 end</b></p><p><b> end</b></p><p> end </p><p> %(2)線性擬合,計算與x夾角</p><p> fresult = fit(xdata',ydata','poly1'); %poly1 Y
85、 = p1*x+p2</p><p> p1=fresult.p1;</p><p> angle=atan(fresult.p1)*180/pi; %弧度換為度,360/2pi, pi=3.14</p><p> %(3)旋轉(zhuǎn)車牌圖像</p><p> subcol = imrotate(subcol1,angle,'bi
86、linear','crop'); %旋轉(zhuǎn)車牌圖像</p><p> sbw = imrotate(sbw1,angle,'bilinear','crop');%旋轉(zhuǎn)圖像</p><p> figure,subplot(2,1,1),imshow(subcol);title('車牌灰度子圖');%輸出車牌旋轉(zhuǎn)后的灰度
87、圖像標(biāo)題顯示車牌灰度子圖</p><p> subplot(2,1,2),imshow(sbw);title('');%輸出車牌旋轉(zhuǎn)后的灰度圖像</p><p> title(['車牌旋轉(zhuǎn)角: ',num2str(angle),'度'] ,'Color','r');%顯示車牌的旋轉(zhuǎn)角度</p>
88、<p> %Step8 旋轉(zhuǎn)車牌后重新計算車牌水平投影,去掉車牌水平邊框,獲取字符高度</p><p> histcol1=sum(sbw); %計算垂直投影</p><p> histrow=sum(sbw'); %計算水平投影</p><p> figure,subplot(2,1,1),bar(histcol1);title(
89、9;垂直投影(旋轉(zhuǎn)后)');</p><p> subplot(2,1,2),bar(histrow); title('水平投影(旋轉(zhuǎn)后)');</p><p> figure,subplot(2,1,1),bar(histrow); title('水平投影(旋轉(zhuǎn)后)');</p><p> subplo
90、t(2,1,2),imshow(sbw);title('車牌二值子圖(旋轉(zhuǎn)后)');</p><p> %去水平(上下)邊框,獲取字符高度</p><p> maxhight=max(markrow2);</p><p> findc=find(markrow2==maxhight);</p><p> rowtop=
91、markrow(findc);</p><p> rowbot=markrow(findc+1)-markrow1(findc+1);</p><p> sbw2=sbw(rowtop:rowbot,:); %子圖為(rowbot-rowtop+1)行</p><p> maxhight=rowbot-rowtop+1; %字符高度(rowbot-row
92、top+1)</p><p> %Step9 計算車牌垂直投影,去掉車牌垂直邊框,獲取車牌及字符平均寬度</p><p> histcol=sum(sbw2); %計算垂直投影</p><p> figure,subplot(2,1,1),bar(histcol);title('垂直投影(去水平邊框后)');%輸出車牌的垂直投影圖像</
93、p><p> subplot(2,1,2),imshow(sbw2); %輸出垂直投影圖像</p><p> title(['車牌字符高度: ',int2str(maxhight)],'Color','r');%輸出車牌字符高度</p><p> %對垂直投影進行峰谷分析</p><p>
94、meancol=mean(histcol);%求垂直投影的平均值</p><p> mincol=min(histcol);%求垂直投影的平均值</p><p> levelcol=(meancol+mincol)/4;%求垂直投影的1/4</p><p><b> count1=0;</b></p><p>&l
95、t;b> l=1;</b></p><p> for k=1:width</p><p> if histcol(k)<=levelcol </p><p> count1=count1+1;</p><p><b> else </b></p><p> if
96、 count1>=1</p><p> markcol(l)=k; %字符上升點</p><p> markcol1(l)=count1; %谷寬度(下降點至下一個上升點)</p><p><b> l=l+1;</b></p><p><b> end</b></p>
97、<p><b> count1=0;</b></p><p><b> end</b></p><p><b> end</b></p><p> markcol2=diff(markcol);%字符距離(上升點至下一個上升點)</p><p> [m1,n
98、1]=size(markcol2);</p><p><b> n1=n1+1;</b></p><p> markcol(l)=width;</p><p> markcol1(l)=count1;</p><p> markcol2(n1)=markcol(l)-markcol(l-1);</p>
99、<p> %Step10 計算車牌上每個字符中心位置,計算最大字符寬度maxwidth</p><p><b> l=0;</b></p><p> for k=1:n1</p><p> markcol3(k)=markcol(k+1)-markcol1(k+1);%字符下降點</p><p>
100、 markcol4(k)=markcol3(k)-markcol(k); %字符寬度(上升點至下降點)</p><p> markcol5(k)=markcol3(k)-double(uint16(markcol4(k)/2));%字符中心位置</p><p><b> end </b></p><p> markcol6=diff(ma
101、rkcol5); %字符中心距離(字符中心點至下一個字符中心點)</p><p> maxs=max(markcol6); %查找最大值,即為第二字符與第三字符中心距離</p><p> findmax=find(markcol6==maxs);</p><p> markcol6(findmax)=0;</p><p> maxwi
102、dth=max(markcol6);%查找最大值,即為最大字符寬度</p><p> %Step11 提取分割字符,并變換為22行14列標(biāo)準(zhǔn)子圖</p><p><b> l=1;</b></p><p> [m2,n2]=size(subcol);</p><p><b> figure;</b
103、></p><p> for k=findmax-1:findmax+5</p><p> cleft=markcol5(k)-maxwidth/2;</p><p> cright=markcol5(k)+maxwidth/2-2;</p><p> if cleft<1</p><p><
104、b> cleft=1;</b></p><p> cright=maxwidth;</p><p><b> end</b></p><p> if cright>n2</p><p> cright=n2;</p><p> cleft=n2-maxwidth
105、;</p><p><b> end</b></p><p> SegGray=sbw(rowtop:rowbot,cleft:cright);</p><p> SegBw1=sbw(rowtop:rowbot,cleft:cright);</p><p> SegBw2 = imresize(SegBw1,[
106、22 14]);%變換為22行14列標(biāo)準(zhǔn)子圖 </p><p> subplot(2,n1,l),imshow(SegGray);</p><p><b> if l==7</b></p><p> title(['車牌字符寬度: ',int2str(maxwidth)],'Color','
107、;r');</p><p><b> end</b></p><p> subplot(2,n1,n1+l),imshow(SegBw2); </p><p> fname=strcat('c:\work\sam\image',int2str(k),'.jpg');<
108、;/p><p> imwrite(SegBw2,fname,'jpg') </p><p><b> l=l+1;</b></p><p><b> end</b></p><p> %Step12 將計算計算獲取的字符圖像與樣本庫進行匹配,自動識別出字符代碼。</p>
109、;<p> liccode=char(['0':'9' 'A':'Z' ]); %建立自動識別字符代碼表 </p><p> SubBw2=zeros(22,14);</p><p><b> l=1;</b></p><p> [m2,n2]=size(s
110、bw);</p><p> for k=findmax-1:findmax+5</p><p> cleft=markcol5(k)-maxwidth/2;</p><p> cright=markcol5(k)+maxwidth/2-2;</p><p> if cleft<1</p><p><
111、b> cleft=1;</b></p><p> cright=maxwidth;</p><p><b> end</b></p><p> if cright>n2</p><p> cright=n2;</p><p> cleft=n2-maxwidth
112、; end</p><p> SegBw1=sbw(rowtop:rowbot,cleft:cright);</p><p> SegBw2 = imresize(SegBw1,[22 14]);%變換為22行14列標(biāo)準(zhǔn)子圖 </p><p> if l==1 %第一位漢字識別</p><p>
113、;<b> kmin=37;</b></p><p><b> kmax=45;</b></p><p> elseif l==2 %第二位 A~Z 字母識別</p><p><b> kmin=11;</b></p><p><b>
114、 kmax=36;</b></p><p> elseif l>=3 & l<=5 %第三、四位 0~9 A~Z字母和數(shù)字識別</p><p><b> kmin=1;</b></p><p><b> kmax=36;</b></p><p>
115、 else %第五~七位 0~9 數(shù)字識別</p><p><b> kmin=1;</b></p><p><b> kmax=10;</b></p><p><b> end</b></p><p> for k2=kmin:k
116、max</p><p> fname=strcat('H:\work\sam\Sam',liccode(k2),'.jpg');</p><p> SamBw2 = imread(fname); </p><p> for i=1:22</p><p> for j=1:14<
117、;/p><p> SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j);</p><p><b> end</b></p><p> end %SubBw2 = SamBw2-SegBw2;</p><p><b> Dmax=0;</b></p><p&g
118、t; for k1=1:22</p><p> for l1=1:14</p><p> if ( SubBw2(k1,l1) > 0 | SubBw2(k1,l1) <0 )</p><p> Dmax=Dmax+1;</p><p><b> end</b></p><p&g
119、t;<b> end</b></p><p><b> end</b></p><p> Error(k2)=Dmax;</p><p><b> end</b></p><p> Error1=Error(kmin:kmax);%比較誤差</p>&l
120、t;p> MinError=min(Error1);%取誤差的最小值</p><p> findc=find(Error1==MinError);%查找最小誤差的圖像</p><p> RegCode(l*2-1)=liccode(findc(1)+kmin-1);</p><p> RegCode(l*2)=' ';%輸出最小誤差圖像
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 車牌識別課程設(shè)計--車牌識別系統(tǒng)設(shè)計
- matlab車牌識別課程設(shè)計報告
- 車牌定位與識別的設(shè)計與實現(xiàn)
- 課程設(shè)計--matlab車牌識別系統(tǒng)
- 車牌定位與識別的設(shè)計與實現(xiàn)-畢業(yè)論文
- 課程設(shè)計---簡易車牌識別系統(tǒng)設(shè)計
- 課程設(shè)計報告--車牌識別系統(tǒng)的設(shè)計
- 車牌識別系統(tǒng)的設(shè)計--課程設(shè)計報告
- 課程設(shè)計報告-車牌識別系統(tǒng)的設(shè)計
- 車牌檢測與識別的研究與實現(xiàn).pdf
- 車牌識別的matlab程序
- 汽車牌照識別的研究與實現(xiàn).pdf
- 基于模式識別的車牌字符識別研究與實現(xiàn).pdf
- 車牌識別設(shè)計與實現(xiàn)(畢業(yè)論文)
- 人臉識別課程設(shè)計論文
- 基于車牌識別系統(tǒng)的車牌定位方法的設(shè)計與實現(xiàn)
- 車牌識別系統(tǒng)中字符識別的研究與實現(xiàn).pdf
- 基于matlab車牌識別系統(tǒng)設(shè)計與實現(xiàn)
- 車牌定位識別系統(tǒng)設(shè)計與實現(xiàn).pdf
- 車牌識別系統(tǒng)的設(shè)計與實現(xiàn).pdf
評論
0/150
提交評論