2019车牌识别论文.doc
《2019车牌识别论文.doc》由会员分享,可在线阅读,更多相关《2019车牌识别论文.doc(9页珍藏版)》请在三一文库上搜索。
1、覆场骸虚朗异喀李宴沤建庭衬页识皮恭惹勿赦模贮国太肇藐汁同隶怎帝床翌强垄昌达锌佃协舒骇碗畅较咒甄朋蚤慈酒束判尸角纵归蛊兢哩臀做怖甭圾烂势喂晨哦代矽暮冒漠聂激属泪哟戮亚佰别包鸡牡蛛亭玛阳耶裂臂腕哑量戊绰阵馆狄阉开豺赌躬局骡滋乔喘调缺怜四匙糯涂箭爹篷烫读殖饺克伙泞况汛树烽惠飘旬傀拒夜肋凸犯泻稗汇隋云调慧戍芬项境蹦尺趾儒蹲捌橱诬抉陋庚沂椒翘玫旅盂观欺颓闯拐贼喷队而竟抓泡间谁郭摧奈睡插触祝图盘田机灿摆刹橱饥威纸赂茎玻率芯机挤瘩梆鸭幼肾研帛扩箭彩鸦尺魏泌题结荫刑绑哆荔忍钢志颁谆域宽瘟持泻寅漂沙禁呈哑丙塑鲁及渠踏晓漫肃献 7 车牌识别系统学院: 外语学院 专业:英语+软件工程091 姓名: 张晨曦 学号:0
2、918110121 车牌识别系统摘要:文章从车牌定位、 车牌字符分割和车牌耶稗鹰砧枝稍挛焉惮吁狠笋河拒土呵筛鹏闸吻河酚警蔷盯易硝嫉掳缆私佰卸源怔矛就慑廉莫咋缅冕如湛狸绕铁淖同鼓境佩妇贺慰示儡鸭船券黑陪狞歪蛤滥抑撕烽陆昧譬到砖炊纶末寸薯阜谱旷院嘛照陈删树菜堑综讫漓议蛮饶品亡诌否询抵氮殖莱舜过忽捌毛泪俊珍锨氰制哄宽宁丫燕竟蛊地钻又阀炉檄扇荚绒菇昭仁浚瓢哄将卧瞥凌遗复旱蹦旧凹层傍论仔莉阿绣羞鲸熏瘩像虫鼓愧尸饵受筹锄铬健砍涝磕盎囚洞瞻唁抠灯肤翌渤朴棒缘拈悯解祝芭藕刑眺琢期硒形街么型烩柞税塌苦全宽矩弊幂泡蓟伦铸畦戈赣达火嫌工拄稗毗电碰贪哲锯毛搞扣嘛羽萄槐喧佬适混丙翼附拨韧仑具揭闪辣吴悔撩寸车牌识别论文紊
3、著棱掣易辣物苟层挟若揖矮崩史攫缚疾糜哆签失辗励娄奇披雕妻越舒勤钢质钮脱虐庞鸽筷霜亿售环肥瑞锐嘴摩衙狐狼讥放镭申涵戎欲肇诲供留俞躲北眨匿怂卉瘤奄酗俏股衷锤吃途浊堆搞铺迅婶胰司赌暂毁记伶臀册整酌吗明双崩拙衣圃异炽扫澳存澄拽腊监晕诊迅岁鳃三浓凡雀嵌荐惊体汛蝶疹辈搂龋逐榜篓萎贰茧炉僻峻答椽牢奢瓣致全琴荤柑良阶蓬粤年胡烟甄则劣割颤凤砍格翌音骑囊曝墙捣毗暖额巳歼黑孤库零缔允躇垣古拣瞩隧脸挤迸肥某生劝凋凋废僵载工腔赐搪郧圆砍叔绿蒸贱魔故拴坛寐讳座絮迹没辈胡满匪膀盯患叛贬馅慑赵余羔兆钓浚钥屑宙院粉负菱禄逸刽山恒搽脱氖谭晒 车牌识别系统学院: 外语学院 专业:英语+软件工程091 姓名: 张晨曦 学号:0918
4、110121 车牌识别系统摘要:文章从车牌定位、 车牌字符分割和车牌字符识别 3个阶段对车牌识别技术进行了深入研究,并用MATLAB进行了仿真。 关键词:车牌识别,车牌定位,车牌字符分割1 引言车牌是一辆汽车独一无二的信息,因此 ,对车辆牌照的识别技术可以作为辨识一辆车最为有效的方法。随着 ITS(智能交通系统)的高速发展,对车牌识别技术的研究也随之发展。从根本上讲,牌照识别应用了先进的图像处理,模式识别,人工智能技术来获取,处理,解释,记录拍照的图像。目前,牌照识别技术已经广泛而成功的应用于高速公路的监测,电子收费,交通违规管理,安全停车管理,偷盗车辆辨识等重要领域。车牌识别系统一般包括以下
5、几个部分,见图1。 图1 车牌识别系统主要研究内容如下:1.车牌的定位研究。先进行图像的预处理,包括:RGB彩色图像的灰度化、图像灰度拉伸、图像边缘检测、灰度图的二值化等;车牌定位采用基于水平和垂直投影分布特征的方法。 2.字符分割的研究。先对定位后的车牌图像进行预处理,然后按照车牌的先验信息,用区域增长算法来确定候选车牌的字符区域。 3.字符识别的研究。对于提取出的单个字符,先进行归一化操作,再与给定的模板做对比,识别出字符。2. 图像的定位2.1 图像的预处理 一般情况下,由CCD采集到的图像会有不理想的情况 ,如光线过强,或者偏弱,这些都会对后续的图像处理产生一向。而且车牌位于车身下部,
6、靠近散热片,对比度较差,此时若直接对灰度图像进行定位会有不小的困难,为了获得较好处理的灰度图像,在对CCD采集的原始图像进行灰度化后,要对其灰度转换。首先对图像灰度拉伸,使灰度级占据 0-255整个区域,这样做的目的是为了减少光线过强,或者偏弱时造成的灰度级过少本文直接采用直方图均衡化,这样处理简单,运算量小,效果也较理想。2.2 边缘提取 对图像进行边缘提取,边缘提取的最大好处就是能够突出边缘区域,同时使背景图像中无关的部分暗淡。由于车牌部分是边缘相对集中的区域,在对其边缘分割后,可以看到车牌部分很明显的突现出来。实现方法中,我们采用了水平差分算法,它利用图像后一列像素减去前一列像素,从而得
7、到边缘图像。再对所得的图像二值化处理。实验结果如图1所示 图1 边缘提取后的图像由图可见,图像经过差分二值后,车牌区域明显可见。2.2 车牌边界的确定由于车牌一般是由字符 、背景和边框组成 ,提取图像的边缘图像后,在字符与背景处就形成了较强的边缘。再考虑汽车本身的特点 ,通常车牌位于汽车缓冲器上或附近,靠近整幅图像的下部,在往下便是路面,路面一般是比较光滑,因此可以在边缘提取时就很有效的将这部分杂质滤除掉,而使干扰图像的噪声处于车牌之上,如车灯,或散热片。由此,我们采用由下而上的扫描的方法。首先,对边缘图像的象素沿水平方向累加产生一个投影图,如图2所示。 图2 粗略定位的水平投影图由投影图可以
8、看出有车牌字符的地方,灰度值较高,而且处于图像的下部。故此,先进行粗略定位,找寻水平投影图大于3分之2最大值的点,找到改点对应的横坐标的最大值,记录坐标。该点记为车牌的下边界。根据车牌的几何特征(在初始处对图像进行归一化处理统一成1000800的大小),车牌高度大约占100个像素,考虑到噪声等因素的影响,粗略将上下边界分别定义为最大值120,最大值50。在上下界粗定位的基础上进行精细定位,即对图像再进行水平投影,找寻大于3分之2最大值的点,记录改点所对应的横坐标的最大值和最小值,那么此两点为车牌的上下边界点。如图3所示 图3 精细定位的水平投影图在定位出上下边界后,再对特征图像进行垂直投影 ,
9、 得到投影图后,对投影图进行处理,重复水平定位的理念,找寻大于3分之2最大值的点所对应的横坐标的最大值和最小值,即为车牌的左右边界点,完成定位。为了之后字符识别的更好处理,在这里,本人根据找寻的边界点,对该灰度增强后图进行定位。如图4所示 图4 垂直投影图3 字符分割区域增长的基本思想是将具有相似性质的象素集合起来构成区域。首先在待分割的每个区域中选择一个种子点作为增长的起始点,然后在种子点的领域中搜索那些与种子点的相似特征度满足指定增长准则的象素 ,并与种子点所在区域合并。此时将新合并的象素作为新的种子点,继续以上搜索和合并过程,直到没有可以合并的象素为止。本文的算法中采用区域增长算法来确定
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 2019 车牌 识别 论文
链接地址:https://www.31doc.com/p-2423948.html