毕业设计论文答辩车标检测与识别算法的研究课件.pptVIP

车标检测与识别算法的研究 指导老师 ： X X 学 生 ： XXX 专 业 ： 自动化 课题的背景及意义 背景 车辆在现代化的生活中扮演着重要的角色，其的管理与防盗是非常必要的，而为了避免人工干预所带来的弊端，提高管理效率，同时在对车辆自动识别系统的需求和标准的要求越来越高的情况下车标的识别显然很有必要。 经济发展 智能交通 智能住宅小区 平安小区 意义 1、可以广泛应用于智能管理系统，配合公安机关打击涉车犯罪案等。 2、车标识别具有明显的优点: 1）车辆的标志性图像; 2）车型、生产厂家的信息; 3）车标的识别不用加另外的设备； 4）图像识别 论文的主要结构和内容 绪论 第一章 图像的预处理技术 第二章 车标的定位 第三章 车标的识别 总结 致谢 绪论 绪论主要包括 1）课题研究背景、目的意义 2）课题的发展状况（含国内外发展状况） 3）论文结构的设计、安排 主要工作安排 1）阅读相关文献资料 2）摘要与课题相关的内容 3）完成英文文献的翻译 4）完成开题报告 第一章 图像的预处理技术 主要内容 1）基本概念 图像预处理的常用方法有:图像灰度化、直方图均衡化、图去噪等。 2）图像灰度化 利用灰度转换公式：Y=0.299R+0.587G+0.144B Y—转换后的图像亮度值，数值在0-255之间 3）直方图均衡化 基本思想：对原始图像中的像素灰度做某种映射变换，使变换后的图像灰度的概率密度是均匀分布的，图像灰度的动态范围得到了增加，从而提高图像的对比度。 4）中值滤波 去噪声的方法有频率域法和空间域法。算法复杂、耗时长 空间域法主要有线性滤波、中值滤波等。线性、非线性区别 第二章 车标的定位 车标定位方案的设计 车标定位方法一般分为两大类:基于统计学习的方法和基于先验知识的定位方法。 优选基于车牌先验知识的定位理由: 车标的粗定位 采用分块方法定位车牌后，再用数学形态学对图像作处理操作，最后用投影方法，定位车标的大概位置。 分割的一些方法：1）彩色特征，分割车牌区域。光照、污染...2）纹理特征，分割车牌区域。通常，检测车牌的纹理特性用边缘检测法。 汽车图像本身的水平纹理较为丰富，而字符的垂直纹理较为丰富，可以看到水平Sobel边缘检测算子所得到的边缘检测图像效果是最好的。 第二章 车标的定位 车标的精确定位 分割出若干垂直纹理很强的区域后，为了便于处理，需要将灰度图像变为二值化图像 二值化 (1)极小值点阀值 (2)最优阀值 （3）迭代阀值 (4) Otsu二值化 基本想法：是以最佳门限将图像灰度值分割成两部分，使两部分类间方差取最大值，即分离性最大。 数学形态学 包括图像分割、特征抽取、边界检测、图像滤波、图像增强和恢复等方面的工作。根据各运算的作用特点，我们采用的是闭运算对车标进行精确定位。 用闭运算对图形的外部做滤波，磨光了凸向图像内部的边角，并可以填充目标内部狭窄的裂缝和长细的窄沟，消去小的孔洞，并且目标内部的噪声块得到了些有效处理 第三章 车标的识别 车标识别方案的设计 设计思路：由于现实中拍摄的图像主要存在旋转，平移、比例变化等因素，导致汽车标志图像的定位产生偏差，以及汽车标志的识别产生错误识别，本文考虑采用基于旋转、平移和比例不变性的Hu不变矩的方法对汽车标志图像进行识别研究。 车标的识别 1）模板匹配识别的方法:匹配单一，算法复杂，响应慢 2）神经网络识别方法：特征提取，训练神经网络分类器，步骤繁琐 3）基于Hu不变矩特征识别：不依赖于尺度、平移、旋转，它只与物体的形状有关。 识别算法思路：计算出7个不变矩特征，与模板库中各图像模板矩进行比较分别记下每个车标的各个模板距离取平均值，比较出最小值，则为车标类型。 总结 本文主要研究汽车标志的定位识别的方法法，通过阅读大量的参考文献，对实际拍摄到的各种图像进行处理，利用基于车牌的先验知识先对车标进行粗定位，再通过边缘检测、二值闭运算精确定位出车标的位置，最后选择了基于Hu不变矩的算法进行识别，从而最终完成了任务。 而且本文还大胆设