基于MATLAB的车牌识别设计分析.pptx

基于MATLAB车牌识别 设计报告 组长： 成员： 设计总览 　　在不考虑车牌定位和裁剪的情况下，需要将彩色图像转换成灰度图像，转换时图像灰度值H可由下面的公式计算： 　　为了方便字符切割和字符识别，需要将灰度图像进行二值化处理，以此来达到简化操作、加快运算速度的目的。 　　经过二值化之后有些小的噪点、毛刺或者分支需要去除，经过均值滤波后图像变得更加圆滑、噪点减少。均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素，再用模板中的全体像素的平均值来代替原来像素值。 　　车牌中前两个字符和后五个字符之间会存在一个白点，影响后续的字符分割部分，由于白点位置的固定（28%~33%），可对其填充达到去除的目的。 　　当车牌污染严重噪声过多时，采用上述预处理方法强度不够，处理过后噪点仍然过多的情况，如图所示。这将会影响字符切割结果，所以需要对这种情况进行特殊处理和算法改进。 　　如果对该灰度图像进行最小值滤波后再进行后续处理结果会更清晰，大大地减小了噪声对字符切割的影响。 未经过最小值滤波处理前 经过最小值滤波处理后 　　当车牌污染严重噪声过多时，造成车牌字符断裂需要对字符进行腐蚀膨胀之后再进行切割处理。 未经过腐蚀膨胀处理前 经过腐蚀膨胀处理后 未经过最小值滤波处理前切割失败 经过最小值滤波处理后切割成功 　　将经过图像预处理的图像进行灰度垂直投影，可知车牌区域的垂直投影可以清晰地看出7个区域，即车牌的7个字符图像的垂直投影，如图所示。通过垂直投影图的特征，分割字符就转化为只需得到每个区域的左右边界即可。 　　由于图像采集时图像的像素值不一样，经切割出来的字符的大小也会不一样，所以在进行匹配前必须先进行字符图像归一化。使图像字符大小跟模板图像大小一致，Matlab提供一个改变图像大小的函数imresize(I，Size，Model)，Model是插值运算方法，这里选用‘nearest’最近邻插值法,经归一化后的图像如下。 　　字符匹配识别要前提建立可以与之相比较的字库表，将标准车牌中所含的汉字、字母和数字进行分割归一化处理（40*20）后制作成标准的字库模板如下图。 　　将已切割并进行了归一化处理的单个字符相比较，逐个字符进行匹配比较，再将待识别的字符的特征值和模板字符相减，找到相减值为最小的那个即为匹配得最好的字符。字符识别步骤如下： 1.后五位字符切割过后数字“1”切割过细，归一化后比例失调影响字符识别，容易错误识别成其他字符； 2.后五位车牌中“O”和“0”过于接近，因此国家规定车牌中后五位不允许出现字母“O”，均为数字“0”； 3.后五位数字“0”和字母“D”相近，出现“0”时有可能会识别成“D”。 算法改进前 算法改进后 “1”识别失败情况 “0”识别成“D”情况 “0”识别成“O”情况 原始车牌 灰度处理 二值图像 均值滤波 去干扰处理 切除无效部分 确定字符范围 是否满足要求 切割字符 切割是否成功 噪声过多 与字模比较 最匹配字符 识别是否正确 输出结果 腐蚀膨胀 涂黑该范围 最小值滤波 字符断裂 是 是 是 否 否 否 字符识别 字符切割 图像预处理 谢谢！