数字图像处理应用及有关创新.pptVIP

车牌识别系统 车牌定位的方法 彩色边缘检测与区域生长相结合的牌照定位方法 基于边缘颜色对的车牌定位方法 基于小波变换的车牌定位方法 利用神经网络的方法定位牌照 基于遗传算法的车牌定位方法 基于矢量量化的方法 基于MeanShift的车牌定位方法 车牌字符分割 车牌字符分割 模板匹配算法 首先把待识别字符二值化，并将其尺寸大小缩放为数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果。 车牌字符识别 车牌字符识别 采用模版匹配法对车牌数字和字母部分的识别。 车牌字符识别 对这个案例进一步分析 1）怎样二值图像 2）怎样去噪； 3）怎样确定车牌位置， 4）怎样切割字符； 5）怎样细化和归一化 6）怎样特征提取； 7）怎样识别。 8）实现的流程的核心代码？ 9）进一步改进方案？ 数字图像处理应用 汽车牌照识别-LPR License Plate Recognition 要点 研究背景及意义 车牌图像预处理 二值化 去噪 车牌定位 车牌字符分割 车牌字符识别 研究背景 随着汽车数量的逐年递增，人们运用先进的科学技术，开发出各种交通道路监视、管理系统，这些系统一般都包括车辆检测装置。通过这些装置对过往的车辆实施检测，提取相关交通数据，用于达到监控、管理和指挥交通的目的。 车牌识别应用 车牌识别:是现代交通管理的重要措施，是智能交通系统的重要环节。应用于闯红灯抓拍、超速行驶违章抓拍、车辆旅行时间统计、高速公路车辆管理等. 目前已成为“平安城市”建设中重要的组成部分，得到了广泛的应用。 主要应用领域 1 . 偷盗车辆识别 2 . 公路布控管理系统 3 . 停车场收费管理系统 4 . 高速公路收费管理系统 5 . 城市交通路口的“电子警察” 6 . 高速公路超速自动化管理系统 7 . 封闭式居民小区物业管理及重要部门 的安保管理 包含图像釆集、图像处理、模式识别等模块 车牌识别技术简介 图像捕获一般采用CCD摄像头，包括整车图像或牌照(一般为彩色图像)。 理论基础：数字图像处理和模式识别。 车牌识别技术具有典型性，容易推广到其它识别对象。 车牌识别软件系统的构成： 车牌图像的预处理 车牌定位 车牌字符分割 车牌字符识别 车牌识别系统设计 车牌识别软件系统设计 汽车牌照图像的预处理：包括二值化和去噪两部分。 图像二值化：应用领域非常广泛，成为处理过程中的一个基本手段。 二值化阈值几种常用选取方法：双峰{2一Mode}法 ，P参数法， Otsu法，迭代法等。 车牌图像预处理 1.双峰{2一Mode}方法 选择双峰之间的波谷所代表的灰度值T作为阈值，即可实现两个区域的分割。 二值化阈值 二值化阈值 2.大津法(Otsu法或最大类间方差法） 用一假定灰度值T将图像的灰度分成两组，方差值越大，说明构成图像的两部分差别越大，当两组的类间方差最大时，此灰度值T就是图像二值化的最佳阈值,实现阈值的自动选取。 二值化阈值 二值化阈值 3.迭代法（最佳阈值法） 1）选择一个初始阈值T(j)，通常可以选择整体图像的平均灰度值作为初始阈值。 2）用T(j)分割图像，将图像分为2个区域 。 3）计算两区域的平均灰度值。 4）再计算新的门限值。 5）令j=j+1，重复2）~4）,直到T(j+1)与T(j)的差小于规定值。 二值化阈值 车牌图像二值化 灰度化； 二值化：采用迭代法来选取阈值。 车牌图像二值化 去噪 汽车牌照图像噪声来源： 采集输入过程中受到各种噪声源的干扰; 二值化处理后，二值化图像会出现一些孤立的像素点以及一些毛刺和噪声。 常用去噪方法：邻域平均法、中值滤波。 去噪方法：求当前像素点N*N邻域像素的平均值，若超过阈值，则将对应像素点置为白色（目标色），否则置为黑色（背景色）。 去噪 去噪 汽车牌照颜色为白色，将邻域为黑色的点去掉，去噪，多数为白色点保留。 1)循环图像的每一个像素值； 2)计算像素周围的3*3邻域的8个像素的均值； 3)比较均值与给定阈值的大小，如果大于阈值则置对应像素为白，反之置黑。 去噪 去噪 汽车牌照图像去噪后效果图： 去噪 车牌特征 组成：省份汉字(或其他汉字)+字母或阿拉伯数字 ，共7位，即 X1X1?X3X4X5X6X7 车牌标准外轮廓尺寸：440*140的矩形， 整个车牌的宽高比为3.114，近似为3: 1 字符尺寸：宽 45mm、高 90mm、间隔符宽10mm 字符笔画在竖直方向是连通的 牌底与字符颜色对照大，边缘非常丰富。 四类：蓝底白字、黄底黑字、黑底白字、白底黑字 车牌图像特点 车牌定位 在一幅经过适当二值化处理、含