汽车牌照识别技术.pptVIP

汽车牌照识别技术研究 汽车牌照识别简介 设备：数字摄像设备 计算机信息管理系统等软硬件平台 方式：采集图像 图像处理 模式识别 人工智能技术 目的：在图像中找到车牌的位置，提取出组成车牌号码的全部字符图像，识别出车牌中的文字、字母和数字，给出车牌的真实号码。 应用 汽车牌照的自动识别技术在公共安全、交通管理以及海关、军事等部门有着重要的应用价值，正日益成为人们的研究热点。 由于汽车牌照目前还没有统一的国际标准，因此各个国家和地区之间，汽车牌照尺寸很不一样， 我国的车牌尺寸为15cm×55cm 汽车牌照识别与文字识别 汽车牌照识别是文字识别的一个分支 区别： 汽车牌照识别 文字识别 系统工作环境 差 好 获取图像质量 差 好 样本库的大小 很小 很大 汽车牌照识别系统组成框图 预处理 图像二值化 二值图像是指整幅图像画面内仅有黑、白两种颜色。进行图像的二值变换关键是要确定合适的阈值，使得字符与背景能够分离开来。 优点：减小存储空间，便于后期字符识别 方法：全局阈值法，局部阈值法，动态阈值法 全局阈值法：算法简单，应用有限，效果差 局部阈值法：局部灰度，速度慢，存在伪影 动态阈值法：考虑邻域特征及自身坐标，效果较好 车牌定位 车牌定位就是在一幅车辆图像中找到车牌所在的位置 Hough变换 Hough变换是在二值图像中进行直线检测的一种方法 设XOY坐标系中有直线y=ax+b 做变换： 则XOY平面中直线y=ax+b上每个点(Xi，Yi)都对应Hough平面中的一条曲线 HOUGH变换 Hough变换 经过Hough变换后，直线y=ax+b就变换为Hough平面中的一簇曲线，直线上任一点就代表一条曲线。而且这些曲线都相交于同一点，这里的 就是XOY平面中坐标原点到直线y=ax+b的垂直距离， 就是该直线的法线与x轴的夹角。 可以看出，XOY平面的直线，与HOUGH平面的点对应 HOUGH变换 为了找出这些点所构成的直线段。可以建立一个在HOUGH空间的二维直方图。对每个边缘点(Xi，Yi)，将给所有与该点的Hough变换对应的极坐标空间的直方图方格一个增量。 当对所有边缘点施行完这种操作后，某一点将具有局部最大值。然后对极坐标空间的直方图进行局部最大值搜索，就可以获得边界线段的参数。 对倾斜车牌的校正与提取 方法：改进的Hough变换。 优点：抗噪声的能力强，并不受图像中直线走势的影响。 缺点：精确度和运算复杂度存在着矛盾，而且对存储空间的要求比较大。 局部最大值搜索 根据精度将HOUGH平面的第一象限区域划分为等间隔的小直网格 对于XOY平面的每一点，在HOUGH平面上对应一条曲线，每条曲线所经过的网格，所对应的网格记数阵列元素加1，于是记数阵元的数值等于共线的点数。 通过它的各条曲线所对应XOY平面上的各点接近于共线。最大记数的网格所对应的值被认为是车牌的倾斜角度。 图像旋转 校正效果图 字符识别 基于投影法的车牌字符切分： 首先将车牌图像沿水平方向投影，然后再将车牌图像沿垂直方向投影。根据车牌图像水平方向的投影图确定字符图像的高度，即找到字符图像的上下边界，根据车牌图像垂直方向的投影图确定各字符图像的宽度，即找到各字符图像的左右边界。 识别效果图 汉字识别 汉字的笔画可以简化为四类：横笔画、竖笔画、左斜笔画和右斜笔画(点、钩等笔画归为斜笔画)。 一个汉字就是由这几种笔画在一个矩形框内按照不同的数量和排列位置组合而成的。 如果将各种笔画的中心点作为该笔画的位置坐标，就可以确定汉字中各种笔画的排列位置。 特征矩阵法 选取3×3的分割方式： 特征矩阵法 (1)通过对获得的图像分析，计算待识别汉字图像的四个特征矩阵Hi、Vi、Li和Ri。 方法：区分笔画数，寻找中点，利用4个标准笔画匹配 (2)计算Hi、Vi、Li和Ri与样本笔画矩阵H、V、L和R之间的距离。 特征矩阵法 横笔画矩阵之间的距离 其中H(x，y)是横笔画矩阵中的元素，x=0，1，2；y=0，1，2。 同理得到 Dvi, Dri, Dli 特征矩阵法 (4)求待识别汉字图像与样本之间的最小距离Dmin。Dmi