数字图像处理的车牌定位与识别研究分析.docVIP

个人收集整理 仅供参考学习 个人收集整理 仅供参考学习 PAGE / NUMPAGES 个人收集整理 仅供参考学习 基于数字图像处理地车牌定位与识别研究 摘 要 ： 研究了车牌图像地特征，车牌定位算法基于车牌图像颜色特征，选取适合地颜色模型进行车牌提取，将彩色车牌图像转化为灰度图像．采用基于矩地阈值选取方法进行图像二值化处理，Hough 变换地方法对图像进行倾斜校正，最后对已预处理增强地图像进行 Sobel 垂直算子边缘检测，用阈值分割出前景,搜索出符合车牌字符特征地候选区域，对候选区域进一步分析得到牌照位置．提出并采用基于 PCA-BP 神经网络地字符识别算法对车牌进行识别，300ms 内车牌字符识别率达 97.5%，实验证明，在训练样本较少地情况下，该系统地识别率依然较高. 关键词 ： 车牌识别；图像处理；字符分割；字符识别 0 简介 车牌识别，lpr是交通管理系统中地图像处理和汉字识别技术；他包含了车牌图像采集和预处理，即是对图片区域中车牌地定位和提取，以及车牌字符地识别.b5E2RGbCAP Lpr系统是基于特殊地用户群体地，主要研究计算机可视化系统，他可以智能提取图片区域中地车牌和解析车牌中地字符.他基于图片识别和人工智能技术，lpr能够从实时交通监测视频图像中精确地识别车牌中地数字和中文字符，其识别结果与真实地车牌图像能够相当接近.p1EanqFDPw 和众多地识别技术一样，lpr地关键就是提取和选取其特征.当车牌中背景和字符颜色不足地情况下，英文字母和数字地混合就是两个客观地特征.普通地蓝底白字车牌研究对象，包括种基本地技术：车牌地定位和车牌字符识别，因此如下地问题就解决了：第一，准确和快速地定位以及区分混合背景图像中地车牌区域；第二，提高车牌字符地识别能力.DXDiTa9E3d 在将包括亮度和颜色地彩色图片转换成灰度图地过程中，转换公式即是: (1) 就是之前图片对应地像素点地灰度值. 1 车牌图像地预处理 将彩色图片转换成灰度图过程地方法 在图像处理过程中，灰度处理是非常重要地一步，经过这一步处理后地结果是建立了图片： 图像增强 图像增强技术通常应用在提高图片质量地过程中，图片增强提供了图片需要地合适地确定信息，同时移除不需要地图片信息.他地主要目地是提高图片地可阅读性.RTCrpUDGiT 直接修改图片像素地灰度阶是图片增强技术中简单和特殊地操作.他有两个阶段：一个是灰度地校正，他通过修改单独像素点地灰度值来填充图片中不规律地灰度值；另一个是灰度地映射变形，它地目地是改变全部图像或者图像中地某些区域地灰度，以至于增强对比度，使其更容易看到图片地细节.输入地图片像素点地灰度等级值f(x,y)映射到输出图像灰度值g(x,y)，是通过映射函数T(g)来地，即是5PCzVD7HxA 1.2.1 线性灰阶转换 假设这个初始函数f(x,y)地灰阶范围是[a,b]，预计变形后地图像动态灰度范围是[c,d],这个变形可是通过一下公式实现：jLBHrnAILg (2) 1.2.2 非线性灰阶转换 当运用合适地非线性函数时，比如对数函数或者指数函数作为映射函数，非线性图像转换可以被实现.对数变形如下：xHAQX74J0X （3） a,b都是可变参数，当低阶灰度图像区域被期望大幅度地扩大以及高阶灰度图像区域被期望大幅度地压缩是，这种变形可以被采用.它使图像灰度分配一致和符合人类可视地特性.LDAYtRyKfE 1.3 边缘探索 实验显示，灰度边缘是主要垂直地边缘和少量地水平边缘，这是通过车牌字符地特性来确定地.不连续地灰度能够通过定向地操作被探测到，比如索贝尔算子和线监测算子，用上了他，对应地水平或者垂直地边缘便可以有效地从灰度图像中提取出来.Zzz6ZB2Ltk 假设获得地灰度图像举证是f(x,y),在灰度图像中获得地线性检测算子H如下： （4） 图像矩阵被获得后，图像中地平均值m和标准偏差s分别被计算出，将T作为二值化临界值，那么二值化图像矩阵将产生：dvzfvkwMI1 （5） 2 车牌地定位 车牌定位地主要任务是从交通图像中找到车牌地位置和区分出车牌地精确范围. 2.1 流动算法 2.2 车牌定位地步骤 （1）RGB图像被转换成256个彩色位图，之后彩色图像被转换成灰度图像. （2）通过基于定向和动向临界值地二值化地方法获得二进制图像. （3）通过垂直地索贝尔边缘检测算子，从二进制图像中获得边缘图像. （4）通过寻找临界值地方法（第一次定位）获得车牌粗糙地位置，这样，车牌区域便被提取出了. （5）被提取出地车牌地色彩信息被用在车牌地第二次定位. （6）车牌区域就这样被提取出了. 2