




版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、. 數(shù)字圖像處理期末課程報(bào)告 題 目: 車牌識(shí)別的matlab實(shí)現(xiàn) 題目類型: 軟件型 學(xué) 院 信息工程與自動(dòng)化學(xué)院 專 業(yè): 計(jì)算機(jī)科學(xué)與技術(shù) 年 級(jí): XXXX 學(xué) 號(hào): XXXXXXX 學(xué)生姓名: xxx 指導(dǎo)教師: xx 日 期: 2012-6-8 目錄摘要:2關(guān)鍵詞:2實(shí)驗(yàn)工具:2車輛牌照識(shí)別流程:2實(shí)驗(yàn)內(nèi)容及步驟31.圖像預(yù)處理:32.車牌定位車牌起始位置和終止位置53.圖片二值化54.列方向像素點(diǎn)灰度值累計(jì)65.字符分割:76.建立字符模板數(shù)據(jù)庫(kù)87.歸一化訓(xùn)練9結(jié)果分析:13摘要:本次課程設(shè)計(jì)的目的是通過(guò)對(duì)基于MATLAB的字符識(shí)別的研究,以汽車牌照識(shí)別的設(shè)計(jì)為實(shí)例,詳細(xì)介紹字
2、符識(shí)別的相關(guān)原理。整個(gè)汽車牌照識(shí)別的過(guò)程分為預(yù)處理、邊緣提取、車牌定位、字符分割、字符識(shí)別五大模塊,用MATLAB軟件編程來(lái)實(shí)現(xiàn)每一個(gè)部分,最后識(shí)別出汽車牌照。在研究的同時(shí)對(duì)其中出現(xiàn)的問(wèn)題進(jìn)行了具體分析,處理。尋找出對(duì)于具體的汽車牌照識(shí)別過(guò)程的最好的方法。關(guān)鍵詞:MATLAB字符識(shí)別車牌識(shí)別神經(jīng)網(wǎng)絡(luò)圖像處理實(shí)驗(yàn)工具:MATLAB 7.8(R2009a)。車輛牌照識(shí)別流程:基于 MATLAB圖像處理的汽車牌照識(shí)別,主要包括車牌定位、字符車牌分割、和車牌字符識(shí)別三個(gè)關(guān)鍵環(huán)節(jié)。流程圖如下:原始圖像圖像預(yù)處理車牌定位字符分割字符數(shù)據(jù)庫(kù)字符識(shí)別其中,(1) 原始圖像:由數(shù)碼相機(jī)或其它掃描裝置拍攝到的圖像
3、;(本實(shí)驗(yàn)圖片由數(shù)碼相機(jī)獲得)(2) 圖像預(yù)處理:對(duì)動(dòng)態(tài)采集到的圖像進(jìn)行灰度處理、邊緣檢測(cè)、腐蝕、膨脹、濾波、等處理排除圖像干擾;(3) 車牌定位:計(jì)算邊緣圖像的投影面積,尋找峰谷點(diǎn),大致確定車牌位置,再計(jì)算此連通域內(nèi)的寬高比,剔除不在域值范圍內(nèi)的連通域,最后得到的便為車牌區(qū)域;(4) 字符分割:利用投影檢測(cè)的字符定位分割方法得到單個(gè)的字符;(5) 字符數(shù)據(jù)庫(kù):構(gòu)造訓(xùn)練樣本數(shù)據(jù)庫(kù),為第6步的字符識(shí)別建立字符模板數(shù)據(jù)庫(kù);(6) 字符識(shí)別:通過(guò)基于模板匹配的OCR算法或基于人工神經(jīng)網(wǎng)絡(luò)的OCR算法,通過(guò)特征對(duì)比或訓(xùn)練識(shí)別出相關(guān)的字符,得到最后的汽車牌照,包括英文字母和數(shù)字。實(shí)驗(yàn)內(nèi)容及步驟1. 圖像
4、預(yù)處理:預(yù)處理源代碼:>> I=imread('h:tukucar1.jpg');%讀取圖像 figure(); subplot(3,2,1),imshow(I), title('原始圖像');>> I1=rgb2gray(I);%轉(zhuǎn)化為灰度圖像subplot(3,2,2),imshow(I1),title('灰度圖像');>> I2=edge(I1,'robert',0.09,'both');%采用robert算子進(jìn)行邊緣檢測(cè)subplot(3,2,3),imshow(I2),
5、title('邊緣檢測(cè)后圖像');>> se=1;1;1; %線型結(jié)構(gòu)元素 I3=imerode(I2,se); %腐蝕圖像subplot(3,2,4),imshow(I3),title('腐蝕后邊緣圖像');>> se=strel('rectangle',25,25); %矩形結(jié)構(gòu)元素I4=imclose(I3,se);%圖像聚類、填充圖像subplot(3,2,5),imshow(I4),title('填充后圖像');>> I5=bwareaopen(I4,2000);%去除聚團(tuán)灰度值小于2
6、000的部分subplot(3,2,6),imshow(I5),title('形態(tài)濾波后圖像');預(yù)處理結(jié)果截圖:行列方向像素值累計(jì)值: 源代碼:y,x,z=size(I5);I6=double(I5); Y1=zeros(y,1); for i=1:y for j=1:x if(I6(i,j,1)=1) Y1(i,1)= Y1(i,1)+1; end end end temp MaxY=max(Y1); figure(); subplot(3,2,1),plot(0:y-1,Y1),title('行方向像素點(diǎn)灰度值累計(jì)和'),xlabel('行值
7、9;),ylabel('像素');運(yùn)行截圖:2. 車牌定位車牌起始位置和終止位置PY1=MaxY; while (Y1(PY1,1)>=45)&&(PY1>1) PY1=PY1-1; end PY2=MaxY; while (Y1(PY2,1)>=45)&&(PY2<y) PY2=PY2+1; end IY=I(PY1:PY2,:,:); X1=zeros(1,x); for j=1:x for i=PY1:PY2 if(I6(i,j,1)=1) X1(1,j)= X1(1,j)+1; end endendsubplot(
8、3,2,2),plot(0:x-1,X1),title('列方向像素點(diǎn)灰度值累計(jì)和'),xlabel('列值'),ylabel('像數(shù)');3. 圖片二值化代碼:if isrgb(DW) I1 = rgb2gray(DW); %將RGB圖像轉(zhuǎn)化為灰度圖像else I1=I; endg_max=double(max(max(I1);g_min=double(min(min(I1);T=round(g_max-(g_max-g_min)/3); % T 為二值化的閾值m,n=size(I1);% d:二值圖像%h=graythresh(I1);I1=
9、im2bw(I1,T/256);subplot(3,2,4);imshow(I1),title('二值化車牌圖像');運(yùn)行截圖:濾波二值化圖像:I2=bwareaopen(I1,20);subplot(3,2,5);imshow(I2),title('形態(tài)學(xué)濾波后的二值化圖像');過(guò)濾出目標(biāo)車牌區(qū)域:y1,x1,z1=size(I2);I3=double(I2);TT=1;%去除圖像頂端和底端的不感興趣區(qū)域%Y1=zeros(y1,1); for i=1:y1 for j=1:x1 if(I3(i,j,1)=1) Y1(i,1)= Y1(i,1)+1 ; end
10、 end endPy1=1;Py0=1;while (Y1(Py0,1)<20)&&(Py0<y1) Py0=Py0+1;endPy1=Py0; while(Y1(Py1,1)>=20)&&(Py1<y1) Py1=Py1+1; endI2=I2(Py0:Py1,:,:);subplot(3,2,6);imshow(I2),title('目標(biāo)車牌區(qū)域');運(yùn)行截圖:4. 列方向像素點(diǎn)灰度值累計(jì)代碼:X1=zeros(1,x1);for j=1:x1 for i=1:y1 if(I3(i,j,1)=1) X1(1,j)= X
11、1(1,j)+1; end end endfigure(5);plot(0:x1-1,X1),title('列方向像素點(diǎn)灰度值累計(jì)和'),xlabel('列值'),ylabel('累計(jì)像素量');運(yùn)行截圖:5. 字符分割:Px0=1;Px1=1;figure();for i=1:7while (X1(1,Px0)<3)&&(Px0<x) Px0=Px0+1;endPx1=Px0;while (X1(1,Px1)>=3)&&(Px1<x)|(Px1-Px0)<10) Px1=Px1+1;
12、endZ=I2(:,Px0:Px1,:);switch strcat('Z',num2str(i) case 'Z1' PIN0=Z; case 'Z2' PIN1=Z; case 'Z3' PIN2=Z; case 'Z4' PIN3=Z; case 'Z5' PIN4=Z; case 'Z6' PIN5=Z; otherwise PIN6=Z;endsubplot(1,7,i);imshow(Z);Px0=Px1;end運(yùn)行結(jié)果:6. 建立字符模板數(shù)據(jù)庫(kù)1) 將下列圖片存到相應(yīng)的
13、圖片庫(kù)中,待之后檢測(cè)比對(duì)時(shí)用。(注:每個(gè)字符圖像要單獨(dú)存放為.jpg文件。) 2) 新建一個(gè)自定義函數(shù)pretreatment.m 文件,對(duì)這些圖片進(jìn)行統(tǒng)一處理:function inpt = pretreatment(I)if isrgb(I) I1 = rgb2gray(I);else I1=I;endI1=imresize(I1,50 25);%將圖片統(tǒng)一劃為50*25大小I1=im2bw(I1,0.9);m,n=size(I1);inpt=zeros(1,m*n);for j=1:n for i=1:m inpt(1,m*(j-1)+i)=I1(i,j); endend7. 歸一化訓(xùn)練
14、代碼:I0=pretreatment(imread('h:tuku0.jpg');I1=pretreatment(imread('h:tuku1.jpg');I2=pretreatment(imread('h:tuku2.jpg');I3=pretreatment(imread('h:tuku3.jpg');I4=pretreatment(imread('h:tuku4.jpg');I5=pretreatment(imread('h:tuku5.jpg');I6=pretreatment(imrea
15、d('h:tuku6.jpg');I7=pretreatment(imread('h:tuku7.jpg');I8=pretreatment(imread('h:tuku8.jpg');I9=pretreatment(imread('h:tuku9.jpg');I10=pretreatment(imread('h:tukuA.jpg');I11=pretreatment(imread('h:tukuB.jpg');I12=pretreatment(imread('h:tukuC.jpg
16、9;);I13=pretreatment(imread('h:tukuD.jpg');I14=pretreatment(imread('h:tukuG.jpg');I15=pretreatment(imread('h:tukuK.jpg');I16=pretreatment(imread('h:tukuL.jpg');I17=pretreatment(imread('h:tukuM.jpg');P=I0',I1',I2',I3',I4',I5',I6',I7&
17、#39;,I8',I9',I10',I11',I12',I13',I14',I15',I16',I17'T=eye(18,18); %輸出樣本% bp神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置net=newff(minmax(P),1250,32,18,'logsig','logsig','logsig','trainrp');net.inputWeights1,1.initFcn ='randnr'net.layerWeights2,1.initFcn =
18、39;randnr'net.trainparam.epochs=5000;net.trainparam.show=50;%net.trainparam.lr=0.003;net.trainparam.goal=0.0000000001;net=init(net);net,tr=train(net,P,T);%訓(xùn)練樣本測(cè)試字符代碼:PIN0=pretreatment(PIN0);PIN1=pretreatment(PIN1);PIN2=pretreatment(PIN2);PIN3=pretreatment(PIN3);PIN4=pretreatment(PIN4);PIN5=pretr
19、eatment(PIN5);PIN6=pretreatment(PIN6);P0=PIN0',PIN1',PIN2',PIN3',PIN4',PIN5',PIN6'for i=2:7 T0= sim(net ,P0(:,i); T1 = compet (T0) ; d = find(T1 = 1) - 1; if (d=10) str='A' elseif (d=11) str='B' elseif (d=12) str='C' elseif (d=13) str='D' e
20、lseif (d=14) str='G' elseif (d=15) str='K' elseif (d=16) str='L' elseif (d=17)第一次訓(xùn)練 str='M' elseif (d=0) str='0' elseif (d=1) str='1' elseif (d=2) str='2' elseif (d=3) str='3' elseif (d=4) str='4' elseif (d=5) str='5' elseif (d=6) str='6' elseif (d=7) str='7' elseif (d=8) str='8' elseif (d=9) str='9' else str=num2str(d); end switch i case 2 str2=str; cas
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 2025-2030中國(guó)意外險(xiǎn)行業(yè)市場(chǎng)發(fā)展現(xiàn)狀及競(jìng)爭(zhēng)格局與投資前景研究報(bào)告
- 2025-2030中國(guó)彈性泡沫行業(yè)市場(chǎng)發(fā)展趨勢(shì)與前景展望戰(zhàn)略研究報(bào)告
- 2025-2030中國(guó)平頭螺栓行業(yè)市場(chǎng)現(xiàn)狀分析及競(jìng)爭(zhēng)格局與投資發(fā)展研究報(bào)告
- 醫(yī)療衛(wèi)生人才培養(yǎng)與區(qū)域發(fā)展的聯(lián)動(dòng)機(jī)制
- 基于虛擬現(xiàn)實(shí)的手術(shù)指導(dǎo)系統(tǒng)-洞察闡釋
- 2025-2030中國(guó)安防電子行業(yè)市場(chǎng)深度調(diào)研及投資策略與投資前景研究報(bào)告
- 區(qū)塊鏈技術(shù)在醫(yī)療版權(quán)保護(hù)中的價(jià)值
- 字符串序列的特征提取與分類研究-洞察闡釋
- 人口結(jié)構(gòu)變化與數(shù)字技術(shù)融合的治理模式-洞察闡釋
- 公共衛(wèi)生事件中的醫(yī)療安全保障
- 中醫(yī)治未病課件
- 房建技術(shù)員施工員考試參考題庫(kù)(含各題型)
- 建筑物理-采光設(shè)計(jì)課件
- DB32-T 2355-2022 綜合交通建設(shè)試驗(yàn)檢測(cè)用表編制規(guī)范(修)
- 八年級(jí)體育教案(全冊(cè))
- 2022新高考卷小說(shuō)《江上》 答案+評(píng)點(diǎn)
- 裝配式擋墻專項(xiàng)施工方案
- 年成都遠(yuǎn)洋太古里案例解析(p)PPT課件
- 知識(shí)產(chǎn)權(quán)戰(zhàn)略案例分析
- 滬科七年級(jí)數(shù)學(xué)下冊(cè) 實(shí)數(shù)單元綜合測(cè)試卷解析
- 污水廠設(shè)備管理培訓(xùn)(共110頁(yè)).ppt
評(píng)論
0/150
提交評(píng)論