锐客网

  1. 首页 > 生活百科 > it技术 > >

matlab车牌识别课程设计,matlab车牌识别课程设计报告模板(附源代码)

matlab车牌识别课程设计,matlab车牌识别课程设计报告模板(附源代码)
文章图片
matlab车牌识别课程设计报告模板(附源代码)
【matlab车牌识别课程设计,matlab车牌识别课程设计报告模板(附源代码)】1Matlab 程序设计任务书分院(系)信息科学与工程 专业学生姓名 学号设计题目 车牌识别系统设计内容及要求：车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。1.牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。2.当车辆检测部分检测到车辆到达时,触发图像采集单元，采集当前的视频图像。3.牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。进度安排：19 周：Matlab 环境熟悉与基础知识学习19 周：课程设计选题与题目分析20 周：程序设计编程实现20 周：课程设计验收与答辩指导教师(签字)： 学院院长(签字)：2年 月 日 年 月 日目 录一．课程设计目的……………………………………………3二．设计原理…………………………………………………3三．详细设计步骤……………………………………………3四. 设计结果及分析…………………………………………18五. 总结………………………………………………………19六. 设计体会…………………………………………………20七. 参考文献…………………………………………………213一、课程设计目的车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。二、设计原理:牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。三、详细设计步骤:1. 提出总体设计方案:牌照号码、颜色识别 4为了进行牌照识别，需要以下几个基本的步骤：a.牌照定位，定位图片中的牌照位置；b.牌照字符分割，把牌照中的字符分割出来；c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。牌照识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与牌照识别互相配合、互相验证。(1)牌照定位:自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个最佳的区域作为牌照区域，并将其从图象中分割出来。流程图:(2)牌照字符分割 :完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别。字符分割一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值的附近，并且这个位置应满足牌照的字符书写格式、字符、尺寸限制和一些其他条件。利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。(3)牌照字符识别 :字符识别方法目前主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法首先将分割后的字符二值化,并将其尺寸大小缩放为字符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。基于人工神经元网络的算法有两种：一种是先对待识别字符进行特征提取，然后用所获得特征来训练神经网络分配器；另一种方法是直接把待处理图像输入网络，由网络自动实现特征提取直至识别出结果。实际应用中，牌照识别系统的识别率与牌照质量和拍摄质量密切相关。牌照质量会受到各种因素的影响，如生锈、污损、油漆剥落、字体褪色、牌照被遮挡、牌照倾斜、高亮反光、多牌照、假牌照等等；实际拍摄过程也会受到环境亮度、拍摄亮度、车辆速度等等因素的影响。这些影响因素不同程度上降低了牌照识别的识别率，也正是牌照识别系导入原始图像图像预处理增强效果图像边缘提取 车牌定位 对图像开闭运算按左右宽度切割出字符计算水平投影进行车牌水平校正去掉车牌的框架分析垂直投影找到每个字符中心位置切割出的字符送入库中字符依次分析显示误差最小的图片名字与数据库的图片相减分析之差最小的图片是哪张5统的困难和挑战所在。为了提高识别率，除了不断的完善识别算法，还应该想办法克服各种光照条件，使采集到的图像最利于识别。2. 各模块的实现:2.1 输入待处理的原始图像:clear ; close all; %Step1 获取图像 装入待处理彩色图像并显示原始图像Scolor = imread( 3.jpg ); %imread 函数读取图像文件图 2.1 原始图像2.2 图像的灰度化:彩色图像包含着大量的颜色信息，不但在存储上开销很大，而且在处理上也会降低系统的执行速度，因此在对图像进行识别等处理中经常将彩色图像转变为灰度图像，以加快处理速度。由彩色转换为灰度的过程叫做灰度化处理。选择的标准是经过灰度变换后，像素的动态范围增加，图像的对比度扩展，使图像变得更加清晰、细腻、容易识别。%将彩色图像转换为黑白并显示Sgray = rgb2gray(Scolor); %rgb2gray 转换成灰度图figure,imshow(Sgray),title( 原始黑白图像 ); 6图 2.2 原始黑白图像2.3 对原始图像进行开操作得到图像背景图像:s=strel( disk ,13); %strei 函数Bgray=imopen(Sgray,s); %打开 sgray s 图像figure,imshow(Bgray); title( 背景图像 ); %输出背景图像图 2.3 背景图像2.4 灰度图像与背景图像作减法，对图像进行增强处理:Egray=imsubtract(Sgray,Bgray); %两幅图相减figure,imshow(Egray); title( 增强黑白图像 ); %输出黑白图像7图 2.4 黑白图像2.5 取得最佳阈值，将图像二值化:二值图像是指整幅图像画面内仅黑、白二值的图像。在实际的车牌处理系统中，进行图像二值变换的关键是要确定合适的阀值，使得字符与背景能够分割开来，二值变换的结果图像必须要具备良好的保形性，不丢掉有用的形状信息，不会产生额外的空缺等等。车牌识别系统要求处理的速度高、成本低、信息量大，采用二值图像进行处理，能大大地提高处理效率。阈值处理的操作过程是先由用户指定或通过算法生成一个阈值，如果图像中某中像素的灰度值小于该阈值，则将该像素的灰度值设置为 0 或 255，否则灰度值设置为 255 或 0。fmax1=double(max(max(Egray))); %egray 的最大值并输出双精度型fmin1=double(min(min(Egray))); %egray 的最小值并输出双精度型level=(fmax1-(fmax1-fmin1)/3)/255

    推荐阅读


    上一篇：投稿|这届618，「六绝」在论什么剑？

    下一篇：基于颜色|基于颜色 车牌定位 matlab,基于MATLAB的车牌定位问题