基于数字图像处理的校园车辆通行管理系统设计及实现毕业论文.docx
- 文档编号:5322733
- 上传时间:2022-12-15
- 格式:DOCX
- 页数:28
- 大小:669.96KB
基于数字图像处理的校园车辆通行管理系统设计及实现毕业论文.docx
《基于数字图像处理的校园车辆通行管理系统设计及实现毕业论文.docx》由会员分享,可在线阅读,更多相关《基于数字图像处理的校园车辆通行管理系统设计及实现毕业论文.docx(28页珍藏版)》请在冰豆网上搜索。
基于数字图像处理的校园车辆通行管理系统设计及实现毕业论文
基于数字图像处理的校园车辆通行管理系统设计及实现毕业论文
1绪论
1.1本课题的研究背景
近年来国内高校呈现出来的多校区办学、开放式办学模式,使得穿梭于高校校园的各种机动车辆越来越多,车辆的出入管理成为一项重要工作,如何让管理人员及时了解每一辆车的详细信息,有效识别合法及非法车辆,提高合法车辆的通行效率,杜绝非法车辆的出入,成为各个高校急需解决的一个难题。
对北信学院现有的机动车辆出入管理系统进行调研,发现每天进出学院的车流量非常大,其中包括学院内部教职工的车辆,更有相当大一部分的校外来学院办事的社会车辆,无论是校内车辆还是校外车辆,目前均采用传统的人工身份认证方式进行出入管理,该种方式既费时、低效,又不能共享信息,不利于全局管理,更重要的是面对身份复杂的社会车辆,人工认证的方式很难快速、精准的确认车辆的身份信息,从而给高校校园带来了严重的安全隐患,威胁了师生员工的生命和财产安全,妨碍了“平安校园”和“和谐校园”的建设。
当前高校校园车辆出入管理模式的改革迫在眉睫。
针对高校校园机动车辆进出管理所存在的问题,提出了一种基于车牌识别技术的车辆出入管理系统,该系统能够自动识别进出校园车辆身份信息,并自动记录车辆进出时间,提高车辆进出校园的自动化、安全性,做到车辆出入有据可查,有据可依,在提高安全性的前提下,降低管理人员工作的难度和强度。
在这种智能交通系统中,车牌自动识别系统是一个非常重要的发展方向。
车牌自动识别系统简称ALPRS或LPRS,该系统可以对车辆进行自动登记、验证、监视、报警。
系统应用场合包括:
高速公路,校园,智能小区、智能停车场管理,车牌验证,车流统计等。
同时,汽车牌照自动识别的基本方法还可以应用到其他检测和识别领域,所以车牌自动识别问题已成为现代交通工程领域中研究的重点和热点问题之一。
车牌识别系统是一项科技含量很高的多种技术结合的产品,主要有计算机视觉、数字图像处理、数字视频处理、模式识别等技术组成。
也是智能交通系统的核心技术,产生于60年代。
在80年代,由于城市交通问题日益严重,美国和欧洲许多国家投入了大量的人力和物力,建立了自动化高速公路网,安装了摄像、雷达探测系统和光纤网络,建立智能交通系统。
在美国、欧洲、日本等发达国家
的带动下,世界各国也开始简历智能交通系统。
由于公路车流量日益增大、道路
交通日益拥挤,车辆管理相对越来越困难,因此各个发达国家和发展中国家都在积极建设适应未来交通运输需求的智能交通系统。
1.2本课题的研究目的及意义
车牌识别系统的主要任务是分析和处理摄取到的复杂背景下的车辆图像,定位分割牌照,最后自动识别汽车牌照上的字符,车牌识别是利用车辆牌照的唯一性来识别和统计车辆,它是以数字图像处理、模式识别、计算机视觉等技术为基础的智能识别系统。
在现代化交通发展中车牌识别系统是制约交通系统智能化、现代化的重要因素,车牌识别系统应该能够从一幅图像中自动提取车辆图像,自动分割牌照图像,对字符进行正确识别,从而降低交通管理工作的复杂度。
车牌识别系统将获取的车辆图像进行一系列的处理后,以字符串的形式输出结果,这样不但数据量小,便于存储,操作起来也更容易,因此车牌识别系统的便捷性是人工车牌识别所不能比拟的,它蕴藏着很大的经济价值和发展空间,对车牌识别技术的研究是非常有意义的。
在车牌识别系统中最为重要的两个技术是车牌定位和车牌字符识别,这两个技术的好坏直接影响到整个车牌识别系统的实时性和准确性。
国内外己有不少学者对车牌定位技术做了大量的研究,但在实际的应用中还没有一个有效可行的方法,如由于车辆抖动造成车牌图像的歪斜、由于污迹和磨损造成车牌字符的模糊、由于光照不均造成车牌图像的模糊等都会或多或少影响到车牌定位的准确度。
针对以上实际情况,很多学者开始在鉴于车牌图像本身特征的基础上研究车牌定位技术,并先后提出了一些有效的定位方法,以减小种种主、客观因素对车牌定位准确度的影响。
然而智能交通的不断发展使得车牌定位系统有了更高的要求,主要表现在系统的实时性和准确性。
车牌字符识别的实质是对车牌上的汉字、字母和数字进行快速准确的识别并以字符串的形式输出识别结果,字符识别技术是整个车牌识别系统的关键。
车牌识别系统与其它图像识别系统相比较而言要复杂的多,在字符识别中,汉字识别是最难也是最关键的部分,很多国外较为成熟的车牌识别系统无法进入中国市场的原因就在于无法有效的识别汉字。
此外,由于外界环境的影响,系统必须保证能够在任何天气情况下全天不间断的正常工作。
到目前为止,在众多的车牌自动识别方法中还没有一个可以达到理想的效果,因此对车牌识别技术的研究意义重大。
1.3国内外发展状况
从20世纪90年代初,国外就已经开始了对汽车牌照自动识别的研究,其主要途径就是对车牌的图像进行分析,自动提取车牌信息,确定汽车牌号。
在各种应用中,有使用模糊数学理论也有用神经元网络的算法来识别车牌中的字符,但由于外界环境光线变化、光路中有灰尘、季节环境变化及车牌本身比较模糊等条件的影响,给车牌的识别带来较大的困难。
国外的相关研究有:
JBarroso提出的基于扫描行高频分析的方法和I.T.Lancaster提出的类字符分析方法等。
为了解决图像恶化的问题,目前国内外采用主动红外照明摄像或使用特殊的传感器来提高图像的质量,继而提高识别率,但系统的投资成本过大,不适合普遍的推广。
车牌识别系统中的两个关键子系统是车牌定位系统和车牌字符识别系统。
关于车牌定位系统的研究,国内外学者已经作了大量的工作,但实际效果并不是很理想,比如车牌图像的倾斜、车牌表面的污秽和磨损、光线的干扰等都是影响定位准确度的潜在因素。
为此,近年来不少学者针对车牌本身的特点,车辆拍摄的不良现象及背景的复杂状况,先后提出了许多有针对性的定位方法,使车牌定位在技术和方法上都有了很大的改善.然而现代化交通系统不断提高的快节奏,将对车牌定位的准确率和实时性提出更高的要求。
因而进一步加深车牌定位的研究是非常必要的。
车牌字符识别是在车牌准确定位的基础上,对车牌上的汉字、字母、数字进行有效确认的过程,其中汉字识别是一个难点,许多国外的LPR系统也往往是因为汉字难以识别而无法打入中国市场,因而探寻好的方法解决字符的识别也是至关重要的。
目前己有的方法很多,但其效果与实际的要求相差很远,难以适应现代化交通系统高速度、快节奏的要求。
因而对字符识别的进一步研究也同样具有紧迫性和必要性。
从实用产品来看,如以色列的Hi-Tech公司研制的多种See/Carsystem,适应于几个不同国家的车牌识别,就针对中国格式车牌的See/Carsyste而言,它不能识别汉字,且识别率有待提高。
新加坡Optasia公司的VLPRS产品,适合于新加坡的车牌,另外日本、加拿大、德国、意大利、英国等西方发达国家都有适合于本国车牌的识别系统。
我国的实际情况有所不同,国外的实际拍摄条件比较理想,车牌比较规范统一,而我国车牌规范不够,不同汽车类型有不同的规格、大小和颜色,所以车牌的颜色多,且位数不统一,对处理造成了一定的困难。
在待处理的车牌图像中就
有小功率汽车使用的蓝底白字牌照,大功率汽车所用的黄底黑字牌照,军车和警车的白底黑字,红字牌照,还有国外驻华机构的黑底白字牌照等。
就位数而言,有七位数字的,有武警车九位数字的,有军车、前两位字符上下排列的等,所以也造成了处理的难度。
国内做得较好的产品主要是中科院自动化研究所汉王公司的“汉王眼”,此外国内的亚洲视觉科技有限公司、深圳市吉通电子有限公司、中智交通电子系统有限公司等都有自己的产品,另外西安交通大学的图像处理与识别研究室、上海交通大学的计算机科学与工程系、清华大学、浙江大学等都做过类似的研究。
通常处理时为了提高系统的识别率,都采用了一些硬件的探测器和其他的辅助设备如红外照明等,其中“汉王眼”就是采用主动红外照明和光学滤波器来减弱可见光的不可控制影响,减少恶劣气候和汽车大小灯光的影响,另外还要求在高速公路管理窗口到“汉王眼”识别点埋设两条线路管道,一条管道铺设220伏50赫兹1安培的交流供电线路;另一条管道铺设触发信号线路和汉王眼与管理计算机的通讯线路,投资巨大,不适合于大面积的推广。
另外,还有两种专门的技术被用于车牌的识别中,条形码识别技术和无线射频技术。
条形码识别要求预先在车身上印刷条形码,在系统的某一固定位置上安装扫描设备,通过扫描来读取条形码,以达到识别车辆的目的。
无线射频技术要求在车内安装标示卡,在系统某一位置安装收发器等装置,通过收发器来接受标示卡的信号,从而识别出经过的车辆。
显然,这两种技术更难以推广。
从目前一些产品的性能指标可以看出,车牌识别系统的识别率和识别速度有待提高。
现代交通的飞速发展以及车牌识别系统应用范围的日益拓宽给车牌识别系统提出了更高的要求。
因此,研究高速、准确的定位与识别算法是当前的主要任务,而图像处理技术的发展与摄像设备、计算机性能的提高都会促进车牌识别技术的发展,提高车牌识别系统的性能。
1.4主要应用领域
车牌自动识别系统具有广泛的应用范围,主要应用于:
高速公路收费、监控管理;小区、停车场管理;城市道路监控、违章管理;车牌登录、验证;校园车流统计、安全管理等。
车牌自动识别系统应用于这些系统,可以解决通缉车辆的自动稽查问题,可以解决车流高峰期因出入口车流瓶颈造成的路桥卡口、停车场交通堵塞问题,可以解决因工作人员作弊造成的路桥卡口、高速公路、停车场应收款流失的问题,还可以以最简单的方式完成交通部门的车辆信息联网,解决数据统计自动化,模糊查询的问题。
车牌自动识别系统可安装于公路收费站、停车场、十字路口等交通关卡处,其具体应用可概括为:
a.交通监控利用车牌识别系统的摄像设备,可以直接监视相应路段的交通状况,获得车辆密度、队长、排队规模等交通信息,防范和观察交通事故。
它还可以同雷达测速器或其他的检测器配合使用,以检测违犯限速值的车辆。
当发现车辆超速时,摄像机获取该车的图像,并得到该车的牌照号码,然后给该车超速的警告信号。
b.交通流控制指标参量的测量,为达到交通流控制的目标,一些交通流指标的测量相当重要。
该系统能够测量和统计很多交通流指标参数,如总的服务流率,总行程时间,总的流入量流出量,车型及车流组成,日车流量,小时/分钟车流量,车流高峰时间段,平均车速,车辆密度等。
这也为交通诱导系统提供必要的交通流信息。
c.高速公路上的事故自动测报这是由于该系统能够监视道路情况和测量交通流量指标,能及时发现超速、堵车、排队、事故等交通异常现象。
d.对养路费交纳、安全检查、运营管理实行不停车检查根据识别出的车牌号码从数据库中调出该车档案材料,可发现没及时交纳养路费的车辆。
另外,该系统还可发现无车牌的车辆。
若同车型检测器联用,可迅速发现所挂车牌与车型不符的车辆。
e.车辆定位由于能自动识别车牌号码,因而极易发现被盗车辆,以及定位出车辆在道路上的行驶位置。
这为防范、发现和追踪涉及车辆的犯罪,保护重要车辆(如运钞车)的安全有重大作用,从而对城市治安及交通安全有重要的保障作用。
车牌自动识别系统拥有广阔的应用前景,但若在每个街口都装配一套全新的车辆探测器的硬件系统则投资巨大,所以急需一个纯软件实行的车牌自动识别系统来最大限度的减少费用,而纯软件的设计,不仅投资小而且灵活性高,适合我国的国情。
1.5设计原理
由于车辆牌照是机动车唯一的管理标识符号,在交通管理中具有不可替代的作用,因此车辆牌照识别系统应具有很高的识别正确率,对环境光照条件、拍摄位置和车辆行驶速度等因素的影响应有较大的容阈,并且要求满足实时性要求。
该系统是计算机图像处理与字符识别技术在智能化交通管理系统中的应用,它主要由图像的采集和预处理、牌照区域的定位和提取、牌照字符的分割和识别等几
个部分组成。
其基本工作过程如下:
a.当行驶的车辆经过时,触发埋设在固定位置的传感器,系统被唤醒处于工作状态;一旦连接摄像头光快门的光电传感器被触发,设置在车辆前方、后方和侧面的相机同时拍摄下车辆图像;
b.由摄像机或CCD摄像头拍摄的含有车辆牌照的图像通视频卡输入计算机进行预处理,图像预处理包括图像转换、图像增强、滤波和水平较正等;
c.由检索模块进行牌照搜索与检测,定位并分割出包含牌照字符号码的矩形区域;
d.对牌照字符进行二值化并分割出单个字符,经归一化后输入字符识别系统进行识别。
2工作流程
2.1系统框架结构和工作流程
汽车牌照识别(LPR)系统通过引入数字摄像技术和计算机信息管理技术,采用先进的图像处理、模式识别和人工智能技术,通过对图像的采集和处理,获得更多的信息,从而达到更高的智能化管理程度。
在LPR系统产品的性能指标中,识别率和识别速度难以同时提高其中原因既包括图像处理技术不够成熟,又受到摄像设备计算机等性能的限制。
因此,研究高速准确的定位与识别算法,是当前的主要任务。
汽车车牌自动识别系统主要包括触发拍照、图像采集、图像预处理、车牌定位、字符分割、字符识别、输出结果等单元,如图2.1所示。
图2.1车牌识别系统工作流程图
触发拍照:
该单元会自动检测车辆在指定区域的存在,现有的成熟技术的有线圈触发、视频触发、红外触发、雷达触发以及激光触发。
其中线圈触发和视频触发得到了广泛的应用。
图像采集:
该单元是指道路上安装的摄像头在检测到有车辆通过的同时进行拍照并借助网络传送到汽车自动识别系统。
图像预处理:
该单元是指车牌识别系统对拍摄的汽车图片进行灰度化和边缘检测等处理。
在外界光照不均匀,光照强度不稳定的情况下,通过摄像机采集到的车牌原始图像会模糊不清,因此需要对其进行图像增强的处理;在外界环境噪声以及电子器件自身产生的噪声干扰下,车牌图像质量会有所下降,因此需要对原图
像进行去噪处理等等。
以上所做的这些处理均属于图像预处理的工作。
车牌定位:
是指对预处理过的汽车图片进行处理,把车牌部分进行定位,把无用的部分去除,得到定位好的车牌图片。
在一张完整的车辆图像中,大部分区域都是背景图像,对识别工作毫无意义,我们可以将背景区域视为无用区域,并设法将其去除,即从复杂的背景图像中准确的定位并分割出车牌区域图像,从原图像中提取出需要的部分舍弃不需要的部分,以便节省系统识别时间,这也是车牌定位分割的目的及意义所在。
在定位分割的过程中要保证不能把非车牌区域误判为车牌区域,也不能漏检车牌区域,否则后继的工作将无法进行。
字符分割:
对已经定位的车牌图片的进行字符分割,将车牌分割为7个单一的字符图片。
被分离出的车牌区域图像,系统并不能直接对其进行识别,还需要将车牌上的每一个字符都独立的完整的分割出来,即从车牌区域图像中将车牌上所包含的每一个字符都切分出来,使其成为不具有任何相关性的单个字符图像,再由系统分别对每个字符进行识别,在对字符进行切分时,要注意保证每个字符的完整度。
字符识别:
车牌字符识别是最为关键的一步,前面对车牌图像所做的处理都是为了完成最终的识别。
系统输入的是单个的字符图像,输出的却是文本格式的完整的车牌号码,车牌字符识别的准确率直接反映出车牌识别系统性能的好坏。
输出结果:
输出识别结果,并进行数据存储。
对于车牌识别系统而言,以上的每一个步骤都是必不可少的,并且后一步骤均是建立在前面步骤的基础之上进行的,因此,只有确保做好每一步才能顺利完成系统最终的识别工作。
3详细设计步骤
车牌识别系统包括图像采集、图像预处理、车牌定位、字符分割、字符识别等模块,本文主要研究图像预处理、车牌定位、字符识别三个模块。
3.1设计方案
该系统主要是由图像处理和字符识别两部分组成。
其中图像处理部分包括图像预处理、边缘提取模块、牌照的定位以及分割模块。
字符识别部分可以分为字符分割与特征提取和单个字符识别两个模块。
字符识别部分要求照片清晰,但由于该系统的摄像头长时间在室外工作,加上光照条件、摄像头角度和距离、车辆自身条件以及车辆的行驶速度的影响,想拍出较理想的图片很困难。
因此,我们要对摄像头拍摄的图片进行预处理,主要包括图片灰度化和图片边缘提取等。
车牌定位和车牌分割是整个系统的关键,其作用是在经图象预处理后的灰度图象中确定牌照的具体位置,并将包含牌照字符的一块子图象从整个图象中分割出来,供字符识别子系统识别之用,分割的准确与否直接关系到整个牌照字符识别系统的识别率。
车牌识别系统的最终目的就是将不清楚的车牌照片进行识别,输出清晰的图片。
现在字符识别的常用方法有模板匹配法和神经网络模型法。
3.2图像预处理
图像预处理及边缘提取流程图如图3.1所示。
图3.1预处理及边缘提取流程图
3.2.1图像灰度化
汽车图像样本目前大都是通过摄像机、数码相机等设备拍摄获取的,因而预处理前的图像都是彩色图像。
真彩色图像又称RGB图像,它是利用R、G、B分量表示一个像素的颜色,R、G、B分别代表红、绿、蓝3种不同的颜色,通过三基色可以合成出任意颜色。
而每个分量有255种值可取,这样一个像素点可以有,1600多万(255×255×255)的颜色的变化范围。
而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像,每一个像素点的变化范围为255种,所以在数字图像处理种一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些。
灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。
所以,对一个尺寸为m×n的彩色图像来说,存储为一个m×n×3的多维数组。
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。
由于图像的每个象素都具有三个不同的颜色分量,存在许多与识别无关的信息,不便于进一步的识别工作,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。
数字图像分为彩色图像和灰度图像。
在RGB模型中,如果R=G=B,则颜色表示一种灰度颜色,其中R=G=B的值叫做灰度值。
由彩色转换为灰度的过程叫做灰度化处理。
灰度图像就是只有强度信息而没有颜色信息的图像,存储灰度图像只需要一个数据矩阵,矩阵每个元素表示对应位置像素的灰度值。
彩色图像的象素色为RGB(R,G,B),灰度图像的象素色为RGB(r,r,r),R,G,B可由彩色图像的颜色分解获得.而R,G,B的取值范围是0-255,所以灰度的级别只有256级。
对于将彩色图像转换成灰度图像时,目前比较主流的灰度化方法叫平均值法,公式为:
H=0.229R+0.588G+0.144B
公式中H表示灰度图的亮度值;R代表彩色图像红色分量值;G代表色彩图像绿色分量值;B代表彩色图像蓝色分量值。
RGB三分量前的系数为经验加权值。
加权系数的取值建立在人眼的视觉模型之上。
对于人眼较为敏感的绿色取较大的权值;对人眼较为不敏感的蓝色则取较小的权值。
通过该公式转换的灰度图能够比较好地反应原图像的亮度信息。
在MATLAB中我们可以调用im2gray函数对图像进行灰度化处理。
灰度化的MATLAB程序如下,原图如图3.2所示。
I=imread('car.png');
figure
(1),imshow(I);title('原图')
图3.2原图
I1=rgb2gray(I);
figure
(2),subplot(1,2,1),imshow(I1);title('灰度图');
figure
(2),subplot(1,2,2),imhist(I1);title('灰度图直方图');
灰度图如图3.3所示。
图3.3灰度图
3.2.2图像的边缘检测
边缘是指图像灰度发生空间突变或者在梯度方向上发生突变的像素的集合。
用摄像机采集到的机动车图像由于受到噪声干扰以及车辆本身的影响,使得获得的图像质量不理想。
因此,在进行对汽车牌照的定位及字符识别之前需要先对车辆图像进行边缘检测处理,提高图像的质量,使其易于后面的分割和识别。
通过良好的边缘检测可以大幅度的降低噪声、分离出复杂环境中的车辆图像、保留完好的车牌字符信息,方便后面的车牌精确定位与字符识别。
由于车牌识别系统摄像头安装位置固定以及机动车车牌的固有属性,我们可以发现机动车车牌图像都处在水平的矩形区域,在图像中位置较为固定,车牌中字符都是按水平方向排列。
因为有这些明显的特征,经过适当的图像变换,可以清晰的呈现出车牌的边缘。
本文采用经典的Roberts边缘检测算子来对图像进行边缘检测。
边缘检测的MATLAB程序如下:
I2=edge(I1,'robert',0.08,'both');
figure(3),imshow(I2);title('robert算子边缘检测')
Robert算子边缘检测如图3.4所示。
图3.4Robert算子边缘检测
3.3车牌定位和分割
3.3.1车牌的定位
该系统的摄像头拍摄的图片是整个机动车的图片,而只有车牌部分是对系统有用的。
所以我们要对照片进行车牌定位和分割。
车牌的定位和分割是从经过图像预处理后的灰度图像中确定牌照位置,并将车牌部分从整个图像中分割出来,从而进行字符识别[7]。
车牌图像的灰度图的车牌部分是一个水平度很高的长方形图样,在原图中比较集中,且灰度值和周围图样有明显差异,因此很容易用边缘检测来对图像进行分割。
车牌定位和分割的准确度直接关系到最后的字符识别的质量。
se=strel('rectangle',[40,40]);
I4=imclose(I3,se);
figure(5),imshow(I4);title('平滑图像的轮廓');
平滑图像的轮廓如图3.5所示。
图3.5平滑图像的轮廓
I5=bwareaopen(I4,2000);
figure(6),imshow(I5);title('从对象中移除小对象');
从对象中移除小对象后图像如图3.6所示。
图3.6从对象中移除小对象后图像
3.3.2车牌分割
车牌字符分割是车牌自动识别系统中的重要步骤[13],这一模块的正确性受到很多因素的影响,最大问题是二值化不彻底使投影图像中字符间的波谷不够分明;其次,车牌污损、反光、光照不均等原因使车牌图像交差,存在大量噪声;再次,车牌边框和铆钉也会造成分割不正确;还有车牌的前两个字符和后面五个字符之间的间隔符(小圆点)对字符识别有影响;车牌旋转对水平分割有较大影响。
本文车牌部分的分割采用的是利用车牌彩色信息的彩色分割法。
使用统计彩色像素点的方法分割出车牌区域,确定车牌底色蓝色RGB对应的灰度范围,然后统计在行方向的颜色范围内的像素点数量,确定车牌在行方向的区域。
然后,在分割出的行区域内,统计列方向蓝色像素点的数量,最终确定完整的车牌区域。
车牌对位的图像如图3.7所示。
图3.7车牌对位的图像
3.3.3对定位后的彩色车牌的进一步处理
定位后车牌图像是彩色的,会占用较大的存储空间,加重计算机负担。
且车辆图片不可避免存在噪声,所以要对图像进行灰度化,二值化以及滤波处理。
图像的二值化处理就是将图像上的点的灰度置为两个数值,通常为0或255,使整个图像呈现出明显的黑白效果。
也就是将256个亮度等级的灰度图像通过适当的门限值选取而获得仍然可以反映图像整体和局部特征的二值化图像[4]。
滤波则是为了除去图像噪声。
滤波方法有多种,本文采取的滤波方法为均值滤波。
均值滤波是典型的线性滤波算法,指在图像上对目标像素给一个模板,该模板包括了其周围的临近像素。
再用模板中的全体像素的平均值来代替原来像素值。
车牌的进一步处理如图3.8所示。
图3.8车牌的进一步处理
3.4字符分割与归一化
字符分割和归一化流程图如图3.9所示。
图3.9字符分割和归一化流程图
3.4.1字符分割
在汽车牌照自动识别过程中,字符分割有承前启后的作用。
它在前期牌照定位的基础上进行字符的分割,然后再利用分割的结果进行字符识别。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 数字图像 处理 校园 车辆 通行 管理 系统 设计 实现 毕业论文