数字图像处理牌照识别技术.ppt

“数字图像处理-牌照识别技术.ppt”由成员共享，可以阅读。有关“数字图像处理-车牌识别技术.ppt（29页典藏版）”的更多信息，请在人人图书馆中搜索。

1、图像模式识别应用，主题车牌识别技术图像分析与处理技术的综合应用，一、车牌识别技术简介，车牌识别是现代交通管理的重要措施和重要组成部分智能交通系统。识别系统是数码相机技术和计算机信息管理技术的综合应用，实现对行驶车辆的智能管理。数字图像处理和模式识别车牌识别技术的理论基础是典型的，并且易于扩展到其他识别对象。识别过程主要由以下三部分组成。图像捕获通常分为三部分，其中包括整个车辆图像或车牌，通常是彩像。后两个步骤由计算机实现。关键部分是字符识别（OCR）的第三步，识别步骤，具体识别步骤如下，并非唯一。整车或局部图像； 2预处理获取的车辆数字图像； 3车牌位置； 4二进制转换；

2、5车牌分类； 6车牌分割； 7个字符识别； 8个结果优化了车牌的模糊识别。 ，二、车牌位置和分割，车牌位置使用车牌区域的特征来确定车牌的位置，并从图像中分割车牌。步骤1彩像灰度2图像增强3边缘检测4模板匹配5输出牌照子图像，CCD输出，CCD捕获的汽车图像，灰度图像，彩像灰度，灰度增强，灰度增强以改变对比度，多边缘提取方法，定位和分割，下一步是执行字符分割输出识别，1、彩像灰度，CCD摄像机输出的图像一般是24位真彩像，需要对其进行灰度处理以统一不同车身颜色，并同时实现快速加工。两种系统都可以使用PAL系统的亮度NTSC系统的亮度，使用灰色来增强2、对比度。

3、度变换增强对比度，突出牌照区域通常采用拦截变换，并且经常采用以下公式，3、边缘检测，主要方法1直接分析图像2提取牌照区域边界3灰点操作4模板匹配5操作员方法6形态处理7其他边缘提取方法，车牌图像特征，车牌定位和分割的理论和方法是根据车牌图像的特征确定的车牌图像是1个车牌区域中的边缘灰度图直方图的统计特征2车牌的几何特征3车牌区域的灰度分布特征4车牌区域的水平和垂直投影特征5车牌和字符排列格式特征6牌照的形态特征7频谱特征，由牌照图像组成，由省的汉字或其他汉字或阿拉伯数字组成，共7位，即X1X1X3X4X5X6X7例。

4、川AK0387尺寸宽45mm，高90mm，垫片宽度10mm，单位间距12mm。字符笔划在垂直方向上连接。卡的底部和字符的颜色形成了鲜明的对比。边缘非常丰富。蓝色背景，白色字符，黑色背景上的黑色字符，黑色背景上的白色字符和白色背景上的黑色字符的四种类型。定位和细分困难。捕获的图像会受到环境因素（尤其是环境光）的干扰。当环境光太强时，图像较薄，对比度变差；汽车后部还有其他字符，这使得车牌定位困难；大多数车牌被污染并变脏；车牌的一部分被堵塞；车牌图像是运动图像，在拍摄过程中会失真。 ，模板匹配，使用与图像中牌照大小相同的已知模板。在对比度增强的图像中，从起点0,0开始，然后逐渐一点一点移动，以找到最佳的区域匹配公式。最大值是已知的输出。模板不是特定的牌照，但具有牌照的统计特征。

5、的通用模板是一种模糊匹配，通过形态学处理来确定车牌的位置，二值图像，通过膨胀和腐蚀进行定位，一种车牌定位算法，1原始图像是基于方向区域基于距离测量的彩色边缘检测以获得原始边缘图像2对原始边缘图像中的每个边缘点执行边缘颜色对检测以获得候选牌照边缘图像3对候选牌照边缘图像执行封闭操作获取连接域图像4计算每个连接域如果仅剩一个连接域，则可以确认为车牌区域，转到7，其中一种车牌定位算法，如果有多个连接域，则为5 ，计算r。消除不在阈值范围内的连接域。如果只有一个连接的域，则可以确认为车牌区域。转到7 6如果连接的域不止一个，请执行彩色边缘检测，然后对其进行水平扫描。

6、灰度值为1的行数N，如果Nn1，n2的行数多于M，则该连接域可以视为车牌区域。 7从原始图像中提取车牌图像，三、车牌字符识别技术类似于一般的OCR识别方法。模板匹配方法首先对字符进行二值化并规格化字符大小，然后执行模板匹配，选择最佳匹配以输出神经网络匹配方法，两种算法1首先执行每个字符执行特征提取，使用特征训练网络分类器，然后使用分类器识别字符。 2网络自动提取特征并识别输入图像，1、预处理，在定位，分割和检测车牌后，它基本上具有可识别的条件，但是需要适当的预处理。 1图像二值化彩像经过灰度处理后，由于车牌类型的不同，白色背景上有两种黑色字符，黑色背景上有白色字符，需要将其统一为2个字符细分，2、二值化，二进制值。

7、变换的关键是阈值的选择。两种方法：全局阈值，局部阈值，全局阈值，其中hl是灰度值为l的像素数。 ，3、倾斜校正，提取的车牌图像可能会倾斜，为了便于识别，需要对图像进行倾斜校正方法霍夫霍夫变换以计算车牌图像的上下边界线来计算倾斜度边界线P斜率校正的4、大小归一化，字符大小归一化可以简单地使用统计分析来完成归一化内容1。位置归一化，即将字符移动到指定位置，使字符的质心在对齐中，也可以对字符框定位2进行归一化，以使识别的字符具有相同的大小，5、字符识别有更多的识别方法，匹配方法的识别使用相关函数作为相似性度量。其中，T是模板，S是模板覆盖下的图像子块，i，j是子块左上角的坐标M，。

8、N是模板的长度和宽度，6、字符优化，根据上述牌照定位和切割方法获得的单个字符图像，可能存在字符连接到框架，角色变形，角色破裂。在真正识别之前，需要对字符位图进行进一步的技术处理；常见的方法是根据新的点矩阵大小对用于识别的字符位图进行重新采样，然后根据字符位置，宽度和宽度来搜索字符位图的准确上，下，左，右边界值图像的高度值和新的边界值会重新确定字符像素点，并排除非字符情况。例如，左右边界值之差太小，上下边界之差太小。 ，7、字符类型，民用车辆汉字北京，天津，山西，河北，蒙古，辽，吉，黑，上海，江苏，浙江，安徽，福建，江西，山东，河南，湖北，湖南，广东，桂，琼，四川，桂，云，西藏，陕西，甘，青，宁，辛，于”；除“ I”和“ AZ”以外的英文字母；数字。

9、09;数字和字母“ WJ”，“警” 09;军车A，B，C，D，E，Ji，G，Xin，Ren，Gui，Zi，Chou，Yin，Mao，Chen，Si，Wu，Wei，Shen，You，Xu，Hai的汉字;民用车辆的后缀字符包括“ 09、，用于学习，测试，引导和端口”。 ，8、标准特征库，将分割的字符图像转换为4040点矩阵空间，根据水平和垂直方向，以及根据字符结构在水平，垂直，左和四方向上的几何形状，提取二进制特征右侧投影的图像特征建立了一个多维特征库，其中从Song Ti字体库中选择标准汉字，并从OCR-A字体库中选择字母和数字。标准字符分别进行归一化，轮廓化和特征提取，标准模板是通过从中提取特征而获得的特征向量。 ，10、字符匹配，主要有两种方法：模板匹配方法和人工神经网络算法；模板匹配算法首先对要识别的字符进行二值化，然后将其大小缩放为字符中模板的大小，然后将其与所有字符进行比较。匹配模板，最后选择最佳匹配作为结果。基于人工神经网络的主要算法有两种：一种是首先提取识别出的字符的特征，然后使用获得的特征来训练神经网络分类器。 2另一种方法是将要处理的图像直接输入到网络中，网络自动实现特征提取，直到识别出结果。前一种方法的识别结果与特征提取有关，特征提取很费时，因此特征提取是关键。 ，。

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/shumachanpin/article-323608-1.html