车牌识别,车牌识别系统,车牌识别摄像机,车牌识别软件,车牌识别一体机,深圳车牌识别厂家,安视宝

状元彩票官网

| 在线留言| 收藏安视宝| 网站地图|联系安视宝

欢迎来到安视宝智能,车牌识别,车牌识别系统,定制中心

车牌识别,车牌识别系统,车牌识别摄像机,车牌识别一体机,车牌识别软件,车牌识别算法,车牌识别厂家,安视宝车牌识别摄像机定制厂家

咨询热线:400-600-7621

热搜关键词 :车牌识别照车牌摄像机照车牌网络摄像机车牌识别一体机车牌识别摄像机车牌识别系统车牌识别软件

车牌识别
当前位置:状元彩票官网 » 安视宝资讯中心 » 市场动态 » 车牌识别系统的定位算法流程

车牌识别系统的定位算法流程

文章出处:责任编辑:人气:-发表时间:2015-07-17【

    随着全球经济的高速发展,社会对交通运输的需求持续增长,无论是发达国家还是发展中国家面临的不仅仅是上述提到的问题,城市交通拥堵、交通事故频发、交通环境恶化以及能源短缺等正成为当前世界各国面临的共同问题,传统的解决方法是不断地修建和扩建道路,然而有限的土地资源和经济条件的制约使得道路建设远远满足不了交通增长的需求,在智能化交通管理系统中,车牌识别技术(License Plate Recognition,LPR)是实现车辆识别和监控的一种重要技术,在城市车辆管理上发挥着十分重要的作用。车牌识别技术广泛应用于道路违规车辆监控、停车场管理、车辆安全管理等领域。车牌识别软件系统一般分为三部分:车牌定位、字符分割和字符识别。下面安视宝给大家介绍车牌识别系统状元彩票官网算法里的车牌定位算法:  

状元彩票官网 车牌定位算法

  算法流程

  整个车牌定位算法总共有5个步骤,分别是旋转校正、灰度化、边缘检测、数学形态处理和车牌提取。流程图如图2所示:

  车牌识别系统

车牌定位算法流程图 

    1。旋转校正

    很多时候,待处理图片不一定是水平的图片,会有一些倾斜的图片,在资料搜集中,看到不少的研究者把旋转校正放在车牌定位后做,做一个车牌位置的旋转校正。事实上,经过多次的实验和反复调试,车牌定位后做旋转校正,虽然要处理的数据较少,但是,车牌旋转校正比车辆图片旋转校正要难一些和效果要差一些。在车牌识别系统车牌定位时,当图像的倾斜角度比较大时,除了形态学的处理达不到预期效果外,也不利于车牌区域的提取。因此,为了输出一个平滑整齐的车牌区域,本方法的安排顺序是先把车辆图片校正好再进行车牌定位。这种新顺序,校正效果好,使得车牌定位准确。

    校正方法本文采取radon变换,利用radon变换函数,能够迅速得到倾斜角,进而进行旋转校正。它首先将车牌图像朝各个方向进行投影,计算字符间隙投影为零的个数,则最多零值对应的角度即为车牌的垂直倾斜角,进而通过旋转相应的角度实现垂直倾斜校正;然后根据车牌上下边之间投影距离最短特性获得水平倾斜角度,利用插值方法得出最终校正结果。由于算法采用的都是一些显而易见的性质,因此具有广泛的应用范围。

   连续情形下的radon变换是描述二元函数的投影在某一方向上的线积分,对于离散情形,在数学图像中就是把那些将沿某方向的像素相加,即投影到与该投影方向相垂直的轴线上。其原理是对原图像沿不同方向进行投影,并对投影结果建立二维直方图,选取极值点为直线所对应的点,二维直方图中的每一个极值点的两坐标对应直线边缘的倾斜角度和位置,而该坐标处对应的函数值对应投影的高度,从而可以得到直线的几何参数信息(倾斜角度和位置)。

车牌识别

 

    举个简单例子,如图3,当坐标旋转一个角度0的时候,直线L在新坐标的投影值会与原来直角坐标的投影值不一样,统计O到180度每一个度数的旋转后投影值,我们可以找到一个投影值最大时新坐标旋转的角度0,从下图可以简单看到,当投影值最大的时候,可以轻松找到直线L的倾斜角,这个角度就是0加上90度。

    利用MATLAB自带函数[R,xp] =radon(E,theta);就可以统计出不同角度的投影情况,通过[E,J]=find(R>=max(max(R》)找到R的最大值就可以找到角度0,就可以轻松求出倾斜角。最后用imrotate()函数进行旋转就可以得到我们的校正后的图像。

车牌识别

   2.图像灰度化

    拍摄到的图片是彩色图,彩色图含有大量的颜色信息,如果直接对彩色图像进行处理,会导致处理速度慢、存储空间大和运算复杂等问题。彩色图像会有R、G、B_种颜色的分量,而灰度图的特征是:只有亮度,不含其他色彩信息的图像,可以克服光照、颜色干扰等,使图片更加简单易处理。

    灰度图亮度值量化为256级,0为最暗全黑,255为最亮全白。灰度化算法处理方便,将图片RGB值设置为相等即可,而这个值目前主要采取加权平均法。根据处理需要赋予三个基色不同的权值,再对图像中每个像素点进行加权平均,最后用这个值替代原来的三个基色分量的值,数学公式表达为:

车牌识别

   由上公式可见权值选择不同,得到的灰度图亮度不一样。由大量实验证明,Wr、Wg、Wb的值分别为0。9。 1。77、0 33时,灰度图的效果比较好。此时,式3。1可转化为:

                                  Y=R=G=B=0.299R+0.587G+0.114B

    由公式2的加权平均值的方法所处理出来的灰度图效果会很好。在MATLAB里直接利用函数rgb2gray()即可实现灰度化。

    3.边缘检测

状元彩票官网    图像的边缘是图像的一个基本特征。边缘是指其周围元素灰度有阶跃变化的像素。物体边缘广泛存在于物体之间、物体和背景之间还有物体不同部分之间。因而,边缘是进行图像分割所依靠的重要特征之一。边缘检测可以突出图像边缘,削弱边缘以外图像区域。在汽车图像中,牌照区域内含有丰富的边缘,而其它区域则不具有这个特点,所以针对这种特征我们可以采用边缘检测算法来分离目标与背景区域,仅对车牌部分进行增强。常见的边缘提取方法主要是考察图像每个像素的梯度变换情况,利用边缘邻近的一阶或二阶方向导数规律进行检测。常说的梯度算子实际就是一阶导数算子。当图像边缘灰度变化尖锐,并且图像噪声污染少时,采用梯度算子对图像进行边缘提取会有比较好的效果。边缘算子有很多,常用的以下几个:Roberts算子、Prewitt算子、Sobel算子、Canny算子、Laplace算子、罗盘算子等。   

    4.数学形态学处理

    数学形态学是分析几何形状和结构的数学方法,是建立在集合代数基础上,用集合论方法定量描述几何结构的科学。其基本思想是用一个结构元素作为基本工具来探测和提取图像特征,看这个结构元素是否能够适当有效地放入图像内部。

    数学形态学是以形态结构元素为基础对图像进行分析的数学工具。它的基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的。数学形态学的应用可以简化图像数据,保持它们基本的形状特征,并除去不相干的结构。数学形态学的基本运算有4个:膨胀、腐蚀、开运算和闭运算。它们在二值图像中和灰度图像中各有特点。基于这些基本运算还可以推导和组合成各种数学形态学实用算法。 

    5。车牌提取

    虽然车牌图片很复杂,但是经过上而几步的处理之后,剩下的是一个清晰的目标车牌位置和一些干扰的白色区域。而事实上,形态学处理后并不一定会像图11那么好,只留下车牌区域。有时候还会存在很多较大的干扰区域。

    车牌识别系统的车牌提取方法是利用MATLAB的工具函数中[L,NUM]二BWLABEL(BW,N)可以返回图上的连通域信息,在这些连通区域中,需要用到封闭矩形区域的信息,可以利用这样的一个函数BoundingBox= ESTATS.BoundingBoxl得到。返回的信息是各个连通矩形区域中的位置信息,根据车牌的定制标准,计算每一个区域,利用宽高比2.8到3.8的范围来提取车牌区域位置。

车牌识别

车牌提取结果



快3网上购买 快三平台 状元彩票APP 快3网上购买 快3平台 快3网上购买 恒彩彩票官网 恒彩彩票开奖 快赢彩票投注 快3投注官网