为了提高车牌识别的准确率,在MATLAB平台中设计出一种车牌识别系统,该系统主要工作流程有:对车牌进行形态学预处理、车牌定位、字符分割、字符识别。在处理过程中,通过优化算子、算法和对大量的不同形态的车牌图像进行测试,得到车牌定位的最佳自适应坐标算法,并采用改进迭代阈值算法对定位车牌后的图形进行二值化处理,在车牌精确定位中取得了较好的效果。实验结果表明,该系统对车牌识别的准确率达97%,效果较好。
2021-06-22 12:02:21
1.55MB
汽车车牌定位与字符识别
一、 实验目的：
1、巩固理论课上所学的知识。
2、锻炼动手能力、激发研究潜能，增强理论联系实际的能力。
二、 设计原理与步骤：
定位汽车车牌并识别其中的字符，采用Matlab平台提供的一些图像处理函数,以傅立叶变换通过字符模板与待处理的图像匹配为核心思想。基本方法如下：
1、读取待处理的图像，将其转化为二值图像。
2、去除图像中不是车牌的区域。
3、为定位车牌，将白色区域膨胀，腐蚀去无关的小物件，包括车牌字符。
4、此时车牌所在白色连通域已清晰可见，但一个更大的连通域将车牌所在连通域包围了，需将其填充。
5、查找连通域边界。同时保留此图形，以备后面在它上面做标记。
6、找出所有连通域中最可能是车牌的那一个。
判断的标准是：测得该车牌的长宽比约为X:1，其面积和周长存在关系：(X×L×L)/(2×(X＋1)×L)2≈1/Y，以此为特征，取metric=Y*area/perimeter^2作为连通域的匹配度，它越接近1，说明对应的连通域越有可能是X:1的矩形。
7、将车牌图像反白处理，并扩充为256×256的方阵，以便傅立叶变换中矩阵旋转运算的进行。
8、从文件读取一个字符模板。对图像计算傅立叶描述子，用预先定义好的决策函数对描述子进行计算。变换后的图像中，亮度的高低指示相应区域与模板的匹配程度。
9、确定一个合适的门限，显示亮度大于该门限的点，也就是与模板的匹配程度最高的位置。
10、对照图片，可以说明相应字符被识别和定位了。
三、 实验记录及分析：
待处理的图像如下所示。图像整体比较清晰干净，车牌方向端正，字体清楚，与周围颜色的反差较大。读取待处理的图像，将其转化为二值图像。
经试验，采用门限值为0.2附近时车牌字符最为清楚，杂点最少。
2021-06-17 15:22:13
592KB
1