.专业整理.
(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:
导入原
始图像
图像预处理增
强效果图像
边缘提取 对图像开
闭运算
车牌定位
(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。
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
按左右宽度
切割出字符
(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。
切割出的字
2. 各模块的实现:
符送入库中
.学习帮手.
与数据库的
图片相减
分析之差最小
的图片是哪张
字符依次分析显示误
差最小的图片名字