Q260046902 专业做论文
西南科技大学
毕业设计（论文）题目名称：车辆牌照图像识别算法研究与实现
车辆牌照图像识别算法研究与实现
摘要：近年来随着国民经济的蓬勃发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制、安全管理的要求也日益提高。因此，汽车牌照识别技术在公共安全及交通管理中具有特别重要的实际应用意义。本文对车牌识别系统中的车牌定位、字符分割和字符识别进行了初步研究。对车牌定位，本文采用投影法对车牌进行定位；在字符分割方面，本文使用阈值规则进行字符分割；针对车牌图像中数字字符识别的问题，本文采用了基于BP神经网络的识别方法。在学习并掌握了数字图像处理和模式识别的一些基本原理后，使用VC++6.0软件利用以上原理针对车牌识别任务进行编程。实现了对车牌的定位和车牌中数字字符的识别。
关键词：车牌定位；字符分割；BP神经网络；车牌识别；VC++
Research and Realization of License Plate Recognition
Algorithm
Abstract:In recent years, with the vigorous development of the national economy，there are more and more construct in the domestic expressway, urban road, and parking area. The requisition on the traffic control, safety management improves day by day. Therefore, license plate recognition technology has the particularly important practical application value in the public security and the traffic control. In the paper, a preliminary research was made on the license location, characters segment and characters recognition of the license plate recognition. On the license location，the projection was used to locate the license plate; On the characters segmentation, the liminal rule was used to divide the characters; In order to solve the problem of the digital characters recognition in the plate, BP nerve network was used to recognize the digital characters. After studying and mastering some basic principles of the digital image processing and pattern recognition, the task of license plate recognition was programmed with VC++ 6.0 using above principles. The license location and the digital characters recognition in the license plate were implemented.
Keywords: license location, characters segmentation, BP nerve network, license plate recognition, VC++
目录
第1章绪论 (1)
1.1课题研究背景 (1)
1.2车辆牌照识别系统原理 (1)
1.3车辆牌照识别在国内外研究现状 (2)
1.4本文主要工作及内容安排 (3)
第2章车辆牌照的定位方法 (4)
2.1车辆牌照图像的预处理 (4)
2.1.1 256色位图灰度化 (4)
2.1.2 灰度图像二值化 (5)
2.1.3 消除背景干扰去除噪声 (6)
2.2车辆牌照的定位方法简介 (6)
2.3系统采用的定位方法 (7)
2.3.1 车辆牌照的水平定位 (7)
2.3.2 车辆牌照的垂直定位 (7)
2.3.3 定位的算法实现 (10)
2.4实验结果分析 (12)
第3章车辆牌照的字符分割 (1)
3.1车牌预处理 (1)
3.1.1 去边框处理 (1)
3.1.2 去噪声处理 (1)
3.1.3 梯度锐化 (4)
3.1.4 倾斜调整 (5)
3.2字符分割方法简介 (7)
3.3系统采用的分割方法 (8)
3.3.1 算法介绍 (8)
3.3.2 算法的实现 (9)
3.4字符分割实验结果 (11)
第4章特征提取与字符识别 (13)
4.1字符的特征提取 (13)
4.2字符的识别方法简介 (14)
4.3系统采用的识别方法 (15)
4.3.1 人工神经网络简介 (15)
4.3.2 BP神经网络识别车牌 (16)
4.3.3 BP神经网络识别算法实现 (19)
4.4实验结果分析 (20)
总结 (24)
致谢 (26)
参考文献 (27)
第1章绪论
1.1 课题研究背景
现代社会已经进入信息时代，计算机技术、通信技术和计算机网络技术的不断发展，自动化信息处理能力的不断提高，在人们社会活动和生活的各个领域得到了广泛的应用，在这种情况下，作为信息来源的自动检测、图像识别技术越来越受到人们的重视。
随着汽车数量的急剧增加，车牌自动识别(license plate recognition, LPR)技术日益成为交通管理自动化的重要手段[1]。车牌自动识别技术是计算机视觉、图像处理技术与模式识别等技术的融合，是智能交通系统中一项非常重要的技术。通过车辆牌照自动识别，就可以对运动车辆查询相关的数据库，根据提取的车辆信息，实现有针对性的车辆检查，极大的提高工作人员的效率，降低工作强度，同时也减少了国家财政收入的流失，减少交通事故的发生以及加强社会治安。因此对车牌识别技术研究有巨大的经济价值和现实意义。
由于车牌自动识别技术在智能化交通控制管理中发挥的重要作用，吸引了各国的科研工作者对其进行广泛的研究，目前已有众多的算法，有些已应用于交叉路口、车库管理、路口收费、高速公路等场合。由于需适应各种复杂背景，加之要识别的车辆种类繁多，颜色变化多端，以及检测时要适应不同天气变化导致的不同光照条件，因此，目前的系统都或多或少地存在一些问题。但随着计算机性能的提高和计算机视觉理论及技术的发展，这种技术必将日趋成熟。
车牌的定位与识别技术，总体来说是图像处理技术与车牌本身特点的有机结合，当然也包括小波分析、神经网络、数学形态学、模糊理论等数学知识的有效运用[2]。
本课题是对汽车图像进行分析，从算法角度来研究车牌的定位与识别。
1.2 车辆牌照识别系统原理
一个典型的车辆牌照识别系统(LPR)是由图像采集系统和图像识别系统组成的，如图1-1[3]。当系统发现有车时，图像采集系统便开始采集车辆牌照信息，得到的信息是图像识别系统的输入。通过识别系统的预处理，为目标搜索提供一个良好的定位环境。在预处理的基础上把图像中的车牌从背景中分割出来。对车牌中的字符做字符分割，最后把分割后的字符进行识别，便得到了汽车牌照的号码。
整套系统实际是一种硬件和软件的集成。在硬件上，它需要集成可控照明灯、镜头、图像采集模块、数字信号处理器、存储器、通信模块、温控模块、单片机等；在软件上，它包括车牌定位、车牌字符切割、车牌字符识别等算法。这样一体化的结构形式能在现实中降低对环境的要求。
图1-1 车辆牌照识别系统原理框图
1.3 车辆牌照识别在国内外研究现状
自1988年以来，人们就对车辆牌照识别系统进行了广泛的研究，目前国内外已经有众多的算法，一些实用的LPR技术也开始用于车流监控、出入控制、电子收费等场合。然而无论是LPR算法还是LPR产品都存在一定的局限性，都需要适应新的要求而不断完善。如以色列Hi-Tech公司的See/Car System系列，它需要多种变形的产品来分别适应某一个国家的车牌；新加坡Optasia公司的VLPRS系列，只适合于新加坡的车牌；See/Car Chinese系统可以对中国大陆的车牌进行识别，但都存在一定的缺陷，而且不能识别车牌中的汉字。
我国在90年代初期开始了车辆牌照识别技术的研究。但由于以下几个原因使我国的车辆牌照识别技术在研究和应用方面都有一定难度，且落后于其它国家：①我国的标准汽车牌照是由汉字、英文字母和阿拉伯数字组成，汉字的识别与字母和数字的识别有很大的不同，从而增加了识别的难度。②国外许多国家汽车牌照的底色和字符颜色通常只有对比度较强的两种颜色，而我国汽车牌照仅底色就有蓝、黄、黑、白等多种颜色，字符颜色也有黑、红、白等几种颜色。③其他国家的汽车牌照格式通常只有一种，而我国则根据不同车辆、车型、用途，规定了多种牌照格式。④我国汽车牌照的规范悬挂位置并不唯一，而且由于环境、道路或人为因素造成汽车牌照污染的情况比较严重，这都给车牌识别造成了一定的难度。
因此，我国车辆牌照识别技术的提高和广泛应用还需广大科研工作者和相关交通部门的共同努力。
1.4 本文主要工作及内容安排
本文主要研究车辆牌照识别系统中的数字识别技术，将数字图像处理技术与模式识别技术紧密结合，针对汽车牌照字符识别的特点，分析了车牌定位与分割、字符分割、特征提取、BP神经网络等算法。在车牌定位、字符分割和特征提取的基础上，详细研究了车牌数字字符的识别。
文章在接下来的第二章介绍了车辆牌照的定位方法；第三章介绍了车辆牌照的字符分割算法；第四章介绍了车辆牌照数字字符的识别。其中车辆牌照数字字符的识别是本课题的重点。文章在每一步处理后给出了实验结果，并给出了最后的识别结果。
第2章车辆牌照的定位方法
车辆牌照的定位方法是基于图像处理的基础上，对图像进行分析、总结并经过大量的试验所获得的。定位方法的研究与车牌特征和图像处理技术是分不开的。从自然背景中准确可靠地分割出车牌区域是提高系统识别率的关键，但是由于车牌图像摄于背景复杂且光照不均匀的自然场景，因而会出现颜色失真或低对比度的图像，这给车辆牌照的定位带来了很大的困难。为此人们进行了大量的研究，并取得了一定的成果。
本课题中，根据车牌的二值图像在水平和垂直方向的投影特性提出了基于二值化图像投影法和数学形态学相结合的车牌定位算法，该算法具有快速、简洁实用和与背景相关性小的特点。车牌的定位算法分为预处理、水平定位、垂直定位。其流程图如图2-1所示。
图2-1 车辆牌照定位原理
2.1 车辆牌照图像的预处理
为了使车牌能够被精确定位，在定位搜索以前，要对车牌图像进行预处理。为了能够方便的进行后期的数字图像处理，需要将彩色图像转化成256色的灰度图后进行处理，然后对图像做二值化处理，削弱背景干扰，消除噪声。经过以上的预处理，就可以对车牌进行定位和分割处理。
2.1.1 256色位图灰度化
由于256色的位图的调色板内容比较复杂，使得图像处理的许多算法都没有办法
展开，因此有必要对它进行灰度处理。所谓灰度图像就是图像的每一个象素的RGB 分量的值是相等的。彩色图像的每个象素的RGB 值是不同的，所以显示出红绿蓝等各种颜色。灰度图像没有这些颜色差异，有的只是亮度上的不同。灰度值大的象素比较亮，反之比较暗。图像灰度化有各种不同的算法，比较直接的一种是给象素的RGB 值各自一个加权系数，然后求和。经常用到的灰度化公式由式(2-1)完成：
B G R I *114.0587.0*229.0++= (2-1) 式(2-1)中I 为灰度值。
加权系数的取值是建立在人眼的视觉模型之上的，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。这样可以使得到的灰度图像在视觉上更接近人的主观感觉。应该注意的是最后得到结果一定要归一到0～255之内。
2.1.2 灰度图像二值化
在进行了灰度化处理以后，图像中的每个象素只有一个值，即象素的灰度值。它的大小决定了象素的亮暗程度。为了更加便利的开展下面的图像处理操作，还需要对已经得到的灰度图像做一个二值化处理。图像的二值化就是把图像中的象素的灰度值根据一定的标准分化成两种颜色。在系统中是根据象素的灰度值将图像处理成黑白两种颜色。图像的二值化有很多成熟的方法：可以采用阈值分割法，也可以采用给定阈值法。阈值分割法可以分为全局阈值法和局部阈值分割法。所谓局部阈值分割法是将原始图像划分成较小的图像，并对每个子图像选取相应的阈值。在阈值分割后，相邻子图像之间的边界处可能产生灰度级的不连续，因此需用平滑技术进行排除。局部阈值法常用的方法有灰度差直方图法、微分直方图法。
全局阈值分割方法在图像处理中应用比较多，它在整幅图像内采用固定的阈值分割图像。根据阈值选择方法的不同，可以分为模态方法、迭代式阈值选择等方法。这些方法都是以图像的灰度直方图为研究对象来确定阈值的。另外还有类间方差阈值分割法、二维最大熵分割法、模糊阈值分割法、共生矩阵分割法、区域生长法等等。
在本系统中考虑到所要进行处理的图像大多是噪声比较少的灰度车牌，系统中采用全局阈值分割的方法进行处理，初始阈值T 的确定方法是由式(2-2)完成：
()3/m i n m a x m a x G G G T --= (2-2)
max G 和min G 分别是最高和最低灰度值。
该阈值对不同牌照有一定的适应性，能够保证背景基本被置为0，以突出牌照区域。
经过二值化，可以进行下一步处理。
2.1.3 消除背景干扰去除噪声
对二值化后的图像进行相邻象素灰度值相减，得到新的图像，左边缘可以直接赋值，不会影响整体效果。考虑到图像中的文字是由短的横竖线组成，而背景噪声有一大部分是孤立噪声，所以用模板(1，1，1，1) T对图像进行中值滤波，得到去除大部分干扰的图像。
2.2 车辆牌照的定位方法简介
经过以上的预处理，我们就可以对图像进行车牌的定位和分割。
为了快速、准确地定位车牌，目前已有很多学者提出许多定位算法。其中，众多算法都是利用了车牌自身异于背景区域的特征来进行车牌定位的。这些特征包括车牌的颜色特征、几何特征、纹理特征和经过处理运算后得到的车牌区域固有的特征(异于背景区域特征)等。
车牌定位的算法基本上可以分为两大类：第1类是通过一个步骤将车牌定位出来；第2类是通过两个步骤将车牌定位出来[4]。
第1类：这类算法的主要特点是通过一个步骤就可以将车牌区域定位出来。其主要的算法介绍如下：
(1)基于神经网络的车牌定位方法：该方法首先是用神经网络对大量的样本图像进行训练，然后再进行图像预处理，最后用训练的神经网络提取真正的车牌区域。该算法要求把图像中每一个像素所提取特征输入神经网络来进行学习，计算量很大，同时需处理好网络局部收敛的问题，且车牌定位时间长[5]。
(2)基于模板匹配的车牌定位方法：该算法主要是设立一个滑动窗口，该窗口有若干向量值，利用该窗口在汽车图像上滑动，并计算该窗口所覆盖的那块车牌图像的向量值，找出最佳的向量值，认为是车牌区域。
(3)直线边缘检测：这种方法主要利用Hough变化检测车牌周围边框直线。这种方法的缺点是Hough变换计算量大，对于边框不连续的实际车牌，需附加大量的运算[6]。
(4)统计直方图及投影方法：该方法通过对图像的水平和垂直两个方向灰度投影直方图来分析推断出牌照的位置。该方法的缺点是对噪声敏感，且牌照图像存在倾斜时，不能达到预期的效果。
第2类：即先对车辆图像进行车牌的粗定位，然后再进行精定位。所谓粗定位有
两种含义：第1种粗定位的含义就是从车辆图像中找出车牌的大致位置，它并不要求非常精确的定位出车牌的位置，只需要给出包含车牌的相对较小或较大的一块区域就达到目的；第2种粗定位的含义就是利用粗分割，即给出包含车牌区域在内的若干候选区域，再从这些区域中提取车牌区域[7]。这里不再作详细的论述。
2.3 系统采用的定位方法
在系统中，采用投影法来实现车辆牌照的定位。利用水平投影来检测车牌的水平位置，利用垂直投影和形态学的方法检测车牌的垂直位置[8]。
2.3.1 车辆牌照的水平定位
得到二值化图像以后，首先把二值图像投影到y 轴。根据车牌特征，车牌区域中的垂直边缘较密集，而且车牌一般悬挂在车身较低的位置其下方没有很多的边缘密集区域。因此在车牌对应的水平位置上会出现一个峰值，如图2-2所示。峰值的两个低谷点就是车牌的垂直位置，这样就得到了包含了车牌的带状区域。所以问题转成确定低谷点的位置。但是从图中可以发现投影图不是十分的光滑，会给精确定位带来一些困难，所以对投影图进行平滑。窗口尺寸比较关键，选小了不足以平滑，选大了则会改变投影图原有的基本变化特性。对于实际的投影曲线可以通过找差分曲线的过零点来确定低谷点，所以对平滑以后的投影图)(n h 求一阶差分：
)1()()('+-=n h n h n h (2-3)
找出其由正至负的点，也就是局部最小值。但是并不是所有的局部最小值之间都能称为峰的，它可能附属邻近的一个峰，因而要确定哪一个局部最小值是峰谷，哪一个是毛刺。如何判决峰的独立性呢？本文采取了3个判决依据：
1. 独立峰具有一定峰顶和峰谷的落差，当局部最大值和邻近的局部最小值的差大于阈值，则该局部最小值为谷底，反之则为毛刺。
2．独立峰具有一定的宽度，这是由车牌的宽度信息决定的。
3．独立峰具有一定的面积，这是因为在经过边缘提取，二值化后，在车牌区域具有明显的纹理特征。
在光照均匀和背景不是很复杂的图像中，车牌的峰值特性十分明显，很容易就可以定位出车牌区域的水平位置。但在光照不均匀或背景复杂的图像中峰值特性就不是很明显了。如何准确地确定局部最小值是否为谷底，关键在于阈值的选取。
2.3.2 车辆牌照的垂直定位
根据车牌的特征可以知道，车牌在垂直方向的投影呈现有规律的“峰、谷、峰”的分布。字符与字符之间的间隔是近似相等的，而且字符的宽度是近似相等的，而车
（a）二值化图像（b）水平投影图
图2-2 水平投影
牌具有7个字符，所以车牌区域在垂直方向上的投影应该存在6个低谷点，而且相邻低谷点之间的距离是近似相等的，第二和第三字符之间的距离略大于其他字符间的距离。但在现实中得到二值图像的“峰、谷、峰”的特点并不十分明显，采用这种方法对车牌的垂直位置进行定位效果不是很好，本文考虑使用形态学与投影法相结合的方法来对车牌进行垂直定位，下面简单介绍图像形态学[9]。
最初形态学是生物学中研究动物和植物的一个分支，后来也用数学形态学来表示以形态学为基础的图像分析数学工具。形态学的基本思想是使用具有一定形态的结构元素来度量和提取图像中的对应形状，从而达到对图像进行分析和识别的目的。数学形态学可以用来简化图像数据，保持图像的基本形状特性，同时去掉图像中与研究目的无关的部分。使用形态学操作可以实现增强对比度、消除噪声、细化、填充和分割等常用的图像处理任务。
数学形态学的数学基础和使用的语言是集合论，其基本运算有四种：膨胀(Dilation ) 、腐蚀(Erosion )、开启(Open)和闭合(Close )。基于这些基本运算还可以推导和组成各种数学形态学运算方法。其运算对象是集合，通常给出一个图像集合和一个结构元素集合，利用结构元素对图像进行操作。结构元素是一个用来定义形态操作中所用到的邻域的形状和大小的矩阵，可以具有任意的大小和维数。下面简单介绍一下以上4种运算。
1、膨胀
膨胀的运算符为“⊕”，图像集合A用结构元素B来膨胀，记作B
A⊕，其定义见
式（2-4），其中^
B表示B的映像，即与B关于原点对称的集合。式（2-4）表明，用
B对A进行膨胀的过程是这样的：首先对B作关于原点的映射，再将其映像平移x，
当A 与B 映像的交集不为空集时，B 的原点就是膨胀集合的像素。也就是说，用B 来膨胀A 得到的集合是^
B 的位移与A 至少有一个非零元素相交时B 的原点的位置的集合。 ????????????≠??? ??=⊕φA B x B A x
^| （2-4） 膨胀的作用效果如图2-3所示。其中白色表示目标，背景为黑色，结构元素为一3×3正方形对象。
（a ）膨胀前 （b ）膨胀后
图2-3 图像膨胀前后的显示效果对比 2、腐蚀
腐蚀的运算符是θ，图像集合A 用结构元素B 来腐蚀记作B A θ，其定义为：
{}A B x B A x ?=)(|θ （2-5）
式（2-5）表明，A 用B 来腐蚀的结果是所有满足将B 平移x 后，B 仍全部包含在A 中的x 的集合，从直观上看就是B 经过平移后全部包含在A 中的原点组成的集合。
腐蚀的操作效果如图2-4所示，其中白色为目标，黑色为背景，结构元素为一3×3正方形对象。
（a ）腐蚀前 （b ）腐蚀后
图2-4 图像腐蚀前后的显示效果对比 3、开启
开启的运算符为“ ”， A 用B 来开启记为B A ，其定义如下：
B B A B A ⊕=)(θ （2-6）
4、闭合
闭合的运算符为“?”，A用B来闭合记为B
A?，其定义见式（2-7）：
(⊕
=
?（2-7）
Aθ)
B
B
A
B
开启和闭合运算不受原点位置的影响，无论原点是否包含在结构元素中，开启和闭合的结果都是一样的。
开启和闭合操作的效果如图2-5所示，其中白色为目标，黑色为背景。
对形态学了解后，我们用形态学来进行定位，具体算法为：
1、对得到的带状区域用结构算子先进行一次腐蚀运算，消除一些独立的亮点，但使用的结构算子不能太大，否则会失去一部分车牌的信息。
（a）原图（b）对原图开启操作后（c）对原图闭合操作后
图2-5 图像的开启、闭合操作的显示效果
2、再进行二次膨胀运算，由于膨胀的目的是要把车牌区域连通，因此使用的结构算子和腐蚀的结构算子不一样，要略大一些。
3、最后进行一次开运算，将车牌区域平滑一下。可以发现车牌在图像中形成了一个块状区域。如图2-6所示。
将得到的图像再投影到垂直方向，再根据车牌的宽度信息，设定一个范围，可以把这个范围设置大些，这是因为经过形态学变化后，车牌的长度会变大，而且有可能把附近的一些杂点连在一起了，从而增大了车牌连通区域的长度，如果范围定的太小，就有可能检测不到车牌区域[10]。
2.3.3 定位的算法实现
利用投影法，在Visual C++中用C++语言对以上算法进行编程，对车辆牌照进行定位。实验中水平方向上的定位函数为HprojectDIB()；垂直方向上的定位函数为VprojectDIB()；定位以后分割过程所用的函数为TempSubert()；iTop和iBottom分别是车牌的上下边缘，iLeft和iRight为车牌的左右边缘。定出车牌的四个边缘以后，
就可以通过分割函数TempSubert()将车牌从源图像中裁减出来，为了使裁减的准确，可以设置边缘的微量调整。图像定位算法流程图如图2-7所示。
(a) 水平投影分割得到的图像(b) 腐蚀运算得到的图像
(c) 第一次膨胀运算得到的图像(d) 第二次膨胀运算得到的图像
图2-6 形态学变化得到的图像
图2-7 定位流程图
2.4 实验结果分析
经实验，大部分图片中的牌照能够被正确的定位出来如图2-8，极少部分牌照不能正确定位。实验表明，投影法基本上实现了车辆牌照的定位，但同时不难看出被定位的车牌还包括车牌边框，与理想要求还有很大差距，如果在这些车牌上进行字符分割，将会有很大的困难。另外在实验中还发现该算法对车牌背景环境要求比较严格，车牌如果比较倾斜或者车牌颜色与汽车颜色相近或者车牌背景中的噪声较大，则定位起来比较困难，不能实现车牌的精确定位，以后需要进一步改进。
图2-8 定位前后的图像
第3章车辆牌照的字符分割
在做字符分割以前，必须对定位出来的图像做进一步的处理，要对车牌做去边框处理、去噪声处理、梯度锐化、倾斜度调整等预处理才能进行字符分割。3.1 车牌预处理
3.1.1 去边框处理
一般蓝底白字的车牌都有白色边框，与字符的颜色相同，它的存在将对后继的字符识别造成影响，因此它的滤除十分必要。
1、滤除上下边框
将检测到的二值牌照图像进行水平投影，在0 2、滤除左右边框 滤除左右边框的方法与滤除上下边框的方法类似，只是阈值有些不同，不再赘述。 3.1.2 去噪声处理 图像在扫描或者传输过程中夹带了噪声，去噪声是图像处理中常用的手法。通常去噪声用滤波的方法，比如空间域滤波和同态滤波。采用合适的滤波方法不但可以滤除噪声还可以对图像进行锐化，增强图像的边缘信息。下面介绍几种常用的滤波方法。 1、邻域平均法 为了消除图像中的噪声，可以直接在空间域上对图像进行平滑滤波。它的作用有两种：一种是模糊；另一种是消除噪声。空间域的平滑滤波一般采用简单平均法进行，就是求邻近像素点的平均亮度值，称为邻域平均法。邻域的大小与平滑的效果直接相关，邻域越大平滑的效果越好，但邻域过大，平滑会使边缘信息损失的越大，从而使输出的图像变得模糊，因此需要合理选择邻域的大小。典型的邻域有两种：四邻域和八邻域，其模板见式（3-1）。 如果图像中的噪声是随机不相关的加性噪声，窗口内各点噪声是独立分布的，经过上述模板平滑后，信号与噪声的方差比可提高许多倍。这种算法简单，处理速度快，但它的主要缺点是在降低噪声的同时使图像产生模糊，特别在边缘和细节处。而且， ??????????=010*********M ???? ??????=111101111818M （3-1） 随着邻域的增大，虽然增强了去噪声的能力，但同时模糊程度也更严重。 2、高通滤波 在进行图像处理时，我们经常要对图像进行锐化以便突出图像的边缘。同样的，可以采用在空间域对图像进行滤波的方法，只不过这时采用的冲激响应阵列与空间域低通滤波时所采用的完全不同。采用高通滤波器让高频分量顺利通过，而对低频分量则充分限制，使图像的边缘变得清晰，实现图像的锐化。但是，对图像进行空间域的高通滤波，在增强图像边缘的同时，孤立的噪声点也得到了增强。常用于空间域高通滤波的冲激响应阵列有以下几种： ??????????----=010*******H ??????????--------=1111911112H ???? ??????----=1212521213H （3-2） 3、中值滤波 中值滤波是一种非线性滤波，它也是一种邻域运算，类似于卷积。但中值滤波的计算不是加权求和，而是把它邻域内的所有像素按灰度值进行排序，然后取该组的中间值作为邻域中心像素点的输出值。中值滤波的突出优点是在消除噪声的同时，还能防止边缘模糊。如果图像的噪声多是孤立的点，这些点对应的像素又很少，而图像则是由像素较多、面积较大的块构成，中值滤波效果很好。 4、同态滤波 同态滤波器的思想就是用一系列方法把乘性信号变换成加性组合信号，经过处理后再反变换回乘性信号。同态滤波以图像的照明反射模型作为频域处理的基础，它在数字图像处理中有着十分重要的应用。这里不再详细论述。 去除噪声处理要根据不同的噪声特点选取合适的方法。本系统采用的是去除杂点的方法来进行去噪声处理。具体的算法如下：扫描整个图像，当发现一个黑 色点的时候就考察和该点直接或间接相连接的黑色点的个数有多少，如果大于一定的值，就说明该点不是离散点，否则就是离散点，把它去除掉。在考察相连的黑色点的时候用的是递归的方法。 车牌识别系统的设计 一、摘要: 随这图形图像技术的发展，现在的车牌识别技术准确率越来越高，识别速度越来越快。无论何种形式的车牌识别系统，它们都是由触发、图像采集、图像识别模块、辅助光源和通信模块组成的。车牌识别系统涉及光学、电器、电子控制、数字图像处理、计算视觉、人工智能等多项技术。触发模块负责在车辆到达合适位置时，给出触发信号，控制抓拍。辅助光源提供辅助照明，保证系统在不同的光照条件下都能拍摄到高质量的图像。图像预处理程序对抓拍的图像进行处理，去除噪声，并进行参数调整。然后通过车牌定位、字符识别，最后将识别结果输出。 二、设计目的和意义: 设计目的： 1、让学生巩固理论课上所学的知识，理论联系实践。 2、锻炼学生的动手能力，激发学生的研究潜能，提高学生的协作精神。 设计意义： 车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。 三、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。 四、详细设计步骤: 图像处理及识别技术在机器人路径规划中的一种应用 摘要：目前，随着计算机和通讯技术的发展，在智能机器人系统中，环境感知与定位、路径规划和运动控制等功能模块趋向于分布式的解决方案。机器人路径规划问题是智能机器人研究中的重要组成部分，路径规划系统可以分为环境信息的感知与识别、路径规划以及机器人的运动控制三部分，这三部分可以并行执行，提高机器人路径规划系统的稳定性和实时性。在感知环节，视觉处理是关键。本文主要对机器人的路径规划研究基于图像识别技术，研究了图像处理及识别技术在路径规划中是如何应用的，机器人将采集到的环境地图信息发送给计算机终端，计算机对图像进行分析处理与识别，将结果反馈给机器人，并给机器人发送任务信息，机器人根据接收到的信息做出相应的操作。 关键词：图像识别；图像处理；机器人；路径规划 ABSTRACT：At present, with the development of computer and communication technology, each module, such as environment sensing, direction deciding, route planning and movement controlling moduel in the system of intelligent robot, is resolved respectively. Robot path planning is an part of intelligent robot study. The path planning system can be divided into three parts: environmental information perception and recognition, path planning and motion controlling. The three parts can be executed in parallel to improve the stability of the robot path planning system. As for environment sensing, vision Proeessing is key faetor. The robot path planning of this paper is based on image recognition technology. The image processing and recognition technology is studied in the path planning is how to apply, Robots will sent collected environment map information to the computer terminal, then computer analysis and recognize those image information. After that computer will feedback the result to the robot and send the task information. The robot will act according to the received information. Keywords: image recognition，image processing, robot，path planning 《车牌识别系统》 车牌识别系统 摘要：文章从车牌定位、车牌字符分割和车牌字符识别 3个阶段对车牌识别技术进行了深入研究，并用MATLAB进行了仿真。 关键词：车牌识别，车牌定位，车牌字符分割 1 引言 车牌是一辆汽车独一无二的信息，因此，对车辆牌照的识别技术可以作为辨识一辆车最为有效的方法。随着 ITS(智能交通系统)的高速发展，对车牌识别技术的研究也随之发展。从根本上讲，牌照识别应用了先进的图像处理，模式识别，人工智能技术来获取，处理，解释，记录拍照的图像。目前，牌照识别技术已经广泛而成功的应用于高速公路的监测，电子收费，交通违规管理，安全停车管理，偷盗车辆辨识等重要领域。 车牌识别系统一般包括以下几个部分，见图1。 图1 车牌识别系统 主要研究内容如下: 1.车牌的定位研究。先进行图像的预处理，包括:RGB彩色图像的灰度化、图像灰度拉伸、图像边缘检测、灰度图的二值化等;车牌定位采用基于水平和垂直投影分布特征的方法。 2.字符分割的研究。先对定位后的车牌图像进行预处理，然后按照车牌的先验信息,用区域增长算法来确定候选车牌的字符区域。 3.字符识别的研究。对于提取出的单个字符，先进行归一化操作，再与给定的模板做对比，识别出字符。 2. 图像的定位 2.1 图像的预处理 一般情况下，由CCD采集到的图像会有不理想的情况，如光线过强，或者偏弱，这些都会对后续的图像处理产生一向。而且车牌位于车身下部，靠近散热片，对比度较差，此时若直接对灰度图像进行定位会有不小的困难，为了获得较好处理的灰度图像，在对CCD 采集的原始图像进行灰度化后，要对其灰度转换。 首先对图像灰度拉伸，使灰度级占据 0--255整个区域，这样做的目的是为了减少光线过强，或者偏弱时造成的灰度级过少．本文直接采用直方图均衡化，这样处理简单，运算量小，效果也较理想。 2.2 边缘提取 基于视频图像序列的抛洒物检测第1章概述1.1 论文研究背景 如今，中国高速公路里程已达7.4万公里，居世界第二位[1]。随着高速公路、城市公路通行量的不断增加，交通事故所带来的安全隐患也所之增加，在众多危害安全的事故中交通事故是当前最为严重的，而中国交通局对近10年交通事故官方统计显示，世界上因交通事故死亡人数最多的国家中，中国位列前三之中。至今中国每年交通事故约50万起，每年的事故死亡人数均已达到10万人以上，已经连续十年居世界第一。 而今，随着我国经济的不断发展，交通需求的不断增长，高速公路和隧道已成为经济社会发展的重要助推器。然而，高速公路在给人们带来巨大的经济效益和社会效益的同时，各类交通事故也明显增加，尤其是各类恶性重大事故频发，据不完全统计，2005年底每万公里死亡1823人，死亡人数以每年近20%的比率递增。由于高速公路和隧道具有车流量大、行车速度高等特点，一旦发生交通事故将会非常严重，不仅一次事故殃及的车辆多、伤亡率高，还会造成严重的交通阻塞和行车延误，而且还可能会引起二次事故的发生，严重影响高速公路和隧道的整体通行能力和运营效率。而高速公路里程长，交通事件自身又有很强的随机性，如何快速检测交通事件，最大限度地减少交通事件的发生和影响，一直是国际交通领域所关注的问题。 城市中大货车货运过程中抛洒物事件已经严重危害交通安全，成为造成交通事故的主要原因之一，其带来的安全隐患是我们急需重视及解决的问题。因过往车辆上的抛洒物、坠落物引发的交通事故不仅给通行车辆和司乘人员造成了生命财产损失，影响了道路的通畅，而且给高速公路运营管理单位带来了经济损失和诉讼纠纷，损害了高速公路的社会形象。每天通过车辆数以千万计，路面上抛洒物、坠落物随时随地可能出现[2]。尽管高速公路管理单位已安排保洁工路面巡查，养排中心专职巡查，交警路政也在巡查，但仍不可能做到在时间上、空间上的无缝覆盖。而这些抛洒物、坠落物很有可能随时引发交通事故，给过往司机旅客造成财产甚至生命的损失，给高速公路经营管理带来经济上、法律上的纠纷和后果。如何及时准确的检测到抛洒物事件的发生，高效率的检测路面上产生的抛洒物，并且及时清理避免造成交通事故已经成为国内外交通部门关注的热点问题。 基于单片机的车牌识别系统设计与实现 目录 摘要 (2) 二、选题 (4) 三、系统主要特点 (5) 四、系统方案、实现原理 (6) 4.1 图像采集及存储格式 (8) 4.2 图像的灰度化 (8) 4.3 图像的二值化 (9) 4.4 车牌的去边框 (9) 4.5 图像的梯度锐化 (10) 4.6 字符分割算法 (11) 4.7 字符的归一化 (12) 4.8字符特征提取 (13) 4.9 字符识别算法 (15) 4.9.1 BP神经网络法 (15) 4.9.2 模板匹配法 (17) 五、操作说明与硬件框图 (18) 六、实验程序 (19) 七、数据统计分析 (66) 八、结果分析 (66) 九、实验心得 (66) 十、参考文献 (69) 摘要 伴随着世界各国汽车数量急剧增加，城市交通状况日益引起人们的重视，如何有效地进行交通管理，已成为越来越多人关注的焦点，解决这些问题的关键就是建立智能交通系统。车牌识别是智能交通系统的重要组成部分，它在交通控制与监视中有着多种用途，目前已广泛应用于各种领域。 本文将TMS320C54XX作为核心器件用于车牌自动识别系统中，完成车牌图像的采集、数字图像的处理、提取车牌信息并针对提取的特征对字符进行识别。首先分析了车牌识别系统实现的背景以及其实现意义。然后对实现车牌识别的硬件环境作简要介绍。接着对车牌识别过程中所涉及的边缘检测、字符分割、大小归一化等一系列数字图象处理技术进行进一步的详细分析。之后，对几种字符特征提取算法进行了对比分析，最后选取最适合的网格特征提取法，以此为基础进行模扳匹配，最终识别出车牌号码。 关键词：车牌提取；图象处理；车牌识别；单片机；模扳匹配 停车场管理系统自动车牌识别计费系统技术方案 目录 1企业概况 (4) 1.1公司简介 (4) 1.2资质证书 (4) 2概述 (10) 2.1系统方案总体设计 (10) 2.2项目背景 (11) 2.3方案概述 (12) 3系统介绍 (14) 3.1车牌识别系统简介 (14) 3.2系统优势 (15) 3.3系统组成 (16) 4主要设备参数性能介绍 (19) 4.1CA-AB900道闸 (19) 4.2INEX- TI200 200万高清识别一体机 (20) 4.3CA-600读卡控制器 (21) 技术参数： (21) 4.4软件监控界面 (22) 4.5其他辅件 (22) 5售后服务 (23) 5.1保修时间及范围 (23) 5.2维修及维护服务 (23) 5.3更新改进服务 (23) 5.4客户档案，完善产品质量 (24) 6部分工程案例 (25) 1企业概况 1.1 公司简介 北京市仟安科技有限责任公司是设计、研发、生产、销售、服务为一体的高新技术企业。公司凝聚了大批实力雄厚的研发团队和技术团队，凭着对智能化应用领域多年来的积淀和对未来智能化领域发展的导向，为用户提供有价值的产品和服务。 公司经过多年的开发研究，引进国外最先进的高新技术，不断完善自我。主要研发停车场主板软件、生产智能道闸、停车场收费系统、车位引导系统、派车系统、门禁系统、自动检售票系统等安防权限认证、消费认证产品。仟安的智能系统解决方案也已得到客户的全面认可和好评。经国家技术监督部门检验、产品的技术含量及外光造型已达到世界先进水平。现“仟安”产品已遍布全国各大城市及地区，并已成功销往海外。 公司以“冲破束缚，发展无限”为企业宗旨，积极引领核心技术创新，不断为全球用户创造完美产品。逐渐形成了“开拓、创新、共赢、务实”的企业文化，建立了朝气蓬勃的精英团队。 公司自创建以来，一直保持了高速发展态势，现已成为国内停车场系统服务领域的领跑者，致力于成为中国领先的安防服务品牌。 1.2 资质证书 什么是机器视觉技术？试论述其基本概念和目的。答：机器视觉技术是是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。机器视觉主要用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。机器视觉技术最大的特点是速度快、信息量大、功能多。机器视觉是用机器代替人眼来完成观测和判断，常用于大批量生产过程汇总的产品质量检测，不适合人的危险环境和人眼视觉难以满足的场合。机器视觉可以大大提高检测精度和速度，从而提高生产效率，并且可以避免人眼视觉检测所带来的偏差和误差。机器视觉系统一般由哪几部分组成？试详细论述之。答：机器视觉系统主要包括三大部分：图像获取、图像处理和识别、输出显示或控制。图像获取：是将被检测物体的可视化图像和内在特征转换成能被计算机处理的一系列数据。 该部分主要包括，照明系统、图像聚焦光学系统、图像敏感元件（主要是CCD和CMOS采 集物体影像。 图像处理和识别：视觉信息的处理主要包括滤波去噪、图像增强、平滑、边缘锐化、分割、图像识别与理解等内容。经过图像处理后，图像的质量得到提高，既改善了图像的视觉效果又便于计算机对图像进行分析、处理和识别。 输出显示或控制：主要是将分析结果输出到显示器或控制机构等输出设备。试论述机器视觉技术的现状和发展前景。 答：。机器视觉技术的现状：机器视觉是近20?30年出现的新技术，由于其固有的柔性好、 非接触、快速等特点，在各个领域得到很广泛的应用，如航空航天、工业、军事、民用等等领域。 发展前景：随着光学传感器、信息技术、信号处理、人工智能、模式识别研究的不断深入和计算机性价比的不断提高，机器视觉技术越来越成熟，特别是市面上已经有针对机器视觉系统开发的企业提供配套的软硬件服务，相信越来越多的客户会选择机器视觉系统代替人力进行工作，既便于管理又节省了成本。价格持续下降、功能逐渐增多、成品小型化、集成产品增多。 机器视觉技术在很多领域已得到广泛的应用。请给出机器视觉技术应用的三个实例并叙述之。答：一、在激光焊接中的应用。通过机器视觉系统，实时跟踪焊缝位置，实现实时控制，防止偏离焊缝，造成产品报废。 二、在火车轮对检测中的应用，通过机器视觉系统抓拍轮对图像，找出轮对中有缺陷的轮对，提高检测精度和速度，提高效率。 三、大批量生产过程中的质量检查，通过机器视觉系统，对生产过程中的产品进行质量检查 跟踪，提高生产效率和准确度。 什么是傅里叶变换，分别绘出一维和二维的连续及离散傅里叶变换的数学表达式。论述图像傅立叶变换的基本概念、作用和目的。 答：傅里叶变换是将时域信号分解为不同频率的正弦信号或余弦函数叠加之和。一维连续函数的傅里叶变换为：一维离散傅里叶变换为：二维连续函数的傅里叶变换为：二维离散傅里叶变换为： 图像傅立叶变换的基本概念：傅立叶变换是数字图像处理技术的基础，其通过在时空域和频率域来回切换图像，对图像的信息特征进行提取和分析，简化了计算工作量，被喻为描述图像信息的第二种语言，广泛应用于图像变换，图像编码与压缩，图像分割，图像重建等。作用和目的：图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数，傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数。图像灰度变换主要有哪几种形式？各自的特点和作用是什么？ 答：灰度变换:基于点操作，将每一个像素的灰度值按照一定的数学变换公式转换为一个新的灰度值。灰度变换是图像增强的一种重要手段，它可以使图像动态范围加大，使图像的对比度扩展， 机器视觉检测系统的工作原理与检测流程 内容来源网络，由“深圳机械展（11万㎡，1100多家展商，超10万观众）”收集整理！ 更多cnc加工中心、车铣磨钻床、线切割、数控刀具工具、工业机器人、非标自动化、数字化无人工厂、精密测量、3D打印、激光切割、钣金冲压折弯、精密零件加工等展示，就在深圳机械展. 在机器视觉检测系统工作流程中，主要分为图像信息获取、图像信息处理和机电系统执行检测结果3个部分，另外根据系统需要还可以实时地通过人机界面进行参数设置和调整。 当被检测的对象运动到某一设定位置时会被位置传感器发现，位置传感器会向PLC控制器发送“探测到被检测物体”的电脉冲信号，PLC控制器经过计算得出何时物体将移动到CCD相机的采集位置，然后准确地向图像采集卡发送触发信号，采集开检测的此信号后会立即要求CCD相机采集图像。被采集到的物体图像会以BMP文件的格式送到工控机，然后调用专用的分析工具软件对图像进行分析处理，得出被检测对象是否符合预设要求的结论，根据“合格”或“不合格”信号，执行机会对被检测物体作出相应的处理。系统如此循环工作，完成对被检测物体队列连续处理。如下图所示。 机器视觉检测系统工作原理 一个完整的机器视觉检测系统的主要工作过程如下： ①工件定位传感器探测到被检测物体已经运动到接近机器视觉摄像系统的视野中心，向机器视觉检测系统的图像采集单元发送触发脉冲。 ②机器视觉检测系统的图像采集单元按照事先设定的程序和延时，分别向摄像机和照明系统发出触发脉冲。 ③机器视觉摄像机停止目前的扫描，重新开始新的一帧扫描，或者机器视觉摄像机在触发脉冲来到之前处于等待状态，触发脉冲到来后启动一帧扫描。 ④机器视觉摄像机开始新的一帧扫描之前打开电子快门，曝光时间可以事先设定。 ⑤另一个触发脉冲打开灯光照明，灯光的开启时间应该与机器视觉摄像机的曝光时间相匹配。 ⑥机器视觉摄像机曝光后，正式开始新一帧图像的扫描和输出。 ⑦机器视觉检测系统的图像采集单元接收模拟视频信号通过A/D转换器将其数字化，或者是直接接收机器视觉摄像机数字化后的数字视频信号。 ⑧处理结果控制生产流水线的动作、进行定位、纠正运动的误差等。 从上述的工作流程可以看出，机器视觉检测系统是一种相对复杂的系统。大多监控和检测对象都是运动的物体，系统与运动物体的匹配和协调动作尤为重要，所以给系统各部分的动作时间和处理速度带来了严格的要求。在某些应用领域，例如机器人、飞行物体制导等，对整个系统或者系统的一部分的重量、体积和功耗等都会有严格的要求。 尽管机器视觉应用各异，归纳一下，都包含一下几个过程： ①图像采集：光学系统采集图像，将图像转换成数字格式并传入计算机存储器。 科类理工类编号（学号）20082036 本科生毕业论文（设计） 基于模板匹配的车牌识别及matlab实现 License plate recognition based on template matching and matlab implementation 伏绍鸫 指导教师：朱玲职称讲师 农业大学黑龙潭650201 学院：基础与信息工程学院 专业：电子信息工程年级：2008级 论文（设计）提交日期：2012年5月答辩日期：2012年5月 答辩委员会主任：林楠 农业大学 2012年05 月 目录 摘要 (1) ABSTRACT (2) 1 前言 (3) 2 车牌识别系统分析 (4) 2.1 车牌识别的目的 (5) 2.2车牌识别现状分析 (5) 2.3车牌识别的意义 (6) 2.4 我国车牌分析 (7) 3 车牌识别系统的原理及方法 (8) 3.1车牌识别系统简述 (8) 3.2 车牌图像处理 (9) 3.2.1 图像灰度化 (9) 3.2.2 图像二值化 (10) 3.2.3边缘检测 (10) 3.2.4 图像闭运算 (12) 3.2.5图像滤波处理 (13) 3.4 车牌字符处理 (15) 3.4.1 阈值化分割原理 (15) 3.4.2 对车牌阈值化分割 (16) 3.4.3 字符归一化处理 (17) 3.5 字符识别 (17) 3.5.1 字符识别简述 (17) 3.5.2 字符识别的分类 (18) 3.5.3 基于模板匹配的字符识别 (19) 4 实验分析 (19) 4.1车牌定位过程及分析 (19) 4.2 车牌字符识别 (23) 4.3 车牌识别结果及分析 (26) 5 结论 (28) 参考文献 (29) 致 (29) 附录 (29) 摘要 人脸识别技术(FRT)是当今模式识别和人工智能领域的一个重要研究方向。虽然人脸识别的研究已有很长的历史，各种人脸识别的技术也很多，但由于人脸属于复杂模式而且容易受表情、肤色和衣着的影响，目前还没有一种人脸识别技术是公认快速有效的．本文主要讨论了人脸识别技术的一些常用方法，对现有的人脸检测与定位、人脸特征提取、人脸识别的方法进行分析和讨论，最后对人脸识别未来的发展和应用做了展望。 关键字：人脸识别，特征定位，特征提取 ABSTRACT Nowadays the face recognition technology (FRT) is a hot issue in the field of pattern recognition and artificial intelligence．Although this research already has a long history and many different recognition methods are proposed，there is still no effective method with low cost an d high precision．Human face is a complex pattern an d is easily affected by the expression，complexion and clothes．In this paper，some general research are discussed，including methods of face detection and location，features abstraction，and face recognition．Then we analyze and forecast the face recognition’s application and its prospects． Keywords: Face Recognition Technology, Face location，Features abstraction Matlab程序设计任务书 分院（系）信息科学与工程专业 学生姓名学号 设计题目车牌识别系统设计 内容及要求： 车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生 分析问题和解决问题的能力，还能培养一定的科研能力。 1.牌照识别系统应包括车辆检测、图像采集、牌照识别等几 部分。 2.当车辆检测部分检测到车辆到达时,触发图像采集单元，采 集当前的视频图像。 3.牌照识别单元对图像进行处理，定位出牌照位置，再将牌 照中的字符分割出来进行识别，然后组成牌照号码输出。 进度安排： 19周：Matlab环境熟悉与基础知识学习 19周：课程设计选题与题目分析 20周：程序设计编程实现 20周：课程设计验收与答辩 指导教师（签字）： 年月日学院院长（签字）： 年月日 目录 一．课程设计目的 (3) 二．设计原理 (3) 三．详细设计步骤 (3) 四. 设计结果及分析 (18) 五. 总结 (19) 六. 设计体会 (20) 七. 参考文献 (21) 一、课程设计目的 车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过 设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。 二、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。 三、详细设计步骤: 1. 提出总体设计方案: 牌照号码、颜色识别 为了进行牌照识别，需要以下几个基本的步骤： a.牌照定位，定位图片中的牌照位置； 人脸识别算法 The Design and Implementation of Algorithms for Human Face Recognition 1-i 人脸识别算法 摘要 人脸自动识别是模式识别领域的一项热门研究课题，有着十分广泛的应用前景。本文对人脸位置矫正，人脸的特征提取和识别这些方面进行了研究，并提出了相应的实现算法。 人脸位置矫正作为人脸检测定位的一个环节，在计算机人脸识别中具有重要的意义。本文第二章提出了一种基于单人脸灰度图像中眼睛定位的人脸位置矫正方法，它是针对人眼灰度变化特点、人眼几何形状特征及双眼的轴对称性而设计的。实验结果表明，该方法对于双眼可见单人脸灰度图像能实现快速有效矫正，并能在矫正结果中精确给出双眼瞳孔位置。 本文第三章提出了一种基于神经网络的主元分析人脸图像识别方法。该方法利用非线性主元分析神经网络对人脸图像提取人脸特征（矢量），并在BP神经网络上实现了对人脸图像的识别。实验结果证明了该方法的有效性和稳定性。 关键词 1-ii 人脸位置矫正，人脸特征提取，人脸识别，神经网络，灰度图像，图像块纵向复杂度，主元分析法， 1-iii The Design and Implementation of Algorithms for Human Face Recognition Student: Yangbo Gu Advisor: Dr. Wenming Cao Department of Computer Science and Technology College of Information Engineering Zhejiang University of Technology Abstract The automatic recognition of human faces is a hot spot in the field of pattern recognition , which has a wide range of potential applications . As the results of our in-depth research ,two algorithms are proposed : one for face pose adjustment , the other for facial feature extraction and face identification . Face pose adjustment , as a loop of human face location, is very important in computer face recognition. Chapter 2 of this thesis presents a new approach to automatic face pose adjustment on gray-scale static images with a single face . In a first stage , the right positions of eyes are precisely detected according to several designed parameters which well characterize the complex changes of the gray parameter in and around eyes and the geometrical shape of eyes . During the second stage , based on the location and the symmetry feature of eyes , the inclination angle is calculated and the face position is redressed . The experimentation shows that the algorithm performs very well both in terms of rate and of efficiency . What’s more , due to the precise location of eyes , the apples of the eyes are detected . 1-iv 本科生毕业论文（设计） 题目: 基于数字图像处理的车牌识别设 计 姓 名: 周金鑫 学 院: 数理与信息工程学院 专 业: 电子信息工程 班 级: 111 学 号: 指导教师: 刘纯利职称: 教授 2014 年 12 月 24 日 安徽科技学院教务处制 目录 摘要 ....................................................................关键词 .................................................................. 1、设计目的 ............................................................. 2、设计原理: ............................................................ 3、设计步骤: ............................................................ 4、实行方案 ............................................................. 4.1. 总体实行方案:................................................... 4.2. 各模块的实现:................................................... 4.2.1输入待处理的原始图像: ....................................... 4.2.2图像的灰度化并绘制直方图: ................................... 辽宁工业大学 关于图像识别技术的论述 --图像处理与识别结课论文 学院：电子与信息工程学院 班级：电子102班 学号：100404054 姓名：包媛 关于图像识别技术的论述 随着科学技术的不断发展,计算机应用领域的不断开拓,一种全新的图像处理方法应运而生,这就是数字图像处理技术,即利用计算机设备将图像转变成数字信息来进行保存、处理、传输和重现。数字图像识别技术则是从数字图像处理技术中延伸出来的一个重要的研究方向。目前,数字图像处理与识别的应用范围越来越广。但就目前的水平而言,计算机对外部的感知能力还比较薄弱,还需要投入大量人力、物力从事数字图像处理与识别的理论和应用的研究。图像处理与识别的应用有很多种，如指纹识别，条码识别，人脸识别,车牌识别，残损纸币识别等等在生活，生产中，和警方侦破案件中都有很多很重要的应用。数字图像处理方法的分类以及数字图像处理系统的基本部件,“数字图像处理的基本方法”、“人脸识别”及“残损纸币识别”进行详细叙述。一些数字图像处理的基本方法,包括图像增强与图像检测两部分。人脸识别”当中,可采用SN-tuple神经网络的方法进行识别,同时网络参数的变化对识别率也会有所影响影响。对于“残损纸币识别”,可以选择边缘检测、Fisher判别和神经网络三种方法进行识别。其中,边缘检测需要区分纸币的面值和正反,之后方可识别,但性能较为稳定,识别效果较好;Fisher判别无需区分纸币的面值和正反,但识别率受样本选择的影响,不同样本,识别率有可能相差较大;神经网络方法也可不区分纸币的面值与正反,但识别率较低,若区分面值与正反,则可获得较高的识别率。下面分别对车牌识别，纸币、票据识别和手势识别做陈述。 随着我国国民经济的迅速增长,机动车的规模与流量大幅增加,随之而来的管理问题也日益严重。因此迫切需要采用高科技手段,对这些违法违章车辆牌照进行登记,汽车牌照识别系统的出现成为了交通管制必不可少的有力武器。汽车牌照的识别系统在公共安全,交通管理,及相关军事部门有着重要的应用价值。它是一个基于数字图像处理和字符识别的智能化交通管理系统,该系统先通过图像采集,再对图像进行处理以克服图像干扰,改善识别效果,而后进行二值化,归一化等处理,最后进行识别。车牌识别系统使得车辆管理更趋于数字化,网络化,大大提高了交通管理的有效性与方便性。车牌识别系统作为整个智能交通系统的一部分,其重要性不言而喻。 车牌识别是一项涉及到数字图像处理、计算机视觉、模式识别、人工智能等多门学科的技术,它在交通监视和控制中占有很重要的地位,已成为现代交通工程领域中研究的重点和热点之一。该项技术应用前景广泛,例如用在自动收费系统、不停车缴费、失窃车辆的查寻、停车场车辆管理、特殊部门车辆的出入控制 毕业设计 [论文] 题目：基于MATLAB的人脸识别系统设计 学院：电气与信息工程学院 专业：自动化 姓名：张迎 指导老师：曹延生 完成时间：2013.05.28 摘要 人脸识别是模式识别和图像处理等学科的一个研究热点，它广泛应用在身份验证、刑侦破案、视频监视、机器人智能化和医学等领域，具有广阔的应用价值和商用价值。人脸特征作为一种生物特征，与其他生物特征相比，具有有好、直接、方便等特点，因此使用人脸特征进行身份识别更易于被用户所接受。 人脸识别技术在过去的几十年得到了很大的发展，但由于人脸的非刚性、表情多变等因素，使得人脸识别技术在实际应用中面临着巨大的困难。本文针对近年来国内外相关学术论文及研究报告进行学习和分析的基础上，利用图像处理的matlab实现人脸识别方法，这种实现简单且识别准确率高，但其缺点是计算量大，当要识别较多人员时，该方法难以胜任。 利用MATLAB实现了一个集多种预处理方法于一体的通用的人脸图像预处理仿真系统，将该系统作为图像预处理模块可嵌入在人脸识别系统中，并利用灰度图像的直方图比对来实现人脸图像的识别判定。 关键词：图像处理, Matlab, 人脸识别, 模式识别 ABSTRACT Human face recognition focuses on pattern recognition ,image processi ng andother subjects.It is widely used in authentication,investigation,video surveillance,intelligent robots,medicine and other areas.Facerecognition ha s wide application and business value.Facial feature asabiological character istic,compared with others is direct,friendly andconvenient.Facial featuree mployed in authentication are user-friendly. The technology of face recognition in the past few years obtained the v ery big development, but due to the face of nonrigid, expression and chang eablefactors, the face recognition technology in practical application are fa cing great difficulties. This paper aimed at home and abroad in recent year s the relevant papers and researchreports on study and on the basis of the a nalysis, some units within the data sensitivity places need to enter personne l to carry out limitation design and develop a set of identity verification ide ntification system, the system uses PCA face recognition method, therealiza tion is simple and the accuracy rate of recognition is high,but itsdrawback i s that a large amount of calculation, when to identify more staff,this metho d is difficult to do. The realization of a set of various pretreatment methods in one of the generic face image preprocessing simulation system based on MATLAB, the system is used as the image preprocessing module can be embedded in a face recognition system, and using the histogram matching gray image to realize the recognition of human face images to determine. 数字图像处理课程设计 人脸检测与识别课程设计一、简介人脸检测与识别是当前模式识别领域的一个前沿课题，人脸识别技术就是利用计算机技 术，根据数据库的人脸图像，分析提取出有效的识别信息，用来 “辨认”身份的技术。人脸识别是模式识别研究的一个热点, 它 在身份鉴别、信用卡识别, 护照的核对及监控系统等方面有着广 泛的应用。人脸图像由于受光照、表情以及姿态等因素的影响, 使得同一个人的脸像矩阵差异也比较大。因此, 进行人脸识别时, 所选取的特征必须对上述因素具备一定的稳定性和不变性. 主 元分析(PCA)方法是一种有效的特征提取方法,将人脸图像表示成 一个列向量, 经过PCA 变换后, 不仅可以有效地降低其维数, 同 时又能保留所需要的识别信息, 这些信息对光照、表情以及姿态 具有一定的不敏感性. 在获得有效的特征向量后, 关键问题是设 计具有良好分类能力和鲁棒性的分类器. 支持向量机(SVM ) 模 式识别方法,兼顾训练误差和泛化能力, 在解决小样本、非线性及 高维模式识别问题中表现出许多特有的优势。 本此课程设计基于MATLAB，将检测与识别分开进行。其中检测 部分使用实验指导书上的肤色模型算法进行，不进行赘述。识别 部分采用PCA算法对检测出的人脸图像进行特征提取, 再利用最 邻近距离分类法对特征向量进行分类识别，将在后文具体表述。仿真结果验证了本算法是有效的。 二、人脸检测源码 1.img=imread('D:\std_test_images\face3.jpg'); figure; imshow(img); R=img(:,:,1); G=img(:,:,2); B=img(:,:,3); faceRgn1=(R>95)&(G>40)&(B>20)&max(img,[],3)-min(img,[],3)>15& abs(R-G)>15&R>B; figure; imshow(faceRgn1); r=double(R)./double(sum(img,3)); g=double(G)./double(sum(img,3)); Y=0.3*R+0.59*G+0.11*B; faceRgn2=(r>0.333)&(r<0.664)&(g>0.246)&(g<0.398)&(r>g)& g>=0.5-0.5*r; figure; imshow(faceRgn2); Q=faceRgn1.*faceRgn2; Q260046902 专业做论文 西南科技大学 毕业设计（论文）题目名称：车辆牌照图像识别算法研究与实现 车辆牌照图像识别算法研究与实现 摘要：近年来随着国民经济的蓬勃发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制、安全管理的要求也日益提高。因此，汽车牌照识别技术在公共安全及交通管理中具有特别重要的实际应用意义。本文对车牌识别系统中的车牌定位、字符分割和字符识别进行了初步研究。对车牌定位，本文采用投影法对车牌进行定位；在字符分割方面，本文使用阈值规则进行字符分割；针对车牌图像中数字字符识别的问题，本文采用了基于BP神经网络的识别方法。在学习并掌握了数字图像处理和模式识别的一些基本原理后，使用VC++6.0软件利用以上原理针对车牌识别任务进行编程。实现了对车牌的定位和车牌中数字字符的识别。 关键词：车牌定位；字符分割；BP神经网络；车牌识别；VC++ Research and Realization of License Plate Recognition Algorithm Abstract:In recent years, with the vigorous development of the national economy，there are more and more construct in the domestic expressway, urban road, and parking area. The requisition on the traffic control, safety management improves day by day. Therefore, license plate recognition technology has the particularly important practical application value in the public security and the traffic control. In the paper, a preliminary research was made on the license location, characters segment and characters recognition of the license plate recognition. On the license location，the projection was used to locate the license plate; On the characters segmentation, the liminal rule was used to divide the characters; In order to solve the problem of the digital characters recognition in the plate, BP nerve network was used to recognize the digital characters. After studying and mastering some basic principles of the digital image processing and pattern recognition, the task of license plate recognition was programmed with VC++ 6.0 using above principles. The license location and the digital characters recognition in the license plate were implemented. Keywords: license location, characters segmentation, BP nerve network, license plate recognition, VC++课程设计报告-车牌识别系统的设计
机器视觉与图像处理方法
车牌识别论文
基于视频图像序列的抛洒物检测毕业设计资料
毕业设计--基于单片机的车牌识别系统设计与实现
车牌识别系统技术方案
完整版机器视觉思考题及其答案
机器视觉检测系统的工作原理与检测流程【干货】
基于模板匹配的车牌识别及matlab实现
人脸识别毕业设计
matlab车牌识别课程设计报告(附源代码)
人脸识别算法设计毕业设计
(完整版)基于数字图像处理的车牌识别本科毕业论文
图像处理与识别论文.doc
(完整版)基于matlab的人脸识别系统设计毕业设计
数字图像处理课程设计人脸检测与识别
车辆牌照图像识别算法研究与实现本科毕设论文
相关主题
文本预览