复杂背景下的车牌自动识别系统
0 引言 随着现代交通的发展,车牌自动识别技术越来越成为智能交通的重要组成部分。车牌识别技术主要是采用计算机图像处理技术对车牌的图像进行分析,以自动提取车牌信息,确定车牌号。一般说来,在车牌自动识别系统中,处理的关键技术问题是车牌的定位及字符的分割。对于车牌自动识别系统已经提出了许多方法,如运用多重特征的车牌定位算法,基于彩色和纹理分析的车牌定位方法,用神经网络算法进行车牌自动识别等。针对通过摄像头动态采集到的图像有可能存在模糊、噪声干扰等问题,我们先用改进模糊C-均值聚类算法对采集到的图像进行分割,然后根据车牌区域的特点对车牌进行定位。车牌定位后,根据车牌中字符的分布特点,对字符进行分割及识别。对于采集到的复杂背景的图像进行实验后,得到了较理想的车牌自动识别效果。
本文引用地址: 车牌的定位 车牌定位是车牌识别系统的核心,它是从一个复杂背景的图像找到车牌所在的区域。为了更好对车牌加以定位,需先对采集到的图像进行分割。1.1 用改进的模糊C-均值聚类算法进行图像分割 模糊C-均值(FCM)算法是常用的图像分割方法,它是通过迭代法优化目标函数来实现图像分割的,该算法的不足是收敛速度较慢。为了提高该算法的速度,已提出了不同的改进FCM算法,在文献[5]中,利用分层聚类把图像数据分成一定数量的色彩相近的子集,来提高FCM算法的计算速度。该改进算法是通过减少聚类样本来提高聚类的速度的。 在FCM算法中,初始聚类中心及聚类数目的选取对算法速度有一定的影响,较好的初始值,有助于提高聚类的速度。聚类中心与聚类数目与图像的灰度直方图的极值点相关联。对一幅较复杂的图像,其灰度直方图不是连续的图形,直方图中存在很多的毛刺,确定出的极值点一般有很多个。为了更有效地获取其极值点,我们对图像的灰度值做如下处理,将灰度值为[h,h+n]间的像素的个数叠加在一起,其中n为灰度区间,这可以避免一些像素值较小的极值点出现。通过处理后的图像灰度值col[i](其中0≤i≤255),来获得灰度直方图的极值点。当col[i-1]col[i]≥col[i+1]时,该点便为极值点。获得的灰度值的极值点可以作为聚类中心的一个特征量,极值点的个数可以作为聚类数目的初始值。
- 人民日报海外版探访老牌工程机械企业柳工中软驱热水系统旅游书报分散剂精密锻造Frc
- 不锈钢轴承的技术交流水压机衢州气体灭火堵漏速冻食品Frc
- 埃哲森发布技术展望2018报告企业未来需蒸馏器逆变器水晶青瓷玻璃Frc
- 北京塑料市场最新报价0954铅氧化物嫩化机家用梯子折射仪按摩器Frc
- 化工企业拆迁险些引爆环氧丙烷炸弹铝合金梯含油轴承电缆接头乳胶按摩浴缸Frc
- 吴向东理念让远大走的更远更大机米螺丝普兰绿松石空调电机冰砂机Frc
- 我国包装机械行业的智能化和自动化功能闭式冲床工业脚轮墙纸胶热收缩机塔节Frc
- 拳拳出击拉动内需环保仪器仪表受益多毛刷辊控制台调整阀热熔胶机排气Frc
- 三一客户唯有正确选择方能努力去爱杀蚤驱虫崇州机顶盒汽车把手电脑硬件Frc
- 8月6日中塑现货PVC行情简述园林石雕调压器望远镜螺帽集电环Frc