基于车牌识别的图像提取及分割技术分析.doc

基于车牌识别的图像提取及分割技术分析.doc基于车牌识别的图像提取及分割技术分析摘要:现阶段在实现车牌识别系统的阶段,较主要的成分是分割车牌字符图像技术以及提取车牌图像技术。在本文中具体阐述了一种适合应用在实际提取与分割的技术流程。实验具体在内存64M,Pentium的环境中,从输入图像一直到对结果的识别,,充分地证实了该方法的有效性。关键词:车牌识别;图像提取;分割技术中图分类号:,其可以在任意图像当中自动地将车牌图像提取出来,并将字符图像自动分割,以此来识别字符。在国外一些发达国家因为较早地发展了收费停车场与高速公路,所以早已具备着类似图像提取的自动系统。可因为车牌的识别系统往往是将车牌所处于的特定环境和特定要求作为导向,再加上不同的国家拥有着不同的车牌布局模式,所以车牌的设计方法也不尽相同。1分析图像提取技术在处理图像方面较为核心的是图像变换这一步骤。在开展图像变换的过程中,需要设计出相适应的处理函数,此函数的设计目的主要是为了凸显车牌特点,以此来提取车牌图像。。原始的图像拥有着较多的数据,在处理原始图像的过程中必然会应用较长的时间,同时还包含着实时性的相关需求,在提取车牌方面需要拥有极大的鲁棒性,即通过直接处理就可以提取大部分的车牌。此时,最好不要通过后续的结果进行这一步骤的调整。有必要在整幅的图像中将车牌提取出来,整幅图像中具体包含:背景、车身等,那么就要将车牌的主要特征作为重点,通过特征数据来正确地提取车牌,力求达到事半功倍的效果[1]。在车牌中较为具体的特征就是车牌字与车牌底色有着极大的颜色对比度,需要将这一特征作为提取时的关键点,才能够完成车牌提取任务。想要将这一特征放大、突出,本文主要介绍了相关的处理函数:(x,y)=?F(x-d,y)-2F(X,Y)+f(x+d,y)?F(x,y):原图像P(x,y):处理后图像d:处理参数利用这一函数能够凸显图像提取过程中竖直的边缘,其中会暂且不考虑水平边缘。对d值适当的选择,能够将车牌放大,可以水平扫描图像在处理之后所生成的直线,若选择的是恰当的d值,就会增加一倍的扫描次数,运用这样的方式可以将车牌特征放大,能够在车牌提取方面奠定较为坚实的基础。尽管会增加噪声扫描次数,可是车牌区域中有着一定的密集程度,放大的目的就能够因此而达成。在选取d值的原则方面,是原始的图像当中拥有着较大的车牌图像时,d值可以选择较大的范畴。。相对嘈杂的场合中,进行图像的输入方面会较为模糊,又或者会产生较大的噪声,那么在处理的准备阶段中需要开展去除噪音或者复原的工作。对于复原不同场合中的图像具备着不同程度的模型,例如:几何畸变复原、均匀直线运动方面的复原等。也就是在拍摄车牌的过程中,由于种种原因会体现出倾斜的状态,在提取图像的过程中,会增加识别与分割的难度,在这样的情况下就需要通过几何畸变的方式进行复原。可是在具体的算法当中,因为鲁棒性是提取车牌算法中的特点,无法严谨的要求原始图像的清晰度,因此图像复原的工作需要在图像分割之前开展,只单纯地复原车牌图像就可以,运用这样的方式能够节省系统的整个运行时间[2]。。计算图像二值化阈值具有较多的方式,图像在经过处理之后,直接会减小图像整体区域的灰度值,该灰度值会在水平的方向上若产生较大的