




版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
-圖2.9車牌識別結(jié)果儲存。圖2.SEQ圖像選擇\*ARABIC8車牌數(shù)據(jù)導(dǎo)入圖2.SEQ圖像選擇\*ARABIC9結(jié)果儲存圖系統(tǒng)仿真與測試程序測試結(jié)果(1)我們首先打開,GUI程序里的名稱被我們稱為gui2.m的文件夾下的程序代碼,之后就會出現(xiàn)相應(yīng)的初始界面,如圖3.1所示。圖3.SEQgui\*ARABIC1初始頁面圖(2)通過上一步所運行的初始界面,我們可以通過按鈕“選擇圖片”,來進(jìn)行我們的下一步操作,選擇所要識別的圖片,當(dāng)我們的頁面之內(nèi)出現(xiàn)了:“導(dǎo)入圖片成功”這樣的提示之后,就可以進(jìn)行我們所設(shè)定的,圖片預(yù)處理和定位識別等的高級算法操作,如圖3.2所示。圖3.SEQgui\*ARABIC2選擇圖片(3)我們通過第二部的操作之后,我們可以選擇初始頁面之內(nèi)的按鈕2“圖片處理”,這樣就可以得到,灰度化,直方圖,以及邊緣檢測,以及移除小對象的結(jié)果圖,還有我們對車牌所進(jìn)行的定位,分割,識別的圖,對定位后的車牌,我們進(jìn)行了,灰度化處理,二值化,均值濾波,膨脹,以及腐蝕的操作,最終顯示我們的結(jié)果,如圖3.3所示。圖3.SEQgui\*ARABIC3蘇AMB936結(jié)果圖(4)選擇文件中的其他車牌圖片在進(jìn)行相同操作,對車牌進(jìn)行識別,來測試系統(tǒng)的性能,如圖3.4,圖3.5所示。圖3.SEQgui\*ARABIC4蘇AMB336結(jié)果圖圖3.SEQgui\*ARABIC5京A00001結(jié)果圖測試分析本系統(tǒng)運用MATLAB的數(shù)值計算,矩陣運算,信號處理,圖像生成等功能,系統(tǒng)通過各個模塊的功能識別,實現(xiàn)了我們所要求的識別結(jié)果,證明了實驗結(jié)果和預(yù)期目的相同,與此同時,本文就該系統(tǒng)進(jìn)行了測試,所有測試結(jié)果達(dá)到了預(yù)期目的REF_Ref103433871\r\h[13]。本次設(shè)計我們選用了三張像素不同的車牌,首先的前兩張我們選用的車牌像素較為清晰,結(jié)果為準(zhǔn)確的車牌,分別為,蘇AMB936、蘇AMB336,我們所選用,第三章圖片像素較低,識別結(jié)果存在一定的誤差,京A00001為我們所選取得像素較低得車牌,對于以上的誤差問題,我會對車牌進(jìn)行下一步得改進(jìn),對于這個像素差得圖片,系統(tǒng)不能夠很好的取識別出來,造成字符,數(shù)字的識別失誤。對于質(zhì)量,像素,位置較好的圖片可以進(jìn)行正常識別,通過灰度化,腐蝕,膨脹,平滑處理,邊緣的提取等等一系列處理REF_Ref103433908\r\h[14],能夠得到較為準(zhǔn)確的識別結(jié)果REF_Ref103437840\r\h[15]。結(jié)論本文基于MATLAB設(shè)計了一套關(guān)于車牌識別的系統(tǒng)。本次設(shè)計我主要選取了MATLAB軟件在圖像識別方面的功能進(jìn)行仿真設(shè)計。該系統(tǒng)對不同類型的車牌分別進(jìn)行檢測和分類,通過對識別出來的圖片進(jìn)行預(yù)處理,定位及矯正,字符分割和識別得到最優(yōu)解,主要工作內(nèi)容如下:(1)在最開始的引言部分,本文簡單的去介紹了,基于MATLAB的智能車牌識別系統(tǒng),對于日常生活,對于日常的交通管理,社會犯罪領(lǐng)域,它們的重要性,現(xiàn)如今國內(nèi)外對車牌識別技術(shù)的研究成果,以及車牌識別技術(shù)未來的發(fā)展方向。(2)在第一章節(jié),講述了關(guān)于系統(tǒng)所采集到的車牌,進(jìn)行識別的流程,對于車牌識別系統(tǒng),它的模塊可以從對采集到的車牌的圖像拍照儲存,并且還有講所拍的照片進(jìn)行傳輸??傮w可以將過程分為以下幾點步驟:首先,對于車牌進(jìn)行拍照并且可以在這里被系統(tǒng)進(jìn)行感應(yīng)得到并觸發(fā),這是第一步,其次,將剛剛拍攝好的照片進(jìn)行保存并輸入到圖片系統(tǒng)當(dāng)中去,然后就可以將所得到的圖片資料進(jìn)行灰度化、腐蝕圖片處理、邊緣化都是系統(tǒng)需要采用的技術(shù)手段,接著會使用系統(tǒng)將車牌中,蘊含的字符字體信息進(jìn)行提取采集,接下來就是最關(guān)鍵的一步,對于提取出來的片段數(shù)字信息模塊進(jìn)行合理的分割和調(diào)試整合,便于下一個步驟進(jìn)行比對,最后一步系統(tǒng)會,將剛剛分割出來,字段字符模塊部分對比,系統(tǒng)將對原來預(yù)先就準(zhǔn)備好的模板數(shù)據(jù)庫進(jìn)行對照比對分析,然后將所經(jīng)過系統(tǒng)得到的最后結(jié)論輸出系統(tǒng)。(3)在第二章節(jié),這些模塊部分的內(nèi)容用一定的篇幅和內(nèi)容介紹和講解了如何通過系統(tǒng),進(jìn)行對于車牌的這個識別行為過程,并且同樣附贈,系統(tǒng)會運用到的函數(shù)代碼和系統(tǒng)中作用的具體代碼程序,在MATLAB中,可以方便明了地對于圖像進(jìn)行處理一下,系統(tǒng)可以直接就用函數(shù)就可以,降低難度和使用方法,但是系統(tǒng)需要對于函數(shù)的作用,方法,參數(shù)的運用進(jìn)行細(xì)致了解,以免出錯,并且還需要不斷根據(jù)實際,調(diào)整這些數(shù)據(jù)文件函數(shù),從而輸出我們想要的和諧理想值。(4)在第三章節(jié),我們講述了,我們對于MATLAB的系統(tǒng)總測試,將我們所選取的,三張車牌進(jìn)行識別的過程一步步展現(xiàn)出來,實現(xiàn)了對車牌的識別過程,實驗取得了預(yù)期的結(jié)果。對于某些質(zhì)量級別相對較高的圖片,系統(tǒng)可以通過一系列先進(jìn)技術(shù)算法的智能優(yōu)化分析處理,即可以迅速地自動分析獲得一個比較迅速直觀且準(zhǔn)確有效的圖像智能識別與分析運算結(jié)果,但對圖像像素低,圖像處理效果差,造成字符與數(shù)字識別中的錯誤識別。參考文獻(xiàn)胡云琴,梁春美,鄭衛(wèi)娟.基于MATLAB的車牌自動識別系統(tǒng)開發(fā)與設(shè)計[J].信息通信,2020,(07):213-215.張廣才,萬守鵬,何繼榮.MATLABGUI數(shù)字圖像處理系統(tǒng)開發(fā)設(shè)計[J].軟件,2019,40(11):123-127.姚楠,耿奇.基于MATLABGUI的車牌自動識別系統(tǒng)設(shè)計[J].軟件,2016,37(03):44-46.劉艷華.基于MATLAB的車牌圖像的計算機識別系統(tǒng)設(shè)計[J].科技視界,2021,(21):78-79.尹恒杰,曹妍.基于MATLAB的車牌識別系統(tǒng)研究[J].電子產(chǎn)品世界,2021,28(12):42-44.張飛鴿,李凱,翟少康,李梅霞.MATLAB在數(shù)字圖像處理中的應(yīng)用[J].計算機技術(shù)與發(fā)展,2019,29(11):216-220.繆鑫芯,沈雪琴,董夢影,蔣振華.基于MATLAB的車牌識別系統(tǒng)設(shè)計[J].科技視界,2019,(32):19-20.張連俊,張誠.基于Matlab的車牌識別系統(tǒng)仿真研究[J].科技視界,2020,(26):76-77.張巖.MATLAB圖像處理超級學(xué)習(xí)手冊[M].人民郵電出版社:,201405.陳亞.基于MATLAB的車牌識別系統(tǒng)研究[J].軟件導(dǎo)刊,2020,19(01):50-54.劉佳慧,李檬,秦松,賈小林.國內(nèi)車牌定位識別系統(tǒng)設(shè)計與實現(xiàn)[J].現(xiàn)代計算機(專業(yè)版),2018,(10):37-40.黃國達(dá),楊雪婷.運動模糊車牌圖像復(fù)原與識別系統(tǒng)的研究[J].福建電腦,2021,37(08):15-20.梁凱.基于matlab的汽車車牌識別系統(tǒng)的設(shè)計與實現(xiàn)[D].黑龍江大學(xué),2018.吳曦.基于MATLAB的圖像邊緣檢測算法的研究和實現(xiàn)[D].吉林大學(xué),2
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 淮陰師范學(xué)院《數(shù)據(jù)統(tǒng)計分析與spss應(yīng)用》2023-2024學(xué)年第二學(xué)期期末試卷
- 商丘學(xué)院《司法社會調(diào)查理論與方法》2023-2024學(xué)年第二學(xué)期期末試卷
- 湖南第一師范學(xué)院《世界近代史專題》2023-2024學(xué)年第二學(xué)期期末試卷
- 浙江育英職業(yè)技術(shù)學(xué)院《特殊兒童心理學(xué)》2023-2024學(xué)年第二學(xué)期期末試卷
- 做賬實操-駕校教練人工成本的核算
- 2024-2025學(xué)年河南省名校大聯(lián)考高二上學(xué)期階段性測試(二)歷史試卷
- 大連工業(yè)大學(xué)《產(chǎn)品色彩設(shè)計》2023-2024學(xué)年第二學(xué)期期末試卷
- 電子科技大學(xué)中山學(xué)院《建筑裝飾材料》2023-2024學(xué)年第二學(xué)期期末試卷
- 洛陽理工學(xué)院《工商管理類專業(yè)導(dǎo)論》2023-2024學(xué)年第二學(xué)期期末試卷
- 渭南職業(yè)技術(shù)學(xué)院《醫(yī)學(xué)網(wǎng)站開發(fā)》2023-2024學(xué)年第二學(xué)期期末試卷
- 2025年工貿(mào)企業(yè)春節(jié)復(fù)工復(fù)產(chǎn)方案
- 【道法】歷久彌新的思想理念課件 2024-2025學(xué)年統(tǒng)編版道德與法治七年級下冊
- 民辦中學(xué)班主任工作考核細(xì)則
- API-650-1鋼制焊接石油儲罐
- 湖南省普通高中畢業(yè)生登記表模板
- 人教版七年級上冊數(shù)學(xué)試卷全冊
- 中職-中國歷史教案
- 六年級小升初語文試卷 [六年級下冊語文小升初試卷
- 計量泵的維護(hù)和修理知識培訓(xùn)講義
- 危險化學(xué)品從業(yè)單位安全生產(chǎn)標(biāo)準(zhǔn)化宣貫
- 幼兒園中班開學(xué)第一課
評論
0/150
提交評論