資源描述：
《基于多尺度小波變換圖像識別探究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、基于多尺度小波變換圖像識別探究 摘要：車牌字符識別是智能交通中關(guān)鍵，而邊緣檢測是車牌字符識別的一個重要方面。本文基于matlab利用小波變換技術(shù)對現(xiàn)實(shí)環(huán)境中拍攝的車牌字符進(jìn)行噪聲處理，并作出圖像的邊緣檢測研究，設(shè)計出適合車牌邊緣檢測的程序算法，該方法適合車牌字符的相關(guān)檢測工作。關(guān)鍵詞：小波變換；圖像識別；Matlab；邊緣檢測；算法設(shè)計中圖分類號：TP751文獻(xiàn)標(biāo)志碼：A文章編號：1674-9324（2013）44-0159-02一、引言5在車牌字符識別分類器的設(shè)計中，許多學(xué)者針對上述問題進(jìn)行了研究，提出了許多方
2、案。如運(yùn)用小波變換進(jìn)行特征提取、奇異值分解特征提取方法、基于矩和小波變換的方法、采用小波變換和分形維數(shù)相結(jié)合的方法等。而邊緣檢測是圖像處理領(lǐng)域的一個重要方面，它不僅在分析圖像時大量減小了要處理的信息量，而且還保護(hù)了目標(biāo)的邊界結(jié)構(gòu)，小波變換通過伸縮和平移等運(yùn)算功能可對函數(shù)或信號進(jìn)行多尺度的細(xì)化分析，解決了Fourier變換不能解決的許多困難問題。以普通汽車車牌的辨識研究為例，如果在天氣惡劣的情況下拍攝所得的照片不一定非常清晰，此時需要有一種較為簡單、實(shí)用的判別方式，可以檢測車牌的實(shí)用信息，該方法同樣適合于普通圖像的精
3、細(xì)識別。二、實(shí)驗(yàn)原理與方法透鏡L1、L2和光欄S構(gòu)成遠(yuǎn)心測量物鏡，光欄S位于前透鏡L1的后焦面上，通過光欄中心的主光線經(jīng)過物鏡O1后在物空間與光軸平行。一系列物體O1、O2、…On等通過系統(tǒng)成像在CCD上。其中O1與CCD關(guān)于系統(tǒng)共軛，它在CCD上形成清晰像。O2、…On位于物空間的不同離焦位置？搖，它們的像具有彌散（模糊像）。由于系統(tǒng)主光線平行于光軸，系統(tǒng)對于離焦物體的放大率不變，系統(tǒng)實(shí)物圖如圖1所示。圖1多尺度小波變換遠(yuǎn)心實(shí)驗(yàn)系統(tǒng)O1～On待測物體（圓孔）；L1-S-L2，遠(yuǎn)心測量物鏡；S，光欄?，F(xiàn)實(shí)環(huán)境中，由
4、于光強(qiáng)、色度、照射方向變換范圍大，牌照區(qū)域受到污染或車牌字符部分殘缺，攝像機(jī)和車牌之間的夾角變化等因素影響，使得車牌的識別復(fù)雜化。同時受天氣的影響，有的照片可能含有較大噪聲。通過拍攝較暗環(huán)境下的照片進(jìn)行處理，可以凸顯小波變換對質(zhì)量較差的照片的強(qiáng)大的處理能力。三、基于Matlab的小波變換實(shí)驗(yàn)51.車牌照片Matlab小波處理。經(jīng)過處理之后的圖片中的車牌號已很難辨認(rèn)。利用小波分析，通過小波包分解過濾噪聲，對比前后兩張圖片，消噪后的圖片與含噪圖像相比，明顯清楚了很多，已可以分辨出車牌號，利用小波作邊緣檢測，如圖2所示。
5、圖2多尺度小波變換實(shí)驗(yàn)系統(tǒng)圖片通過檢測二維小波變換的模的極大點(diǎn)可以確定圖像的邊緣點(diǎn)。沿著界邊方向，將任意尺度下的邊緣連接起來可以形成該尺度下沿著邊界的模極大曲線。小波變換能把圖像分解成多種尺度成分，并對大小不同的尺度成分采用相應(yīng)的時域或者空域取樣步長，從而能不斷聚焦到任意對象微小細(xì)節(jié)。利用小波變換的多尺度特性，正好可以用于圖像的邊緣檢測。2.車牌字符識別。車輛牌照識別系統(tǒng)的基本工作原理為：將攝像頭拍攝到的包含車輛牌照的圖像通過視頻卡輸入到計算機(jī)中進(jìn)行預(yù)處理，再由檢索模塊對牌照進(jìn)行搜索、檢測、定位，并分割出包含牌照字
6、符的矩形區(qū)域，然后對牌照字符進(jìn)行二值化并將其分割為單個字符，然后輸入JPEG或BMP格式的數(shù)字，輸出則為車牌號碼的數(shù)字。原車牌圖像在經(jīng)過一系列的處理后，變?yōu)榱艘环N只存在黑色區(qū)域和白色區(qū)域的圖片，圖片中白色的部分就是車牌所在的區(qū)域，如果我們按照像素灰度值標(biāo)記白色區(qū)域的起始位置，則可以確定原圖像中車牌的位置，進(jìn)而從中分離出來。圖3車牌字符處理5將彩色圖像二值化，處理后整個圖像呈現(xiàn)明顯的黑白效果二值化處理后的圖像，其集合性質(zhì)只與像素值為0或255的點(diǎn)的位置有關(guān)，不再涉及像素的其他級值，處理過程簡單，且數(shù)據(jù)的處理和壓縮量小
7、。將車牌圖像進(jìn)行垂直方向的投影，得到的投影圖應(yīng)有多個相對集中的投影峰值群，只要根據(jù)峰值群的特點(diǎn)進(jìn)行分割，就可以得到車牌的字符。如圖3所示。車牌識別系統(tǒng)作為智能交通系統(tǒng)中重要的一部分，近年來引起專家們的重視，并已有部分產(chǎn)品投入使用。但在實(shí)際使用過程中，仍存在系統(tǒng)移植性差、對光照的適應(yīng)性差、準(zhǔn)確率不夠高等缺點(diǎn)，在后續(xù)處理中還需人工輔助完成，所以對車牌識別系統(tǒng)的算法的研究改進(jìn)一直在進(jìn)行。四、結(jié)語本文以車牌字符識別為例，根據(jù)多尺度分析構(gòu)造多尺度邊緣檢測算子并通過多尺度邊緣融合，實(shí)現(xiàn)圖像邊緣的檢測。多尺度小波變換在圖像處理中
8、有很廣泛的應(yīng)用，目前的車牌識別系統(tǒng)在快速發(fā)展中，雖已有一些產(chǎn)品投入使用，但是在準(zhǔn)確率和識別速度方面仍有很大的提高空間，對算法的研究仍是車牌識別的一個重點(diǎn)，在同一圖像中快速準(zhǔn)確、魯棒地識別多個車牌，是車牌識別系統(tǒng)未來發(fā)展的方向之一。參考文獻(xiàn)：[1]RSwiniarski，TLuu，ASwiniarskaeta1.DataMiningandOn—lineReco
