پروژه پردازش تصویر- تشخیص اعدادپلاک های خودرو

اختصاصی از اینو دیدی پروژه پردازش تصویر- تشخیص اعدادپلاک های خودرو دانلود با لینک مستقیم و پر سرعت .

پروژه پردازش تصویر- تشخیص اعدادپلاک های خودرو+

فایل ورد و فایل پاور پوینت جهت ارائه و راهنمایی برای نوشتن برنامه مطلب

سیستم اتوماتیک تشخیص پلاک خودرو چیست ؟

سیستم تشخیص پلاک خودرو این امکان را فراهم می سازد تا شماره موجود در پلاک موجود در تصویر به صورت اتوماتیک توسط کامپیوتر از تصاویر متحرک یا عکس استخراج گردد و بتواند به صورت عددی مورد استفاده قرار گیرد .

شناسایی شماره پلاک خودرو شامل سه گام اساسی میباشد :

• تشخیص محل پلاک
• جداسازی کاراکترهای پلاک
• تشخیص کاراکترهای پلاک

هر سه گام مذکور و فعالیت های انجام شده در آن حوزه ها در این پروژه مورد بررسی قرار میگیرد .از تکنیک های استفاده شده در سیستم پیشنهادی می توان به تکنیک های تعدیل هیستوگرام ، تک رنگ سازی تصویر ، روش های موروفولوژیکی برای حذف نویز ، برچسب گذاری برای جداسازی کاراکترهای پلاک و مقایسه یا نمونه های اصلی برای تشخیص کاراکترهای پلاک اشاره کرد .

فهرست مطالب

1- مقدمه بر سیستم شناسایی پلاک خودرو و کاربرد های آن. 2

1-1 کاربرد های سیستم شناسایی اتوماتیک پلاک خودرو. 2

1-1-1 کاربرد سیستم در دولت الکترونیک... 3

1-1-2 کاربرد سیستم تشخیص پلاک خودرو در پارکینگ های عمومی.. 3

1-1-3 کنترل و اخذ عوارض ورود به محدوده طرح ترافیک... 4

1-1-4 اخذ عوارض جاده ها و بزرگراه ها به صورت خودکار. 4

1-1-5 محاسبه مدت سفر. 4

1-1-6 اندازه گیری سرعت متوسط.. 5

1-1-7 شناسایی خودروهای مسروقه. 5

1-1-8 کنترل مرز ها 5

1-1-9 کنترل ترافیک... 5

1-1-10 سیستم های متحرک شناسایی پلاک خودرو. 6

1-1-11 استفاده از سیستم شناسایی پلاک خودرو در پمپ بنزین.. 6

1-1-12 کنترل ورودی و خروجی در مناطق حفاظت شده 6

1-2 مشکلات و موانع موجود در مسیر توسعه سیستم شناسایی اتوماتیک پلاک خودرو. 7

1-2-1 تاثیر شرایط اقلیمی و جغرافیایی.. 7

1-2-2 تاثیر شرایط دانش وفناوری.. 8

1-2-3 تاثیر شرایط قوانین و مقررات در رابطه با شکل ظاهری پلاک خودرو ها 8

1-2-4 قرار گرفتن نویسه های عدد و حروف در یک سطر. 9

1-2-5 تاثیر رسم الخط مرسوم. 9

1-2-6 سایر مشکلات... 9

2- بررسی الگوریتم های مختلف پلاک خودرو. 12

2-1 اولین الگوریتم. 12

2-1-1 دریافت تصاویر از دوربین های کنترل سرعت... 13

2-1-2 عملیات پردازش تصویر و تشخیص پلاک خودرو. 13

2-1-3 شناسایی مکان پلاک خودرو. 14

2-1-4 شناسایی اعداد و حروف... 15

2-1-5 صحت شناسایی پلاک.. 17

2-1-6 روش هایی برای صحت شناسایی پلاک.. 17

2-2 دومین الگوریتم. 20

2-2-1 مرحله تشخیص محل پلاک خودرو. 21

2-2-2 فیلتر گوسین.. 21

2-2-3 پیدا کردن لبه های عمودی تصویر. 21

2-2-4 تحلیل هیستوگرام. 22

2-2-5 پیدا کردن محل کاندید پلاک.. 23

2-2-6 سایش تصویر. 23

2-2-7 گسترش افقی تصویر. 24

2-2-8 پر کردن حفره های احتمالی.. 24

2-2-9 گسترش عمودی تصویر. 25

2-2-10 مرحله جداسازی کاراکترهای پلاک.. 26

2-2-11 مرحله شناسایی کاراکترها 26

2-3 سومین الگوریتم. 27

2-3-1 مرحله استخراج پلاک.. 27

2-3-2 مرحله تفکیک اعداد. 30

2-3-3 مرحله تشخیص اعداد به کمک شبکه های عصبی.. 32

3- بررسی چند الگوریتم برای پیدا کردن محل پلاک خودرو. 35

3-1 روشی سریع برای پیدا کردن محل پلاک خودرو از تصاویر پیچیده بر اساس عملیات مورفولوژی.. 35

3-1-1 پیدا کردن لبه های عمودی تصویر. 35

3-1-2 تحلیل هیستوگرام برای پیدا کردن تصویر کاندید. 37

3-1-3 بررسی معیار تراکم. 38

3-1-4 گسترش در جهت افقی و عمودی و یافتن اشتراک این دو تصویر و گسترش در جهت افقی تصویر اشتراک   40

3-1-5 پر کردن حفره های احتمالی.. 41

3-1-6 سایش تصویر و اعمال فیلتر میانه. 41

3-1-7 استخراج پلاک.. 42

3-2 روش جدید مکان یابی پلاک خودرو در تصاویر رنگی.. 43

3-2-1 روش شناسایی مکان پلاک.. 43

3-3 استفاده از معیار هندسی و بافت برای تشخیص اشیاء در تصاویر متفاوت و پیچیده 47

3-3-1 گردآوری تصاویر. 47

3-3-2 پیش پردازش... 47

3-3-3 انتخاب نواحی کاندید. 51

3-3-4 یافتن مکان پلاک.. 51

3-3-5 تکرار الگوریتم برای یافتن پلاک های کوچک... 52

4- الگوریتم پروژه 56

4-1 پیدا کردن آبجکت های تصویر. 56

4-2 پیدا کردن ناحیه پلاک و بهینه کردن ناحیه مربوطه. 57

4-3 پیدا کردن نواحی شاما اعدادپلاک.. 58

4-4 جداسازی کاراکترهای پلاک.. 62

4-5 هم اندازه کردن ابعاد کاراکترهای جدا شده 62

4-6 فراخوانی نمونه های اصلی از اعداد و حروف... 63

4-7 مقایسه نمونه های اصلی با کاراکترهای جدا شده 63

5- تعریف چند اصطلاح در پردازش تصویرو دستورات آن در متلب... 66

5-1 پیکسل چیست ؟. 66

5-2 انواع تصاویر چیست ؟. 67

5-2-1 تصاویر باینری.. 67

5-2-2 تصاویر RGB.. 67

5-2-3 تصاویر خاکستری.. 68

5-2-4 تصاویر رنگی یا شاخص.... 68

5-2-5 تابع خواندن تصویر در متلب... 69

5-3 تبدیل تصویر RGB به گری.. 69

5-4 آبجکت چیست ؟. 69

5-5 لبه چیست ؟. 69

5-5-1 انواع لبه ها در تصاویر. 70

5-5-2 تابع تشخیص لبه در متلب... 71

5-6 پس زمینه چیست ؟. 72

5-7 حفره چیست ؟. 72

5-8 هیستوگرام چیست ؟. 72

5-9 سازه چیست ؟. 73

5-10 افزایش دهنده یا انبساط چیست ؟. 73

5-11 ساییدگی.. 75

5-12 تابع imopen. 76

5-13 تابع imclose. 76

5-14 تبدیل تصویر باینری به ماتریس برچسب 76

5-15 تابع imfill 77

5-16 تابع bwareaopen. 78

5-17 تابع regionprops. 79

6- منابع. 80

فهرست اشکال

شکل ‏1‑1:کاربرد سیستم در پارکینگ های عمومی.. 4

شکل ‏1‑2 : تصویری از سیستم های شناسایی متحرک پلاک خودرو. 6

شکل ‏1‑3 : استفاده از سیستم شناسایی پلاک خودرو در کنترل ورودی و خروجی مناطق حفاظت شده 7

شکل ‏1‑4 : تنوع پلاک های ایرانی.. 8

شکل ‏2‑1 : فلوچارت اولین الگوریتم. 12

شکل ‏2‑2 : یک نمونه پلاک استخراج شده 14

شکل ‏2‑3 (الف) : عملیات بهینه سازی تصویر و تیز کردن لبه های آن. 15

شکل ‏2‑4 (ب) : پاکسازی از تصویر و نقاط نویزی زائد. 15

شکل ‏2‑5 (ج) : استخراج عنصر اول از پلاک.. 15

شکل ‏2‑6 : سیستم تشخیص یکسان به صورت موازی بر روی تصاویر مختلف گرفته شده از یک خودرو پردازش تصویر انجام می دهد . 18

شکل ‏2‑7 : سیستم تشخیص پلاک غیر یکسان به صورت موازی بر روی تصاویر مختلف گرفته شده از یک خودرو پردازش انجام می دهند و نتیجه نهایی با استفاده از الگوریتم بیشترین آرا مشخص می شود. 18

شکل ‏2‑8 : استفاده از سیستم تشخیص غیر یکسان به صورت پشتیبان. 19

شکل ‏2‑9 : مراحل تشخیص محل پلاک خودرو. 20

شکل ‏2‑10 : تصویر سطح خاکستری ورودی.. 21

شکل ‏2‑11 : ماسک عمودی لبه سوبل.. 22

شکل ‏2‑12 : ماسک افقی لبه سوبل.. 22

شکل ‏2‑13 : لبه های تصویر بعد از اعمال فیلتر سوبل به تصویر خاکستری ورودی شکل ‏2‑10. 22

شکل ‏2‑14 : هیستوگرام افقی تصویر لبه های عمودی.. 22

شکل ‏2‑15 : تصویر کاندید به دست آمده از تصویر لبه. 23

شکل ‏2‑16 : محل واقعی کاندید پلاک.. 23

شکل ‏2‑17 : تصویر حاصل پس از سایش و گسترش افقی.. 24

شکل ‏2‑18 : تصویر حاصل پس از پر کردن حفره های احتمالی.. 25

شکل ‏2‑19 : محل تقریبی پلاک.. 25

شکل ‏2‑20 : گسترش عمودی محل پلاک.. 25

شکل ‏2‑21 : پلاک استخراج شده از تصویر خاکستری ورودی شکل ‏2‑10. 26

شکل ‏2‑22 : هیستوگرام پلاک استخراج شده 26

شکل ‏2‑23 : کاراکترهای جدا شده 26

شکل ‏2‑24 نمایی از نحوه کار سیستم. 27

شکل ‏2‑25 : نمونه ای از عکس دریافت شده توسط دوربین.. 28

شکل ‏2‑26 : لبه های تصویر بعد از اعمال فیلتر سوبل.. 28

شکل ‏2‑27 : نمونه ای از عکسی که حفره هایش پر شده است... 29

شکل ‏2‑28 : نمونه ای از ناحیه انتخاب شده 29

شکل ‏2‑29 : نمونه ای از ناحیه استخراج شده از عکس اصلی.. 30

شکل ‏2‑30. 31

شکل ‏2‑31 : نمایی از کاراکتر های پلاک پس از تفکیک آنها 31

شکل ‏2‑32. 32

شکل ‏2‑33 : نمایی از آموزش شبکه برای عدد 4. 32

شکل ‏3‑1 : الگوریتم پیشنهادی برای پیدا کردن محل پلاک.. 36

شکل ‏3‑2 : تصویر خاکستری ورودی.. 36

شکل ‏3‑3 : لبه های عمودی تصویر بعد از اعمال ماسک عمودی سوبل.. 37

شکل ‏3‑4 : هیستوگرام افقی تصویر لبه های عمودی.. 37

شکل ‏3‑5 : تصویر کاندید دو سطحی به دست آمده از تصویر لبه. 38

شکل ‏3‑6 : تصویر سطر های کاندید که از تصویر خاکستری شکل ‏3‑2 برش خورده است... 38

شکل ‏3‑7 : تصویری دیگر برای بررسی معیار تراکم. 39

شکل ‏3‑8 : هیستوگرام افقی متناظر با شکل ‏3‑7. 39

شکل ‏3‑9 : روشنایی نقاط روی سطر 116. 39

شکل ‏3‑10 : روشنایی نقاط روی سطر 352. 40

شکل ‏3‑11 : نقاط کاندید محل پلاک بدون در نظر گرفتن معیار تراکم. 40

شکل ‏3‑12 : تصویر حاصل از بخش ‏3-1-4. 40

شکل ‏3‑13 : پر کردن حفره های احتمالی شکل شکل ‏3‑12. 41

شکل ‏3‑14: تصویر حاصل شده از بخش ‏3-1-6. 41

شکل ‏3‑15: پلاک استخراج شده از تصویر خاکستری ورودی از شکل ‏3‑2. 42

شکل ‏3‑16 : نمونه پلاک خودرو در ایران. 44

شکل ‏3‑17 : نمونه پلاک فرانسه. 44

شکل ‏3‑18 : نمونه پلاک آلمان. 44

شکل ‏3‑19 : نمونه پلاک لهستان. 44

شکل ‏3‑20 : پیمایش ستونی برای یافتن نوار آبی رنگ پلاک ملی.. 45

شکل ‏3‑21 : نسبت استاندارد های پلاک ملی.. 45

شکل ‏3‑22 : نسبت طول پلاک به طول نوار آبی کناره 45

شکل ‏3‑23 : پلاک استخراج شده پس از مکان یابی.. 46

شکل ‏3‑24 : خروجی تبدیل غیر خطی.. 49

شکل ‏3‑25 : خروجی آستانه گیری.. 49

شکل ‏3‑26 : خروجی عملیات مورفولوژی.. 49

شکل ‏3‑27 : خروجی حذف خطوط اضافی.. 49

شکل ‏3‑28 : خروجی فیلتر وینر. 50

شکل ‏3‑29 : خروجی حاصل از تصویر فیلتر شده و دو برابر خروجی گرادیان. 50

شکل ‏3‑30 : خروجی حاصل از عملیات باز کردن ، فیلتر میانگین و حذف اجزاء کوچک... 50

شکل ‏3‑31 : خروجی آستانه گیری.. 50

شکل ‏3‑32 : تصویر با قسمت فوقانی بسیار روشن.. 52

شکل ‏3‑33 : تصویر با سطح روشن.. 52

شکل ‏3‑34 : مشابهت در شدت روشنایی سطح پلاک و پس زمینه آن. 53

شکل ‏3‑35 : پلاک با زمینه غبار آلود. 53

شکل ‏4‑1 : تصویر ورودی.. 56

شکل ‏4‑2 : تصویر حاصل بعد از اعمال فیلتر prewitt 57

شکل ‏4‑3 : تصویر حاصل پس از پر کردن حفره ها و باز کردن آن با سازه خطی.. 57

شکل ‏4‑4 : تصویر پلاک بعد از برش از تصویر ورودی.. 58

شکل ‏4‑5 : تصویر باینری از پلاک.. 58

شکل ‏4‑6 : تصویر بعد از پر کردن شکل شکل ‏4‑5. 58

شکل ‏4‑7 : تصویر بعد از اعمال تابع imopen به شکل ‏4‑6. 59

شکل ‏4‑8 : تصویر بعد از اعمال تابع imclose به شکل شکل ‏4‑7. 59

شکل ‏4‑9 : تصویر بعد از برش... 59

شکل ‏4‑10 : تغیر سایز شکل ‏4‑9. 59

شکل ‏4‑11 : تصویر شکل ‏4‑10 بعد از باینری کردن. 59

شکل ‏4‑12 : تصویر شکل ‏4‑11 بعد از معکوس کردن. 60

شکل ‏4‑13 : تصویر حاصل بعد از اعمال تابع bwareaopen به شکل ‏4‑12. 60

شکل ‏4‑14 : تصویر قرار گرفته در im2 که نقاط حروف به عنوان نویز حذف شده است... 61

شکل ‏4‑15 : تصویر قرار گرفته در im3 که نقاط حروف حذف نشده است... 61

شکل ‏4‑16 : نمایی از جداسازی کاراکترهای پلاک.. 62

شکل ‏4‑17 : هم اندازه کردن کاراکترهای شکل شکل ‏4‑16. 62

شکل ‏4‑18 : نمایی از پلاک خوانده شده خودرو. 63

شکل ‏5‑1 : خروجی دوربین دیجیتال. 66

شکل ‏5‑2 : بزرگنمایی بخشی از تصویر برای دیده شدن پیکسل ها 66

شکل ‏5‑3 : تصویر رنگی به همراه تصویر باینری آن. 67

شکل ‏5‑4 : نمایی از سه ماتریس یک تصویر رنگی.. 68

شکل ‏5‑5 : نمایش تصویری آبجکت ، لبه ، حفره ، زمینه. 69

شکل ‏5‑6 : نمایی از لبه افقی تصویر. 70

شکل ‏5‑7 : نمایی از لبه عمودی تصویر. 70

شکل ‏5‑8 : تصویری برای توضیح منحنی هیستوگرام. 72

شکل ‏5‑9 : بزرگ نمایی بخشی از تصویر. 74

شکل ‏5‑10 : یک سازه خطی.. 74

شکل ‏5‑11 : اعمال تابع imdilate بر روی تصویر. 74

شکل ‏5‑12 : یک تصویر باینری.. 75

شکل ‏5‑13 : تصویر باینری بعد از اعمال تابع imdialate. 75

شکل ‏5‑14 : نمایی از دو آبجکت بهم چسبیده 76

شکل ‏5‑15 : نتیجه بعد از اعمال تابع imerode به تصویر شکل شکل ‏5‑14. 76

شکل ‏5‑16 : بخشی از یک تصویر که سه آبجکت در آن قرار دارد. 77

شکل ‏5‑17 : ماتریس برچسب که از اعمال bwlabel بر ماتریس شکل شکل ‏5‑16 به دست آمده است... 77

شکل ‏5‑18 : تصویری باینری که دارای دو حفره می باشد. 77

شکل ‏5‑19 : تصویر شکل شکل ‏5‑18 بعد از اعمال تابع imfill به آن. 77

شکل ‏5‑20 : تصویری باینری با 5 آبجکت... 78

شکل ‏5‑21 : تصویر حاصل از اعمال تابع bwareaopen بر روی شکل ‏5‑20. 78

شکل ‏5‑22 : نمایی از پارامترهای Bounding Box. 79