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
1-1-6 اندازه گیری سرعت متوسط.. 5
1-1-7 شناسایی خودروهای مسروقه. 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
2- بررسی الگوریتم های مختلف پلاک خودرو. 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
2-1-6 روش هایی برای صحت شناسایی پلاک.. 17
2-2-1 مرحله تشخیص محل پلاک خودرو. 21
2-2-3 پیدا کردن لبه های عمودی تصویر. 21
2-2-5 پیدا کردن محل کاندید پلاک.. 23
2-2-8 پر کردن حفره های احتمالی.. 24
2-2-10 مرحله جداسازی کاراکترهای پلاک.. 26
2-2-11 مرحله شناسایی کاراکترها 26
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
3-1-4 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
3-2 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
3-3-5 تکرار الگوریتم برای یافتن پلاک های کوچک... 52
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
5-2-4 تصاویر رنگی یا شاخص.... 68
5-2-5 تابع خواندن تصویر در متلب... 69
5-3 تبدیل تصویر RGB به گری.. 69
5-5-1 انواع لبه ها در تصاویر. 70
5-5-2 تابع تشخیص لبه در متلب... 71
5-10 افزایش دهنده یا انبساط چیست ؟. 73
5-14 تبدیل تصویر باینری به ماتریس برچسب 76
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 2‑8 : 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 2‑31 : نمایی از کاراکتر های پلاک پس از تفکیک آنها 31
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 4‑2 : 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 5‑11 : 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
پروژه پردازش تصویر- تشخیص اعدادپلاک های خودرو