EmguCv字符识别

车牌定位与识别之

——字符识别

第一章 字符识别系统简介

1.1字符识别的原理及发展现状

近年来，字符识别逐渐成为模式识别领域中的一个重要分支。模式识别研究

过程

的一般原理对字符识别有指导作用，而字符识别的研究又促进了基础理论一一模式识

别领域的发展。模式识别是伴随着计算机的研究、应用日益发展起来的。

按照广义的定义，对于存在于时间和空间中可观察的事物，如果可以区别它们是否相同或是否相似，都可以称之为模式。模式识别就是在面对某一具体事物时将其正确地归入某一类别。而狭义的模式是对具体的个别事物进行观测所得到的总体称为模式类。

字符识别中，自行是模式的表现形式，字符识别的是指是字形识别。对于字符识别来说，识别的主要过程为：从输入的待识字符（模式样本）点阵图形（字形）提取描述该字符的特征，再根据一定准则判定该样本所属的模式类别。因此，字符描述、特征提取和选择、分类判决，构成了字符识别的三个基本环节。 字符识别发展可分为三个阶段： 第一个阶段为初级阶段。其中一个基本思想，抽取特征向量的构造和它的相关函数。现在此法仍为一种重要的匹配方法。

第二个阶段为基础理论研究阶段

武汉科技大学本科毕业设计(论文)

摘 要

为了对车牌字符的识别，本文将BP神经网络应用于汽车车牌的自动识别，在车牌图像进行预处理后的基础上，重点讨论了用BP神经网络方法对车牌照字符的识别。 首先将训练样本做图像预处理，对车牌上的字符进行分割，得到单个字符。对大小不一的字符做归一化后，对字符进行特征提取，把长为15，宽为25的归一化后的图像中的字符信息提取出来，图像中白点置为0，图像中的黑点置为1，这样就得到了15×25的特征向量，这个特征向量记录的就是字符的特征。把这个特征向量送到BP网络中进行训练，得到了训练好的权值，把他保存到“win.dat”和“whi.dat”中。然后打开要识别的图片（即车牌），对图像进行预处理后就可以识别了。识别率也在90%以上，表明该方法的有效性。

关键字：车牌识别；LPR；字符识别；特征提取； BP神经网络；

第I页

武汉科技大学本科毕业设计(论文)

Abstract

For the discernment to the number plate character, this text applies BP neural network to the automatic discernment of the a

function Bayes2

%算法视线见《模式识别》P33－P44（各类样本的协方差不相等） %为了提高实验样本测试的精度，故采用多次模拟求平均值的方法 N=input('实验模拟次数 N(N最好为奇数)＝ '); Result(1:3,1:3)=0; %判别矩阵的初始化 for k=1:N %控制程序模拟次数N %生成二维正态分布的样本2 X N 维的矩阵 X1=mvnrnd([1 2],[4 0;0 6],300)'; %2 X N X2=mvnrnd([5 3],[5 0;0 1],200)';

X3=mvnrnd([4 7],[2 0;0 9],500)'; %样本程序

%---------------------------------------------------% %测试样本

X10=mvnrnd([1 2],[4 0;0 6],100)'; %2 X N X20=mvnrnd([5 3],[5 0;0 1],100)'; X30=mvnrnd([4 7],[2 0;0 9],100)';

This example shows how to detect regions in an image that contain text. This is a common task performed on unstructured scenes. Unstructured scenes are images that contain undetermined or random scenarios. For example, you can detect and recognize text automatically from captured video to alert a driver about a road sign. This is different than structured scenes, which contain known scenarios where the position of text is known beforehand.

Segmenting text from an unstructured scene greatly helps with additional tasks such a

第 3期 (第 1 0期 )总 621 0 0年 6月

机械工程与自动化M ECHANI CAL ENGI NEERI NG& AUTOM AT1 0N

No .3

J n. u

文章编号： 6 2 6 1 ( o 0 0— 1 7 0 1 7—4 3 2 1 )30 1- 3

烟包喷码字符识别系统研究胡承东，速永仓，曹玲芝( .郑州轻工业学院食品与生物工程学院，河南郑州 1烟厂，云南玉溪 630) 5 1 0

4 0 0;2红塔烟草 (团 )限责任公司玉溪卷 502 .集有

摘要：字符识别技术是用机器视觉进行模式识别的重要研究方向之一。草制造的工业现场环境恶劣，引起烟会

所拍摄的图像失真、模糊、含噪声及字符产生缩放、移旋转等情况。针对以上情况，首先对图像进行了前期平预处理，并对字符特征进行了提取；之后，针对两种字符特征，用改进的 B算法设计了两个神经网络识别系 P统。

关键词：字符识别；二值化；B网络 P中图分类号：TN9 1 7 1. 3文献标识码：A

1概述

像素灰度级非 1即 0。本文采用灰度修正和直方图均衡化进行图像增强处理；采用中值滤波和膨胀与腐蚀进行图像降噪处理； 采用阈值分割法进行图像二值化处理；采用梯度微分处理来提取图像边缘；采用

数字图像处理大作业

—— 晶振表面字符识别

小组成员： 专业班级：

摘 要

随着现代信息产业的发展，字符识别系统的需要越来越高。字符识别是字符图像识别系统中的关键环节。采用图像处理和神经网络相结合的方法设计新的字符识别算法，先对截取的字符图像进行一系列图像预处理，然后再进行边缘检测和特征提取，最后输入BP神经网络进行训练、识别，其中BP神经网络模型属于改进型神经网络。通过一系列神经网络训练和仿真实验，识别速度和正确率得到了明显的提高。 关键词：图像预处理 BP神经网络

一． 绪论......................................................................................................................................... 3

1.1 文字识别系统简介 ....................................................................................

数字图像处理大作业

—— 晶振表面字符识别

小组成员： 专业班级：

摘 要

随着现代信息产业的发展，字符识别系统的需要越来越高。字符识别是字符图像识别系统中的关键环节。采用图像处理和神经网络相结合的方法设计新的字符识别算法，先对截取的字符图像进行一系列图像预处理，然后再进行边缘检测和特征提取，最后输入BP神经网络进行训练、识别，其中BP神经网络模型属于改进型神经网络。通过一系列神经网络训练和仿真实验，识别速度和正确率得到了明显的提高。 关键词：图像预处理 BP神经网络

一． 绪论......................................................................................................................................... 3

1.1 文字识别系统简介 ....................................................................................

图像处理技术

目录

一．引言.........................................1 二．目的和意义...................................1 三．设计原理.....................................1 四.字符分割程序..................................2 五.结果..........................................4 六.测试代码......................................5 七.系统的不足....................................5 八.总结..........................................5 九.心得体会......................................5 十.致谢..........................................6

十一.参考文献...................................6

一．引言

随着人们生活水平

第一章

Emgu Cv简介：

Emgu CV 是.NET 平台下对OpenCV 图像处理库的封装。也就是OpenCV的.NET 版。它运行在.NET 兼容的编程语言下调用OpenCV 的函数，如C#、VB、VC++等。同时这个封装库可以在Mono 下编译和在Linux / Mac OS X 上运行。Emgu Cv的优势在于.net非常完美的界面，给用户操作带来非常直观的感觉。Emgu Cv每个版本都有修改一部分函数，在兼容旧版本下做的不是很好。本书主要采用VS2013+EmguCv3.0版本，希望读者也采用相同的版本进行学习，从而避免一些版本兼容上的问题。在国内并不流行Emgu Cv，因此关于Emgu Cv的资料比较少，从而导致了新手学习起来比较费劲，同时使更多想去学习Emgu Cv的人放弃学习，这样的一个恶性循环。

Emgu Cv安装和配置：

Emgu Cv的安装还算比较简单，这边采用Emgu Cv3.0版本进行安装解析。 第一步：下载EmguCv3.0

在官网https://sourceforge.net/projects/emgucv/files/emgucv/进入界面选择3.0.0版本进行下载，如图1.1所示。（写作时间为2016

如何识别电线电缆上的字符标识!

型号含义：

R－连接用软电缆（电线），软结构。

V－绝缘聚氯乙烯。

V－聚氯乙烯绝缘

V－聚氯乙烯护套

B－平型（扁形）。

S－双绞型。

A－镀锡或镀银。

F－耐高温

P－编织屏蔽

P2－铜带屏蔽

P22－钢带铠装

Y—预制型、一般省略，或聚烯烃护套

FD—产品类别代号，指分支电缆。将要颁布的建设部标准用FZ表示，其实质相同

YJ—交联聚乙烯绝缘

V—聚氯乙烯绝缘或护套

ZR—阻燃型

NH—耐火型

WDZ—无卤低烟阻燃型

WDN—无卤低烟耐火型

例如：SYV 75-5-1(A、B、C)

S: 射频 Y:聚乙烯绝缘 V:聚氯乙烯护套 A：64编 B：96编 C：128编 75：75欧姆 5：线径为5MM 1：代表单芯

SYWV 75-5-1

S: 射频 Y:聚乙烯绝缘 W:物理发泡 V:聚氯乙烯护套

75：75欧姆 5：线缆外径为5mm 1：代表单芯

例如：RVVP2*32/0.2 RVV2*1.0 BVR

R: 软线 VV:双层护套线 P屏蔽

2：2芯多股线 32：每芯有32根铜丝 0.2：每根铜丝直径为0.2mm ZR-RVS2*24/0.12

ZR: 阻燃 R: 软线 S:双绞线

2：2芯多股线 24：每芯有24根铜丝 0.12：每根铜丝直径为0.12mm