【《基于机器学习的车标的识别系统的检测软件设计案例》2000字】

1.41基于机器学习的车标的识别系统的检测软件设计案例目录TOC\o"1-3"\h\u28223基于机器学习的车标的识别系统的检测软件设计案例 1105721.1车标的实况收集 168781.2车标预处理 2145681.3阈值选取 2137491.4图像勘测 3279041.5车标检测 9262951.5.1二值图像法 10247601.5.2对小区域的消除 10111251.6车标识别 10本次研究希望能形成一个完整、实时的自动化车标检测系统,所以我们做的首先就是图像的采集工作,然后经过图像的预处理、阈值的选取、分割,对输入信号加工完成形成更为优质的信号后，再直至进行模式识别,最后对车标的精确识别。该系统主要包括几个功能模块:车标图像实时采集、图像预处理、阈值选择、图像测量、车标自动检测,其操作如下图4-1所示。图4-1过程1.1车标的实况收集实际操作中直接可摄像头或是相机的拍摄和捕捉，另外从网上寻找部分图片，并将信号向下传输。设计拟用采集图像的一些传感器。1.2车标预处理要将采集的图像信号进行预处理来除燥，比如：去掉一些偏远的点和调整亮度。例如图4-2所示。图4-2初始图像及调整后图像图像信号预处理过后，如图4-3所示，灰度被拉伸了一些。050100150200250050100150200250直方图直方图像素值300025002000150010005000050100150200250像素值300025002000150010005000图4-3调整前后对比1.3阈值选取极限值的选取对提取信息采集十分关键，以下采取通过图像的灰度直方示意图来得到极限值，如图4-4所示。灰度值灰度值直方图050100150200250050100150200250直方图像素值6000500040003000200010000像素值6000500040003000200010000灰度值图4-4滤波前后的灰度直方示意图1.4图像勘测（1）车标尺寸与坐标的确定通过极值选取，进行二值化的运算处理，有助于得到整个信息数据，如图4-5所示。图4-5处理后的图像图4-6坐标图由图4-6所示，可得：那么，可得车标的圆心分布坐标，其分布曲线依次如图5-7所示。01002003004005006007008000100200300400500600700800图像宽（Y）图像数据图像高（X）60050040030020010000100200300400500600700800图像数据图像宽（Y）图像高（X）6005004003002001000图4-7数据曲线在实际的图像中经常会存在各种干扰,图像信号最佳态,因此我们在扫描时,必须找到干扰信息并减小误差,在图4-7中我们就可以更加直观地进行显示。一旦找到了含有此误差的测定值,就要把它们从测定结果中删除。若设被测量的真数值为，一系列测得值为，则测量列中的随机有效误差为上式中正态分布的分布密度为：上式中——标准差；——自然对数的底。-1-0.500.51-1-0.500.512.521.510.50-0.5图4-8误差曲线综上所述：由误差曲线可得数值愈小，则的系数的绝对值愈大，降低得愈快，分布曲线变陡。同时降低愈慢，分布曲线平坦。误差曲线如图4-8所示。相同准度下，单次测量的标准差如下：式中、、、分别表示测试次数(很大)、真值之差、残差、均值。图4-9半径计算由圆心坐标，再进行去除粗大误差后，通过自动扫描的数据就可计算车标的半径，如图4-9所示。为图像有效宽度，为的个数。（2）判断判断采集的样本是空心还是实心。图像宽（X）0100200300400500600700800图像宽（X）0100200300400500600700800经过圆心扫描的原始图像数据灰度值300250200150100500图像宽（X）0100200300400500600700800经过阈值分割之后灰度值6005004003002001000图像宽（X）图像宽（X）0100200300400500600700800经过圆心扫描的原始图像数据灰度值300250200150100500图像宽（X）0100200300400500600700800经过阈值分割之后灰度值6005004003002001000图4-11圆片结合图4-10、4-11能得出，当检验对象是圆环形，在O附近会有明显间断；而圆形片没有这种情况。模拟操作如图4-12所示：图4-12模拟扫描过程但因为图像类似于一个矩阵，需要将它转化为直角坐标系，（车标中心为坐标原点）在转化到图像矩阵中，为其中，和依次是车标圆心的横纵坐标。再当逐个扫描每个像素碰到灰度突变的时候，记下和：020406080100弧度020406080100弧度按弧度计算的内圆半径大小半径大小200180160140120100806040200弧度020406080100半径大小200180160140120100806040200按弧度计算的内圆半径大小图4-13前后对比最后，扫描结束，得到数据曲线如图4-13所示；将扫描到的数据进行处理，除掉偏差较大的数据，计算内径大小。（3）光圈计算图4-14去光圈在检测中，因为某些原因，部分光线会进入摄像系统，从而形成光圈，例如4-14所示，这样会影响图像的检测。所以须处理光圈从而能得到理想数据。图4-15光圈扫描其扫描过程如下：首先，如图4-15所示，原理同上；在转化到图像分布矩阵中，为根据判断方案来确定是扫描圆环还是圆片，再依据所检形状适当提高图像的处理速度。测试集晶过预处理、去除光圈，用合适的取值分割图像信息数据，再运用膨胀等方式，就可以把车标信息提取出来。1.5车标检测对车标进行检测，首先必须确定经过处里后的图像是否有车标，如果没有，则车标无车标。如果有车标，则车标是否是独立的车标，图像中有几个车标，需要对不同的车标进行标识。设已经分割出的二值图像，如果在检测过程中碰到车标上一点，则它的上方和左边邻近点必然是已经标记过了的点，对该点加标记的方法是由左点及上点来确定的，会有几种情况。如图4-16所示，（图中A，0分别表示车标和车标以外的部分。）图4-16原图像依据上述原则，在首次扫描后对车标进行标记，如图4-17所示，标记1-N（N是大于1的正整数），我们会发现同一车标可能会产生多种标记，因此需重复扫描操作，如果达到四连通原则，就可以进行统一整合了。如图4-18所示。图4-17扫描示意图图4-18标记图1.5.1二值图像法利用二值图像法，每一个区域都是同一像素连成的，从而我们通过标记这些区域，获取区域的数目。如图4-19的示例所示，图中有A、B、C三个不连通的车标。图4-19标识区域经处理后，可得标记后的图像。1.5.2对小区域的消除如果某个区域的面积过小，在一定阈值以下，则该区域不是所需要采集的空间区域，要清除掉整理后，再来形成新的图像，示意如图4-20。图4-20去掉小面积的区域1.