车牌识别中的不利因素:
非车牌区域可能形成同车牌区域类似的色彩和纹理从而给识别带来困难
采集误差、噪声和光线的影响使得图像质量较差,而车辆运动又不同程度地造成了图像的恶化,甚至产生了几何变形,加上背景复杂多变使得图像的预处理过程很复杂。
算法不能过于复杂,特别是禁用NP算法。而大多数的传统方法计算量都偏大,根本无法达到实时的要求。
什么是NP算法:
NP的英文全称是Non-deterministic Polynomial的问题,即多项式复杂程度的非确定性问题。简单的写法是 NP=P?,问题就在这个问号上,到底是NP等于P,还是NP不等于P。
生成问题的一个解通常比验证一个给定的解时间花费要多得多。
如果某人告诉你,数13,717,421可以写成两个较小的数的乘积,你可能不知道是否应该相信他,但是如果他告诉你他可以因式分解为3607乘上3803,那么你就可以用一个袖珍计算器容易验证这是对的。
人们发现,所有的完全多项式非确定性问题,都可以转换为一类叫做满足性问题的逻辑运算问题。既然这类问题的所有可能答案,都可以在多项式时间(指的是一个问题的计算时间m(n)不大于问题大小n的多项式倍数。数学描述为:m(n)= o(n^k))内计算,人们于是就猜想,是否这类问题,存在一个确定性算法,可以在多项式时间内,直接算出或是搜寻出正确的答案呢?这就是著名的NP=P?的猜想。
不管我们编写程序是否灵巧,判定一个答案是可以很快利用内部知识来验证,还是没有这样的提示而需要花费大量时间来求解,被看作逻辑和计算机科学中最突出的问题之一。它是斯蒂文·考克于1971年陈述的。
图像的数字化表示
图像在空间座标上的离散化称为采样;图像在灰度上的离散化则称为量化。经过采样和量化,图像可以用一个矩阵来表示,取行和列的交点标出图像的每个像素,每一像素对应一个灰度值。为实现数字化,灰度值必须离散,例如分成 个等级。
一般量化与采样数值都取为2的整数幂。如一幅图像用512行 512列的矩阵来表示(即像素数为512 512),灰度量化256(2的8次方),那么其二进制信息量为:512 512 8=2097152 bit
图像处理涉及领域:人工智能、计算机视觉、模式识别、神经网络、图像变换、图像增强、图像复原、图像压缩编码、图像分析基础。
现有车牌分类:
1.大型汽车号牌:黄底黑字黑框线。中型(含)以上载客、载货汽车和专项作业车;半挂牵引车;电车。
2.挂车号牌:黄底黑字黑框线。全挂车和不与牵引车固定使用的半挂车。
3.小型汽车号牌:蓝底白字白框线。中型以下载客、载货汽车和专项作业车。
4.使、领馆汽车号牌:黑底白字,红“使”、“领”字,白框线。驻华使、领馆汽车。
5.港澳入出境车号牌:黑底白字,白“港”、“澳”字,白框线。港澳地区入出内地的汽车。
6.教练汽车号牌:黄底黑字黑“学”字。黑框线。教练用汽车。
7.警用汽车号牌:白底黑字红“警”字。黑框线。汽车类警车。
8.低速车号牌:黄底黑字黑框线。低速载货汽车、三轮汽车和轮式自行机械车。
9.民航号牌:绿底白字。车牌以“民航”二字开头,用于机场摆渡车,机场专用作业车等。
车牌辨识:
(蓝)汽车普通牌照
(黄)农用车与工程车
(绿)民航专用车
(白)军车或公安
(黑)涉外车辆:大使、领事馆外资企业
标准车牌高为140mm,宽为440mm车牌的宽高比为3.14。
车牌字符分别距车牌左右边框和上下边框的距离为15.5mm和25mm,
标准车牌字符总长度为409mm,各字符之间的间距为12mm(第2字符与第3字符间距为34mm)。
单一字符统一宽度为45mm,字符高度为90mm,也就是单个号码的宽高比为1/2。