wk_yang的博客

MATLAB完整代码——毕设的UWB定位算法，包络信号源产生，信道仿真，接收，还有相关的Chan，fang和泰勒定位算法(TDOA和TOA),注意，一定使用相关性好的序列，哈哈

天线线阵和面阵的程序 可以直接运行 结果自己再分析了 报告里面就不加了

本资源主要分为三个部分：车牌定位 字符分割 字符识别，每个部分都可单独运行。 车牌定位采用数学形态学和颜色特征相结合的方法。首先对图片进行开闭运算、轮廓检测等数学形态学操作突出车牌区域，然后依据车牌的形状特征去除部分干扰区域，并利用仿射变换对可疑车牌区域进行倾斜矫正，最后根据车牌颜色特征选取最终区域，同时确定车牌的颜色。 字符分割基于投影法，利用二值化图像像素的分布直方图进行分析。其中水平投影确定字符区域并去除上下边框，垂直投影找出相邻字符的分界点，并通过适当算法组合分离的汉字和去除车牌上的分隔点、边缘等干扰； 字符识别基于keras框架，首先搭建卷积神经网络对训练集进行训练，准确率达到97.87%，然后利用训练好的模型对分割下的字符逐一进行识别，最终组成车牌号码，实现车牌识别的目标。

用python3+opencv3做的中国车牌识别，包括算法和客户端界面，只有2个文件，surface.py是界面代码，predict.py是算法代码，界面不是重点所以用tkinter写得很简单。 ### 使用方法： 版本：python3.4.4，opencv3.4和numpy1.14和PIL5 下载源码，并安装python、numpy、opencv的python版、PIL，运行surface.py即可 ### 算法实现： 算法思想来自于网上资源，先使用图像边缘和车牌颜色定位车牌，再识别字符。车牌定位在predict方法中，为说明清楚，完成代码和测试后，加了很多注释，请参看源码。车牌字符识别也在predict方法中，请参看源码中的注释，需要说明的

主要包括遗传算法、神经 网络算法等等主流算法，可以结合B站视频观看

压缩包包括训练的已经分割好的图片，训练好的模型（当然你也可以自己从新跑一下），代码调了一下午，保证能够运行，识别率0.9以上

建模算法全收录，你只得用有，决定不坑人，谢谢

还在为数学建模或者毕业设计发愁吗，注释加模板，绝不坑人