畢業(yè)設(shè)計-- 基于matlab的車牌識別系統(tǒng)的設(shè)計

1、<p>　　畢業(yè)設(shè)計(論文)說明書</p><p>　　作 者： 學(xué) 號： </p><p>　　學(xué)院(系)： 信息工程學(xué)院 </p><p>　　專 業(yè)： 通信技術(shù) </p>

2、;<p>　　題 目： 基于matlab的車牌識別系統(tǒng)的設(shè)計 </p><p>　　主 題： </p><p>　　指導(dǎo)教師： 職稱： 講師 </p><p><b>　　2012年12月</b&

3、gt;</p><p><b>　　摘 要</b></p><p>　　汽車車牌的識別系統(tǒng)是現(xiàn)代智能交通管理的重要組成部分之一。車牌識別系統(tǒng)使車輛管理更智能化，數(shù)字化，有效的提升了交通管理的方便性和有效性。車牌識別系統(tǒng)主要包括了圖像采集、圖像預(yù)處理、車牌定位、字符分割、字符識別等五大核心部分。本文主要介紹圖像預(yù)處理、車牌定位、字符分割三個模塊的實現(xiàn)方法。本文的圖像預(yù)

4、處理模塊是將圖像灰度化和用Roberts算子進(jìn)行邊緣檢測的步驟。車牌定位和分割采用的是利用數(shù)學(xué)形態(tài)法來確定車牌位置，再利用車牌彩色信息的彩色分割法來完成車牌部位分割。字符的分割采用的方法是以二值化后的車牌部分進(jìn)行垂直投影，然后在對垂直投影進(jìn)行掃描，從而完成字符的分割。本文即是針對其核心部分進(jìn)行闡述并使用MATLAB軟件環(huán)境中進(jìn)行字符分割的仿真實驗。</p><p>　　關(guān)鍵詞：MATLAB、圖像預(yù)處理、車牌定位、

5、字符分割</p><p><b>　　ABSTRACT</b></p><p>　　Vehicle license plate recognition system is one important of the modern intelligent traffic management. License plate recognition system to mak

6、e more intelligent vehicle management, digital, Effective traffic management to enhance the convenience and effectiveness. License plate recognition system includes image acquisition, image preprocessing, license plate l

7、ocalization, character segmentation, character recognition and other five core parts. In this paper, preprocessing, license plate localiz</p><p>　　Keywords: MATLAB software, image preprocessing, license plat

8、e localization, character segmentation .</p><p><b>　　目 錄</b></p><p><b>　　1. 緒論1</b></p><p>　　1.1 本課題的研究背景1</p><p>　　1.2 本課題的研究目的及意義2</p&g

9、t;<p>　　1.3 國內(nèi)外發(fā)展?fàn)顩r3</p><p>　　1.4 主要應(yīng)用領(lǐng)域5</p><p>　　1.5 設(shè)計原理6</p><p>　　2. MATLAB簡介7</p><p>　　2.1 MATLAB發(fā)展歷史7</p><p>　　2.2 MATLAB的語言特點7</p>

10、;<p><b>　　3．工作流程9</b></p><p>　　3.1 系統(tǒng)框架結(jié)構(gòu)和工作流程9</p><p>　　4．各模塊的實現(xiàn)11</p><p>　　4.1設(shè)計方案11</p><p>　　4.2圖像預(yù)處理11</p><p>　　4.2.1圖像灰度化11&l

11、t;/p><p>　　4.2.2圖像的邊緣檢測12</p><p>　　4.3車牌定位和分割14</p><p>　　4.3.1車牌的定位15</p><p>　　4.3.2車牌的分割16</p><p>　　4.3.3對定位后的彩色車牌的進(jìn)一步處理17</p><p>　　4.4字符的分

12、割和歸一化處理17</p><p>　　4.4.1字符的分割18</p><p>　　4.4.2字符的歸一化處理19</p><p>　　4.5 字符的識別19</p><p>　　5．實驗結(jié)果和分析22</p><p><b>　　6．實驗總結(jié)24</b></p>&l

13、t;p><b>　　致謝25</b></p><p><b>　　參考文獻(xiàn)26</b></p><p><b>　　程序附錄27</b></p><p><b>　　第一章 緒論</b></p><p>　　1.1 本課題的研究背景</p

14、><p>　　現(xiàn)代社會已進(jìn)入信息時代，隨著計算機(jī)技術(shù)、通信技術(shù)和計算機(jī)網(wǎng)絡(luò)技術(shù)的發(fā)展，自動化信息處理能力和水平不斷提高，作為現(xiàn)代社會主要交通工具之一的汽車在人們的生產(chǎn)生活的各個領(lǐng)域得到大量使用，對他的信息進(jìn)行自動采集和管理具有十分重要的意義，成為信息處理技術(shù)的一項重要研究課題。</p><p>　　此外，智能交通系統(tǒng)，簡稱ITS（Intelligent Traffic System）已成為現(xiàn)代

15、社會道路交通發(fā)展趨勢。只能交通系統(tǒng)，是在當(dāng)代科學(xué)技術(shù)高速發(fā)展的背景下產(chǎn)生的。其目標(biāo)在于將現(xiàn)金的計算機(jī)處理技術(shù)、數(shù)據(jù)通信技術(shù)、自動控制技術(shù)等綜合應(yīng)用于地面交通管理體系，從而建立起一種高效、準(zhǔn)確、實時的交通管理系統(tǒng)。公路交通基礎(chǔ)建設(shè)的不斷發(fā)展和車輛管理體制的不斷完善，為以視覺監(jiān)控為基礎(chǔ)的智能交通系統(tǒng)的實際應(yīng)用打下了良好基礎(chǔ)。</p><p>　　在智能交通系統(tǒng)中，車牌自動識別系統(tǒng)是一個非常重要的發(fā)展方向。車牌自動識別

16、系統(tǒng)簡稱ALPRS或LPRS，該系統(tǒng)可以對車輛進(jìn)行自動登記、驗證、監(jiān)視、報警。系統(tǒng)應(yīng)用場合包括：高速公路，橋梁，隧道等收費管理系統(tǒng)。城市交通車輛管理，智能小區(qū)、智能停車場管理，車牌驗證，車流統(tǒng)計等。同時，汽車牌照自動識別的基本方法還可以應(yīng)用到其他檢測和識別領(lǐng)域，所以車牌自動識別問題已成為現(xiàn)代交通工程領(lǐng)域中研究的重點和熱點問題之一。</p><p>　　車牌識別系統(tǒng)是一項科技含量很高的多種技術(shù)結(jié)合的產(chǎn)品，主要有計算

17、機(jī)視覺、數(shù)字圖像處理、數(shù)字視頻處理、模式識別等技術(shù)組成。也是智能交通系統(tǒng)的核心技術(shù)，產(chǎn)生于60年代。在80年代，由于城市交通問題日益嚴(yán)重，美國和歐洲許多國家投入了大量的人力和物力，建立了自動化高速公路網(wǎng)，安裝了攝像、雷達(dá)探測系統(tǒng)和光纖網(wǎng)絡(luò)，簡歷智能交通系統(tǒng)。在美國、歐洲、日本等發(fā)達(dá)國家的帶動下，世界各國也開始簡歷智能交通系統(tǒng)。由于公路車流量日益增大、道路交通日益擁擠，車輛管理相對越來越困難，因此各個發(fā)達(dá)國家和發(fā)展中國家都在積極建設(shè)適應(yīng)未

18、來交通運輸需求的智能交通系統(tǒng)。</p><p>　　車牌號識別系統(tǒng)是基于圖像處理技術(shù)的基礎(chǔ)進(jìn)行研究的。本課題圖像處理分為以下幾方面：</p><p><b>　　1.圖像數(shù)字化</b></p><p>　　其目的是將模擬形式的圖像通過數(shù)字化設(shè)備變?yōu)閿?shù)字計算機(jī)可用的離散的圖像數(shù)據(jù)。</p><p><b>　　2

19、.圖像變換</b></p><p>　　為了達(dá)到某種目的而對圖像使用一種數(shù)學(xué)技巧,經(jīng)過變換后的圖像更為方便、容易地處理和操作。</p><p><b>　　3.圖像增強(qiáng)</b></p><p>　　圖像增強(qiáng)的主要目標(biāo)是改善圖像的質(zhì)量。采用某些處理技術(shù)來突出圖像中的某些信息,削弱或消除某些無關(guān)信息,從而有目的地強(qiáng)調(diào)圖像的整體或局部特征

20、，讓觀察者能看到更加直接、清晰的分析和處理圖像。直方圖修正、灰度變換、強(qiáng)化圖像輪廓等都是常用的手段。</p><p><b>　　4.圖像分割</b></p><p>　　在圖像研究和應(yīng)用中,人們往往僅對圖像的某些部分感興趣。它們一般對應(yīng)圖像中待定的、具有獨特性質(zhì)的區(qū)域。圖像分割就是把圖像中需要的那一個部分分割出來。</p><p><b

21、>　　5.圖像分析</b></p><p>　　圖像分析的內(nèi)容分為特征提取、圖像分割、符號描述、和圖像的檢測與匹配。</p><p>　　1.2 本課題的研究目的及意義</p><p>　　車牌識別系統(tǒng)的主要任務(wù)是分析和處理攝取到的復(fù)雜背景下的車輛圖像，定位分割牌照，最后自動識別汽車牌照上的字符，車牌識別是利用車輛牌照的唯一性來識別和統(tǒng)計車輛，它是

22、以數(shù)字圖像處理、模式識別、計算機(jī)視覺等技術(shù)為基礎(chǔ)的智能識別系統(tǒng)。在現(xiàn)代化交通發(fā)展中車牌識別系統(tǒng)是制約交通系統(tǒng)智能化、現(xiàn)代化的重要因素，車牌識別系統(tǒng)應(yīng)該能夠從一幅圖像中自動提取車輛圖像，自動分割牌照圖像，對字符進(jìn)行正確識別，從而降低交通管理工作的復(fù)雜度。車牌識別系統(tǒng)將獲取的車輛圖像進(jìn)行一系列的處理后，以字符串的形式輸出結(jié)果，這樣不但數(shù)據(jù)量小，便于存儲，操作起來也更容易，因此車牌識別系統(tǒng)的便捷性是人工車牌識別所不能比擬的，它蘊(yùn)藏著很大的經(jīng)濟(jì)

23、價值和發(fā)展空間，對車牌識別技術(shù)的研究是非常有的意義的。在車牌識別系統(tǒng)中最為重要的兩個技術(shù)是車牌定位和車牌字符識別，這兩個技術(shù)的好壞直接影響到整個車牌識別系統(tǒng)的實時性和準(zhǔn)確性。國內(nèi)外己有不少學(xué)者對車牌定位技術(shù)做了大量的研究，但在實際的應(yīng)用中還沒有一個有效可行的方法，如由于車輛抖動造成車牌圖像的歪斜、由于污跡和磨損造成車牌字符的模糊、由于光照不均造成車牌圖像的模糊等都會或多或少影響到車牌定位的準(zhǔn)確度。</p><p>

24、;　　車牌字符識別的實質(zhì)是對車牌上的漢字、字母和數(shù)字進(jìn)行快速準(zhǔn)確的識別并以字符串的形式輸出識別結(jié)果，字符識別技術(shù)是整個車牌識別系統(tǒng)的關(guān)鍵。車牌識別系統(tǒng)與其它圖像識別系統(tǒng)相比較而言要復(fù)雜的多，在字符識別中，漢字識別是最難也是最關(guān)鍵的部分，很多國外較為成熟的車牌識別系統(tǒng)無法進(jìn)入中國市場的原因就在于無法有效的識別漢字。此外，由于外界環(huán)境的影響，系統(tǒng)必須保證能夠在任何天氣情況下全天不間斷的正常工作。到目前為止，在眾多的車牌自動識別方法中還沒有一

25、個可以達(dá)到理想的效果，因此對車牌識別技術(shù)的研究意義重大。</p><p>　　1.3 國內(nèi)外的發(fā)展?fàn)顩r</p><p>　　從20世紀(jì)90年代初，國外就已經(jīng)開始了對汽車牌照自動識別的研究，其主要途徑就是對車牌的圖像進(jìn)行分析，自動提取車牌信息，確定汽車牌號。在各種應(yīng)用中，有使用模糊數(shù)學(xué)理論也有用神經(jīng)元網(wǎng)絡(luò)的算法來識別車牌中的字符，但由于外界環(huán)境光線變化、光路中有灰塵、季節(jié)環(huán)境變化及車牌本身比

26、較模糊等條件的影響，給車牌的識別帶來較大的困難。國外的相關(guān)研究有：(1)J Barroso提出的基于掃描行高頻分析的方法； (2) I.T. Lancaster提出的類字符分析方法等。為了解決圖像惡化的問題，目前國內(nèi)外采用主動紅外照明攝像或使用特殊的傳感器來提高圖像的質(zhì)量，繼而提高識別率，但系統(tǒng)的投資成本過大，不適合普遍的推廣。 </p><p>　　車牌識別系統(tǒng)中的兩個關(guān)鍵子系統(tǒng)是車牌定位系統(tǒng)和車牌字符

27、識別系統(tǒng)。 </p><p>　　關(guān)于車牌定位系統(tǒng)的研究，國內(nèi)外學(xué)者已經(jīng)作了大量的工作，但實際效果并不是很理想，比如車牌圖像的傾斜、車牌表面的污穢和磨損、光線的干擾等都是影響定位準(zhǔn)確度的潛在因素。為此，近年來不少學(xué)者針對車牌本身的特點，車輛拍攝的不良現(xiàn)象及背景的復(fù)雜狀況，先后提出了許多有針對性的定位方法，使車牌定位在技術(shù)和方法上都有了很大的改善.然而現(xiàn)代化交通系統(tǒng)不斷提高的快節(jié)奏，將對車牌定位的準(zhǔn)確率和實

28、時性提出更高的要求。因而進(jìn)一步加深車牌定位的研究是非常必要的。 </p><p>　　車牌字符識別是在車牌準(zhǔn)確定位的基礎(chǔ)上，對車牌上的漢字、字母、數(shù)字進(jìn)行有效確認(rèn)的過程，其中漢字識別是一個難點，許多國外的LPR系統(tǒng)也往往是因為漢字難以識別而無法打入中國市場，因而探尋好的方法解決字符的識別也是至關(guān)重要的。目前己有的方法很多，但其效果與實際的要求相差很遠(yuǎn)，難以適應(yīng)現(xiàn)代化交通系統(tǒng)高速度、快節(jié)奏的要求。因而對字符

29、識別的進(jìn)一步研究也同樣具有緊迫性和必要性。 </p><p>　　從實用產(chǎn)品來看，如以色列的Hi-Tech公司研制的多種See/Car system，適應(yīng)于幾個不同國家的車牌識別，就針對中國格式車牌的See/Car syste而言，它不能識別漢字，且識別率有待提高。新加坡Optasia公司的VLPRS產(chǎn)品，適合于新加坡的車牌，另外日本、加拿大、德國、意大利、英國等西方發(fā)達(dá)國家都有適合于本國車牌的識別系統(tǒng)。

30、 </p><p>　　我國的實際情況有所不同，國外的實際拍攝條件比較理想，車牌比較規(guī)范統(tǒng)一，而我國車牌規(guī)范不夠，不同汽車類型有不同的規(guī)格、大小和顏色，所以車牌的顏色多，且位數(shù)不統(tǒng)一，對處理造成了一定的困難。在待處理的車牌圖像中就有小功率汽車使用的藍(lán)底白字牌照，大功率汽車所用的黃底黑字牌照，軍車和警車的白底黑字，紅字牌照，還有國外駐華機(jī)構(gòu)的黑底白字牌照等。就位數(shù)而言，有七位數(shù)字的，有武警車九位數(shù)字的，有軍

31、車、前兩位字符上下排列的等，所以也造成了處理的難度。 </p><p>　　國內(nèi)做得較好的產(chǎn)品主要是中科院自動化研究所漢王公司的“漢王眼”，此外國內(nèi)的亞洲視覺科技有限公司、深圳市吉通電子有限公司、中智交通電子系統(tǒng)有限公司等都有自己的產(chǎn)品，另外西安交通大學(xué)的圖像處理與識別研究室、上海交通大學(xué)的計算機(jī)科學(xué)與工程系、清華大學(xué)、浙江大學(xué)等都做過類似的研究。通常處理時為了提高系統(tǒng)的識別率，都采用了一些硬件的探測器和

32、其他的輔助設(shè)備如紅外照明等，其中“漢王眼”就 是采用主動紅外照明和光學(xué)濾波器來減弱可見光的不可控制影響，減少惡劣氣候和汽車大小燈光的影響，另外還要求在高速公路管理窗口到“漢王眼”識別點埋設(shè)兩條線路管 道，一條管道鋪設(shè)220伏50赫茲1安培的交流供電線路:另一條管道鋪設(shè)觸發(fā)信號線路和漢王眼與管理計算機(jī)的通訊線路，投資巨大，不適合于大面積的推廣。 </p><p>　　另外，還有兩種專門的技術(shù)被用于車牌的識別

33、中，條形碼識別技術(shù)和無線射頻技術(shù)。條形碼識別要求預(yù)先在車身上印刷條形碼，在系統(tǒng)的某一固定位置上安裝掃描設(shè)備，通過掃描來讀取條形碼，以達(dá)到識別車輛的目的。無線射頻技術(shù)要求在車內(nèi)安裝標(biāo)示卡，在系統(tǒng)某一位置安裝收發(fā)器等裝置，通過收發(fā)器來接受標(biāo)示卡的信號，從而識別出經(jīng)過的車輛。顯然，這兩種技術(shù)更難以推廣。 </p><p>　　從目前一些產(chǎn)品的性能指標(biāo)可以看出，車牌識別系統(tǒng)的識別率和識別速度有待提高?，F(xiàn)代交通的飛速發(fā)展以

34、及車牌識別系統(tǒng)應(yīng)用范圍的日益拓寬給車牌識別系統(tǒng)提出了更高的要求。因此，研究高速、準(zhǔn)確的定位與識別算法是當(dāng)前的主要任務(wù)，而圖像處理技術(shù)的發(fā)展與攝像設(shè)備、計算機(jī)性能的提高都會促進(jìn)車牌識別技術(shù)的發(fā)展，提高車牌識別系統(tǒng)的性能。</p><p>　　1.4 主要應(yīng)用領(lǐng)域</p><p>　　車牌自動識別系統(tǒng)具有廣泛的應(yīng)用范圍，主要應(yīng)用于：</p><p>　　(1)高速公路收

35、費、監(jiān)控管理；(2)小區(qū)、停車場管理；(3)城市道路監(jiān)控、違章管理；(4)車牌登錄、驗證；(5)車流統(tǒng)計、安全管理等。車牌自動識別系統(tǒng)應(yīng)用于這些系統(tǒng)，可以解決通緝車輛的自動稽查問題，可以解決車流高峰期因出入口車流瓶頸造成的路橋卡口、停車場交通堵塞問題，可以解決因工作人員作弊造成的路橋卡口、高速公路、停車場應(yīng)收款流失的問題，還可以以最簡單的方式完成交通部門的車輛信息聯(lián)網(wǎng)，解決數(shù)據(jù)統(tǒng)計自動化，模糊查詢的問題。</p><

36、p>　　車牌自動識別系統(tǒng)可安裝于公路收費站、停車場、十字路口等交通關(guān)卡處，其具體應(yīng)用可概括為： </p><p>　　(l)交通監(jiān)控利用車牌識別系統(tǒng)的攝像設(shè)備，可以直接監(jiān)視相應(yīng)路段的交通狀況，獲得車輛密度、隊長、排隊規(guī)模等交通信息，防范和觀察交通事故。它還可以同雷達(dá)測速器或其他的檢測器配合使用，以檢測違犯限速值的車輛。當(dāng)發(fā)現(xiàn)車輛超速時，攝像機(jī)獲取該車的圖像，并得到該車的牌照號碼，然后給該車超速的警告

37、信號。 </p><p>　　(2)交通流控制指標(biāo)參量的測量，為達(dá)到交通流控制的目標(biāo)，一些交通流指標(biāo)的測量相當(dāng)重要。該系統(tǒng)能夠測量和統(tǒng)計很多交通流指標(biāo)參數(shù)，如總的服務(wù)流率，總行程時間，總的流入量流出量，車型及車流組成，日車流量，小時/分鐘車流量，車流高峰時間段，平均車速，車輛密度等。這也為交通誘導(dǎo)系統(tǒng)提供必要的交通流信息。 </p><p>　　(3)高速公路上的事故自動測

38、報這是由于該系統(tǒng)能夠監(jiān)視道路情況和測量交通流量指標(biāo)，能及時發(fā)現(xiàn)超速、堵車、排隊、事故等交通異?，F(xiàn)象。 </p><p>　　(4)對養(yǎng)路費交納、安全檢查、運營管理實行不停車檢查根據(jù)識別出的車牌號碼從數(shù)據(jù)庫中調(diào)出該車檔案材料，可發(fā)現(xiàn)沒及時交納養(yǎng)路費的車輛。另外，該系系統(tǒng)還可發(fā)現(xiàn)無車牌的車輛。若同車型檢測器聯(lián)用，可迅速發(fā)現(xiàn)所掛車牌與車型不符的車輛。 </p><p>　　(5)

39、車輛定位由于能自動識別車牌號碼，因而極易發(fā)現(xiàn)被盜車輛，以及定位出車輛在道路上的行駛位置。這為防范、發(fā)現(xiàn)和追蹤涉及車輛的犯罪，保護(hù)重要車輛(如運鈔車)的安全有重大作用，從而對城市治安及交通安全有重要的保障作用。 </p><p>　　車牌自動識別系統(tǒng)擁有廣闊的應(yīng)用前景，但若在每個街口都裝配一套全新的車輛探測器的硬件系統(tǒng)則投資巨大，所以急需一個純軟件實行的車牌自動識別系統(tǒng)來最大限度的減少費用，而純軟件的設(shè)計，

40、不僅投資小而且靈活性高，適合我國的國情。</p><p><b>　　1.5 設(shè)計原理</b></p><p>　　車牌識別系統(tǒng)的攝像頭通過對經(jīng)過指定區(qū)域的機(jī)動車輛進(jìn)行拍照，因為照片會受到光照、拍攝位置和車輛行駛速度的影響，導(dǎo)致拍攝的圖片不能準(zhǔn)確的確定汽車的車牌。而車牌識別系統(tǒng)就通過對機(jī)動車輛的照片進(jìn)行圖像預(yù)處理、車牌定位、字符分割、字符識別等技術(shù)手段，從而得到清晰的

41、機(jī)動車牌照的照片，從而提高現(xiàn)代智能交通的管理效率，可以說車牌識別系統(tǒng)對于現(xiàn)代智能交通至關(guān)重要。</p><p>　　第二章 MATLAB簡介</p><p>　　2.1 MATLAB發(fā)展歷史</p><p>　　MATLAB是一門計算機(jī)編程語言，取名來源于Matrix Laboratory，本意是專門以矩陣的方式來處理計算機(jī)數(shù)據(jù)，它把數(shù)值計算和可視化環(huán)境集成到一起，

42、非常直觀，而且提供了大量的函數(shù)，使其越來越受到人們的喜愛，工具箱越來越多，應(yīng)用范圍也越來越廣泛。</p><p>　　MATLAB以商品形式出現(xiàn)后，僅短短幾年，就以其良好的開放性和運行的可靠性，使原先控制領(lǐng)域里的封閉式軟件包（如英國的 UMIST ，瑞典的 LUND，和 SIMNON ，德國的 KEDDC ）紛紛淘汰，而改以 MATLAB 為平臺加以重建。在時間進(jìn)入 20 世紀(jì)九十年代的時候，MATLAB 已經(jīng)

43、成為國際控制界公認(rèn)的標(biāo)準(zhǔn)計算軟件。</p><p>　　到九十年代初期，在國際上 30 幾個數(shù)學(xué)類科技應(yīng)用軟件中，MATLAB 在數(shù)值計算方面獨占鰲頭，而 Mathematica 和 Maple 則分居符號計算軟件的前兩名。 Mathcad 因其提供計算、圖形、文字處理的統(tǒng)一環(huán)境而深受中學(xué)生歡迎。 </p><p>　　國際學(xué)術(shù)界，MATLAB 已經(jīng)被確認(rèn)為準(zhǔn)確、可靠的科學(xué)計算標(biāo)準(zhǔn)軟件。

44、在許多國際一流學(xué)術(shù)刊物上，（尤其是信息科學(xué)刊物），都可以看到 MATLAB 的應(yīng)用。 </p><p>　　在設(shè)計研究單位和工業(yè)部門，MATLAB 被認(rèn)作進(jìn)行高效研究、開發(fā)的首選軟件工具。如美國 National Instruments 公司信號測量、分析軟件 Lab VIEW ，Cadence 公司信號和通信分析設(shè)計軟件 SPW 等，或者直接建筑在 MATLAB 之上，或者以 MATLAB 為主要支撐。又如

45、HP 公司的 VXI 硬件，TM 公司的 DSP ，Gage 公司的各種硬卡、儀器等都接受 MATLAB 的支持。</p><p>　　2.2 MATLAB的語言特點</p><p>　　一種語言之所以能如此迅速地普及，顯示出如此旺盛的生命力，是由于它有著不同于其他語言的特點。正如同F(xiàn)ORTRAN和C等高級語言使人們擺脫了需要直接對計算機(jī)硬件資源進(jìn)行操作一樣，被稱作為第四代計算機(jī)語言的MA

46、TLAB，利用其豐富的函數(shù)資源，使編程人員從繁瑣的程序代碼中解放出來。MATLAB的最突出的特點就是簡潔。MATLAB用更直觀的、符合人們思維習(xí)慣的代碼，代替了C和FORTRAN語言的冗長代碼。MATLAB給用戶帶來的是最直觀、最簡潔的程序開發(fā)環(huán)境。以下簡單介紹一下MATLAB的主要特點：</p><p>　?。?）語言簡潔緊湊，使用方便靈活，庫函數(shù)極其豐富。MATLAB程序書寫形式自由，利用其豐富的庫函數(shù)避開繁

47、雜的子程序編程任務(wù)，壓縮了一切不必要的編程工作。由于庫函數(shù)都由本領(lǐng)域的專家編寫，用戶不必?fù)?dān)心函數(shù)的可靠性。可以說，用MATLAB進(jìn)行科技開發(fā)是站在專家的肩膀上。 </p><p>　?。?）運算符豐富。由于MATLAB是用C語言編寫的，MATLAB提供了和C語言幾乎一樣多的運算符，靈活使用MATLAB的運算符將使程序變得極為簡短。</p><p>　?。?）MATLAB既具有結(jié)構(gòu)化的控制語

48、句（如for循環(huán)、while循環(huán)、break語句和if語句），又有面向?qū)ο缶幊痰奶匦浴?lt;/p><p>　?。?）語法限制不嚴(yán)格，程序設(shè)計自由度大。例如，在MATLAB里，用戶無需對矩陣預(yù)定義就可使用。 </p><p>　?。?）程序的可移植性很好，基本上不做修改就可以在各種型號的計算機(jī)和操作系統(tǒng)上運行。 </p><p>　?。?）MATLAB的圖形功能強(qiáng)大。在

49、FORTRAN和C語言里，繪圖都很不容易，但在MATLAB里，數(shù)據(jù)的可視化非常簡單。MATLAB還具有較強(qiáng)的編輯圖形界面的能力。 </p><p>　?。?）MATLAB的缺點是，它和其他高級程序相比，程序的執(zhí)行速度較慢。由于MATLAB的程序不用編譯等預(yù)處理，也不生成可執(zhí)行文件，程序為解釋執(zhí)行，所以速度較慢。 </p><p>　?。?）功能強(qiáng)勁的工具箱是MATLAB的另一重大特色。MA

50、TLAB包含兩個部分：核心部分和各種可選的工具箱。核心部分中有數(shù)百個核心內(nèi)部函數(shù)。其工具箱又可分為兩類：功能性工具箱和學(xué)科性工具箱。功能性工具箱主要用來擴(kuò)充其符號計算功能、圖示建模仿真功能、文字處理功能以及與硬件實時交互功能。功能性工具箱能用于多種學(xué)科。而學(xué)科性工具箱是專業(yè)性比較強(qiáng)的，如control、toolbox、signal processing toolbox、communication toolbox等。這些工具箱都是由該領(lǐng)域

51、內(nèi)的學(xué)術(shù)水平很高的專家編寫的，所以用戶無需編寫自己學(xué)科范圍內(nèi)的基礎(chǔ)程序，而直接進(jìn)行高、精、尖的研究。下表列出了MATLAB的核心部分及其工具箱等產(chǎn)品系列的主要應(yīng)用領(lǐng)域。</p><p><b>　　第三章 工作流程</b></p><p>　　3.1系統(tǒng)框架結(jié)構(gòu)和工作流程</p><p>　　汽車牌照識別（LPR）系統(tǒng)通過引入數(shù)字?jǐn)z像技術(shù)和計算

52、機(jī)信息管理技術(shù)，采用先進(jìn)的圖像處理、模式識別和人工智能技術(shù)，通過對圖像的采集和處理，獲得更多的信息，從而達(dá)到更高的智能化管理程度。在LPR 系統(tǒng)產(chǎn)品的性能指標(biāo)中，識別率和識別速度難以同時提高其中原因既包括圖像處理技術(shù)不夠成熟，又受到攝像設(shè)備計算機(jī)等性能的限制。因此，研究高速準(zhǔn)確的定位與識別算法，是當(dāng)前的主要任務(wù)。 </p><p>　　汽車車牌自動識別系統(tǒng)主要包括觸發(fā)拍照、圖像采集、圖像預(yù)處理、車牌定位、字符分

53、割、字符識別、輸出結(jié)果等單元。</p><p>　　圖1.1車牌識別系統(tǒng)工作流程圖</p><p>　　觸發(fā)拍照：該單元會自動檢測車輛在指定區(qū)域的存在，現(xiàn)有的成熟技術(shù)的有線圈觸發(fā)、視頻觸發(fā)、紅外觸發(fā)、雷達(dá)觸發(fā)以及激光觸發(fā)。其中線圈觸發(fā)和視頻觸發(fā)得到了廣泛的應(yīng)用。</p><p>　　圖像采集：該單元是指道路上安裝的攝像頭在檢測到有車輛通過的同時進(jìn)行拍照并借助網(wǎng)絡(luò)傳送

54、到汽車自動識別系統(tǒng)。</p><p>　　圖像預(yù)處理：該單元是指車牌識別系統(tǒng)對拍攝的汽車圖片進(jìn)行灰度化和邊緣檢測等處理。在外界光照不均勻，光照強(qiáng)度不穩(wěn)定的情況下，通過攝像機(jī)采集到的車牌原始圖像會模糊不清，因此需要對其進(jìn)行圖像增強(qiáng)的處理；在外界環(huán)境噪聲以及電子器件自身產(chǎn)生的噪聲干擾下，車牌圖像質(zhì)量會有所下降，因此需要對原圖像進(jìn)行去噪處理等等。以上所做的這些處理均屬于圖像預(yù)處理的工作。</p><

55、p>　　車牌定位：是指對預(yù)處理過的汽車圖片進(jìn)行處理，把車牌部分進(jìn)行定位，把無用的部分去除，得到定位好的車牌圖片。在一張完整的車輛圖像中，大部分區(qū)域都是背景圖像，對識別工作毫無意義，我們可以將背景區(qū)域視為無用區(qū)域，并設(shè)法將其去除，即從復(fù)雜的背景圖像中準(zhǔn)確的定位并分割出車牌區(qū)域圖像，從原圖像中提取出需要的部分舍棄不需要的部分，以便節(jié)省系統(tǒng)識別時間，這也是車牌定位分割的目的及意義所在。在定位分割的過程中要保證不能把非車牌區(qū)域誤判為車牌區(qū)

56、域，也不能漏檢車牌區(qū)域，否則后繼的工作將無法進(jìn)行。</p><p>　　字符分割：對已經(jīng)定位的車牌圖片的進(jìn)行字符分割，將車牌分割為7個單一的字符圖片。被分離出的車牌區(qū)域圖像，系統(tǒng)并不能直接對其進(jìn)行識別，還需要將車牌上的每一個字符都獨立的完整的分割出來，即從車牌區(qū)域圖像中將車牌上所包含的每一個字符都切分出來，使其成為不具有任何相關(guān)性的單個字符圖像，再由系統(tǒng)分別對每個字符進(jìn)行識別，在對字符進(jìn)行切分時，要注意保證每個字

57、符的完整度。</p><p>　　字符識別：車牌字符識別是最為關(guān)鍵的一步，前面對車牌圖像所做的處理都是為了完成最終的識別。系統(tǒng)輸入的是單個的字符圖像，輸出的卻是文本格式的完整的車牌號碼，車牌字符識別的準(zhǔn)確率直接反映出車牌識別系統(tǒng)性能的好壞。</p><p>　　輸出結(jié)果：輸出識別結(jié)果，并進(jìn)行數(shù)據(jù)存儲。</p><p>　　對于車牌識別系統(tǒng)而言，以上的每一個步驟都是必

58、不可少的，并且后一步驟均是建立在前面步驟的基礎(chǔ)之上進(jìn)行的，因此，只有確保做好每一步才能順利完成系統(tǒng)最終的識別工作。</p><p>　　第四章 各模塊的實現(xiàn)</p><p>　　車牌識別系統(tǒng)包括圖像采集、圖像預(yù)處理、車牌定位、字符分割、字符識別等模塊，本文主要研究圖像預(yù)處理、車牌定位和字符分割三個模塊。</p><p><b>　　4.1 設(shè)計方案：<

59、;/b></p><p>　　該系統(tǒng)主要是由圖像處理和字符識別兩部分組成。其中圖像處理部分包括圖像預(yù)處理、邊緣提取模塊、牌照的定位以及分割模塊。字符識別部分可以分為字符分割與特征提取和單個字符識別兩個模塊。</p><p>　　字符識別部分要求照片清晰，但由于該系統(tǒng)的攝像頭長時間在室外工作，加上光照條件、攝像頭角度和距離、車輛自身條件以及車輛的行駛速度的影響，想拍出較理想的圖片很困難

60、。因此，我們要對攝像頭拍攝的圖片進(jìn)行預(yù)處理，主要包括圖片灰度化和圖片邊緣提取等。</p><p>　　車牌定位和車牌分割是整個系統(tǒng)的關(guān)鍵，其作用是在經(jīng)圖象預(yù)處理后的灰度圖象中確定牌照的具體位置，并將包含牌照字符的一塊子圖象從整個圖象中分割出來，供字符識別子系統(tǒng)識別之用，分割的準(zhǔn)確與否直接關(guān)系到整個牌照字符識別系統(tǒng)的識別率。</p><p>　　車牌識別系統(tǒng)的最終目的就是將不清楚的車牌照片進(jìn)

61、行識別，輸出清晰的圖片?，F(xiàn)在字符識別的常用方法有模板匹配法和神經(jīng)網(wǎng)絡(luò)模型法。</p><p><b>　　4.2圖像預(yù)處理</b></p><p>　　4.2.1圖像灰度化：</p><p>　　汽車圖像樣本目前大都是通過攝像機(jī)、數(shù)碼相機(jī)等設(shè)備拍攝獲取的，因而預(yù)處理前的圖像都是彩色圖像。真彩色圖像又稱RGB圖像，它是利用R、G、B分量表示一個像

62、素的顏色，R、G、B分別代表紅、綠、藍(lán)3種不同的顏色，通過三基色可以合成出任意顏色。而每個分量有255種值可取，這樣一個像素點可以有,1600多萬（255*255*255）的顏色的變化范圍。而灰度圖像是R、G、B三個分量相同的一種特殊的彩色圖像，每一個像素點的變化范圍為255種，所以在數(shù)字圖像處理種一般先將各種格式的圖像轉(zhuǎn)變成灰度圖像以使后續(xù)的圖像的計算量變得少一些?；叶葓D像的描述與彩色圖像一樣仍然反映了整幅圖像的整體和局部的色度和亮度

63、等級的分布和特征。所以，對一個尺寸為m*n的彩色圖像來說，存儲為一個m*n*3的多維數(shù)組。</p><p>　　彩色圖像包含著大量的顏色信息，不但在存儲上開銷很大，而且在處理上也會降低系統(tǒng)的執(zhí)行速度。由于圖像的每個象素都具有三個不同的顏色分量，存在許多與識別無關(guān)的信息，不便于進(jìn)一步的識別工作，因此在對圖像進(jìn)行識別等處理中，經(jīng)常將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，以加快處理速度。</p><p>　　

64、數(shù)字圖像分為彩色圖像和灰度圖像。在RGB模型中，如果R=G=B，則顏色表示一種灰度顏色，其中R=G=B的值叫做灰度值。由彩色轉(zhuǎn)換為灰度的過程叫做灰度化處理?；叶葓D像就是只有強(qiáng)度信息而沒有顏色信息的圖像，存儲灰度圖像只需要一個數(shù)據(jù)矩陣，矩陣每個元素表示對應(yīng)位置像素的灰度值。彩色圖像的象素色為RGB (R, G, B )，灰度圖像的象素色為RGB ( r, r, r ), R, G, B可由彩色圖像的顏色分解獲得.而R, G, B的取值范圍

65、是0-255,所以灰度的級別只有256級。</p><p>　　對于將彩色圖像轉(zhuǎn)換成灰度圖像時， 目前比較主流的灰度化方法叫平均值法，公式為： H=0.229R+0.588G+0.144B</p><p>　　公式中H表示灰度圖的亮度值；R代表彩色圖像紅色分量值；G代表色彩圖像綠色分量值；B代表彩色圖像藍(lán)色分量值。RGB 三分量前的系數(shù)為經(jīng)驗加權(quán)值。加權(quán)系數(shù)的取值建立在人眼的視覺模型之上。

66、對于人眼較為敏感的綠色取較大的權(quán)值； 對人眼較為不敏感的藍(lán)色則取較小的權(quán)值。通過該公式轉(zhuǎn)換的灰度圖能夠比較好地反應(yīng)原圖像的亮度信息。</p><p>　　在MATLAB中我們可以調(diào)用im2gray函數(shù)對圖像進(jìn)行灰度化處理。</p><p>　　4.2.2圖像的邊緣檢測：</p><p>　　邊緣是指圖像灰度發(fā)生空間突變或者在梯度方向上發(fā)生突變的像素的集合。用攝像機(jī)采

67、集到的機(jī)動車圖像由于受到噪聲干擾以及車輛本身的影響，使得獲得的圖像質(zhì)量不理想。因此，在進(jìn)行對汽車牌照的定位及字符識別之前需要先對車輛圖像進(jìn)行邊緣檢測處理，提高圖像的質(zhì)量，使其易于后面的分割和識別。通過良好的邊緣檢測可以大幅度的降低噪聲、分離出復(fù)雜環(huán)境中的車輛圖像、保留完好的車牌字符信息，方便后面的車牌精確定位與字符識別。</p><p>　　由于車牌識別系統(tǒng)攝像頭安裝位置固定以及機(jī)動車車牌的固有屬性，我們可以發(fā)現(xiàn)

68、機(jī)動車車牌圖像都處在水平的矩形區(qū)域，在圖像中位置較為固定，車牌中字符都是按水平方向排列。因為有這些明顯的特征，經(jīng)過適當(dāng)?shù)膱D像變換，可以清晰的呈現(xiàn)出車牌的邊緣。本文采用經(jīng)典的Roberts邊緣檢測算子來對圖像進(jìn)行邊緣檢測。</p><p>　　灰度化和邊緣檢測的MATLAB程序如下：</p><p>　　I=imread('car.jpg');</p><

69、p>　　figure(1),imshow(I);title('原圖')</p><p>　　I1=rgb2gray(I);</p><p>　　figure(2),subplot(1,2,1),imshow(I1);title('灰度圖');</p><p>　　figure(2),subplot(1,2,2),imhist(I

70、1);title('灰度圖直方圖');</p><p>　　I2=edge(I1,'robert',0.08,'both');</p><p>　　figure(3),imshow(I2);title('robert算子邊緣檢測')</p><p><b>　　圖4.1 原圖</b>

71、;</p><p><b>　　圖4.2 灰度圖</b></p><p>　　圖4.3 Robert算子邊緣檢測</p><p>　　4.3車牌定位和分割</p><p>　　該系統(tǒng)的攝像頭拍攝的圖片是整個機(jī)動車的圖片，而只有車牌部分是對系統(tǒng)有用的。所以我們要對照片進(jìn)行車牌定位和分割。車牌的定位和分割是從經(jīng)過圖像預(yù)處理后

72、的灰度圖像中確定牌照位置，并將車牌部分從整個圖像中分割出來，從而進(jìn)行字符識別。車牌圖像的灰度圖的車牌部分是一個水平度很高的長方形圖樣，在原圖中比較集中，且灰度值和周圍圖樣有明顯差異，因此很容易用邊緣檢測來對圖像進(jìn)行分割。車牌定位和分割的準(zhǔn)確度直接關(guān)系到最后的字符識別的質(zhì)量。</p><p>　　圖4.4車牌定位流程圖</p><p><b>　　4.3.1車牌定位</b&g

73、t;</p><p>　　機(jī)動車圖像經(jīng)過灰度化和邊緣檢測的處理后，邊緣得到了加強(qiáng)，牌照區(qū)域已經(jīng)非常明顯。本文采用的是用數(shù)學(xué)形態(tài)學(xué)來進(jìn)行圖像處理和模式識別。數(shù)學(xué)形態(tài)學(xué)用具有一定形態(tài)的機(jī)構(gòu)元素去量度和提取圖像中的對應(yīng)形狀以達(dá)到對圖像分析和識別的目的，能有效的去除噪聲，保留圖像原有信息的同時提取的邊緣比較平滑，提取的圖像骨架也比較連續(xù)，斷點少?，F(xiàn)在我們將經(jīng)過預(yù)處理的圖像進(jìn)行圖像腐蝕以及去除雜質(zhì)，就可以得到相對準(zhǔn)確的車牌

74、位置。</p><p>　　圖4.5腐蝕后的圖像</p><p>　　圖4.6 平滑圖像的輪廓</p><p>　　圖4.7從對象中移除小對象后圖像</p><p><b>　　4.3.2車牌分割</b></p><p>　　車牌字符分割是車牌自動識別系統(tǒng)中的重要步驟，這一模塊的正確性受到很多因素

75、的影響，最大問題是二值化不徹底使投影圖像中字符間的波谷不夠分明；其次，車牌污損、反光、光照不均等原因使車牌圖像交差，存在大量噪聲；再次，車牌邊框和鉚釘也會造成分割不正確；還有車牌的前兩個字符和后面五個字符之間的間隔符（小圓點）對字符識別有影響；車牌旋轉(zhuǎn)對水平分割有較大影響。本文車牌部分的分割采用的是利用車牌彩色信息的彩色分割法。使用統(tǒng)計彩色像素點的方法分割出車牌區(qū)域，確定車牌底色藍(lán)色RGB對應(yīng)的灰度范圍，然后統(tǒng)計在行方向的顏色范圍內(nèi)的像

76、素點數(shù)量，確定車牌在行方向的區(qū)域。然后，在分割出的行區(qū)域內(nèi)，統(tǒng)計列方向藍(lán)色像素點的數(shù)量，最終確定完整的車牌區(qū)域。</p><p>　　圖4.8車牌對位的圖像</p><p>　　4.3.3對定位后的彩色車牌的進(jìn)一步處理</p><p>　　定位后車牌圖像是彩色的，會占用較大的存儲空間，加重計算機(jī)負(fù)擔(dān)。且車輛圖片不可避免存在噪聲，所以要對圖像進(jìn)行灰度化，二值化以及濾波

77、處理。圖像的二值化處理就是將圖像上的點的灰度置為兩個數(shù)值，通常為0或255，使整個圖像呈現(xiàn)出明顯的黑白效果。也就是將256個亮度等級的灰度圖像通過適當(dāng)?shù)拈T限值選取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。濾波則是為了除去圖像噪聲。濾波方法有多種，本文采取的濾波方法為均值濾波。均值濾波是典型的線性濾波算法，指在圖像上對目標(biāo)像素給一個模板，該模板包括了其周圍的臨近像素。再用模板中的全體像素的平均值來代替原來像素值。</p>

78、;<p>　　圖4.9車牌的進(jìn)一步處理</p><p>　　4.4字符分割與歸一化</p><p>　　圖4.10 字符分割和歸一化流程圖</p><p><b>　　4.4.1字符分割</b></p><p>　　在汽車牌照自動識別過程中，字符分割有承前啟后的作用。它在前期牌照定位的基礎(chǔ)上進(jìn)行字符的分割，

79、然后再利用分割的結(jié)果進(jìn)行字符識別。將得到的車牌區(qū)域圖像進(jìn)行二值化處理后，對圖像進(jìn)行垂直投影，投影圖上有明顯的類似于峰谷的波形起伏變化， 通過對投影圖上的波形從左向右進(jìn)行掃描，根據(jù)谷和峰的特征就可以判斷出每個字符的位置；計算垂直峰，檢測合理的字符高寬比。在字符切割時,往往由于閾值取得不好，導(dǎo)致字符切割不準(zhǔn)確，針對這種情況，可以對切割出的字符寬度進(jìn)行統(tǒng)計分析，用以指導(dǎo)切割，對因錯誤切割過寬的字符進(jìn)行分裂處理。</p><

80、p>　　圖4.11 字符分割后的圖像</p><p>　　4.4.2字符歸一化處理</p><p>　　由于數(shù)碼相機(jī)拍攝的汽車圖像大小不一樣， 所以得到的牌照上的字符大小就不一樣，為了便于字符的識別，需要對字符進(jìn)行歸一化處理。歸一化處理的目的就是使車牌字符同標(biāo)準(zhǔn)模塊里面的字符特征一樣。而大小歸一是指在長度和寬度方向上分別乘以一個比例因子，使其等于標(biāo)準(zhǔn)模塊的字符大小，本文采用的大小歸一

81、的方法是分別從水平投影和垂直投影兩個方向上對字符象素的大小進(jìn)行歸一化處理。</p><p>　　圖4.12字符歸一化后的圖像</p><p><b>　　4.5字符的識別</b></p><p>　　字符的識別目前用于車牌字符識別(OCR)中的算法主要有基于模板匹配的OCR算法以及基于人工神經(jīng)網(wǎng)絡(luò)的OCR算法?；谀０迤ヅ涞腛CR的基本過程是:

82、首先對待識別字符進(jìn)行二值化并將其尺寸大小縮放為字符數(shù)據(jù)庫中模板的大小，然后與所有的模板進(jìn)行匹配，最后選最佳匹配作為結(jié)果。模板匹配的主要特點是實現(xiàn)簡單，當(dāng)字符較規(guī)整時對字符圖像的缺損、污跡干擾適應(yīng)力強(qiáng)且識別率相當(dāng)高。綜合模板匹配的這些優(yōu)點我們將其用為車牌字符識別的主要方法。</p><p>　　模板匹配是圖象識別方法中最具代表性的基本方法之一，它是將從待識別的圖象或圖象區(qū)域f(i,j)中提取的若干特征量與模板T(i

83、,j)相應(yīng)的特征量逐個進(jìn)行比較，計算它們之間規(guī)格化的互相關(guān)量，其中互相關(guān)量最大的一個就表示期間相似程度最高，可將圖象歸于相應(yīng)的類。也可以計算圖象與模板特征量之間的距離，用最小距離法判定所屬類。然而，通常情況下用于匹配的圖象各自的成像條件存在差異，產(chǎn)生較大的噪聲干擾，或圖象經(jīng)預(yù)處理和規(guī)格化處理后，使得圖象的灰度或像素點的位置發(fā)生改變。在實際設(shè)計模板的時候，是根據(jù)各區(qū)域形狀固有的特點，突出各類似區(qū)域之間的差別，并將容易由處理過程引起的噪聲和

84、位移等因素都考慮進(jìn)去，按照一些基于圖象不變特性所設(shè)計的特征量來構(gòu)建模板，就可以避免上述問題。</p><p>　　圖4.13 字符識別流程圖</p><p>　　此處采用相減的方法來求得字符與模板中哪一個字符最相似，然后找到相似度最大的輸出。汽車牌照的字符一般有七個，大部分車牌第一位是漢字，通常代表車輛所屬省份，或是軍種、警別等有特定含義的字符簡稱；緊接其后的為字母與數(shù)字。車牌字符識別與一

85、般文字識別在于它的字符數(shù)有限，漢字共約50多個，大寫英文字母26個，數(shù)字10個。所以建立字符模板庫也極為方便。為了實驗方便，結(jié)合本次設(shè)計所選汽車牌照的特點，只建立了4個數(shù)字26個字母與10個數(shù)字的模板。其他模板設(shè)計的方法與此相同。</p><p>　　首先取字符模板，接著依次取待識別字符與模板進(jìn)行匹配，將其與模板字符相減，得到的0越多那么就越匹配。把每一幅相減后的圖的0值個數(shù)保存，即為識別出來的結(jié)果。</p

86、><p><b>　　圖4.14識別結(jié)果</b></p><p>　　第五章 實驗結(jié)果和分析</p><p>　　本文以MATLAB7.0為實驗平臺，以攝取的彩色車牌照片為對象進(jìn)行實驗。實驗的最終結(jié)果如圖4.14所示。 </p><p>　　在得到這個結(jié)果之前，需要對車牌圖像進(jìn)行預(yù)處理、車牌定位、車牌分割等處理。 </

87、p><p>　　由于攝像部分多工作于開放的戶外環(huán)境，加之車輛牌照的整潔度、自然光照條件、拍攝時攝像機(jī)與牌照的矩離和角度以及車輛行駛速度等因素的影響，牌照圖象可能出現(xiàn)模糊、歪斜和缺損等嚴(yán)重缺陷，因此需要對原始圖象進(jìn)行識別前的預(yù)處理。預(yù)處理包括灰度化、車牌校正、平滑處理等。對于光照條件不理想的圖象，可先進(jìn)行一次圖象增強(qiáng)處理，使得圖象灰度動態(tài)范圍擴(kuò)展和對比度增強(qiáng)，再進(jìn)行定位和分割，這樣可以提高分割的正確率。在本文中根據(jù)采集

88、到的圖像本身的特點，對它進(jìn)行了灰度化的處理。因為彩色圖像包含著大量的顏色信息，不但在存儲上開銷很大，而且在處理上也會降低系統(tǒng)的執(zhí)行速度，因此將彩色圖像轉(zhuǎn)化為灰度圖像，以縮短處理速度。圖像中車輛牌照是具有比較顯著特征的一塊圖象區(qū)域，這此特征表現(xiàn)在：近似水平的矩形區(qū)域；其中字符串都是按水平方向排列的；在整體圖象中的位置較為固定。正是由于牌照圖象的這些特點，再經(jīng)過適當(dāng)?shù)膱D象變換，它在整幅中可以明顯地呈現(xiàn)出其邊緣，于是對其邊緣提取，此處邊緣的提

89、取采用的是Roberts算子。</p><p>　　在定位模塊。本文采用的是車牌顏色與數(shù)學(xué)形態(tài)學(xué)相結(jié)合的定位方法。首先，將預(yù)處理后的圖像用數(shù)學(xué)形態(tài)學(xué)的方法進(jìn)行處理。數(shù)學(xué)形態(tài)學(xué)的應(yīng)用可以簡化圖像數(shù)據(jù)，保持它們基本的形態(tài)特征，并除去不相干的結(jié)構(gòu)。本文中對圖像進(jìn)行了腐蝕、平滑處理，腐蝕和平滑都具有濾波的作用，腐蝕是對圖像內(nèi)部做濾波處理，平滑是對噪聲進(jìn)行濾波。這樣可以把字符與字符之間的雜色點去除，只有白色的字符和黑色的背

90、景存在，這樣有利于的字符分割進(jìn)行。最后還用了bwareaopen來去除對象中不相干的小對象。再根據(jù)車牌底色等有關(guān)的先驗知識，采用彩色像素點統(tǒng)計的方法，先確定行方向的車牌區(qū)域，再確定列方向的區(qū)域，得出最終的車牌區(qū)域。 </p><p>　　車牌分割即把車牌的整體區(qū)域分割成單字符區(qū)域，具有承上啟下的作用。其難點在于噪聲合字符粘連，斷裂對字符的影響，因此必須先將定位后的車牌進(jìn)一步處理。包括灰度化、二值化、均值濾波、膨脹

91、或腐蝕處理。分割采用的方法為尋找連續(xù)有文字的塊，若長度大于某閾值T，則認(rèn)為該塊有兩個字符組成，需要分割。為滿足下一步字符識別的需要，將分割后的字符歸一化。 </p><p>　　最后將分割出來的字符運用模板匹配的方法與模板字符進(jìn)行匹配，將其與模板字符相減，得到的0越多那么就越匹配。把每一幅相減后的圖的0值個數(shù)保存，然后找數(shù)值最大的，即為識別出來的結(jié)果。模板的制作很重要，必須要用精確的模板，否則就不能正確的識別。

92、</p><p>　　對于識別錯誤情況的分析可知，主要原因：一是牌照自身的污漬等影響了圖象的質(zhì)量；二是牌照字符的分割失敗導(dǎo)致的識別錯誤；再就是部分字符的形狀相似性，比如，B 和8；A 和4 等字符識別結(jié)果可能發(fā)生混淆的情況。 </p><p>　　總之，盡管目前牌照字符的識別率還不理想，但是只要在分割出的字符的大小、位置的歸一化，以及嘗試提取分類識別能力更好的特征值和設(shè)計分類器等環(huán)節(jié)上再完

93、善，進(jìn)一步提高識別率是完全可行的。</p><p><b>　　第六章 實驗總結(jié)</b></p><p>　　高速公路、城市交通、停車場等基礎(chǔ)設(shè)施建設(shè)水平的不斷發(fā)展和車輛管理體制的不斷完善，為以計算機(jī)視覺為基礎(chǔ)的智能交通管理系統(tǒng)的實際應(yīng)用提供了契機(jī)。在智能交通系統(tǒng)中，車牌自動識別系統(tǒng)是智能化交通系統(tǒng)非常重要的發(fā)展方向。從開始的收費輔助系統(tǒng)演變過來的車牌識別技術(shù)現(xiàn)在運用

94、的領(lǐng)域是越來越廣。它在車輛過路、過橋全自動不停車收費，交通流量控制指標(biāo)的測量，車輛自動識別，高速公路上的事故自動測報，不停車檢查，車輛定位，汽車防盜，稽查和追蹤車輛違規(guī)、違法行為，維護(hù)交通安全和城市治安，防止交通堵塞，提高收費路橋的服務(wù)速度，緩解交通緊張狀況等方面有重要作用，有重要的現(xiàn)實應(yīng)用意義。</p><p>　　本文對車牌識別系統(tǒng)的軟件部分進(jìn)行了研究，分別從圖像預(yù)處理、車牌定位、字符分割以及字符識別等方面進(jìn)

95、行了系統(tǒng)的分析。主要工作內(nèi)容及結(jié)論如下：</p><p>　?。?）整理和總結(jié)了國內(nèi)外在車牌定位、分割、字符識別方面的研究成果和發(fā)展方向，系統(tǒng)介紹了我國車牌的固有特征，以及車牌識別的特點。 </p><p>　?。?）在車牌定位我們采用基于灰度跳變的定位方法，采用先對圖像進(jìn)行預(yù)處理，再進(jìn)行二值化操作的方法。實驗表明本方法既保留了車牌區(qū)域的信息，又減少了噪聲的干擾，從而簡化了二值化處理過程，

96、提高了后續(xù)處理的速度。 </p><p>　?。?）基于彩色分量的定位方法，運用基于藍(lán)色象素點統(tǒng)計特性的方法對車牌是藍(lán)色的車牌進(jìn)行定位，實驗表明，用該方法實現(xiàn)的車牌定位準(zhǔn)確率較高。 </p><p>　?。?）本設(shè)計采用的圖像預(yù)處理、邊緣檢測、車牌長寬比特征識別等對車牌的定位都是非常有效的，而本設(shè)計提出的投影分析和閾值技術(shù)有效檢測了車牌圖像的上下左右邊框、旋轉(zhuǎn)角度，準(zhǔn)確實現(xiàn)的車牌字符的分割

97、，對多個車牌進(jìn)行實驗，均有很高的正確率。</p><p>　　本設(shè)計雖然只對藍(lán)底白字車牌進(jìn)行分割識別，對黑底白字車牌原則上整個算法可直接適用，對白底黑字車牌、黃底黑字車牌，需要對車牌定位算法進(jìn)行調(diào)整，并將圖像反轉(zhuǎn)，而車牌字符的分割算法仍然行之有效。 因此，本設(shè)計提出的車牌字符的分割算法實驗證明是準(zhǔn)確、有效、可行的。</p><p><b>　　致 謝</b><

98、/p><p>　　大學(xué)專科的學(xué)習(xí)生活即將結(jié)束，在此，我要感謝所有曾經(jīng)教導(dǎo)過我的老師和關(guān)心過我的同學(xué)，他們在我成長過程中給予了我很大的幫助。本文能夠成功的完成，要特別感謝我的指導(dǎo)老師的關(guān)懷和教導(dǎo)，感謝各位師兄師姐的關(guān)心和幫助。</p><p>　　最后還要感謝我的父母，是他們一直在背后支持著我。使我心靈的天平永遠(yuǎn)傾向執(zhí)著奮斗。使我深深的體會到：在這個競爭的社會里，沒有真才實學(xué)，沒有吃苦精神，是無

99、法立足，無法生存的。</p><p>　　我要時時刻刻的記住人的一生要“活到老，學(xué)到老”緊跟時代步伐，以豪情勃發(fā)的遠(yuǎn)足邁向新的征途，新的挑戰(zhàn)。讓我們用科學(xué)知識來武裝自己的頭腦，用高科技技術(shù)來描繪未來的憧憬和期盼。再此感謝我的老師和同學(xué)。</p><p><b>　　參考文獻(xiàn)</b></p><p>　　[1] 白利波.車牌檢測與識別算法研究[D

100、].北京交通大學(xué),2007.30-31.</p><p>　　[2] 謝盛嘉,梁競敏.車牌識別系統(tǒng)的設(shè)計與實現(xiàn)[J].微計算機(jī)信息,2010（6）</p><p>　　[3] 王剛,冀小平.基于MATLAB的車牌識別系統(tǒng)的研究[J].電子設(shè)計工程,2009（11）</p><p>　　[4] 王廣宇.車輛牌照識別系統(tǒng)的原理及算法研究[D].鄭州大學(xué),2000<

101、/p><p>　　[5] 崔江,王友仁.車牌自動識別方法中的關(guān)鍵技術(shù)研究[J].計算機(jī)測量與控制，2003.11（4）</p><p>　　[6] 許志影,李晉平.MATLAB在圖像處理中的應(yīng)用[J].計算機(jī)與現(xiàn)代化，2004（4）</p><p>　　[7] 劉衛(wèi)國.MATLAB程序設(shè)計與應(yīng)用［M］.北京：高等教育出版社，2002</p><p&g

102、t;　　[8] 成瑜.汽車牌照自動識別技術(shù)研究[J].南京航空航天大學(xué)學(xué)報,2006.4：29-30</p><p><b>　　程序附錄：</b></p><p>　　function [d]=main(jpg)</p><p>　　I=imread('car.jpg');</p><p>　　figu

103、re(1),imshow(I);title('原圖');</p><p>　　I1=rgb2gray(I); %將真彩色圖像轉(zhuǎn)換為灰度圖像</p><p>　　figure(2),subplot(1,2,1),imshow(I1);title('灰度圖');</p><p>　　figure(2),subplot(1,2,2),i

104、mhist(I1);title('灰度圖直方圖');</p><p>　　I2=edge(I1,'robert',0.08,'both'); %高斯濾波器,方差為0.08</p><p>　　figure(3),imshow(I2);title('robert算子邊緣檢測')</p><p>　　se

105、=[1;1;1];</p><p>　　I3=imerode(I2,se); %圖像的腐蝕</p><p>　　figure(4),imshow(I3);title('腐蝕后圖像');</p><p>　　se=strel('rectangle',[40,40]); %構(gòu)造結(jié)構(gòu)元素，以長方形構(gòu)造一個se</p>&l

106、t;p>　　I4=imclose(I3,se); %對圖像實現(xiàn)閉運算，閉運算也能平滑圖像的輪廓，但與開運算相反，它一般融合窄的缺口和細(xì)長的彎口，去掉小洞，填補(bǔ)輪廓上的縫隙。</p><p>　　figure(5),imshow(I4);title('平滑圖像的輪廓');</p><p>　　I5=bwareaopen(I4,2000); %從二進(jìn)制圖像中移除所有少于p

107、像素的連接的組件（對象），產(chǎn)生另一個二進(jìn)制圖像</p><p>　　figure(6),imshow(I5);title('從對象中移除小對象');</p><p>　　[y,x,z]=size(I5); %返回I5各維的尺寸，并存儲在變量y、x、z中</p><p>　　myI=double(I5); %換成雙精度數(shù)值</p>&l

108、t;p>　　%begin橫向掃描</p><p>　　tic %計算tic與toc之間程序的運行時間</p><p>　　Blue_y=zeros(y,1); %產(chǎn)生y*1的全0矩陣</p><p><b>　　for i=1:y</b></p><p><b>　　for j=1:x</b>