2022年课程设计报告-车牌识别系统的设计.docx

精选学习资料 - - - - - - - - - 车牌识别系统的设计一、摘要 : 识别速度越来越随这图形图像技术的进展, 现在的车牌识别技术精确率越来越高,快；无论何种形式的车牌识别系统,它们都是由触发、图像采集、图像识别模块、帮助 光源和通信模块组成的；车牌识别系统涉及光学、电器、电子掌握、数字图像处理、计 算视觉、人工智能等多项技术；触发模块负责在车辆到达合适位置时,给出触发信号,掌握抓拍；帮助光源供应帮助照明, 保证系统在不同的光照条件下都能拍照到高质量的图像；图像预处理程序对抓拍的图像进行处理,车牌定位、字符识别,最终将识别结果输出；二、设计目的和意义 : 设计目的 ：去除噪声, 并进行参数调整；然后通过1、让同学稳固理论课上所学的学问,理论联系实践；2、锤炼同学的动手才能,激发同学的讨论潜能,提高同学的协作精神；设计意义 ：车牌定位系统的目的在于正确猎取整个图像中车牌的区域,并识别出车牌号； 通过 设计实现车牌识别系统, 能够提高同学分析问题和解决问题的才能,仍能培育肯定的科 研才能；三、设计原理 : 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动 识别的模式识别技术；其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集 设备、识别车牌号码的处理机等,其软件核心包括车牌定位算法、车牌字符分割算法和 光学字符识别算法等；某些牌照识别系统仍具有通过视频图像判定车辆驶入视野的功能 称之为视频车辆检测；一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别 等几部分； 当车辆检测部分检测到车辆到达时触发图像采集单元,采集当前的视频图像；牌照识别单元对图像进行处理,然后组成牌照号码输出；四、具体设计步骤 : 定位出牌照位置, 再将牌照中的字符分割出来进行识别,名师归纳总结 - - - - - - -第 1 页,共 17 页精选学习资料 - - - - - - - - - 1. 提出总体设计方案 : 牌照号码、颜色识别为了进行牌照识别,需要以下几个基本的步骤：a. 牌照定位,定位图片中的牌照位置；b. 牌照字符分割,把牌照中的字符分割出来；c. 牌照字符识别,把分割好的字符进行识别,最终组成牌照号码；牌照识别过程中,牌照颜色的识别依据算法不同,可能在上述不同步骤实现,通常 与牌照识别相互协作、相互验证；1 牌照定位 : 自然环境下,汽车图像背景复杂、光照不匀称,如何在自然背景中精确地确定牌照 区域是整个识别过程的关键；第一对采集到的视频图像进行大范畴相关搜寻,找到符合 汽车牌照特点的假设干区域作为候选区,然后对这些侯选区域做进一步分析、评判,最 后选定一个最正确的区域作为牌照区域,并将其从图象中分割出来；流程图 : 导入原图像预处理增边缘提取对图像开车牌定位始图像强成效图像闭运算2 名师归纳总结 - - - - - - -第 2 页,共 17 页精选学习资料 - - - - - - - - - 2牌照字符分割 : 完成牌照区域的定位后,再将牌照区域分割成单个字符,然后进行识别；字符分割 一般采纳垂直投影法；由于字符在垂直方向上的投影必定在字符间或字符内的间隙处取 得局部最小值的邻近,并且这个位置应满意牌照的字符书写格式、字符、尺寸限制和一 些其他条件；利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的成效；运算水平投影进去掉车牌分析垂直投影找到每按左右宽度行车牌水平校正的框架个字符中心位置切割出字符3牌照字符识别 : 字符识别方法目前主要有基于模板匹配算法和基于人工神经网络算法；基于模板匹配 算法第一将分割后的字符二值化 , 并将其尺寸大小缩放为字符数据库中模板的大小,然后 与全部的模板进行匹配,最终选最正确匹配作为结果；基于人工神经元网络的算法有两 种：一种是先对待识别字符进行特点提取,然后用所获得特点来训练神经网络安排器；另一种方法是直接把待处理图像输入网络,由网络自动实现特点提取直至识别出结果；实际应用中,牌照识别系统的识别率与牌照质量和拍照质量亲密相关；牌照质量会受到 各种因素的影响,如生锈、污损、油漆剥落、字体褪色、牌照被遮挡、牌照倾斜、高亮 反光、多牌照、假牌照等等；实际拍照过程也会受到环境亮度、拍照亮度、车辆速度等 等因素的影响；这些影响因素不同程度上降低了牌照识别的识别率,也正是牌照识别系 统的困难和挑战所在；为了提高识别率,除了不断的完善识别算法,仍应当想方法克服 各种光照条件,使采集到的图像最利于识别；切割出的字与数据库的分析之差最小字符依次分析显示误符送入库中图片相减的图片是哪张差最小的图片名字2. 各模块的实现 : 输入待处理的原始图像 : clear ; close all; %Step1 猎取图像 装入待处理彩色图像并显示原始图像Scolor = imread'3.jpg'%imread 函数读取图像文件3 名师归纳总结 - - - - - - -第 3 页,共 17 页精选学习资料 - - - - - - - - - 图图像的灰度化 : 彩色图像包含着大量的颜色信息,不但在储备上开销很大,而且在处理上也会降低系统的执行速度,因此在对图像进行识别等处理中常常将彩色图像转变为灰度图像,以加快处理速度；由彩色转换为灰度的过程叫做灰度化处理；挑选的标准是经过灰度变换后,像素的动态范畴增加,图像的比照度扩展,使图像变得更加清楚、细腻、简单识别；%将彩色图像转换为黑白并显示Sgray = rgb2grayScolor;%rgb2gray 转换成灰度图figure,imshowSgray,title' 原始黑白图像 ' 对原始图像进行开操作得到图像背景图像 : s=strel'disk',13;%strei 函数Bgray=imopenSgray,s;% 打开 sgray s 图像figure,imshowBgray;title'背景图像 '% 输出背景图像名师归纳总结 - - - - - - -第 4 页,共 17 页精选学习资料 - - - - - - - - - 图原始图像与背景图像作减法,对图像进行增强处理 : Egray=imsubtractSgray,Bgray;% 两幅图相减figure,imshowEgray;title'图增强黑白图像 '% 输出黑白图像2.5 取得最正确阈值,将图像二值化 : 二值图像是指整幅图像画面内仅黑、白二值的图像；在实际的车牌处理系统中,进 行图像二值变换的关键是要确定合适的阀值,使得字符与背景能够分割开来,二值变换 的结果图像必需要具备良好的保形性,不丢掉有用的外形信息,不会产生额外的空缺等 等；车牌识别系统要求处理的速度高、成本低、信息量大,采纳二值图像进行处理,能 大大地提高处理效率；阈值处理的操作过程是先由用户指定或通过算法生成一个阈值,假如图像中某中像素的灰度值小于该阈值,就将该像素的灰度值设置为0 或 255,否就灰度值设置为 255 或 0；fmax1=doublemaxmaxEgray;%egray fmin1=doubleminminEgray;%egray的最大值并输出双精度型 的最小值并输出双精度型名师归纳总结 - - - - - - -第 5 页,共 17 页精选学习资料 - - - - - - - - - level=fmax1-fmax1-fmin1/3/255;% 获得最正确阈值bw22=im2bwEgray,level;% 转换图像为二进制图像bw2=doublebw22; figure,imshowbw2;title'二值图像边缘检测 : 图像二值化 '% 得到二值图像两个具有不同灰度值的相邻区域之间总存在边缘,边缘就是灰度值不连续的结果,是图像分割、纹理特点提取和外形特点提取等图像分析的基础；为了对有意义的边缘点 进行分类,与这个点相联系的灰度级必需比在这一点的背景上变换更有效,我们通过门 限方法来打算一个值是否有效；所以,假如一个点的二维一阶导数比指定的门限大,我 们就定义图像中的次点是一个边缘点,一组这样的依据事先定好的连接准就相连的边缘 点就定义为一条边缘；经过一阶的导数的边缘检测,所求的一阶导数高于某个阈值,就 确定该点为边缘点,这样会导致检测的边缘点太多；可以通过求梯度局部最大值对应的 点,并认定为边缘点,去除非局部最大值,可以检测出精确的边缘；一阶导数的局部最 大值对应二阶导数的零交叉点,这样通过找图像强度的二阶导数饿的零交叉点就能找到 精确边缘点；grd=edgebw2,'canny'% 用 canny 算子识别强度图像中的边界figure,imshowgrd;title'图像边缘提取 '% 输出图像边缘名师归纳总结 - - - - - - -第 6 页,共 17 页精选学习资料 - - - - - - - - - 对得到图像作开操作进行滤波 : 数学外形非线性滤波,可以用于抑制噪声,进行特点提取、边缘检测、图像分割等 图像处理问题；腐蚀是一种排除边界点的过程,结果是使目标缩小,孔洞增大,因而可 有效的排除孤立噪声点；膨胀是将与目标物体接触的全部背景点合并到物体中的过程,结果是使目标增大,孔洞缩小,可填补目标物体中的空洞,形成连通域；先腐蚀后膨胀 的过程称为开运算,它具有排除细小物体,并在纤细处别离物体和平滑较大物体边界的 作用；先膨胀后腐蚀的过程称为闭运算,具有填充物体内细小空洞,连接邻近物体和平 滑边界的作用；对图像做了开运算和闭运算,闭运算可以使图像的轮廓线更为光滑,它 通常用来消掉狭窄的间断和长细的鸿沟,排除小的孔洞,并补偿轮廓线中的断裂；bg1=imclosegrd,strel'rectangle',5,19;%取矩形框的闭运算figure,imshowbg1;title'图像闭运算 5,19'%输出闭运算的图像bg3=imopenbg1,strel'rectangle',5,19;%取矩形框的开运算figure,imshowbg3;title'图像开运算 5,19'%输出开运算的图像bg2=imopenbg3,strel'rectangle',19,1;%取矩形框的开运算figure,imshowbg2;title' 图像开运算 19,1'% 输出开运算的图像图闭运算的图像 图开运算的图像7 名师归纳总结 - - - - - - -第 7 页,共 17 页精选学习资料 - - - - - - - - - 图开运算的图像对二值图像进行区域提取,并运算区域特点参数；进行区域特点参数比较,提取车牌区 域: a. 对图像每个区域进行标记,然后运算每个区域的图像特点参数：区域中心位置、最小 包含矩形、面积；L,num = bwlabelbg2,8;%标注二进制图像中已连接的部分Feastats = imfeatureL,'basic'% 运算图像区域的特点尺寸Area=Feastats.Area;% 区域面积BoundingBox=Feastats.BoundingBox;%x y width height车牌的框架大小RGB = label2rgbL, 'spring', 'k', 'shuffle' % 标志图像向 RGB图像转换figure,imshowRGB;title'图彩色图像图像彩色标记 '% 输出框架的彩色图像b. 运算出包含所标记的区域的最小宽和高,并依据先验学问,比较谁的宽高比更接近实际车牌宽高比,将更接近的提取并显示出来；8 名师归纳总结 - - - - - - -第 8 页,共 17 页精选学习资料 - - - - - - - - - 运算矩形的宽度运算矩形的高度框架的宽度和高度的范畴车牌的开头列车牌的开头行运算车牌长宽比猎取 车牌 二值 子程序流程图: 图灰度子图和二值子图对水平投影进行峰谷分析对水平投影进行峰谷分析 , 运算出车牌上边框、车牌字符投影、车牌下边框的波形峰上升点、峰下降点、峰宽、谷宽、峰间距离、峰中心位置参数；histcol1=sumsbw1; % 运算垂直投影histrow=sumsbw1' % 运算水平投影figure,subplot2,1,1,barhistcol1;title' subplot2,1,2,barhistrow; title'图垂直投影和水平投影垂直投影含边框 '% 输出垂直投影 水平投影含边框 '% 输出水平投影figure,subplot2,1,1,barhistrow; title'水平投影含边框 '% 输出水平投影9 名师归纳总结 - - - - - - -第 9 页,共 17 页精选学习资料 - - - - - - - - - subplot2,1,2,imshowsbw1;title'车牌二值子图 '% 输出二值图对水平投影进行峰谷分析 : 求水平投影的平均值求水平投影的最小值取阈值运算谷宽度运算峰距离运算下降点找到峰中心位置图水平投影和二值图 程序流程图2.10 运算车牌旋转角度 : a. 车牌倾斜的缘由导致投影成效峰股谷不明显,在这里需要做车牌矫正处理；这里实行的线性拟合的方法 , 运算出车牌上边或下边图像值为1 的点拟合直线与水平X 轴的夹角；标示出图像大小求最大宽度为字符检测上边从顶边至第一个峰下降点扫描从底边至最终一个峰的上升点扫描找第一个为 1 的点程序流程图10 名师归纳总结 - - - - - - -第 10 页,共 17 页精选学习资料 - - - - - - - - - %2线性拟合,运算与 x 夹角fresult = fitxdata',ydata','poly1' %poly1 Y = p1*x+p2 p1=fresult.p1; %3旋转车牌图象subcol = imrotatesubcol1,angle,'bilinear','crop' % 旋转车牌图象sbw = imrotatesbw1,angle,'bilinear','crop'% 旋转图像figure,subplot2,1,1,imshowsubcol;title' 灰度图像标题显示车牌灰度子图 subplot2,1,2,imshowsbw;title''%车牌灰度子图 '% 输出车牌旋转后的输出车牌旋转后的灰度图像title'车牌旋转角 : ',num2strangle,'度' ,'Color','r'%显示车牌的旋转角度图旋转后的灰度图像和旋转角度b. 旋转车牌后重新运算车牌水平投影,去掉车牌水平边框,猎取字符高度 : histcol1=sumsbw; % 运算垂直投影histrow=sumsbw' % 运算水平投影figure,subplot2,1,1,barhistcol1;title' subplot2,1,2,barhistrow; title'图垂直投影旋转后和水平投影旋转后垂直投影旋转后 ' 水平投影旋转后 ' 名师归纳总结 - - - - - - -第 11 页,共 17 页精选学习资料 - - - - - - - - - figure,subplot2,1,1,barhistrow; title'水平投影旋转后 ' subplot2,1,2,imshowsbw;title'车牌二值子图旋转后' 图水平投影旋转后和车牌二值子图旋转后2.11 去水平上下边框 , 猎取字符高度 : a. 通过以上水平投影、垂直投影分析运算,获得了车牌字符高度、字符顶行与尾行、字符宽度、每个字符的中心位置,为提取分割字符具备了条件；maxhight=maxmarkrow2; findc=findmarkrow2=maxhight; rowtop=markrowfindc; rowbot=markrowfindc+1-markrow1findc+1; sbw2=sbwrowtop:rowbot,:; %子图为 rowbot-rowtop+1行maxhight=rowbot-rowtop+1; %字符高度 rowbot-rowtop+1 b. 运算车牌垂直投影,去掉车牌垂直边框,猎取车牌及字符平均宽度 histcol=sumsbw2; % 运算垂直投影figure,subplot2,1,1,barhistcol;title' 牌的垂直投影图像垂直投影去水平边框后 '% 输出车subplot2,1,2,imshowsbw2; % 输出垂直投影图像title' 车牌字符高度： ',int2strmaxhight,'Color','r'% 输出车牌字符高度%对垂直投影进行峰谷分析12 名师归纳总结 - - - - - - -第 12 页,共 17 页精选学习资料 - - - - - - - - - 求垂直投影的平均值求垂直投影的最小值取阈值运算字符上升点运算谷宽度运算字符距离找到字符中心位置程序流程图c. 运算车牌上每个字符中心位置,运算最大字符宽度 maxwidth l=0; for k=1:n1 markcol3k=markcolk+1-markcol1k+1;% 字符下降点 markcol4k=markcol3k-markcolk; %字符宽度上升点至下降点 markcol5k=markcol3k-doubleuint16markcol4k/2;% 字符中心位置end markcol6=diffmarkcol5; %字符中心距离字符中心点至下一个字符中心点maxs=maxmarkcol6; % 查找最大值,即为其次字符与第三字符中心距离 findmax=findmarkcol6=maxs; markcol6findmax=0; maxwidth=maxmarkcol6;% 查找最大值,即为最大字符宽度 d. 提取分割字符 , 并变换为 22 行*14 列标准子图 l=1; m2,n2=sizesubcol; figure; for k=findmax-1:findmax+5 cleft=markcol5k-maxwidth/2; cright=markcol5k+maxwidth/2-2; if cleft<1 13 名师归纳总结 - - - - - - -第 13 页,共 17 页精选学习资料 - - - - - - - - - cleft=1; cright=maxwidth; end if cright>n2 cright=n2; cleft=n2-maxwidth; end SegGray=sbwrowtop:rowbot,cleft:cright; SegBw1=sbwrowtop:rowbot,cleft:cright; SegBw2 = imresizeSegBw1,22 14; % subplot2,n1,l,imshowSegGray; if l=7 变换为 32 行*16 列标准子图 title' 车牌字符宽度： ',int2strmaxwidth,'Color','r' end subplot2,n1,n1+l,imshowSegBw2; fname=strcat'F:MATLABworksamimage',int2strk,'.jpg'% 保 存 子 图备选入样本库 , 并建立样本库 imwriteSegBw2,fname,'jpg' l=l+1; end 2.12 将运算运算猎取的字符图像与样本库进行匹配,自动识别出字符代码 : 进行车牌识别前需要使用样本对神经网络进行训练,然后使用训练好的网络对车牌 进行识别；其具体流程为 : 使用汉字、字母、字母数字、数字四个样本分别对四个子网络 进行训练,得到相应的节点数和权值；对已经定位好的车牌进行图像预处理,逐个的特 征提取,然后从相应的文件中读取相应的节点数和权值,把车牌字符分别送入相应的网络进行识别,输出识别结果；建立数据库样本与数据库中图片相减运算误差找到误差最小图片依次识别并识别程序流程图14 名师归纳总结 - - - - - - -第 14 页,共 17 页精选学习资料 - - - - - - - - - 五、设计结果及分析原始图像 : 预处理后：车牌定位和提取：字符的分割和识别：从上面结果可以看出,这张车牌的识别失败了,将A 误识别为 4 了；在识别中仍可能出错的有 0 和 8,因此需要在其他方面做些补偿,最终到达识别成效；原始图像 : 预处理：车牌的定位和提取：字符的分割和识别：15 名师归纳总结 - - - - - - -第 15 页,共 17 页精选学习资料 - - - - - - - - - 在车牌识别的过程中数字库的建立很重要, 只有数字库的精确才能保证检测出来的数据正确；切割出来的数据要与数据库的数据作比较,所以数据库的数据尤为重要；六、总结 : 试验对车牌识别系统的软件部分进行了讨论,分别从图像预处理、车牌定位、字符 分割以及字符识别等方面进行了系统的分析；整理和总结了国内外在车牌定位、分割、字符识别方面的讨论成果和进展方向,系统介绍了我国车牌的固有特点,以及车牌识别 的特点；在车牌定位我们采纳基于灰度跳变的定位方法,采纳先对图像进行预处理,再 进行二值化操作的方法；试验说明本方法既保留了车牌区域的信息,又削减了噪声的干 扰,从而简化了二值化处理过程,提高了后续处理的速度；基于彩色重量的定位方法,运用基于蓝色象素点统计特性的方法对车牌是蓝色的车牌进行定位,试验说明,用该方法实现的车牌定位精确率较高；本设计用 MATLAB编程运行结果可以得出, 本设计采纳的图像预处理、 CANNY边缘检测、开闭运算子 5 ,19 、车牌长宽比特点识别等对车牌的定 位都是特别有效的,而本设计提出的二次水平投影分析和阈值技术有效检测了车牌图像 的上下左右边框、旋转角度,精的确现的车牌字符的分割,对多个车牌进行试验,均有 很高的正确率；本设计虽然只对蓝底白字车牌进行分割识别,对黑底白字车牌原就上整 个算法可直接适用,对白底黑字车牌、黄底黑字车牌,需要对车牌定位算法进行调整,并将图像反转 0 变 1、1 变 0,而车牌字符的分割算法仍旧行之有效；七、体会经过几周的奋战我的课程设计最终完成了；在没有做课程设计以前觉得课程设计只 是对这几年来所学学问的单纯总结,但是通过这次做课程设计发觉自己的看法有点太片 面；课程设计不仅是对前面所学学问的一种检验,而且也是对自己才能的一种提高；通 过这次课程设计使我明白了自己原先学问仍比较欠缺；自己要学习的东西仍太多,以前 老是觉得自己什么东西都会,什么东西都懂,有点眼高手低；通过这次课程设计,我才 明白学习是一个长期积存的过程,在以后的工作、生活中都应当不断的学习,努力提高 自己学问和综合素养；在这次课程设计中也使我们的同学关系更进一步了,同学之间互16 名师归纳总结 - - - - - - -第 16 页,共 17 页精选学习资料 - - - - - - - - - 相帮忙,有什么不懂的大家在一起商议,听听不同的看法对我们更好的懂得学问,所以在这里特别感谢帮忙我的同学；我的心得也就这么多了,总之,不管学会的仍是学不会的的确觉得困难比较多,真是万事开头难,不知道如何入手；最终最终做完了有种如释重负的感觉；此外,仍得出一个结论：学问必需通过应用才能实现其价值！有些东西以为学会了,但真正到用的时候才发觉是两回事,所以我认为只有到真正会用的时候才是真的学会了；在此要感谢我们的指导老师乔静老师对我们尽心的指导,感谢老师给我们的帮忙；在设计过程中,我通过查阅大量有关资料,与同学沟通体会和自学,并向老师请教等方式,使自己学到了不少学问,也经受了不少艰辛,但收成同样庞大；在整个设计中我懂得了很多东西,也培育了我独立工作的才能,树立了对自己工作才能的信心,信任会对今后的学习工作生活有特别重要的影响；而且大大提高了动手的才能,使我充分体会到了在制造过程中探究的艰巨和胜利时的欢乐；虽然这个设计做的也不太好,但是在设计过程中所学到的东西是这次课程设计的最大收成和财宝,使我终身受益；八、参考文献 : 1 沈美明、温东蝉IBM-PC 汇编语言程序设计其次版清华高校出版社,20018 2 李红浅谈电脑病毒 . 山西高校财经学报,2002.12 ：527-530 3 赵均宇强化科学治理机制光明日报,1999-3-24 44 刘佐濂 , 邓荣标 , 孔嘉圆 . 中国科技信息 J.200523 期 9 12. 5 宋建才 . 汽车牌照识别技术讨论 J. 工业掌握电脑 ,2004,44 45. 6 韩勇强、 65. 7 王枚、王国宏 . 基于伴生与互补颜色特点的车牌字符分割技术 J. 山东高校学报, 2007；第 37 卷8 贺兴华、周媛媛、100. 29. 10 刘阳,伊铁源等 . 数字图象处理应用于车辆牌照的识别 . 辽宁高校学报 .2004 ,6568. 11 张兴会 , 刘玲 , 杜升之 . 车牌照定位及倾斜校正方法讨论 J. 系统工程与电子技术 , 2004, 262: 237239. 12 叶晨洲,杨杰,宣国荣 . 车辆牌照字符识别 J. 上海交通高校学报,2000,534 ： 672 675. 13 魏武 , 黄心汉 , 张起森 , 等. 一种基于垂直字符边界特点的车牌定位方法 , 中国大路学报 , 2000, 4 : 88-90 14 6. 15 刘智勇,刘迎建 . 车牌识别 LPR中的图像提取及分割 J. 中文信息学报,2000,144:2934. 16 张禹、马驷良、韩笑、张忠波 . 车牌识别中的图像提取及分割算法 J. 吉林高校学报, 2006. 第 44卷第 3 期, 407410. 16 261. 17 数学外形学方法及应用 M. 北京：科学出版社,2000. 18 袁志伟,潘晓露 . 车辆牌照定位的算法讨论 J. 昆明理工高校学报,2001,262: 5660. 19 梁玮、罗剑锋、贾云得 . 一种复杂背景下的多车牌图像分割与识别方法 D. 2003. 20 罗希平,田捷等 .图象分割方法练述 J.模式识别与人工智能,1999,123: 300312. 17 名师归纳总结 - - - - - - -第 17 页,共 17 页