基于MATLAB的车牌识别系统设计毕业论文设计.docx

《基于MATLAB的车牌识别系统设计毕业论文设计.docx》由会员分享，可在线阅读，更多相关《基于MATLAB的车牌识别系统设计毕业论文设计.docx（11页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、基于MATLAB的车牌识别系统设计毕业论文设计当前位置：文档视界基于MATLAB的车牌识别系统设计毕业论文设计基于MATLAB的车牌识别系统设计毕业论文设计摘要车牌照自动识别是计算机视觉与形式识别技术在智能交通领域的重要应用。是实现交通管理的重要环节之一。本文通过对输入的车牌图像处理，运用字符分割、字符识别的方法提取车牌上的字符串，其目的是识别出车牌的字符，以方便车辆资料的管理以及其安全保障。字符识别是整个车牌识别经过中最重要的一环，识别的关键在于特征的提取和分类器的选择，本文先对字符大小进行归一化，提取字符特征时充分考虑字符的构造特征，对字符的识别则采用近期邻法所以识别效果理想且时效性好。由

2、实验得出，本文算法能比拟准确的对牌照进行分割并进行识别。多种预处理与识别技术提高了系统的识别能力，对车辆牌照自动识别在实际中应用有一定的参考和借鉴价值。关键字：车牌识别、预处理、字符分割、字符识别目录摘要(1)一、绪论1、车牌识别研究背景意义(3)2、车牌识别研究内容(3)二、原理概述(4)三、车牌识别系统程序设计(4)1、图像预处理(4)1.1灰度处理(5)1.2均值滤波(6)1.3去干扰处理(7)1.4最小值滤波(7)1.5腐蚀膨胀(8)1.6小结(10)2、字符切割(10)2.1确定字符范围(10)2.2切割字符(12)2.3、小结(15)3、字符识别(15)3.1、字符识别方法(15)

3、3.2、字符比拟(16)四、结论(20)附录:附一：算法流程图附二：总程序绪论1、车牌识别研究背景意义随着我国公路交通事业的发展，车辆的数量正在迅速增长，在给出行提供方便的同时，车辆管理上存在的问题日益突出，人工管理的方式已经不能知足实际的需要。作为信息来源的自动检测、图像识别技术越来越遭到人们的重视。近年来计算机的飞速发展和数字图像技术的日趋成熟，为传统的交通管理带来宏大转变，先进的计算机处理技术，不但能够将人力从繁琐的人工观察、监测中解放出来，而且能够大大提高其准确度，汽车牌照自动识别系统就是在这样的背景与目的下进行开发的。汽车牌照等相关信息的自动收集和管理对于交通车辆管理、园区车辆管理、

4、停车场管理、交警稽察等方面有着特别重要的意义，成为信息处理技术的一项重要研究课题。车牌识别的难点：由于环境、道路或人为因素造成汽车牌照污染严重，这种情况下国外发达国家不允许上路，而在我国仍可上路行驶。使得车牌的比照度降低，特征不是很明显，即便在定位准确的情况下，字符的识别也会遭到很大影响。2、车牌识别研究内容车牌识别系统是一特定目的位对象的专用计算机系统，该系统能从一幅图像中自动提取车牌图像、自动分割字符，进而对分割字符的图像进行图像识别。系统一般由硬件和软件构成。硬件设备一般由车体感应设备、辅助光源、摄像机、图像收集卡和计算机。软件部分是系统的核心，主要实现车牌自符的识别功能。该文主要从软件

5、部分进行设计实验。车牌识别的关键技术有：车牌定位、字符切割和字符识别等。字符切割时完成车牌区域图像的切分处理进而得到所需要的单个字符图象。目前常用的方法有：基于投影的方法和基于连通字符的提取等方法。字符识别是利用字符识别的原理识别提取出的字符图像，目前常用的方法有：基于模板匹配的方法、基于特征的方法和神经网络法等。当前位置：文档视界基于MATLAB的车牌识别系统设计毕业论文设计基于MATLAB的车牌识别系统设计毕业论文设计1.1灰度处理我国车牌颜色及其RGB值如下，蓝底(0,0,255)白字(255,255,255)、黄底(255,255,0)黑字(0,0,0)、黑底(0,0,0)白字(255

6、,255,255)、红底(255,0,0)黑字(0,0,0),由于车牌的底色不同，所以从RGB图像直接进行车牌区域提取存在很大困难，但不管哪种底色的车牌，其底色与上面的字符颜色的比照度大，将RGB图像转化成灰度图像时，车牌底色跟字符的灰度值会相差很大。例如蓝色255，0，0与白色255，255，255在R通道中并无区分，而在G、R通道或是灰度图象中数值相差很大。同理对白底黑字的牌照可用R通道，绿底白字的牌照能够用G通道就能够明显呈现出牌照区域的位置，便于后续处理。原图、灰度对于将彩色图象转换成灰度图象时，在不考虑车牌定位和裁剪的情况下，需要将彩色图像转换成灰度图像，转换时图像灰度值H可由下面的

7、公式计算：在MATLAB软件中，可用下面语句实现：a=imread(a.jpg);subplot(211),imshow(a);a2=rgb2gray(a);subplot(212),imshow(a2);为了方便字符切割和字符识别，需要将灰度图像进行二值化处理，以此来到达简化操作、加快运算速度的目的。通过下面程序能够实现：a3=im2bw(a2);或：m,n=size(a2);fori=1:m;forj=1:n;ifa2(i,j)128a2(i,j)=255;elsea2(i,j)=0;endendend1.2均值滤波经过二值化之后有些小的噪点、毛刺或者分支需要去除。常用的滤波方法主要有中值

8、滤波和均值滤波。中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术。将某个像素邻域中的像素按灰度值进行排序然后选择该序列的中间值作为输出的像素值让周围像素灰度值的差比拟大的像素改取与周围的像素值接近的值进而能够消除孤立的噪声点。均值滤波是典型的线性滤波算法，它是指在图像上对目的像素给一个模板，该模板包括了其周围的邻近像素，再用模板中的全体像素的平均值来代替原来像素值。均值滤波对高斯噪声有较好的抑制作用，故本设计选择均值滤波方式。经过均值滤波后图像变得愈加圆滑、噪点减少。参考程序如下：a4=filter2(fspecial(average,7),a3);或：k1=floor(3/

9、2)+1;k2=floor(3/2)+1;X=a2;M,N=size(X);uint8Y=zeros(M,N);funBox=zeros(3,3);fori=1:M-3forj=1:N-3funBox=X(i:i+3,j:j+3);s=sum(funBox(:);h=s/9;Y(i+k1,j+k2)=h;end;end;1.3去干扰处理车牌中前两个字符和后五个字符之间存在一个白点，影响后续的字符分割部分，由于白点位置的固定28%33%，可对其填充到达去除的目的。参考程序如下：m,n=size(d);fori=1:mforj=floor(28*n/100):floor(33*n/100)d(i,

10、j)=0;endend1.4最小值滤波当车牌污染严重噪声太多时，采用上述预处理方法强度不够，存在处理过后噪点仍然太多的情况，如下图。这将会影响字符切割结果，所以需要对这种情况进行特殊处理和算法改良。在该情况下，对该灰度图像进行最小值滤波后再进行后续处理结果会更明晰，大大地减小了噪声对字符切割的影响。通经过序语句实现：a2=ordfilt2(a2,1,ones(5,5);或：m,n=size(a2);K=3;当前位置：文档视界基于MATLAB的车牌识别系统设计毕业论文设计基于MATLAB的车牌识别系统设计毕业论文设计当前位置：文档视界基于MATLAB的车牌识别系统设计毕业论文设计基于MATLAB的车牌识别系统设计毕业论文设计