《2022年matlab的汽车牌照识别系统的设计方案.docx》由会员分享，可在线阅读，更多相关《2022年matlab的汽车牌照识别系统的设计方案.docx（12页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精品学习资源基于 matlab 的汽车牌照识别系统的设计摘要：随着大路逐步普及，我国的大路交通事业进展快速，所以人工治理方式已经不能满着实际的需要，微电子、通信和运算机技术在交通领域的应用极大地提高了交通治理效 率；汽车牌照的自动识别技术已经得到了广泛应用；本次试验主要有预处理、边缘提取、车牌定位、字符分割四大模块；用MATLAB软件编程来实现每一个部分；关键词： MATLAB图像处理车牌定位牌照分割1 系统功能介绍与总体设计功能介绍：一、车牌定位(1) 图像预处理：对动态采集到的图像进行滤波、边界增强等处理以克服图像干扰；(2) 车牌定位：运算边缘图像的投影面积，查找峰谷点，大致确定车牌位置
2、，再运算此连通域内的宽高比，剔除不在域值范畴内的连通域，最终得到的便为车牌区 域；二、字符识别(1) 字符分割：利用投影检测的字符定位分割方法得到单个的字符；(2) 字符数据库：为第6 步的字符识别建立字符模板数据库；(3) 字符识别：通过基于模板匹配的OCR算法或基于人工神经网络的OCR算法，通过特点对比或训练识别出相关的字符，得到最终的汽车牌照，包括英文字母和数字；总体设计：车辆牌照识别整个系统主要是由车牌定位和字符分割两部分组成，其中车牌定位又可以分为图像预处理及边缘提取模块和牌照的定位及分割模块；字符分割牌照分割和单个字符分割两个模块；为了便于试验顺当进行，原始图象应具有适当的亮度，较
3、大的对比度和清晰可辩的牌照图象；但由于该系统的摄像部分工作于开放的户外环境，加之车辆牌照的洁净度、自然光照条件、拍照时摄像机与牌照的矩离和角度以及车辆行驶速度等因素的影响，牌照图象可能显现模糊、歪斜和缺损等严肃缺陷，因此需要对原始图象进行识别前的预处理；牌照的定位和分割主要目的是在经图象预处理后的原始灰度图象中确定牌照的具体位置，并将牌照从整个图象中分割出来；由于拍照时的光照条件、牌照的洁净程度的影响，和摄像机的焦距调整、镜头的光学畸变所产生的噪声都会不同程度地造成牌照字符的边界模糊、细节不清、笔划断开或粗细不均，加上牌照上的污斑等缺陷，致使字符提取困难，进而影响字符识别的精确性；因 此，需要
4、对字符在识别之前再进行一次针对性的处理；由于系统运行的过程中，主要进行的都是图像处理，在这个过程中要进行大量的数据处理，所以处理器和内存要求比较高，CPU要求主频在 600HZ及以上，内存在 128MB及以上；欢迎下载精品学习资源系统可以运行于 Windows98、Windows2000或者 Windows XP操作系统下，程序调试时使用matlab ；2 系统模块设计一预处理及边缘提取输入车牌图象灰度校正平滑处理提取边缘预处理及边缘提取流程图1 图象的采集与转换现有牌照的字符与背景的颜色搭配一般有蓝底白字、黄底黑字、白底红字、绿底白字和黑底白字等几种，利用不同的颜色通道就可以将区域与背景明显
5、地区分出来，例如，对蓝底白字这种最常见的牌照，接受蓝色B 通道时牌照区域为一亮的矩形，而牌照字符在区域中并不显现；由于蓝色（255， 0， 0）与白色（ 255， 255， 255）在 B 通道中并无区分， 而在 G、R 通道或是灰度图象中并无此便利；同理对白底黑字的牌照可用R 通道，绿底白字的牌照可以用G 通道就可以明显显现出牌照区域的位置，便于后续处理；原图、灰度图及其直方图见图2 与图 3；对于将彩色图象转换成灰度图象时，图象灰度值可由下面的公式运算：G=0.110B+0.588G+0.302R（1）欢迎下载精品学习资源G=（2）BGR 3欢迎下载精品学习资源2 边缘提取边缘是指图像局部
6、亮度变化显著的部分，是图像风、纹理特点提取和形状特点提取等图像分析的重要基础；所以在此我们要对图像进行边缘检测；图象增强处理对图象牌照的可辩认度的改善和简化后续的牌照字符定位和分割的难度都是很有必要的；增强图象对比度度的方法有：灰度线性变换、图象平滑处理等；（2）平滑处理对于受噪声干扰严肃的图象，由于噪声点多在频域中映射为高频重量，因此可以在通过低欢迎下载精品学习资源通滤波器来滤除噪声，但实际中为了简化算法，也可以直接在空域中用求邻域平均值的方法来减弱噪声的影响，这种方法称为图象平滑处理；例如，某一象素点的邻域S 有两种表示方法： 8邻域和 4邻域分别对应的邻域平均值为，欢迎下载精品学习资源g
7、 i , j 1M i , j f i , j s欢迎下载精品学习资源其中， M 为邻域中除中心象素点fi,j之外包括的其它象素总数，对于4邻域 M=4，8 邻域M=8；然而，邻域平均值的平滑处理会使得图象灰度急剧变化的地方，特殊是物体边缘区域和字符轮廓等部分产生模糊作用；为了克服这种平均化引起的图象模糊现象，我们给中心点象素值与其邻域平均值的差值设置一固定的阈值，只有大于该阈值的点才能替换为邻域平均值，而差值不大于阈值时，仍保留原先的值，从而削减由于平均化引起的图象模糊；图像中车辆牌照是具有比较显著特点的一块图象区域，这此特点表现在：近似水平的矩形区域；其中字符串都是按水平方向排列的；在整体
8、图象中的位置较为固定；正是由于牌照图象的这些特点，再经过适当的图象变换，它在整幅中可以明显地显现出其边缘；边缘提取是较经典的算法，此处边缘的提取接受的是 Roberts 算子；二 牌照的定位和分割牌照的定位和分割是牌照识别系统的关键技术之一，其主要目的是在经图象预处理后的原始灰度图象中确定牌照的具体位置，并将包含牌照字符的一块子图象从整个图象中分割出来，供字符识别子系统识别之用，分割的精确与否直接关系到整个牌照字符识别系统的识别率；由于牌照图象在原始图象中是很有特点的一个子区域，精确说是水平度较高的横向近似的长方形，它在原始图象中的相对位置比较集中，而且其灰度值与周边区域有明显的不同，因而在其
9、边缘形成了灰度突变的边界，这样就便于通过边缘检测来对图象进行分割；欢迎下载精品学习资源对图像进行腐蚀去除杂质通过运算查找 X 和 Y方向车牌的区域完成车牌定位对分割出的车牌做进一步处理牌照定位于分割流程图1 牌照区域的定位牌照图象经过了以上的处理后，牌照区域已经特殊明显，而且其边缘得到了勾画和加强；此时可进一步确定牌照在整幅图象中的精确位置；这里选用的是数学形状学的方法， 其基本思想是用具有确定形状的机构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的；欢迎下载精品学习资源腐蚀后图像平滑图像的轮廓从对象中移除小对象后图像2 牌照区域的分割对车牌的分割可以有许多种方法，本程序是利用车
10、牌的彩色信息的彩色分割方法；依据车牌底色等有关的先验学问，接受彩色像素点统计的方法分割出合理的车牌区域，确定 车牌底色蓝色 RGB对应的各自灰度范畴，然后行方向统计在此颜色范畴内的像素点数量，设定合理的阈值，确定车牌在行方向的合理区域；然后，在分割出的行区域内，统计列方向 蓝色像素点的数量，最终确定完整的车牌区域；欢迎下载精品学习资源3 车牌进一步处理经过上述方法分割出来的车牌图像中存在目标物体、背景仍有噪声，要想从图像中直接提取出目标物体，最常用的方法就是设定一个阈值T，用 T将图像的数据分成两部分：大于T的像素群和小于 T的像素群，即对图像二值化；均值滤波是典型的线性滤波算法，它是指在图像
11、上对目标像素给一个模板，该模板包括了其四周的接近像素；再用模板中的欢迎下载精品学习资源全体像素的平均值来代替原先像素值；三字符的分割与归一化m ， n=size （ d ），逐排检查有没有白色像素点，设置1=jn-1 ，如图像两边s（ j） =0，就切割，去除图像两边多切割去图像上下余外的部分依据图像的大小，设置一阈值，检测图像的X轴，如宽度等于这一阈值就切割，分别出七个归一化切割出来的字符图像的大小为40*20 ，与模板中字符图像的大小相匹配字符分割与归一化流程图1 字符分割在汽车牌照自动识别过程中，字符分割有承前启后的作用；它在前期牌照定位的基础上进行字符的分割，然后再利用分割的结果进行字
12、符识别；字符识别的算法许多，由于车欢迎下载精品学习资源牌字符间间隔较大，不会显现字符粘连情形，所以此处接受的方法为查找连续有文字的块，如长度大于某阈值，就认为该块有两个字符组成，需要分割；2 字符归一化一般分割出来的字符要进行进一步的处理，以中意下一步字符识别的需要；但是对于车牌的识别，并不需要太多的处理就已经可以达到正确识别的目的；在此只进行了归一化处理，然后进行后期处理；四 设计结果及分析通过以上的方法，我对多幅图像进行了检测，有较好的识别成效；下面是对另一幅车牌照的检测，结果如图 22-26 所示；欢迎下载精品学习资源欢迎下载精品学习资源对于光照条件不理想的图象，可先进行一次图象增强处理
13、，使得图象灰度动态范畴扩展和对比度增强，再进行定位和分割，这样可以提高分割的正确率；而接受了颜色通道的牌照区域分割算法充分利用了牌照图象的颜色信息，简化了算法的实现，加快了图象的处理速度，具有较高的检出正确率，而且整个过程用MATLAB语言编程实现，无时间滞后感，可以中意实时检出的要求；但是在设计的过程中发觉，使用另一幅图像后，识别成效始终没有那么理想；需要做确定的设置后才能识别出相应的字符；在车牌字符分割的预处理中，用到了对分割出的字符车牌进行均值滤波，膨胀或腐蚀的处理；这在对于有杂点的车牌是很有用的，由于这样可以把字符与字符之间的杂色点去除，只有白色的字符和黑色的背景存在，这样有利于的字符
14、分割进行；字符识别过程使用的是模板匹配的方法，利用两幅图片相减的方法，找到相减后值最小的，即为相像程度最大的；模板的制作很重要，必需要用精确的模板，否就就不能正确的识别；对于识别错误情形的分析可知，主要缘由：一是牌照自身的污渍等影响了图象的质量；二是牌照字符的分割失败导致的识别错误；再就是部分字符的形状相像性，比如，B和8； A 和4 等字符识别结果可能发生混淆的情形；总之，尽管目前牌照字符的识别率仍不理想，但是只要在分割出的字符的大小、位置的归一化，以及尝试提取分类识别才能更好的特点值和设计分类器等环节上再完善，进一步提高识别率是完全可行的；五 总结依据车牌特点，一般接受的车牌定位算法有：1
15、. 边缘检测定位算法；2. 利用哈夫变换进行车牌定位； 3. 颜色分割提取车牌等；这里我接受的是边缘检测的方法实现定位的；欢迎下载精品学习资源字符分割的方法也有多种：1.基于聚类分析的字符分割；2.投影分割的方法； 3. 基于模板匹配的字符分割等；最常用的是投影分割，主要是针对在车牌定位，图像预处理后比较规章的车牌图像；优点是程序规律设计简洁，循环执行功能单一，便于设计和操作， 程序执行时间短；六 体会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；这个课程设计让我学到了许多东西， 涉及到方方面面的学问，在这整个过程中我们
16、查阅了大量的资料，得到了老师和同学的帮忙，我在此对他们表示谢意；在这期间遇到了许多困难，我知道做什么都不简洁，只能塌下心来，一步一个脚印的去完成才行；这学期我们学习了数字图像处理这门课程，在这个课程设计中应用到了许多其中的学问；理论只有应用到实际中才能学着更有意义；学习是一个长期积存的过程，在后的工作、生活中都应当不断的学习，努力提高自己学问和综合素养；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；在整个设计中我懂得了许多东西，也培养了我独立工作的才能，树立了信心，信任会对今后的学习工作生活有特殊重要的影响；同样此次课程设计也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难和成功时的欢快；虽然这个设计做的并非对所以车牌都合适，但是在设计过程中所学到的学习方法是我最大收成和财宝，信任定会使我受益终身；参考文献1 冈萨雷斯数字图像处理（其次版）电子工业出版社2 袁志伟，潘晓露 . 车辆牌照定位的算法争论J.昆明理工高校学报3 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4 韩勇强、李世祥 . 汽车牌照子图像的定位算法M. 微型电脑运用5 张 引，潘云鹤，面对车辆牌照字符识别的预处理算法，运算机应用争论欢迎下载