【正文】 即車牌區(qū)域定位法，這種初步定位后的車牌還需要進一步微定位。這種檢測方法需要用高斯函數(shù)對圖像進行平滑處理后，再用拉普拉斯算子計算 [09]。拉斯算 子前幾種算子都是通過計算一階導(dǎo)數(shù)來檢測邊緣，但這幾種算子導(dǎo)致檢測到的邊緣點過多，不利于后期處理。高通濾波的效果也可以通過原始圖像減去低通圖像得到，這種方法稱為非銳化掩模法。這種方法 簡單，且處理速度快，但在降低噪聲的同時使圖像產(chǎn)生了模糊，尤其是在邊緣與細節(jié)處。由于圖像的質(zhì)量被噪聲所惡化，導(dǎo)致圖像模糊不清，甚至連圖像的本身特征都會被淹沒或改變，這給圖像的分析與識別帶來了較大的困難。 從二值圖像可以得到圖像中對象物的形狀特征的主要信息。 T 為選定的閾值。但在車牌識別時，我們需要徹底的從原始圖像中分離出目標。 為了克服上述問題，本文采用灰度信息與背景信息相結(jié)合的局部灰度修正增強方法，其基本原理是將原圖像的灰度和背景圖像區(qū)域相減，實現(xiàn)圖像的增強，即所謂的形態(tài)學 tophat 變換 [9]。因此，研究者常常通過灰度變換和直方圖均衡化來增強對比度，以改善視覺效果。另外，我們也可以采用加權(quán)系數(shù)對圖像進行灰度化，常用到的灰度化公式： BGRI *** ??? （ 21） 其中 I為灰度化之后的像素值， R、 G、 B分別為紅、綠、藍的像素。因而，我們需要對原始圖像進行灰度化，以便減小圖像占用的存儲空間。 車牌預(yù)處理 照片拍攝的好壞受許多外界因素決定， 例如光照強度因素，晴天與陰天所拍攝的照片質(zhì)量是不一樣，白天和晚上所拍攝的照片質(zhì)量更是不同；再比如說，車輛行駛速度因素，行駛慢的原始圖像會比行駛快的原始圖像質(zhì)量要好一些，此外，過快的車速，會導(dǎo)致照片的字跡模糊不 清，這也就必定在一定程度上影響著字符識別率。當機動車輛在路過預(yù)先設(shè)置好的攝像頭并達到觸發(fā)條件，攝像頭即可拍攝出原始圖像，圖像采集卡將所拍攝的圖像從視頻信號轉(zhuǎn)化為數(shù)字信號傳輸?shù)接嬎銠C中，這就完成了車牌的獲取過程。第四節(jié)主要介紹的是基于 MATLAB 的算法設(shè)計與實現(xiàn)，主要介紹 MATLAB 概述、車牌分割算法設(shè)計、車牌字符識別算法設(shè)計三個方面，包括系統(tǒng)的算法流程、程序設(shè)計，并給出了設(shè)計的仿真結(jié)果與分析。其中最關(guān) 鍵的是數(shù)字識別技術(shù)。字符的識別率和識別時間是字符識別性能的主要技術(shù)指標。也就是說，一個好的車牌識別系統(tǒng)的前提是有一個好的車牌分割模 塊，無法將字符很好的從原始圖像中分割出來，意味著字符無法被準確的識別，也就意味著該車牌自動識別系統(tǒng)無法投入實際中應(yīng)用?；具^程是攝像頭所拍攝的原始圖像通過視頻 采集接口輸入計算機，通過所預(yù)設(shè)的識別軟件進行識別并輸出。由于 VECON 系統(tǒng)和 VLPRS 系統(tǒng)都只是適合于當?shù)氐能嚺?，摒?See Car System 對我國的漢字識別較低，加上我國車牌自動識別的研究起步較晚，且我國的車牌并不規(guī)范，多樣化，不同的車型車牌規(guī)格、大小、顏色也不同，這也就造成了對車牌識別相當大的困難。為了解決圖像的惡化等問題，國內(nèi)外的許多研究機構(gòu)、高校以及公司企業(yè)采取的主要采用的方法是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，從而提高識別率，但這種做法的同時也使得投資的成本加大了不少，且減小了應(yīng)用領(lǐng)域，不并適合普遍的推廣及工業(yè)生產(chǎn)。 目前，一個完整的車牌識別系統(tǒng)需要完成從圖像采集到字符的識別以及輸出的復(fù)雜過程，需 要硬件和軟件兩大組成部分。由于 MATLAB 語言對圖像處理和字符識別異常方便，在數(shù)字圖像處理中有著其他語言所無法比擬的優(yōu)勢，由于它能直接調(diào)用預(yù)先編好的函數(shù)，使得整個系統(tǒng)有了較高的保障。目前，全球各國都在研究適合于本國的車牌識別系統(tǒng)，美國、日本、韓國等諸多國家都已經(jīng)研究出相關(guān)的識別系統(tǒng)（基于傳感器）。 關(guān)鍵詞： MATLAB；車牌分割；圖像預(yù)處 理；數(shù)字識別 II Abstract License plate recognition technology is an important content of intelligent traffic management, accuracy and reliability identification directly affects the performance of traffic management system. License plate recognition technology include license plate image acquisition, license plate location, license plate segmentation, license plate correction, license plate character segmentation, normalization of license plate character segmentation and license plate character recognition. This paper mainly design and research on the algorithm for license plate image segmentation and license plate number recognition, but also for other steps. Firstly, the thesis get the license plate image preprocessing, including license plate image enhancement, plate region extraction, plate geometric correction and license plate character segmentation and normalization, and then designs the BP work algorithm, finally use the MATLAB platform to design algorithms to implement above. Experimental results show that the segmentation algorithm in this thesis can obtain character area and realize the character segmentation and normalization accurately, after training the BP work can implement the recognition for character segmentation stably and reliably, the experimental reaches expectation. Keywords: MATLAB。 學號： 南湖學院 畢業(yè)設(shè)計（論文） 題 目： 基于 MATLAB 的車牌分割 及數(shù)字識別算法設(shè)計 作 者 屆 別 系 別 機械與電子工程系 專 業(yè) 電子信息工程 指導(dǎo)老師 職 稱 完成時間 I 摘 要 車牌識別技術(shù)是智能道路交通管理的重要內(nèi)容，其識別的準確性和可靠性直接影響到交通管理系統(tǒng)的性能。實驗結(jié)果表明，本文中的分割算法能準確的獲取字符區(qū)域并實現(xiàn)對字符的分割和歸一化，經(jīng)過訓(xùn)練后的 BP 網(wǎng)絡(luò)能穩(wěn)定、可靠的實現(xiàn)對分割后字符的識別，實驗結(jié)果達到預(yù)期要求。 Digital identification III 目 錄 摘 要 ........................................................................................................................................ I ABSTRACT ............................................................................................................................... I 1 緒論 ....................................................................................................................................... 1 引言 ................................................................................................................................. 1 車牌識別技術(shù)概述 ......................................................................................................... 1 車牌分割和數(shù)字識別的發(fā)展歷史和現(xiàn)狀 ..................................................................... 2 車牌分割和數(shù)字識別在車牌識別中的作用 ................................................................. 3 本文的主要內(nèi)容與結(jié)構(gòu)安排 ......................................................................................... 3 2 車牌分割方法 ....................................................................................................................... 4 車牌獲取 ......................................................................................................................... 4 車牌預(yù)處理 ..................................................................................................................... 4 車牌分割 ......................................................................................................................... 7 3 車牌數(shù)字識別方法 ............................................................................................................. 11 數(shù)字識別概述 ............................................................................................................... 11 車牌數(shù)字特點 ............................................................................................................... 11 基于神經(jīng)網(wǎng)路的車牌數(shù)字識別 ................................................................................... 12 4 基于 MATLAB 的算法設(shè)計與實現(xiàn) ................................................................................... 15 MATLAB 概述 .............................................................................................................. 15 車牌分割算法設(shè)計 ....................................................................................................... 15 車牌字符識別算法設(shè)計 ............................................................................................... 24 5 總結(jié)與展望 ......................................................................................................................... 31 總