【正文】 bwareaopenimg）。 figure（6）, imshow（bwareaopenimg）。 title（39。rectangle39。 title（39。 1。 title（39。, , 39?；叶葓D直方圖39。灰度圖39。）。%當用戶選擇的文件非空時進行如下處理if（~isempty（jpg）） img = imread（jpg）。,... 39。,39。*.jpg。完成畢業(yè)設計的過程中，我用到了很多之前學的理論知識，所以這次設計也是一次理論到實踐的轉變。老師的專業(yè)指導讓我在這個過程中受益匪淺。通過對本課題的學習，我感覺車牌圖像識別方面還有許多內(nèi)容需要學習，希望能得到這方面老師更多的指導和意見。 因此，本設計提出的車牌字符的分割算法實驗證明是準確、有效、可行的。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，提高了后續(xù)處理的速度。它在車輛過路、過橋全自動不停車收費，交通流量控制指標的測量，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，維護交通安全和城市治安，防止交通堵塞，提高收費路橋的服務速度，緩解交通緊張狀況等方面有重要作用，有重要的現(xiàn)實應用意義。 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計分類器等環(huán)節(jié)上再完善，進一步提高識別率是完全可行的。 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行匹配，將其與模板字符相減，得到的0越多那么就越匹配。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一步處理。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景存在，這樣有利于的字符分割進行。本文采用的是車牌顏色與數(shù)學形態(tài)學相結合的定位方法。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，因此將彩色圖像轉化為灰度圖像，以縮短處理速度。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、拍攝時攝像機與牌照的距離和角度以及車輛行駛速度等因素的影響，牌照圖像可能出現(xiàn)模糊、歪斜和缺損等嚴重缺陷，因此需要對原始圖像進行識別前的預處理。圖313 字符識別的結果4 實驗結果及分析，以攝取的彩色車牌照片為對象進行實驗。其他模板設計的方法與此相同。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。然而，通常情況下用于匹配的圖像各自的成像條件存在差異，產(chǎn)生較大的噪聲干擾，或圖像經(jīng)預處理和規(guī)格化處理后，使得圖像的灰度或像素點的位置發(fā)生改變。模板匹配的主要特點是實現(xiàn)簡單，當字符較規(guī)整時對字符圖像的缺損、污跡干擾適應力強且識別率相當高。歸一化處理的目的就是使車牌字符同標準模塊里面的字符特征一樣。將得到的車牌區(qū)域圖像進行二值化處理后，對圖像進行垂直投影，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。再用模板中的全體像素的平均值來代替原來像素值。濾波則是為了除去圖像噪聲，由于成像系統(tǒng)，傳輸介質和記錄設備的不完善，數(shù)字圖像在其形成、傳輸記錄過程中往往受到噪聲的污染，另外在圖像處理的某些環(huán)節(jié)當輸入的對象不如預期時結果中也會引入噪聲。且車輛圖片不可避免存在噪聲，所以要對圖像進行灰度化，二值化以及濾波處理。使用統(tǒng)計彩色像素點的方法分割出車牌區(qū)域，確定車牌底色藍色RGB對應的灰度范圍，然后統(tǒng)計在行方向的顏色范圍內(nèi)的像素點數(shù)量，確定車牌在行方向的區(qū)域?，F(xiàn)在我們將經(jīng)過預處理的圖像進行圖像腐蝕以及去除雜質，就可以得到相對準確的車牌位置。下面是進行車牌定位操作框圖，如圖35所示。所以我們要對照片進行車牌定位和分割。邊緣提取是較經(jīng)典的算法，此處邊緣的提取采用的是Roberts算子。然而，鄰域平均值的平滑處理會使得圖像灰度急劇變化的地方，尤其是物體邊緣區(qū)域和字符輪廓等部分產(chǎn)生模糊作用。我們發(fā)現(xiàn)車輛牌照圖像的灰度取值范圍大多局限在r =（50,200）之間，而且總體上灰度偏低，圖像較暗。增強圖像對比度度的方法有：灰度線性變換、圖像平滑處理等。MATLAB中的灰度轉換公式運用的就是這個公式，所以直接使用im2gray函數(shù)對圖像進行灰度化處理。圖像灰度化的算法主要有以下三種（等號為賦值操作）：（a）最大值法：使轉換后的R、G、B值等于轉換前3個值中最大的那個：R = G = B = MAX（R, G, B） （31）這種方法轉換的灰度圖亮度很高。在RGB模型中，如果R=G=B，則顏色表示一種灰度顏色，由此方法得到的值叫做灰度值。所以，對一個尺寸為mn的彩色圖像來說，存儲為一個mn3的多維數(shù)組。真彩色圖像又稱RGB圖像，它是利用R、G、B分量表示一個像素的顏色，R、G、B分別代表紅、綠、藍3種不同的顏色，通過三基色可以合成出任意顏色?，F(xiàn)在字符識別的常用方法有模板匹配法和神經(jīng)網(wǎng)絡模型法。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。這些工具箱都是由該領域內(nèi)的學術水平很高的專家編寫的，所以用戶無需編寫自己學科范圍內(nèi)的基礎程序，而直接進行高、精、尖的研究。其工具箱又可分為兩類：功能性工具箱和學科性工具箱。MATLAB還具有較強的編輯圖形界面的能力；第七，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。可以說，用MATLAB進行科技開發(fā)是站在專家的肩膀上；第二，運算符豐富。牌照質量會受到各種因素的影響，如生銹、污損、油漆剝落、字體褪色、牌照被遮擋、牌照傾斜、高亮反光、多牌照、假牌照等等；實際拍攝過程也會受到環(huán)境亮度、拍攝亮度、車輛速度等等因素的影響。第四種支持向量機模式識別算法，具體描述如下：支持向量機（Support Vector Machine, SVM）是Vapnik及其研究小組針對二類別的分類問題提出的一種分類技術，其基本思想是在樣本空間或特征空間，構造出最優(yōu)平面使超平面與不同類樣本集之間的距離最大，從而達到最大的泛化能力。其中，字符特征的提取是研究的關鍵，特征參數(shù)過多會增加訓練時間，過少會引起判斷上的歧義。在實際應用中，為了提高正確率往往需要使用大的模 板或多個模板進行匹配，處理時間則隨著模板的增大以及模板個數(shù)的增加而增加。垂直投影法的原理是由于字符在垂直方向上的投影必然在字符間或字符內(nèi)的間隙處取得局部最小值的附近，并且這個位置應滿足牌照的字符書寫格式、字符、尺寸限制和一些其他條件。一般采用的方案是首先對采集到的視頻圖像進行大范圍相關搜索，找到符合汽車牌照特征的若干區(qū)域作為候選區(qū)，然后對這些侯選區(qū)域做進一步分析、評判，最后選定一個最佳的區(qū)域作為牌照區(qū)域，并將其從圖像中分割出來。字符識別：利用模板匹配的方法與數(shù)據(jù)庫中的字符進行匹配從而確認出字符。車牌在圖像中的位置提?。和ㄟ^運算得到圖像的邊緣，再計算邊緣圖像的投影面積，尋找谷峰點以大概確定車牌的位置，再計算連通域的寬高比，剔除不在閾值范圍內(nèi)的連通域，最后便得到了車牌區(qū)域。一個完整的車牌圖像識別系統(tǒng)要完成圖像采集到字符識別輸出，總體分為硬件部分和軟件部分。目前常用的方法有：基于投影的方法和基于連通字符的提取等方法。車牌識別系統(tǒng)是一特定目標位對象的專用計算機系統(tǒng)，該系統(tǒng)能從一幅圖像中自動提取車牌圖像、自動分割自符，進而對分割自符的圖像進行圖像識別。例如，核心算法繼續(xù)發(fā)展，識別率和識別速度進一步改善，圖像處理中對模糊圖像預處理能力增強，畫質改善技術的提高等等。其次隨著算法的不斷改進，基于視頻觸發(fā)的車牌識別產(chǎn)品將得到大范圍的應用，但是視頻觸發(fā)技術取代外觸發(fā)裝置尚需時日?？傮w上說，雖然汽車牌照識別系統(tǒng)在國內(nèi)還未形成一個成熟的產(chǎn)業(yè)，但是隨著我國國民經(jīng)濟的迅速發(fā)展，機動車輛規(guī)模及流量大幅度增加，高速公路和城 市交通管理現(xiàn)代化水平的提高勢在必行，迫切需要高科技的智能交通系統(tǒng)來充實和加強交通管理水平。目前，市場上已出現(xiàn)了一些可應用的汽車牌照自動識別系統(tǒng)。（4）城市十字交通路口的“電子警察”可以對違章車輛進行責任追究，也可以輔助進行交通流量統(tǒng)計，交通監(jiān)測和疏導。目前車牌識別系統(tǒng)主要應用于以下領域：（1）停車場管理系統(tǒng)利用車牌識別技術對出入車輛的號牌進行識別和匹配，與停車卡結合實現(xiàn)自動計時、計費的車輛收費管理系統(tǒng)（2）公路自動管理系統(tǒng)以車牌自動識別技術為基礎，與通信等其他高科技結合，對高速公路交通流狀況進行自動監(jiān)測、自動布控，從而降低交通事故的發(fā)生率，確保交通順暢。11本次設計中主要用到的是小型汽車號牌（如圖11所示），這種類型的號牌外廓尺寸是440mm140mm，一共7個字符，每個字符的高寬比為2:1。國內(nèi)還有很多學者都在進行這方面的研究，并且取得了大量的研究成果。南京大學的熊軍等提出了基于字符紋理特征的定位算法，準確率達到95%，華中科技大學的陳振學等學者提出了一種新的車牌圖像字符分割和識別算法，使用一維循環(huán)清零法，通過對垂直投影圖進行一次掃描，有效的清除了雜點和分隔符，%。國外對車牌識別的研究起步比較早，總體來講其技術較為領先，同時因為他們車牌種類單一，車牌規(guī)范性較高，易于定位識別，目前已經(jīng)實現(xiàn)了產(chǎn)品化，并在實際的交通應用中得到了廣泛的應用。發(fā)展到今日，國外對車牌檢測的研究已經(jīng)取得了一些令人矚目的成就，如YuntaoCui提出了一種車牌識別系統(tǒng)，在車牌定位以后，利用馬爾科夫場對車牌特征進行提取和二值化，對樣本的識別達到了較高的識別率。 車牌號識別技術研究現(xiàn)狀和趨勢 車牌字符識別的實質是對車牌上的漢字、字母和數(shù)字進行快速準確的識別并以字符串的形式輸出識別結果，字符識別技術是整個車牌識別系統(tǒng)的關鍵。在車牌識別系統(tǒng)中最為重要的兩個技術是車牌定位和車牌字符識別，這兩個技術的好壞直接影響到整個車牌識別系統(tǒng)的實時性和準確性。目前在國內(nèi)存在多種牌照格式，且存在以上種種困難和特殊性，加大了我國車牌圖像識別的難度，因而如何提高識別率和識別處理的實時性及實用性成了一個重要的研究課題。（d）我國汽車牌照的底色和字符顏色多樣，藍底白字、黃底黑字、黑底白字、紅底黑字、綠底白字等多種。其他國家的汽車牌照格式，如尺寸大小，牌照上字符的排列等，通常只有一種。在美國、歐洲、日本等發(fā)達國家的帶動下，世界各國也開始建立智能交通系統(tǒng)。同時，汽車牌照自動識別的基本方法還可以應用到其他檢測和識別領域，所以車牌自動識別問題已成為現(xiàn)代交通工程領域中研究的重點和熱點問題之一。在智能交通系統(tǒng)中，車牌圖像自動識別系統(tǒng)是一個非常重要的發(fā)展方向。此外，智能交通系統(tǒng)，簡稱ITS（Intelligent Traffic System）已成為現(xiàn)代社會道路交通發(fā)展趨勢。字符的分割采用的方法是以二值化后的車牌部分進行垂直投影，然后在對垂直投影進行掃描，從而完成字符的分割。車牌識別系統(tǒng)主要包括了圖像采集、圖像預處理、車牌定位、字符分割、字符識別等五大核心部分。車牌識別系統(tǒng)使車輛管理更智能化，數(shù)字化，有效提升了交通管理的方便性和有效性。車牌定位和分割采用的是利用數(shù)學形態(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。車牌圖像識別研究內(nèi)容 52車牌識別系統(tǒng)程序設計 10 開發(fā)環(huán)境的選擇 10 設計方案 10 圖像預處理 11 圖像灰度化 11 圖像的邊緣檢測 12 車牌定位和分割 15 車牌定位 15 車牌位置提取 17 對定位后的彩色車牌進行進一步的處理 17 字符分割與歸一化 18 字符分割 18 字符歸一化 19 字符識別 194 實驗結果及分析 215 展望與總結 23致 謝 24參考文獻 25附錄 2633基于MATLAB車牌圖像識別的設計與實現(xiàn)1 緒論 車牌圖像識別研究的背景現(xiàn)代社會已進入信息時代，隨著計算機技術、通信技術和計算機網(wǎng)絡技術的發(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)生活的各個領域得到大量使用，對他的信息進行自動采集和管理具有十分重要的意義，成為信息處理技術的一項重要研究課題。公路交通基礎建設的不斷發(fā)展和車輛管理體制的不斷完善，為以視覺監(jiān)控為基礎的智能交通系統(tǒng)的實際應用打下了良好基礎。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。在80年代，由于城市交通問題日益嚴重，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、雷達探測系統(tǒng)和光纖網(wǎng)絡，建立智能交通系統(tǒng)。（a）由于車牌圖像多在室外采集，會受到光照條件、天氣條件的影響，會出現(xiàn)圖像模糊，對比度低，目標區(qū)域過小，色彩失真等影響，并且會伴隨復雜的背景圖像，這些都會影響車牌定位及識別。（c）牌照多樣性。車牌識別系統(tǒng)將獲取的車輛圖像進行一系列的處理后，以字符串的形式輸出結果，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，它蘊藏著很大的經(jīng)濟價值和發(fā)展空間，對車牌識別技術的研究是非常有的意義的。然而智能交通的不斷發(fā)展使得對車牌定位系統(tǒng)有了更高的要求，主要表現(xiàn)在系統(tǒng)的實時性和準確性。到目前為止，在眾多的車牌自動識別方法中還沒有一個可以達到理想的效果，因此對車牌識別技術的研究意義重大。同時代，誕生了面向被盜車輛的第一個實時車牌自動監(jiān)測系統(tǒng)。Luis開發(fā)的系統(tǒng)應用于收費站，全天識別率達到了90%以上，即使在天氣不好的情況下也達到了70%。中國科學院自動化所的劉智勇等開發(fā)的系統(tǒng)在一個樣本量為3180的樣本集中，%，%，這套系統(tǒng)后來應用到漢王車牌識別系統(tǒng)，取得了不錯的效果。此外當車輛顏色與附近區(qū)域顏色相近時，定位失誤率會增加。不同的號牌的外廓尺寸，顏色，數(shù)量及使用范圍都不相同。圖車輛牌照識別系統(tǒng)技術能夠從一幅車輛圖像中準確定位出車牌圖像，經(jīng)過字符切分和識別后實現(xiàn)車輛牌照的自動識別，從而為以上應用提供信息和基