【正文】 識別率，都采用了一些硬件的探測器和其他的輔助設(shè)備如紅外照明等，其中“漢王眼”就 是采用主動紅外照明和光學(xué)濾波器來減弱可見光的不可控制影響，減少惡劣氣候和汽車大小燈光的影響，另外還要求在高速公路管理窗口到“漢王眼”識別點埋設(shè)兩條線路管 道，一條管道鋪設(shè)220伏50赫茲1安培的交流供電線路:另一條管道鋪設(shè)觸發(fā)信號線路和漢王眼與管理計算機的通訊線路，投資巨大，不適合于大面積的推廣。顯然，這兩種技術(shù)更難以推廣。 主要應(yīng)用領(lǐng)域車牌自動識別系統(tǒng)具有廣泛的應(yīng)用范圍，主要應(yīng)用于：(1)高速公路收費、監(jiān)控管理；(2)小區(qū)、停車場管理；(3)城市道路監(jiān)控、違章管理；(4)車牌登錄、驗證；(5)車流統(tǒng)計、安全管理等。當(dāng)發(fā)現(xiàn)車輛超速時，攝像機獲取該車的圖像，并得到該車的牌照號碼，然后給該車超速的警告信號。 (3)高速公路上的事故自動測報這是由于該系統(tǒng)能夠監(jiān)視道路情況和測量交通流量指標(biāo)，能及時發(fā)現(xiàn)超速、堵車、排隊、事故等交通異常現(xiàn)象。 (5)車輛定位由于能自動識別車牌號碼，因而極易發(fā)現(xiàn)被盜車輛，以及定位出車輛在道路上的行駛位置。而車牌識別系統(tǒng)就通過對機動車輛的照片進行圖像預(yù)處理、車牌定位、字符分割、字符識別等技術(shù)手段，從而得到清晰的機動車牌照的照片，從而提高現(xiàn)代智能交通的管理效率，可以說車牌識別系統(tǒng)對于現(xiàn)代智能交通至關(guān)重要。到九十年代初期，在國際上 30 幾個數(shù)學(xué)類科技應(yīng)用軟件中，MATLAB 在數(shù)值計算方面獨占鰲頭，而 Mathematica 和 Maple 則分居符號計算軟件的前兩名。 在設(shè)計研究單位和工業(yè)部門，MATLAB 被認(rèn)作進行高效研究、開發(fā)的首選軟件工具。正如同F(xiàn)ORTRAN和C等高級語言使人們擺脫了需要直接對計算機硬件資源進行操作一樣，被稱作為第四代計算機語言的MATLAB，利用其豐富的函數(shù)資源，使編程人員從繁瑣的程序代碼中解放出來。以下簡單介紹一下MATLAB的主要特點：（1）語言簡潔緊湊，使用方便靈活，庫函數(shù)極其豐富。 （2）運算符豐富。例如，在MATLAB里，用戶無需對矩陣預(yù)定義就可使用。MATLAB還具有較強的編輯圖形界面的能力。MATLAB包含兩個部分：核心部分和各種可選的工具箱。功能性工具箱能用于多種學(xué)科。第三章 工作流程 汽車牌照識別（LPR）系統(tǒng)通過引入數(shù)字?jǐn)z像技術(shù)和計算機信息管理技術(shù)，采用先進的圖像處理、模式識別和人工智能技術(shù)，通過對圖像的采集和處理，獲得更多的信息，從而達到更高的智能化管理程度。圖像采集車牌定位字符分割字符識別輸出結(jié)果觸發(fā)牌照圖像預(yù)處理觸發(fā)拍照：該單元會自動檢測車輛在指定區(qū)域的存在，現(xiàn)有的成熟技術(shù)的有線圈觸發(fā)、視頻觸發(fā)、紅外觸發(fā)、雷達觸發(fā)以及激光觸發(fā)。在外界光照不均勻，光照強度不穩(wěn)定的情況下，通過攝像機采集到的車牌原始圖像會模糊不清，因此需要對其進行圖像增強的處理；在外界環(huán)境噪聲以及電子器件自身產(chǎn)生的噪聲干擾下，車牌圖像質(zhì)量會有所下降，因此需要對原圖像進行去噪處理等等。在定位分割的過程中要保證不能把非車牌區(qū)域誤判為車牌區(qū)域，也不能漏檢車牌區(qū)域，否則后繼的工作將無法進行。系統(tǒng)輸入的是單個的字符圖像，輸出的卻是文本格式的完整的車牌號碼，車牌字符識別的準(zhǔn)確率直接反映出車牌識別系統(tǒng)性能的好壞。*.jpg39。if(filename == 0), return, endglobal FILENAME %定義全局變量FILENAME = [pathname filename]。原圖像39。title(39。title(39。roberts39。%，用roberts算子進行邊緣檢測figure(3),imshow(I2)。結(jié)果如下：：se=[1。%對圖像實施腐蝕操作，即膨脹的反操作figure(4),imshow(I3)。se=strel(39。% 圖像聚類、填充圖像figure(5),imshow(I4)。結(jié)果如下所示：6. 刪除二值圖像的小對象I5=bwareaopen(I4,2000)。)。%產(chǎn)生一個y*1的零陣 for i=1:y for j=1:x if(myI(i,j,1)==1) %如果myI(i,j,1)即myI的圖像中坐標(biāo)為(i,j)的點值為1，即該點為車牌背景顏色藍(lán)色 %則Blue_y(i,1)的值加1 Blue_y(i,1)= Blue_y(i,1)+1。amp。amp。%進一步確定x方向的車牌區(qū)域 for j=1:x for i=PY1:PY2 if(myI(i,j,1)==1) Blue_x(1,j)= Blue_x(1,j)+1。(PX1x)) PX1=PX1+1。(PX2PX1)) PX2=PX21。 t=toc。%行方向車牌區(qū)域確定 figure(7),subplot(1,2,2),imshow(dw),title(39。代碼如下：imwrite(dw,39。39。39。車牌灰度圖像39。 % T 為二值化的閾值[m,n]=size(b)。)。average39。39。)% 某些圖像進行操作% 膨脹或腐蝕% se=strel(39。line39。ball39。%elseif bwarea(d)/m/n= % d=imdilate(d,se)。 subplot(3,2,4),imshow(d),title(39。它在前期牌照定位的基礎(chǔ)上進行字符的分割，然后再利用分割的結(jié)果進行字符識別。在此只進行了歸一化處理，然后進行后期處理。k2=1。 end k1=j。 end k2=j1。% 切割出 7 個字符y1=10。while flag==0 [m,n]=size(d)。 end if widey1 % 認(rèn)為是左側(cè)干擾 d(:,[1:wide])=0。 all=sum(sum(temp))。 end d(:,[1:wide])=0。% 分割出第四個字符[word4,d]=getword(d)。figure(9)。subplot(2,7,2),imshow(word2),title(39。339。)。subplot(2,7,6),imshow(word6),title(39。739。word2=imresize(word2,[40 20])。word6=imresize(word6,[40 20])。)。subplot(2,7,10),imshow(word3),title(39。439。)。subplot(2,7,14),imshow(word7),title(39。39。)。imwrite(word4,39。39。)。運行結(jié)果如下： 車牌匹配識別 模板匹配是圖象識別方法中最具代表性的基本方法之一，它是將從待識別的圖象或圖象區(qū)域f(i,j)中提取的若干特征量與模板T(i,j)相應(yīng)的特征量逐個進行比較，計算它們之間規(guī)格化的互相關(guān)量，其中互相關(guān)量最大的一個就表示期間相似程度最高，可將圖象歸于相應(yīng)的類。車牌字符識別與一般文字識別在于它的字符數(shù)有限，漢字共約50多個，大寫英文字母26個，數(shù)字10個。把每一幅相減后的圖的0值個數(shù)保存，即為識別出來的結(jié)果。939。Z39。 %建立自動識別字符代碼表 SubBw2=zeros(40,20)。.jpg39。)。 elseif l==2 %第二位 A~Z 字母識別 kmin=11。 end for k2=kmin:kmax fname=strcat(39。)。 end end % 以上相當(dāng)于兩幅圖相減得到第三幅圖 Dmax=0。 MinError=min(Error1)。 39。, Code],39。)。left=1。top=m top=top+1。endwhile sum(d(:,left))==0amp。amp。e=imcrop(d,[left top dd hh])。y2=。amp。 if widey1amp。%切割出最小范圍 else word=[]。 if sum(sum(d))~=0 d=qiege(d)。對另一幅車牌圖片進行識別監(jiān)測程序，結(jié)果如下所示：【參考文獻】[1] [2] MATLAB [3] 數(shù)字圖像的智能信息處理[M].[4] 數(shù)字圖像處理[M].