【正文】 39。行方向合理區(qū)域 39。 while ((Blue_x(1,PX2)3)amp。 end IY=I(PY1:PY2,:,:)。%temp 為向量 white_y 的元素中的最大值， MaxY 為該值的索引（ 在向量中的位置） PY1=MaxY。title(39。 %構(gòu)造結(jié)構(gòu)元素，以長方形構(gòu)造一個 se I4=imclose(I3,se)。 I3=imerode(I2,se)。both39。)。 figure(1),imshow(I)。使我心靈的天平永遠(yuǎn)傾向執(zhí)著奮斗。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。 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(shè)計分類器等環(huán)節(jié)上再完善，進(jìn)一步提高識別率是完全可行的。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(jìn)一步處理。本文采用的是車牌顏色與數(shù)學(xué)形態(tài)學(xué)相結(jié)合的定位方法。 由于攝像部分多工作于開放性的戶外 環(huán)境下，再加之車輛牌照的自然光照條件、拍攝時攝像機、整潔度與牌照的角度和距離以及車輛行駛速度等因素的影響，牌照圖像可能出現(xiàn)歪斜、缺損和模糊等嚴(yán)重缺陷，因此需要對原始的圖像進(jìn)行識別前的預(yù)處理。所以建立字符模板庫也極為方便。綜合模板匹配的這些優(yōu)點我們將其用為車牌字符識別的主要方法 [16]。當(dāng) 在字符切割時 ,往往都是由于閾值取得不完善 ， 導(dǎo)致字符切割的不準(zhǔn)確 。 也就是將這 256 個亮度等級的灰度圖像通過一個適當(dāng)值的選取，從而獲得依舊可以反映圖像局部和整體特征的二值化圖像 [13]。處理過程圖如圖36腐蝕后的圖像， 圖 37平滑圖像的輪廓，圖 38從對象中移除小對象后圖像所示。車牌的定位和分割是從經(jīng)過圖像預(yù)處理后的灰度圖像中確定牌照位置，并將車牌部分從整個圖像中分割出來，從而進(jìn)行字符識別。,39?；叶葓D 39。39。因此，在對汽車牌照進(jìn) 行定位的時候及字符識別之前需要先對車輛的圖像進(jìn)行邊緣檢測處理，從而提高圖像的質(zhì)量，以便于后面的識別和分割。 當(dāng)將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像時 ， 就現(xiàn)在而言用的比較多的灰度化方法為平均值法 ， 公式為 ： H=++[11] 在公式中， H 表示灰度圖中的亮度值 ； R 代表彩色圖像中紅色分量值 ； G 則代表色彩圖像中綠色分量值 ； B 是 代表彩色圖像 中藍(lán)色分量值 。所以 說 對與尺寸為m*n的一個彩色圖像來說 ， 存儲 m*n*3的多維數(shù)組 [10]。 車牌定位和車牌分割是整個系統(tǒng)的關(guān)鍵，其作用是在經(jīng)圖像預(yù)處理后的灰度圖象中確定牌照的具體位置， 并將包含牌照字符的一塊子圖象從整個圖象中分割出來，供字符識別子系統(tǒng)識別之用，分割的準(zhǔn)確與否直接關(guān)系到整個牌照字符識別系統(tǒng)的識別率。輸出結(jié)果：輸出識別結(jié)果，并進(jìn)行數(shù)據(jù)存儲。綜上所述，這些處理均是圖像預(yù)處理的工作。在 LPR 系統(tǒng)產(chǎn)品的性能指標(biāo)中，識別速度和識別率難以同時提高的原因是有圖像處理技術(shù)不夠成熟，和受到計算機攝像設(shè)備等性能因素的限制。 MATLAB 包含兩個部分 ：各種可選和核心部分的工具箱。例如 ， 在 MATLAB 里 ， 用戶無需對矩陣預(yù)定義就可使用。以下簡單介紹一下 MATLAB 的主要特點 [8]： （ 1） 語言簡潔緊湊 ， 使用方便靈活 ， 庫函數(shù)極其豐富。 在工業(yè)部門和設(shè)計研究單位 ， MATLAB 都被認(rèn)作為進(jìn)行高效開發(fā)、研究的首選的軟件工具。而車牌識別系統(tǒng)就通過對機動車輛的照片進(jìn)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。 (4)對運營管理、安全檢查、養(yǎng)路費交納，這些情況實行不停車檢查。 其存在的市場價值是非常大的 ， 有足夠大的能量 的社會效益和經(jīng)濟效益。 此外，還有兩種特別的科技被用在車牌的識別中，無線射頻技術(shù)和條形碼識別技術(shù)。所以對字符識別的進(jìn)一步研究也需要同時具有必要性和緊迫性。國外的相關(guān)研究有： (1)J Barroso 提出基于掃描的行高頻分析的方 法； (2) . 浙江萬里學(xué)院本科畢業(yè)論文 4 Lancaster 提出的類字符分析的方法等 [5]。根據(jù)實際情況可以得出，許多學(xué)者開始在鑒于車牌圖像的本身特征基礎(chǔ)上研究車牌的定位技術(shù)，并且先后提出了些有效的定位方法，以減小由于種種主、客觀因素而對車牌定位準(zhǔn)確度的影響 [4]。 在圖像應(yīng)用和研 究中 ,人們僅僅對圖像的某些部分感到興趣。在美國、歐洲、日本等這些發(fā)達(dá)國家的帶動下，世界各國也都開始簡歷智能交通系統(tǒng)。 智能交通的系統(tǒng)中，車牌自動識別系統(tǒng)是一個非常重要的發(fā)展方向 。分割采用和車牌定位是利用的數(shù)學(xué)形態(tài)法來確定車牌的位置，然后利用車牌彩色信息彩色的分割法來完成車牌部位的分割。車牌識別系統(tǒng)中主要包括了五大核心部分，分別是圖像采集、圖像預(yù)處理、車牌定位、字符分割、字符識別等。智能的交通系統(tǒng)，就是在當(dāng)代科學(xué)技術(shù)高速發(fā)展的背景下產(chǎn)生的。 車牌識別系統(tǒng)是一項科學(xué)技術(shù)含量很高的，并且具有多種技術(shù)結(jié)合的產(chǎn)品，主要有數(shù)字圖像處理、計算機視覺、模式識別、數(shù)字視頻處理等技術(shù)組成。 改善圖像的質(zhì)量是圖像增強的主要目的。車牌識別系統(tǒng)是把獲取的車輛圖像來進(jìn)浙江萬里學(xué)院本科畢業(yè)論文 3 行一系列的分析處理之后，并以字符串的形式得出輸出結(jié)果，所以不但數(shù)據(jù)量變小，易于存儲，操作更容易，得出車牌識別系統(tǒng)便捷絕對是人工車牌識別所不能媲美的，它包含著很大的經(jīng)濟價值和發(fā)展前景，因此車牌識別技術(shù)的研究是非常有的必要的。到現(xiàn)在為止，在眾多的車牌自動識別系 統(tǒng)中還沒有一個可以完全達(dá)到理想的效果，所以對車牌識別技術(shù)的研究意義重大。因而進(jìn)一步加深車牌定位的研究是必要的。所以根據(jù)數(shù)字而言，有七個字位的，但是也存在有九位數(shù)字的武警車，還有軍車、前兩位字符上下排列的等，這 樣對車牌識別系統(tǒng)的要求要變的很高。現(xiàn)代交通飛速的發(fā)展和車牌識別系統(tǒng)的應(yīng)用范圍不斷的加寬，這樣人們對車牌識別系統(tǒng)就提出了更嚴(yán)格的要求。該系統(tǒng)能夠統(tǒng)計和測量許多交通流指標(biāo)的參數(shù)，如總行程時間，總的流 入量流出量，總的服務(wù)流率，日車流量，車型及車流組成，車流高峰時間段，小時 /分鐘車流量，車輛密度，平均車速等。這為發(fā)現(xiàn)、追蹤和防范涉及車輛的犯罪，保護(hù)車輛的安全有著重大作用，保障城市治安及交通安全。 Mathcad 是因為提供了文字處理、計算、圖形的統(tǒng)一環(huán)境中而深受中學(xué)生歡迎。 MATLAB 的最為突出的一個特點就是簡潔。由于 MATLAB 是用 C 語言編寫的 ， MATLAB 提供了和 C 語言幾乎一樣多的運算符 ， 靈活使用 MATLAB 的運算符將使程序變得極為簡短。 （ 7） MATLAB 也是有缺點的，它與其他的高級程序相比較 ， 程序的執(zhí)行速度很慢。而學(xué)科性工具箱是專業(yè)性比較強的 ， 如control、 toolbox、 signal processing toolbox、 munication toolbox 等。 圖像采集：該單元是指道路上安裝的攝像頭在檢測到有車輛通過的同時進(jìn)行拍照并借助網(wǎng)絡(luò)傳送到汽車自動識別系統(tǒng)。系統(tǒng)并不能直接識別被分離出的車牌區(qū)域圖像，還需要將車牌上的任何一個字符都要完整的獨立的分割出來，就是說從車牌區(qū)域中圖像上將車牌里所包含的任意字符都切分出來，將他們變成沒有任何相關(guān)性的獨立字符圖像，之后由系統(tǒng)對每個字符進(jìn)行分開識別，在切分字符時，需注意保證所有字符的準(zhǔn)確完整度。字符識別部分可以分為特征提取與單個字符識別和字符分割兩個模塊。并且每個所知分量有 255種值可取 ，所以說 這樣任意的像素點可以有 1600多萬的顏色的變化。而彩色轉(zhuǎn)變?yōu)榛叶鹊倪^程就叫做灰度化處理。 在 MATLAB 中我們可以調(diào)用 im2gray 函數(shù)對圖像來進(jìn)行灰度化處理。 Roberts 算子是一種 比較 最簡單的算子，是一種利用局部差分算子尋找邊緣的算子，他采用對角線方向相鄰兩象素之差近似梯度幅值檢測邊緣。) I1=rgb2gray(I)。)。robert 算子邊緣檢測 39。本文采用的是用數(shù)學(xué)形態(tài)學(xué)來進(jìn)行圖像處理和模式識別。 圖 39車牌對位的圖像 浙江萬里學(xué)院本科畢業(yè)論文 19 對定位后的彩色車牌的進(jìn)一步處理 定位后車牌圖像是彩色的，會占用較大的存儲空間，加重計算機負(fù)擔(dān)。 圖 310 車牌的進(jìn)一步處理 浙江萬里學(xué)院本科畢業(yè)論文 20 字符分割與歸一化 圖 311 字符分割和歸一化流程圖 字符分割 在汽車牌照自動識別的過程中，字符分割有著承前啟后的作用。 圖 313 字符歸一化后的圖像 字符的識別 字符的識別目前用于車牌字符識別 (OCR)中的算法主要有基于模板匹配的OCR算法以及基于人工神經(jīng)網(wǎng)絡(luò)的 OCR算法。 圖 314 字符識別流程圖 字符識別采用 相減的方法，對所分割出來的字符與模板中字符進(jìn)行匹配，找出最大相似度的字符進(jìn)行輸出。 圖 315 識別結(jié)果 浙江萬里學(xué)院本科畢業(yè)論文 24 4 實驗結(jié)果和分析 本文以 為實驗平臺，以攝取的彩色車牌照片為對象進(jìn)行實驗。圖像中的車輛牌照是具有比較明顯特征的一塊圖像區(qū)域，這個特征表現(xiàn)在于近似與水平的矩形區(qū)域內(nèi)，其中的字符串全部是按水平方向排列的；在整體圖像中的位置較為固定。最后還用了 bwareaopen來去除對象中不相干的小對象。把每一幅相減后的圖的 0 值個數(shù)保存，然后找數(shù)值最大的，即為識別出來的結(jié)果。 本文對車 牌識別系統(tǒng)的軟件部分進(jìn)行了研究，分別從圖像預(yù)處理、車牌定位、字符分割以及字符識別等方面進(jìn)行了系統(tǒng)的分析。 浙江萬里學(xué)院本科畢業(yè)論文 27 致 謝 大學(xué)的學(xué)習(xí)生活即將結(jié)束，在此，我要感謝所有曾經(jīng)教導(dǎo)過我的老師和關(guān)心過我的同學(xué)，他們在我成長過程中給予了我很大的幫助。 浙江萬里學(xué)院本科畢業(yè)論文 28 參考文獻(xiàn) [1]吳斌 .車牌識別系統(tǒng)的研究 [D].大連：大連理工大學(xué) ,2021 [2]王立強 .車牌自動識別技術(shù)的算法與實踐 [J].河北 ：廊坊師范學(xué)院學(xué)報（自然科學(xué)版） 2021 [3]郭燕斌 .應(yīng)用于公路收費站系統(tǒng)的車牌識別 [D].成都：電子科技大學(xué)， 2021 [4]丁芝娟 .基于圖像處理的車牌識別系統(tǒng)設(shè)計與應(yīng)用 [D].長安： 長安大學(xué)， 2021 [5]肖啟 .高速鐵路 CFG 樁復(fù)合地基的沉降特性研究 [D].成都： 航西南交通大學(xué)2， 010 [6]董然 .基于 J2ME 的車牌識別系統(tǒng)的研究 [D].山西 ：太原理工大學(xué)， 2021 [7]龔小兵 .基于 BP 神經(jīng)網(wǎng)絡(luò)的車輛牌照自動識別系統(tǒng)的研究 [D].武漢：武漢理工大學(xué)， 2021 [8]張光輝 .矩形截面復(fù)合材料夾芯薄壁桿件的解耦分析與求解 [D].重慶 :重慶交通大學(xué)， 2021 [9]仝瑞金 .封閉截面復(fù)合材料夾芯薄壁桿件的數(shù)值方法研究 [D].重慶：重慶交通大學(xué)， 2021 [10]孫先波 .基于邏輯規(guī)則的智能交通信號 控制系統(tǒng)研究 [D] .武漢：武漢理工大學(xué)， 2021 [11]徐建閩，賀敬凱．車型與車牌自動識別技術(shù)分析．交通與計算機． 2021， 20(2)：711 [12]王廣宇．車輛牌照識別系統(tǒng)綜述．鄭州輕工業(yè)學(xué)院學(xué)報 (自然科學(xué)報 )． 2021，16(2): 4750. [13]劉肅平，陳強．?dāng)?shù)字圖像處理技術(shù)在車牌識別中的應(yīng)用．計算機與現(xiàn)代化． 2021(8)： 119121 [14] Srivastava, Deepesh Kumar. Vehicular Number Plate Recognition using Edge Detection and Characteristic Analysis of National Number Plates [J]． International Journal of Computer Applications, 2021, 45(24). [15]ShyangLih, Chang Automatic license plate recognition [J]. IEEE Transaction on Intelligent Transportation Systems, 2021, 5(1):4253 [16]任明亮，范勇．一種快速精確的汽車牌照字符切 分算法．四川大學(xué)學(xué)報． 2021，浙江萬里學(xué)院本科畢業(yè)論文