【正文】 ============識別漢字 ================= [y,x,z]=size(xiuzhenghanzi)。 shibiezimu=chepai。在構(gòu)建標準音庫的過程中，用錄音工具錄制了 A— Z、 09 和車牌地區(qū)名，并且以 音頻文件 保存。黔 .wav。 陜 .wav。寧 .wav；津 .wav。bilinear39。 由于攝像部分多工作于開放的戶外環(huán)境，加之 汽車車牌 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，牌照圖象可能出現(xiàn)模糊、歪斜和缺損等嚴重缺陷，因此需要對原始圖象進行識別前的預(yù)處理。 車牌分割 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 ?？傊?， 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 尋找更 合適的分割閾值 等環(huán)節(jié)上完善，進一步提高識別率是完全可行的。在本系統(tǒng)的設(shè)計時，也汲取了以上一些算法的思想，結(jié)合實際，反復(fù)比較，綜合分析；二是在有效性和實用的原則下，結(jié)合神經(jīng)網(wǎng)絡(luò)和人工智能的新技術(shù)的應(yīng)用是研究的一個方向。雖然這個設(shè)計做的并非對所以車牌都合適，但是在設(shè)計過 程中所學(xué)到的學(xué)習(xí)方法是我最大收獲和財富，相信定會使我受益終身。 其次要感謝大學(xué)四年中給我們授課的所有老師們，是他們的悉心教導(dǎo)和精心栽培，讓我掌握了很多專業(yè)知識，為將來的工作打下了良好的基礎(chǔ)。)。 % I=rgb2hsv(I)。)。,39。%figure,imshow(bw)。%figure,imshow(bw)。title(39。 bw=~bw。title(39。二次擦除 39。imsho。%figure,imshow(bw)。figure。擦除 39。,5)。spur39。)。 %================傾斜校正 ====================== qingxiejiao=rando_bianhuan(bw) bw=imrotate(bw,qingxiejiao,39。title(39。%顯示原始圖像 chepailujing=[pn fn] I_bai=I。,39。 從選題、定題 、撰寫提綱 ，到論文的反復(fù)修改、潤色 直至定稿 ， 石 老師始 終認真負責地給予我深刻而細致地指導(dǎo) ，使我受益匪淺。學(xué)習(xí)是一個長期積累的過程，在后的工作、生活中都應(yīng)該不斷的學(xué)習(xí)，努力提高自己知識和綜合素質(zhì)。 本文主要解決了以下幾個問題： ；； 。 在車牌識別的過程中數(shù)字庫的建立很重要 ,只有數(shù)字庫的準確才能保證檢測出來的數(shù)據(jù)正確。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(zhuǎn)化為灰度圖像，以縮短處理速 度。實驗的最終結(jié)果如圖 所示 ，汽車車牌識別系統(tǒng)的設(shè)計達到預(yù)期目 標 。渝 .wav。滬 .wav。黑 .wav。閩 .wav。 語音自 動播報識別結(jié)果 對字符正確識別之后，用事先對每一個字符的錄音 ， 根據(jù)對應(yīng)字符順序播放。 baifenbi(1,k)=sum/(x*y)。 在車牌識別的過程中數(shù)字庫的建立很重要 ,只有數(shù)字庫的準確才能保證檢測出來的數(shù)據(jù)正確。 基于模板匹配的字符識別方法 ， 相對算法簡單 ， 速度較快 ， 得到了廣泛應(yīng)用。樣本庫中的編碼規(guī)則如下。 利用垂直投影法對復(fù)雜環(huán)境下的汽車圖像中的字符分割有較好的效果。 在汽車牌照自動識別過程中，字符分割有承前啟后的作用。title(39。(Y_up1))%找到圖片上邊界 while ((Y_touying(Y_down,1)=Y_yuzhi)amp。 [y,x]=size(imane_bw)。figure,imshow(bw)。閉合運算 39。title(39。 bw=bwmorph(bw,39。 在實際的車牌處理系統(tǒng)中，進行圖像二值化的關(guān)鍵使確定合適的閾值，使得字符與背景能夠分割開來，而且二值變換的結(jié)果圖像必須要具備良好的保形性，不丟掉有用的形狀信息，不會產(chǎn)生額外的空缺等。 [R,xp] = radon(I,theta)。)。) ； %rgb2gray 轉(zhuǎn)換成灰度圖 b. 傾斜校正 由于拍攝時鏡頭與牌照的角度、車輛的運動及路面的狀況等因素的影響，例如車牌在捕捉圖像中的位置不固定，捕捉圖像時車頭或者鏡頭發(fā)生擺動以及車牌本身就掛歪了或路況較差，都可能使拍攝到的車牌 圖像有一定的傾斜度，為了正確識別需要進行傾斜度校正，否則將無法進行單個字符的正確分割，字符識別的誤差率就會上升?；叶葓D像就是只有強度信息，而沒有顏色信息的圖像，存儲灰度圖像只需要一個數(shù)據(jù)矩陣，矩陣的每個元素表示對應(yīng)位置的像素的灰度值。這時的車輛常會因為各種各樣的原因使得所拍攝的車輛圖像效果不理想，但我們可以對車輛圖像根據(jù)不同應(yīng)用特點進行識別前的預(yù)處理，盡最大可能提高車牌正確識別率，這些圖像預(yù)處理包括 灰度處理 、傾斜校正等。b=PX2PX1+1。 [temp MaxY]=max(Blue_y)。然后，在分割出的行區(qū)域內(nèi)，統(tǒng)計列方向藍色像素點的數(shù)量，最終確定完整的車牌區(qū)域。原始圖像 39。 [fn,pn,fi]=uigetfile(39。主要應(yīng)用的為模板匹配方法。 汽車牌照識別 （ LPR） 系統(tǒng)的關(guān)鍵在于后四部分 。根據(jù)這些特點，可以在灰度圖像的基礎(chǔ)上提取相應(yīng)的特征。 (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。當發(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。顯然，這兩種技術(shù)更難以推廣。 我國的實際情況有所不同，國外的實際拍攝條件比較理想，車牌比較規(guī)范統(tǒng)一，而我國車牌規(guī)范不夠，不同汽車類型有不同的規(guī)格、大小和顏色，所以車牌的顏色多，且位數(shù)不統(tǒng)一，對處理造成了一定的困難。國外的相關(guān)研究有： (1)J Barroso提出的基于掃描行高頻分析的方法； (2) . Lancaster提出的類字符分析方法等。為了保證汽車車牌識別系統(tǒng)在各種復(fù)雜環(huán)境下 ， 能發(fā)揮其應(yīng)有的作 用 ， 識別系統(tǒng)必須滿足以下要求 ： (1) 實用性 : 在任何情況下均能可靠正常地工作 ， 且有較高的正確識別率。 ITS 是 20世紀 90年代興起的新一代交通運輸系統(tǒng)。在字符識別部分 ,采用簡單模版匹配算法 ， 實驗結(jié)果表明 ,此 方法具有良好的識別性能。本文即是針對其核心部分進行闡述并使用 MATLAB 軟件環(huán)境中進行字符分割的仿真實驗。這些系統(tǒng)將車輛和道路綜合起來進 行考慮 ， 運行各種先進的技術(shù)解決道路交通的問題 ， 統(tǒng)稱為智能交通系統(tǒng)( Intelligent Transportation System， 簡稱 ITS)。 車牌識別技術(shù)的任務(wù)是處理、分析攝取的視頻流中復(fù)雜背景的車輛圖像 ， 牌照字符定位、字符分割 ， 最后自動識別汽車牌照上的字符。在各種應(yīng)用中，有使用模糊數(shù)學(xué)理論也有用神經(jīng)元網(wǎng)絡(luò)的算法來識別車牌中的字符，但由于外界環(huán)境光線變化、光路中有灰塵、季節(jié)環(huán)境變化及車牌本身比較模糊等條件的影響，給車牌的識別帶來較大的困難。新加坡 Optasia公司的 VLPRS產(chǎn)品，適合于新加坡的車牌，另外日本、加拿大、德國、意大利、英國等西方 發(fā)達國家都有適合于本國車牌的識別系統(tǒng)。無線射頻技術(shù)要求在車內(nèi)安裝標示卡，在系統(tǒng)某一位置安裝收發(fā)器等裝置，通過收發(fā)器來接受標示卡的信號，從而識別出經(jīng)過的車輛。它還可以同雷達測速器或其他的檢測器配合使用，以檢測違犯限速值的車輛。若同車型檢測器聯(lián)用，可迅速發(fā)現(xiàn)所掛車牌與車型不符的車輛。 從人的視覺特點出發(fā)，車牌目標區(qū)域具有如下特點：①車牌底色往往與車身顏色、字符顏色有較大差異；②車牌有一個連續(xù)或由于磨損而不連續(xù)的邊框，車牌內(nèi)字符有多個，基本呈水平排列，所以在牌照的矩形區(qū)域內(nèi)存在較豐 富的邊緣，呈現(xiàn)出規(guī)則的紋理特征；③車牌內(nèi)字符之間的間隔比較均勻，字符和牌照底色在灰度值上存在跳變，而字符本身與牌照底的內(nèi)部都有較均勻灰度；④不同圖像中牌照的具體大小、位置不確定，但其長度比變化有一定范圍，存在一個最大和最小長度比。 該部分功能可簡單調(diào)用計算機視頻捕捉卡廠商 提供的各種軟件開發(fā)包工具即可實現(xiàn) 。 車牌識別的最終目的就是對車牌上的文字進行識別。 clear all。title(39。根據(jù)車牌底色等有關(guān)的先驗知識，采用彩色像素點統(tǒng)計的方法分割出合理的車牌區(qū)域，確定車牌底色藍色RGB對應(yīng)的各自灰度范圍，然后行方向統(tǒng)計在此顏色范圍內(nèi)的像素點數(shù)量，設(shè)定合理的閾值，確定車牌在行方向的合理區(qū)域。changkuanbi=0。 a=PY2PY1+1。事實上，在車牌自動識別系統(tǒng)中車輛圖像是通過圖像采集卡將運動的車輛圖像抓拍下來，并以位圖的格式存放在系統(tǒng)內(nèi)存中。 在 RGB模型中，如果 R=G=B，則顏色表示一種灰度顏色，其中 R=G=B的值叫做灰度值 .由彩色轉(zhuǎn)換為灰度的過程叫做灰度化處理?；叶葓D像 39。crop39。 theta = 1:180。此外二值化的圖像能夠用幾何學(xué)中的概念進行分析和特征描述，比灰度圖像優(yōu)勢大得多。%figure,imshow(bw)。%figure,imshow(bw)。title(39。 bw=~bw。 Y 方向處理 圖 字符精確定位 %=========Y方向處理定位字符的程序 ========= function bw_fir = touying(imane_bw) X_yuzhi=1。amp。%figure,imshow(bw)。優(yōu)點是程序邏輯設(shè)計簡單，循環(huán)執(zhí)行功能單一，便于設(shè)計和操作，程序執(zhí)行時間短。一個智能的識別系統(tǒng)應(yīng)減少系統(tǒng)對閾值的過分依賴。 字符的自動識別 圖 字符識別流程圖 建立自動識別的代碼表 讀取分割出來的字 第一個字符與模板中的漢字模板進行匹配 后 5 個字符與模板中字母與數(shù)字模板進行匹配 第二個字符與模板中的字母模板進行匹配 識別完成，輸出此模板對應(yīng)值 待識別字符與模板字符相減，值越小相似度越大，找到最小 的一個即為匹配的最好的 河南城建學(xué)院本科畢業(yè)設(shè)計（論文） 第三章 汽車車牌識別系統(tǒng)的設(shè)計 18 構(gòu)建標準字庫 本文采用的是基于模版匹 配法， 在構(gòu)建標準字庫的過程中，用繪圖工具繪制了A— Z、 09 和車牌地區(qū)名，并且以 32 行 *16 列的大小黑體字保存。當學(xué)習(xí)系統(tǒng)所處環(huán)境平穩(wěn)時 (統(tǒng)計特性不隨時間變化 )， 神經(jīng)網(wǎng)絡(luò)可以學(xué)到這些環(huán)境統(tǒng)計特性 ， 作為經(jīng)驗記住。D0,68,2Z,A— 4是比較容易識別出錯的字符。 for k=1:24 sum=0。 shibieshuzi=chepai1。浙 .wav。吉 .wav。皖 .wav。鄂 .wav。 河南城建學(xué)院本科畢業(yè)設(shè)計（論文） 第四章 設(shè)計結(jié)果及分析 21 第四章 設(shè)計結(jié)果及分析 設(shè)計結(jié)果 本文以 為實驗平臺，以攝取的彩色車牌照片為對象進行實驗。 在本文中根據(jù)采集到的圖像本身的特點，對它進行了灰度化的處理。 河南城建學(xué)院本科畢業(yè)設(shè)計（論文） 第四章 設(shè)計結(jié)果及分析 22 結(jié)果分析 對于識別錯誤情況，系統(tǒng)會自動語音提醒，識別錯誤的主要原因：一是牌照自身的污漬等影響了圖象的質(zhì)量；二是牌照字符的分割失敗導(dǎo)致的識別錯誤；再就是部分字符的形狀相似性，比如， B 和 8； A 和 4； D和 0； 6和 8； 2和 Z是比較容易識別出錯的字符。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(wù)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(yīng)用意義。在 這期間遇到了很多困難，我知道做什么都不容易，只能塌下心來，一步一個腳印的去完成才行。 ” 至此論文完成之際，謹向我尊敬的 指導(dǎo)老 師 石磊 致以誠摯的謝意和崇高的敬意。*.jpg39。)。figure,imshow(bw)。)。傾斜校正 39。 bw=bwmorph(bw,39。open39。title(39。 %=============對圖像進一步裁剪，保證邊框貼近字體 =========== bw=touying(bw)。 bw=~bw。 for s=1:2:k1 subplot(1,k/2,(s+1)/2)。)。Y 方向處理 39。figure,imshow(bw)。閉合運算 39。title(39。 bw=bwmorph(bw,39。crop39。%hsv 彩圖提取圖像 %==============這里要根據(jù)圖像的傾斜度進行選擇這里選擇的圖片 *.jpg bw=rgb2gray(bw)。 % [PY2,PY1,PX2,PX1]=caitu_tiqu(I,I_bai)。 I=imread([p