【正文】 26 車牌分割即把車牌的整體區(qū)域分割成單字符區(qū)域，具有承上啟下的作用。 對(duì)于識(shí)別錯(cuò)誤情況的分析可知，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(shí)別錯(cuò)誤；再就是部分字符的形狀相似性，比如， B 和 8； A 和 4 等字符識(shí)別結(jié)果可能發(fā)生混淆的情況。 （ 2）在車牌定位我們采用基于灰度跳變的定位方法，采用先對(duì)圖像進(jìn)行預(yù)處理，再進(jìn)行二值化操作的方法。 最后還要感謝我的父母，是他們一直在背后支持著我。)?；叶葓D 39。,39。1]。,[40,40])。 %從二進(jìn)制圖像中移 除所有少于 p 像素的連接的組件（對(duì)象），產(chǎn)生另一個(gè)二進(jìn)制圖像 figure(6),imshow(I5)。%藍(lán)色像素點(diǎn)統(tǒng)計(jì) end end end [temp MaxY]=max(Blue_y)。(PY2y)) PY2=PY2+1。 end PX2=x。 figure(7),subplot(1,2,1),imshow(IY),title(39。 dw=I(PY1:PY2,:,:)。amp。 while ((Blue_y(PY2,1)=40)amp。 %換成雙精度數(shù)值 %begin橫向掃描 tic %計(jì)算 tic與 toc之間程序的運(yùn)行時(shí)間 Blue_y=zeros(y,1)。)。 se=strel(39。) se=[1。 I2=edge(I1,39。 %將真彩色圖像轉(zhuǎn)換為灰度圖像 figure(2),subplot(1,2,1),imshow(I1)。 浙江萬里學(xué)院本科畢業(yè)論文 29 參考文獻(xiàn) [1]吳斌 .車牌識(shí)別系統(tǒng)的研究 [D].大連：大連理工大學(xué) ,2022 [2]王立強(qiáng) .車牌自動(dòng)識(shí)別技術(shù)的算法與實(shí)踐 [J].河北 ：廊坊師范學(xué)院學(xué)報(bào)（自然科學(xué)版） 2022 [3]郭燕斌 .應(yīng)用于公路收費(fèi)站系統(tǒng)的車牌識(shí)別 [D].成都：電子科技大學(xué)， 2022 [4]丁芝 娟 .基于圖像處理的車牌識(shí)別系統(tǒng)設(shè)計(jì)與應(yīng)用 [D].長(zhǎng)安： 長(zhǎng)安大學(xué)， 2022 [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(shí)別系統(tǒng)的研究 [D].山西 ：太原理工大學(xué)， 2022 [7]龔小兵 .基于 BP 神經(jīng)網(wǎng)絡(luò)的車輛牌照自動(dòng)識(shí)別系統(tǒng)的研究 [D].武漢：武漢理工大學(xué)， 2022 [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)， 2022 [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)， 2022 [10]孫先波 .基于邏輯規(guī)則的智能交通信號(hào)控制系統(tǒng)研究 [D] .武漢：武漢理工大學(xué)， 2022 [11]徐建閩，賀敬凱．車型與車牌自動(dòng)識(shí)別技術(shù)分析．交通與計(jì)算機(jī)． 2022， 20(2)：711 [12]王廣宇．車輛牌照識(shí)別系統(tǒng)綜述．鄭州輕工業(yè)學(xué)院學(xué)報(bào) (自然科學(xué)報(bào) )． 2022，16(2): 4750. [13]劉肅平，陳強(qiáng)．?dāng)?shù)字圖像處理技術(shù)在車牌識(shí)別中的應(yīng)用．計(jì)算機(jī)與現(xiàn)代化． 2022(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, 2022, 45(24). [15]ShyangLih, Chang Automatic license plate recognition [J]. IEEE Transaction on Intelligent Transportation Systems, 2022, 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(bào)． 2022，浙江萬里學(xué)院本科畢業(yè)論文 30 39(3)： 450454 [17]KingChu Hung. RealTime Vehicle License Plate Recognition Based on 1D Discrete Periodic Wavelet Transform [C]. 2022 International Symposium on Computer, consumer and Control, 46 June 2022:914917. [18]Daoqiang Zhang， ZhiHua Zhou， Songcan Chen， Diagonal Principal Component Analysis for Face Recognition， Pattern Recognition， 2022，39(1)： 140142 浙江萬里學(xué)院本科畢業(yè)論文 31 程序附錄： function [d]=main(jpg) I=imread(39。 浙江萬里學(xué)院本科畢業(yè)論文 28 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?cè)谖页砷L(zhǎng)過程中給予了我很大的幫助。 本文對(duì)車牌識(shí)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(shí)別等方面進(jìn)行了系統(tǒng)的分析。把每一幅相減后的圖的 0 值個(gè)數(shù)保存，然后找 數(shù)值最大的，即為識(shí)別出來的結(jié)果。最后還用了 bwareaopen來去除對(duì)象中不相干的小對(duì)象。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(gè)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。 浙江萬里學(xué)院本科畢業(yè)論文 24 圖 315 識(shí)別結(jié)果 浙江萬里學(xué)院本科畢業(yè)論文 25 4 實(shí)驗(yàn)結(jié)果和分析 本文以 為實(shí)驗(yàn)平臺(tái)，以攝取的彩色車牌照片為對(duì)象進(jìn)行實(shí)驗(yàn)。 建立自動(dòng)識(shí)別的代碼表 讀取分割出來的字符 第一個(gè)字符與模板中的漢字模板進(jìn)行匹配 第二個(gè)字符與模板中的字母模板進(jìn)行匹配 待識(shí) 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(gè)即為匹配的最好的 識(shí)別完成，輸出此模板對(duì)應(yīng)值 后 5 個(gè)字符與模板中的字母與數(shù)字模板進(jìn)行匹配 浙江萬里學(xué)院本科畢業(yè)論文 23 圖 314 字符識(shí)別流程圖 字符識(shí)別采用 相減的方法，對(duì)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 313 字符歸一化后的圖像 字符的識(shí)別 字符的識(shí)別目前用于車牌字符識(shí)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。 浙江萬里學(xué)院本科畢業(yè)論文 19 圖 310 車牌的進(jìn)一步處理 字符分割與歸一化 [m， n]=size（ d），逐排檢查有沒有白色像素點(diǎn)，設(shè)置 1=jn1，若圖像兩邊 s（ j） =0，則切割，去除圖像兩邊多余的部分 切割去圖像上下多余的部分 根據(jù)圖像的大小，設(shè)置一閾值，檢測(cè)圖像的 X 軸，若寬度等于這一閾值則切割，分離出七個(gè)字符 歸一化切割出來的字符圖像的大小為 40*20，與模板中字符圖像的大小相匹配 浙江萬里學(xué)院本科畢業(yè)論文 20 圖 311 字符分割和歸一化流程圖 字符分割 在汽車牌照自動(dòng)識(shí)別的過程中，字符分割有著承前啟后的作用。 圖 39車牌對(duì)位的圖像 對(duì)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(huì)占用較大的存儲(chǔ)空間，加重計(jì)算機(jī)負(fù)擔(dān)。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(shí)別。robert 算子邊緣檢測(cè) 39。)。) I1=rgb2gray(I)。 Roberts算子是一種 比較 最簡(jiǎn)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(duì)角線方向相鄰兩象素之差近似梯度幅值檢測(cè)邊緣。 在 MATLAB中我們可以調(diào)用 im2gray函數(shù)對(duì)圖像來進(jìn)行灰度化處理。而彩色轉(zhuǎn)變?yōu)榛叶鹊倪^程就叫做灰度化處理。并且每個(gè)所知分量有 255種值可取 ，所以說 這樣任意的像素點(diǎn)可以有 1600多萬的顏色的變化。字符識(shí)別部分可以分為特征提取與單個(gè)字符識(shí)別和字符分割兩個(gè)模塊。系統(tǒng)并不能直接識(shí)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(gè)字符都要完整的獨(dú)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(dú)立字符圖像，之后由系統(tǒng)對(duì)每個(gè)字符進(jìn)行分開識(shí)別，在切分字符時(shí)，需注意保證所有字符的準(zhǔn)確完整度。 圖像采集：該單元是指道路上安裝的攝像頭在檢測(cè)到有車輛通過的同時(shí)進(jìn)行拍照并借助網(wǎng)絡(luò)傳送到汽車自動(dòng)識(shí)別系統(tǒng)。而學(xué)科性工具箱是專業(yè)性比較強(qiáng)的 ， 如control、 toolbox、 signal processing toolbox、 munication toolbox 等。 （ 7） MATLAB也是有缺點(diǎn)的，它與其他的高級(jí)程序相比較 ， 程序的執(zhí)行速度很慢。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(yùn)算符 ， 靈活使用 MATLAB的運(yùn)算符將使程序變得極為簡(jiǎn)短。 MATLAB 的最為突出的一個(gè)特點(diǎn)就是簡(jiǎn)潔。 Mathcad 是因?yàn)樘峁┝宋淖痔幚怼⒂?jì)算、圖形的統(tǒng)一環(huán)境中而深受中學(xué)生歡迎。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。該系統(tǒng)能 夠統(tǒng)計(jì)和測(cè)量許多交通流指標(biāo)的參數(shù)，如總行程時(shí)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(shí)間段，小時(shí) /分鐘車流量，車輛密度，平均車速等。現(xiàn)代交通飛速的發(fā)展和車牌識(shí)別系統(tǒng)的應(yīng)用范圍不斷的加寬，這樣人們對(duì)車牌識(shí)別系統(tǒng)就提出了更嚴(yán)格的要求。所以根據(jù)數(shù)字而言，有七個(gè)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(duì)車牌識(shí)別系統(tǒng)的要求要變的很高。因而進(jìn)一步加深車牌定位的研究是必要的。到現(xiàn)在為止，在眾多的車牌自動(dòng)識(shí)別系統(tǒng)中還沒有一個(gè)可以完全達(dá)到理想的效果，所以對(duì)車牌識(shí)別技術(shù)的研究意義重大。車牌識(shí)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 2 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(chǔ)，操作更容易，得出車牌識(shí)別系統(tǒng)便捷絕對(duì)是人工車牌識(shí)別所不能媲美的，它包含著很大的經(jīng)濟(jì)價(jià)值和發(fā)展前景，因此車牌識(shí)別技術(shù)的研究是非常有的必要的。 改善圖像的質(zhì)量是圖像增強(qiáng)的主要目的。 車牌識(shí)別系統(tǒng)是一項(xiàng)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(jì)算機(jī)視覺、模式識(shí)別、數(shù)字視頻處理等技術(shù)組成。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(shí)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(shí)別等。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。 智能 交通的系統(tǒng)中，車牌自動(dòng)識(shí)別系統(tǒng)是一個(gè)非常重要的發(fā)展方向。在美國(guó)、歐洲、日本等這些發(fā)達(dá)國(guó)家的帶動(dòng)下，世界各國(guó)也都開始簡(jiǎn)歷智能交通系統(tǒng)。 在圖像應(yīng)用和研究中 ,人們僅僅對(duì)圖像的某些部分感到興趣。根據(jù)實(shí)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(duì)車牌定位準(zhǔn)確度的影響 [4]。國(guó)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