【正文】 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(shí)際拍攝過程也會(huì)受到環(huán)境亮度、拍攝亮度、車輛速度等等因素的影響。 （ 2）牌照字符分割 : 在 完成牌照區(qū)域的定位后， 還需要 將牌照區(qū)域分割成單個(gè)字符，然后進(jìn)行 字符 識(shí)別 ，最后輸出結(jié)果。 五：字符識(shí)別：利用模板匹配的方法與數(shù)據(jù)庫中的字符 進(jìn)行匹配從而確認(rèn)出字符。 車牌定位是要完成從圖像中確定車牌位置并提取車牌區(qū)域圖像，目前常用的方法有：基于直線檢測的方法、機(jī)遇與域值化的方法、基于灰度邊緣檢測方法、基于彩色 5 圖像的車牌分割方法、神經(jīng)網(wǎng)絡(luò)法和基于矢量量化的牌照的定位的方法等。 車牌識(shí)別研究內(nèi)容 車牌系統(tǒng)是計(jì)算機(jī)視覺和模式識(shí)別技術(shù)在智能交通領(lǐng)域的重要應(yīng)用課題之一。 2）公路自動(dòng)管理系統(tǒng)。此外，當(dāng)車輛區(qū)域的顏色和附近顏色相近時(shí)，定位失誤率會(huì)增加。在上世紀(jì) 70 年代，英國就在實(shí)驗(yàn)室中完成了“實(shí)時(shí)車牌檢測系統(tǒng)”的廣域檢測和開發(fā)。國外車牌比較規(guī)范統(tǒng)一，而我國車牌規(guī)范不夠，較為多樣化。我國標(biāo)準(zhǔn)車牌照是由漢字、英文字母和阿拉伯?dāng)?shù)字組成的，漢字的識(shí)別與字母和數(shù)字的識(shí)別有很大的不同，增加了識(shí)別的難度。傳統(tǒng)車牌識(shí)別一般僅支持單一車輛，背景比較簡單。目錄 1 緒論 ................................................ 1 車牌號識(shí)別研究背景 .............................................. 1 車牌號識(shí)別技術(shù)研究現(xiàn)狀和趨勢 .................................... 2 車牌識(shí)別研究內(nèi)容 ................................................ 4 2 車牌識(shí)別系統(tǒng)設(shè)計(jì)原理概述 ............................. 6 3 車牌識(shí)別系統(tǒng)程序設(shè)計(jì) ................................. 8 開發(fā)環(huán)境選擇 .................................................... 8 圖像讀取及車牌區(qū)域提取 .......................................... 8 字符切割 ....................................................... 15 字符識(shí)別 ....................................................... 19 4 仿真結(jié)果及分析 ..................................... 22 車牌定位及圖像讀取及其圖像處理 ................................. 22 車牌字符分割及其圖像處理 ....................................... 22 車牌字符識(shí)別及其圖像處理 ....................................... 23 5 結(jié)論 ............................................... 24 參考文獻(xiàn) .............................................. 25 致謝 .................................................. 26 附錄：程序清單 ........................................ 27 1 1 緒論 車牌號識(shí)別研究背景 隨著我國公路交通事業(yè)的發(fā)展，車輛的數(shù)量正在迅速增長，在給出行提供方便的同時(shí)，車輛管理上存在的問題日益突出，人工管理的方式已經(jīng)不能滿足實(shí)際的需要。另外，對輔助光源要求高，也很難有效解決復(fù)雜背景下多車牌移動(dòng)識(shí)別的技術(shù)難題，如：車牌圖像的傾斜、車牌表面污穢或磨損、光線干擾等都會(huì)影響定位的準(zhǔn)確性。而我國則根據(jù)不同車型、用途，規(guī)定了多種牌照格式，例如分為軍車、警車、普通車等。這是因?yàn)槲覈膶?shí)際情況與國外有所區(qū)別。國外在這方面的研究工作開展較早。但是包括其他研究人員提出的算法，都存在計(jì)算量和存儲(chǔ)量大的問題，難以滿足實(shí)時(shí)性的要求。利 用車牌識(shí)別技術(shù)對出入車輛的號牌進(jìn)行識(shí)別和匹配，與停車卡結(jié)合實(shí)現(xiàn)自動(dòng)計(jì)時(shí)、計(jì)費(fèi)的車輛收費(fèi)管理系統(tǒng)。社區(qū)保安系統(tǒng)將出入的車輛通過車牌識(shí)別技術(shù)進(jìn)行記錄，將結(jié)果與內(nèi)部車輛列表對比可以實(shí)現(xiàn)防盜監(jiān)管。車牌識(shí)別的關(guān)鍵技術(shù)有：車牌定位、字符切割和字符識(shí)別等。 四：字符分割：利用投影檢測的字符定位分割方法得到單個(gè)的字符。 通過以上步驟，牌照一般能夠被定位。實(shí)際應(yīng)用中，牌照識(shí)別系統(tǒng)的識(shí)別率與牌照質(zhì)量和拍攝質(zhì)量密切相關(guān)。 圖像讀取及車牌區(qū)域提取 圖像讀取及車牌區(qū)域提取主要有：圖像灰度圖轉(zhuǎn)化、圖像邊緣檢測、灰度圖腐蝕、圖像的平滑處理以及車牌區(qū)域的邊界值計(jì)算。同理對白底黑字的牌照可用 R 通道，綠底白字的牌照可以用 G 通道就可以明顯呈現(xiàn)出牌照區(qū)域的位置，便于后續(xù)處理。)。 Roberts邊緣檢測算子相當(dāng)于用0110??????和 錯(cuò)誤 !未找到引用源。 腐蝕的規(guī)則是輸出圖像的最小值是輸入圖像領(lǐng)域中的最小值，在一個(gè)二值圖像中，只要有一個(gè)像素值為 0，則相應(yīng)的輸出像素值為 0。1Se? 。 即 Se是一個(gè)一個(gè) 25 25? 的矩形，使用矩形是因?yàn)檐嚺剖且粋€(gè)矩形，這樣，可以是提取的圖像最接近預(yù)期效果。 經(jīng)區(qū)域確定了，即可將車牌的四個(gè)邊界值確定下來。分界線計(jì)算后，即可從原圖像中剪切出只包含車牌的區(qū)域圖像。這里采用高通濾波算法。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。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。nearest39。為了去除圖像中的噪聲點(diǎn)必須對截取的圖像進(jìn)行濾波處理，經(jīng)濾波后，不僅去除了噪聲，并且使圖像得到了銳化。 24 5 結(jié)論 本課題對車牌識(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。 因此，本設(shè)計(jì)提出的車牌字符的分割算法實(shí)驗(yàn)證明是準(zhǔn)確、有效、可行的。39?；叶葓D 39。,39。1]。,[25,25])。title(39。%Y方 向車牌區(qū)域確定 PY1=MaxY。 end IY=I(PY1:PY2,:,:)。 while ((Blue_x(1,PX2)3)amp。 t=toc。)。39。 39。)。,3)。square39。... se=eye(2)。 39。 end k1=j。 % 切割出 7 個(gè)字符 30 y1=10。 end if widey1 % 認(rèn)為是左側(cè)干擾 d(:,[1:wide])=0。 % WORD 1 end d(:,[1:wide])=0。 subplot(5,7,1),imshow(word1),title(39。)。639。 word3=imresize(word3,[40 20])。 subplot(5,7,16),imshow(word2),title(39。)。739。 imwrite(word3,39。)。039。蘇豫陜魯 39。 SegBw2=imresize(t,[40 20],39。 kmax=36。 end end % 以上相當(dāng)于兩幅圖相減得到第三幅圖 Dmax=0。 39。})。 subplot(6,7,22:42),imshow(39。b39。 while sum(d(:,wide+1))~=0 amp。 if sum(sum(d))~=0 d=qiege(d)。 else d=[]。amp。 end while sum(d(:,right))==0 amp。QA9wkxFyeQ^! djsXuyUP2kNXpRWXm Aamp。gTXRm 6X4NGpP$vSTTamp。gTXRm 6X4NGpP$vSTTamp。gTXRm 6X4NGpP$vSTTamp。gTXRm6X4NGpP$vSTamp。ksv*3t nGK8! z89Am YWpazadNuKNamp。gTXRm 6X4NGpP$vSTTamp。gTXRm 6X4NGpP$vSTTamp。ksv*3tnGK8!z89Am YWpazadNuKNamp。ksv*3t nGK8! z89AmYWpazadNuKNamp。ksv*3t nGK8!z89Am YWpazadNuKNamp。ksv*3t nGK8!z89Am YWpazadNuKNamp。ksv*3t nGK8! z89Am YWpazadNuGK8! z89Am YWpazadNuKNamp。ksv*3t nGK8! z89Am YWpazadNuKNamp。gTXRm 6X4NGpP$vS TTamp。ksv*3t nGK8!z89Am YWpazadNuKNamp。ksv*3t nGK8! z89Am YWpazadNuKNamp。ksv*3t nGK8! z89Am YWv*3t nGK8! z89Am YWpazadNuKNamp。ksv*3t nGK8!z89Am YWpazadNuKNamp。ksv*3t nGK8! z89Am YWv*3t nGK8! z89Am YWpazadNuKNamp。ksv*3t nGK8! z89Am YWpazadNuKNamp。ksv*3tnGK8!z89Am UE9aQGn8xp$Ramp。ksv*3tnGK8!z89Am YWpazadNuKNamp。UE9aQGn8xp$Ramp。gTXRm6X4NGpP$vSTTamp。gTXRm6X4NGpP$vS TTamp。UE9aQGn8xp$Ramp。gTXRm 6X4NGpP$vSTTamp。gTXRm 6X4NGpP$vSTTamp。gTXRm 6X4NGpP$vSTamp。gTXRm 6X4NGpP$vSTamp。 hh=bottomtop。 bottom=1 bottom=bottom1。bottom=m。 d(:,[1:wide])=0。 [m1,n1]=size(temp)。y1=8。第三步識(shí)別結(jié)果為 : 39。 subplot(6,7,18),imshow(word4)。), xlabel({39。 MinError=min(Error1)。.jpg39。 kmax=40。 for I=1:7 ii=int2str(I)。A39。 imwrite(word7,39。39。)。 subplot(5,7,20),imshow(word6),title(39。339。 word7=imresize(word7,[40 20])。)。 subplot(5,7,5),imshow(word5),title(39。239。 % 分割出第四個(gè)字符 [word4,d]=getword(d)。 all=sum(sum(temp))。 while flag==0 [m,n]=size(d)。 end k2=j1。k2=1。 end imwrite(d,39。/39。)。) figure(8),subplot(3,2,3),imshow(d),title(39。 % T為二值化的閾值 [m,n]=size(b)。 .jpg39。輸入一個(gè)定位裁剪后的車牌圖像 39。 figure(7),subplot(1,2,2),imshow(dw),title(39。%對車牌區(qū)域的校正 PX2=PX while ((Blue_x(1,PX1)3)amp。 end PY2=MaxY。 myI=double(I5)。平滑圖像的輪廓 39。腐蝕后圖像 39。title(39?；叶葓D直方圖 39。原圖 39。正是由于他們，我才能在各方面取得顯著的進(jìn)步，在此向他們表示我由衷的謝意，并祝所有的老師 身體健康、工作順利， 培養(yǎng)出越來越多的優(yōu)秀人才，桃李滿天下！ 27 附錄：程序清單 function [d]=main(jpg) close all clc %I=imread(39。 （ 3）基于彩色分量的定位方法，運(yùn)用基于藍(lán)色象素點(diǎn)統(tǒng)計(jì)特性的方法對車牌是藍(lán)色的車牌進(jìn)行定位。由以上結(jié)果圖可以看到，車牌被切成只含字符部分，并且七個(gè)字符被切成清晰的七個(gè)字符，實(shí)現(xiàn)了字符切割。字符識(shí)別步驟如下： 圖 字符匹配框圖 建立模板字庫表 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 21 字符匹配的準(zhǔn)確度是車牌識(shí)別中的關(guān)鍵部分，所以首先要簡歷精準(zhǔn)有效的模板字庫表，便于切割完的字符與庫中內(nèi)容相比較，接下來是讀取切割的字符，從第一個(gè)字符開始一次與庫中字符相比較匹配，切