【正文】 否 為 7結(jié) 束YNYN 圖 車牌分割流程圖 程序設(shè)計(jì) 主要代碼： %ex1505 clc clear filename=39。 %%%%%%調(diào)用 select 函數(shù) BW2 = I_edge。h39。 p_h=find(((p_h(1:end1)p_h(2:end))~=0))。 k=k+1。 p_ratio(i)=(p{i}(4)p{i}(3))/(p{i}(2)p{i}(1))。 p{i+1}(3)=min(p{i}(3),p{i+1}(3))。 for i=1:m pp{i}=p{ncount(index(i))}。T=*max(p_ratio)。clear x。) figure(3) imshow(IM3)。) end %存儲車牌圖像 if(k==1) imwrite(I(index(1)2:index(2),index(3):index(4)),39。)。 out(:,t) = charvec。 for t=1:7 for t2=1:5 Atemp=sum(bw_7050((t*109:t*10),(t2*109:t2*10)))。square39。 Ibox = []。 for t = 1:5 Ic2((t1)*10+1:t*10,:) = sortrows(Ic2((t1)*10+1:t*10,:),4)。 y2=y2temp。 while (sum(bw(:,tB))==y2temp) x2=x21。 [R,Q] = size(alphabet)。traingdx39。 = 5000。在 BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程中，對該識別算法的識別率統(tǒng)計(jì)結(jié)果如表 41 所示： 表 41 識別率 數(shù)據(jù)統(tǒng)計(jì) 正確識別率 樣本數(shù) =5 樣本數(shù) =10 樣本數(shù) =15 % % % 由于受到時(shí)間以及其他一些客觀條件的限制，本次樣本的正確率約 87%，且對于一些比較相似的字符識別產(chǎn)生失誤，例如“ 8”與“ B”，“ 7”與“ 2”，“ 1”與“ I”等。該分類器由 3 個(gè)子 BP 神經(jīng)網(wǎng)絡(luò)組成，即漢字網(wǎng)絡(luò)、字母網(wǎng)絡(luò)以及字母數(shù)字網(wǎng)絡(luò)。 南湖學(xué)院 畢業(yè)設(shè)計(jì)（論文） 32 參考文獻(xiàn) [01] 張方櫻，巢佰崇，陳雪豐．車牌自動識別系統(tǒng) [J]．武漢大學(xué)， 2020， 3(3)： 4950． [02] 歐陽文衛(wèi)，羅三定，車牌定位算法研究 [J]．湖南工業(yè)職業(yè)技術(shù)學(xué)院學(xué)報(bào)， 2020， 6(4)： 3335． [03] 林立，何為，韓力群，汽車牌照自動識別技術(shù)的現(xiàn)狀與發(fā)展 [J]．北京輕工業(yè)學(xué)院學(xué)報(bào)， 2020，19(l)： 3640． [04] 袁卉平．基于 MATLAB 的車牌識別系統(tǒng)的設(shè)計(jì)與研究 [J]．廣西：廣西工學(xué)院工業(yè)控制計(jì)算機(jī)，2020． [05] 胡小峰，趙輝． Visual Ｃ ++/MATLAB 圖像處理與識別案例精選 [M]．人民郵電出版社， 2020． 58－ 81． [06] 許錄平 ．?dāng)?shù)字圖像處理（ MATLAB 版） [M]．北京： 科學(xué) 出版社， 2020． [07] N Ostu. A threshold selection method from graylevel histogram[J]. IEEE Trans Systems Man Cyberic, 1978, 8:6265. [08] JuneLee Dong, WhanLee Secong. A new Methodology for GraySeale Character Segmentation and Recognition[J]. IEEE Trans on Pattern Analysis and Machine Intelligence,1996,18(10):526527. [09] 陳永超．基于數(shù)字圖像處理的車牌識 別研究：［ D］．武漢：武漢理工大學(xué)控制理論與控制工程，2020． [10] 趙陽．基于圖像工程與框架理論識別人體細(xì)胞的智能技術(shù)研究： [D]．內(nèi)蒙古：內(nèi)蒙古科技大學(xué)激光先進(jìn)制造技術(shù) ． 2020． [11] 張鐵弓．基于 DSP 的微光視頻圖像實(shí)時(shí)處理研究：［ D］．武漢：武漢理工大學(xué)檢測技術(shù)與自動化裝置， 2020． [12] 崔江，王友仁．車牌自動識別方法中的關(guān)鍵技術(shù)研究 [J]．計(jì)算機(jī)測量與控制， 2020， 11（ 4）：260－ 262． [13] SUN Dongwei, ZHU Chenghui, ’Skew Angle Detection of the Vehicle License Plate Image and Correct Based on Radon’ Transformation[J]. Microputer Applications China, , 2020, . [14] 賈曉丹，李文舉，王海姣．一種新的基于 Radon 變換的車牌傾斜校正方法 [J]．計(jì)算機(jī)工程與應(yīng)用． 2020， 44(3)： 245148． [15] 劉同焰．車牌識別的相關(guān)算法研究與實(shí)現(xiàn) [D]．廣州：華南理工大學(xué)應(yīng)用數(shù)學(xué)． 2020． [16] Y Liu. A novel approach of segmenting touching and kerned character[A].In: Proceeding 8th International Conference on Neural Information Processing[8],2020. [17] 熊哲源，樊曉平，黎燕．基于數(shù)學(xué)形態(tài)學(xué)邊緣檢測的車牌字符分割算法．計(jì)算機(jī)應(yīng)用． ， 2020． [18] 周景超，陳鋒， 陳為多，王家捷．車牌字符分割的研究和實(shí)現(xiàn)．計(jì)算機(jī)工程， 2020， 32(5)：238243． [19] 陳黎，黃心漢，王敏等．基于聚類分析的車牌字符分割方法．計(jì)算機(jī)工程與應(yīng)用， 2020， 38(6)：221256． [20] 李文舉，梁德群．質(zhì)量退化的車牌字符分割方法 [J]．計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)報(bào)， 2020， 6(5)：697700． [21] 葉晨洲，廖金周，梅帆．車輛牌照字符識別系統(tǒng) [J]．計(jì)算機(jī)系統(tǒng)應(yīng)用， 1999（ 5）： 1013． [22] 石偉 ， 孫永榮 ． BP 神經(jīng)網(wǎng)絡(luò)在車牌識別技術(shù)中的應(yīng)用 [J]． 工業(yè)控制計(jì)算機(jī)． 2020． 23(4)： 1719． 南湖學(xué)院 畢業(yè)設(shè)計(jì)（論文） 33 [23] 楊艷群，標(biāo)準(zhǔn)尚未統(tǒng)一，技術(shù)仍需完善，我國車輛牌照自動識別技術(shù)發(fā)展綜述 [N]．中 國交通報(bào)， 202092． [24] 李一舒．車牌字符識別的改進(jìn)算法研究 [D]．浙江：浙江大學(xué)． 2020． [25]。 最后，綜合對車牌識別系統(tǒng)的相關(guān)算法研究，在其基礎(chǔ)上實(shí)現(xiàn)了一個(gè)小的車牌識別系統(tǒng)，根據(jù)仿真、測試結(jié)果表明，該系統(tǒng)具有實(shí)際應(yīng)用的價(jià)值，甚至可以投入生產(chǎn)。此外， BP 神經(jīng)網(wǎng)絡(luò)的具有比其他方法高的并行性和容錯(cuò)性。 P = alphabet。 {2,1} = {2,1}*。 S1 = 10。 end tB=y2temp。 while (sum(bw(:,tB))==y2temp) x1=x1+1。 ind = Ic2(:,4)。 Ic = []。 Iedge2 = imdilate(Iedge, se)。 end end lett=((100lett)./100)。 T = [eye(10) eye(10) eye(10) eye(10)]。title(39。)?；叶扰蛎浐髨D像 39。 % 清空部分變量 %%%%%%%%%%%%%%%%顯示 figure(1) imshow(I)。p_ratio(i)20) p1{m}=p{i}。 end p=pp。 %向后合并 n=n+1。x,y 分別為行 ,列坐標(biāo) %p_ratio 為一矩陣，用來存放圖像塊的長寬比例 %%%%%%%%%%合并臨近區(qū)域 %%%%%%% %如果有多個(gè)區(qū)域則執(zhí)行合并 if k1 n=0。 %%%%%%%%%%%%%%進(jìn)一步縮小車牌候選區(qū) for i=1:k edge_IM3=double(edge(double(IM3(p{i}(1):p{i}(2),p{i}(3):p{i}(4))),39。 %%%%% p_v=double((p_v5))。 %調(diào)用 projection 函數(shù) if(p_h(1)0) p_h=[0,p_h]。rectangle39。 南湖學(xué)院 畢業(yè)設(shè)計(jì)（論文） 17 I=im2gray(filename)。該語言具有四大特點(diǎn)：（ 1）具有豐富的工具箱，功能十分強(qiáng)大，支持的圖像文件格式非常豐富，如 *.BMP、 *.JPG、 *.JPEG、*.GIF、 *.TIF、 *.TIFF、 *.PNG、 *.PCX、 *.XWD、 *.HDF、 *.ICO、 *.CUR 等， 提供了 20 多類圖像處理函數(shù)，幾乎涵蓋 了圖像處理的所有技術(shù)方法，是學(xué)習(xí)和研究圖像處理的人員難得的寶貴資料和加工工具箱；（ 2）具有超強(qiáng)的數(shù)值運(yùn)算功能，超過 500種數(shù)學(xué)、統(tǒng)計(jì)、科學(xué)以及工程方面的函數(shù)運(yùn)算，并且簡單快捷；（ 3）具有強(qiáng)大的數(shù)據(jù)可視化功能，高質(zhì)量的圖形；（ 4）具有開放式的構(gòu)架和可延拓的特性，除了內(nèi)部函數(shù)外，MATLAB 主包文件和各種工具箱均可讀可改，還可以加入自己的函數(shù)構(gòu)成新的工具包。經(jīng)過訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)不僅可以有效地提取信號、圖像等感知模式的特征，還可以調(diào)試現(xiàn)有的啟發(fā)模式識別系統(tǒng)，使其更好的解決不變量探測、自適應(yīng)、抽象或者概括等一些常見問題，也就是說神經(jīng)網(wǎng)路可以很好的應(yīng)用于數(shù)組識別系統(tǒng)算法的設(shè)計(jì)之中。 隨著我國的數(shù)字圖像處理技術(shù)的發(fā)展以及實(shí)際應(yīng)用，我國利用數(shù)字圖像處理技術(shù)對字符進(jìn)行處理識別的技術(shù)也有所進(jìn)展，目前國內(nèi)比較具有代表性的研究院、高校有清華大學(xué)、北京信息工程學(xué)院、中字漢王、北京郵電大學(xué)、沈陽自動化 等。隨著計(jì)算機(jī)的日益發(fā)展，約在 29 世紀(jì) 40 年代， OCR(字符識別 Optical Character Recognition,簡稱 OCR)系統(tǒng)問世，但在當(dāng)時(shí)也只是商業(yè)界的數(shù)據(jù)處理手段。 （ 4）之后的英文字母和阿拉伯?dāng)?shù)字不存在不連通性的問題，所以只要利用第一個(gè)閾值 threshold 1 就可以分割出車牌剩下的字符。由于投影法比較準(zhǔn)確、編程較簡單，且易于實(shí)際操作，能滿足在復(fù)雜環(huán)境下，所以本文采用的是投影法分割車牌字符。 180176。)s i n39。主要的三種傾斜方式是： 水平上的傾斜、垂直上的傾斜、水平和垂直上的傾斜。根據(jù)這種特性，可以檢測到車牌的區(qū)域，即車牌區(qū)域定位法，這種初步定位后的車牌還需要進(jìn)一步微定位。拉斯算 子前幾種算子都是通過計(jì)算一階導(dǎo)數(shù)來檢測邊緣，但這幾種算子導(dǎo)致檢測到的邊緣點(diǎn)過多，不利于后期處理。這種方法 簡單，且處理速度快，但在降低噪聲的同時(shí)使圖像產(chǎn)生了模糊，尤其是在邊緣與細(xì)節(jié)處。 從二值圖像可以得到圖像中對象物的形狀特征的主要信息。但在車牌識別時(shí)，我們需要徹底的從原始圖像中分離出目標(biāo)。因此，研究者常常通過灰度變換和直方圖均衡化來增強(qiáng)對比度，以改善視覺效果。因而，我們需要對原始圖像進(jìn)行灰度化，以便減小圖像占用的存儲空間。當(dāng)機(jī)動車輛在路過預(yù)先設(shè)置好的攝像頭并達(dá)到觸發(fā)條件，攝像頭即可拍攝出原始圖像，圖像采集卡將所拍攝的圖像從視頻信號轉(zhuǎn)化為數(shù)字信號傳輸?shù)接?jì)算機(jī)中，這就完成了車牌的獲取過程。其中最關(guān) 鍵的是數(shù)字識別技術(shù)。也就是說，一個(gè)好的車牌識別系統(tǒng)的前提是有一個(gè)好的車牌分割模 塊，無法將字符很好的從原始圖像中分割出來，意味著字符無法被準(zhǔn)確的識別，也就意味著該車牌自動識別系統(tǒng)無法投入實(shí)際中應(yīng)用。由于 VECON 系統(tǒng)和 VLPRS 系統(tǒng)都只是適合于當(dāng)?shù)氐能嚺?，摒?See Car System 對我國的漢字識別較低，加上我國車牌自動識別的研究起步較晚，且我國的車牌并不規(guī)范，多樣化，不同的車型車牌規(guī)格、大小、顏色也不同，這也就造成了對車牌識別相當(dāng)大的困難。 目前，一個(gè)完整的車牌識別系統(tǒng)需要完成從圖像采集到字符的識別以及輸出的復(fù)雜過程，需 要硬件和軟件兩大組成部分。目前，全球各國都在研究適合于本國的車牌識別系統(tǒng)，美國、日本、韓國等諸多國家都已經(jīng)研究出相關(guān)的識別系統(tǒng)（基于傳感器）。 學(xué)號： 南湖學(xué)院 畢業(yè)設(shè)計(jì)（論文） 題 目： 基于 MATLAB 的車牌分割 及數(shù)字識別算法設(shè)計(jì) 作 者 屆 別 系 別 機(jī)械與電子工程系 專 業(yè) 電子信息工程 指導(dǎo)老師 職 稱 完成時(shí)間 I 摘 要 車牌識別技術(shù)是智能道路交通管理的重要內(nèi)容，其識別的準(zhǔn)確性和可靠性直接影響到交通管理系統(tǒng)的性能。 Digital identification III 目 錄 摘 要 .......................................................................