【導(dǎo)讀】據(jù)我所知，除文中已經(jīng)注明引用的內(nèi)容外，本論文（設(shè)計(jì)）不包含其他個(gè)人已經(jīng)發(fā)表?；蜃珜?xiě)過(guò)的研究成果。對(duì)本論文（設(shè)計(jì)）的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中作。了明確說(shuō)明并表示謝意。電子版和紙質(zhì)版。有權(quán)將論文（設(shè)計(jì)）用于非贏利目的的少量復(fù)制并允。許論文（設(shè)計(jì)）進(jìn)入學(xué)校圖書(shū)館被查閱。保密的論文（設(shè)計(jì)）在解密后適用本規(guī)定。類(lèi)論文正文字?jǐn)?shù)不少于萬(wàn)字。家技術(shù)標(biāo)準(zhǔn)規(guī)范。圖表整潔，布局合理，文字注釋必須使用工程字書(shū)寫(xiě)，不準(zhǔn)用徒手畫(huà)?？毓芾硐到y(tǒng)的主要功能模塊之一，汽車(chē)牌照識(shí)別技術(shù)的研究有重要的現(xiàn)實(shí)應(yīng)用意義。的自動(dòng)識(shí)別方法，包括圖像的預(yù)處理、車(chē)牌定位與提取、字符分隔和提取。提取的圖像進(jìn)行字符分割，最后利用字符寬高將分割字符提取。研究背景及意義················&

　　

【正文】 下 MATLAB石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 25 實(shí)現(xiàn)： figure。 for k=findmax1:findmax+5 cleft=markcol5(k)maxwidth/2。 cright=markcol5(k)+maxwidth/22。 SegGray=subcol(rowtop:rowbot,cleft:cright)。 SegBw1=sbw(rowtop:rowbot,cleft:cright)。 SegBw2 = imresize(SegBw1,[32 16])。 %變換為 32 行 *16 列標(biāo)準(zhǔn)子圖 subplot(2,n1,l),imshow(SegGray)。 if l==7 title([39。車(chē)牌字符寬度： 39。,int2str(maxwidth)],39。Color39。,39。r39。)。 end subplot(2,n1,n1+l),imshow(SegBw2)。 l=l+1。 end 程序中 markcol5 為字符峰中心位置， maxwidth 為字符寬度， (rowbot –rowtop+1) 為字符高度， SegGray 為分割出的車(chē)牌灰度圖像， SegBw1 為二值圖像，大小為 (rowbot –rowtop+1)行 * maxwidth 列， SegBw2 為歸一化二值圖像，大小為 32 行 *16 列。分割出來(lái)的結(jié)果如圖 46 所示： 圖 46 識(shí)別結(jié)果 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 26 為了使下一步的字符識(shí)別順利進(jìn)行，識(shí)別前要對(duì)單個(gè)字符歸一化，以保證每個(gè)不同的字符識(shí)別時(shí)都有一致的標(biāo)準(zhǔn)輸入。歸一化包括位置的歸一化和大小的歸一化。 所謂位置歸一化，是為了消除字符點(diǎn)陣位置上的偏差而將整 個(gè)字符點(diǎn)陣圖形移動(dòng)到規(guī)定的位置上的過(guò)程。實(shí)現(xiàn)程序中采用 markcol5 字符峰中心位置來(lái)實(shí)現(xiàn)位置定位歸一化。 所謂大小歸一化，就是對(duì)不同大小的字符做變換，使之成為同一尺寸大小的字符。實(shí)現(xiàn)程序中采用空間變換將分割出的大小為 (rowbot –rowtop+1)行 * maxwidth 列的二值圖像 SegBw1 歸一化為大小為 32 行 *16 列的二值圖像 SegBw2。 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 27 第 5 章 汽車(chē)牌照字符識(shí)別 字符識(shí)別屬于模式識(shí)別的范疇，是迄今為止模式識(shí)別領(lǐng)域中發(fā)展最成熟并得到最廣泛應(yīng)用的一個(gè)方面。早在 1929 年 Tauschek 就試圖用模 板匹配的方法來(lái)識(shí)別十個(gè)印刷替阿拉伯?dāng)?shù)字，在文字識(shí)別的真正發(fā)展還是在計(jì)算機(jī)科學(xué)技術(shù)有了長(zhǎng)足的進(jìn)步之后。按識(shí)別對(duì)象，文字識(shí)別分為西文字符，阿拉伯叔祖和漢字識(shí)別等，它們由可分為印刷體和手寫(xiě)體的識(shí)別，手寫(xiě)體字符的字體、大小千變?nèi)f化因此此印刷體識(shí)別困難得多。模式識(shí)別主要用兩類(lèi)方法進(jìn)行，統(tǒng)計(jì)方法和結(jié)構(gòu)方法，許多具體的模式識(shí)別方法都可以歸結(jié)到這兩種方法中來(lái)。近來(lái)，模式識(shí)別中也應(yīng)用了模糊數(shù)學(xué)的方法，取得良好效果，神經(jīng)網(wǎng)絡(luò)作為一種有力的工具，在模式識(shí)別中得到越來(lái)越多的應(yīng)用。下面簡(jiǎn)單介紹幾種已有的車(chē)牌字符識(shí)別的方法。 字符識(shí)別方法簡(jiǎn)介 （ 1） 模板匹配法 這個(gè)方法是把輸入的字符直接和標(biāo)準(zhǔn)的字符原型進(jìn)行比較，找到與之最匹配的模板。模板匹配對(duì)噪聲很敏感，而且對(duì)字符的字體風(fēng)格不具有適應(yīng)性。在對(duì)車(chē)牌中的漢字識(shí)別中，由于它的漢字只有有限的幾個(gè)，可以考慮構(gòu)建標(biāo)準(zhǔn)字庫(kù)來(lái)進(jìn)行模板匹配。 （ 2） 特征分析匹配的方法 這類(lèi)方法是基于特征平面來(lái)進(jìn)行匹配的，是使用率較高的一種方法，相比較于模板匹配而言，它能更好的獲得字符的特征，有的特征對(duì)噪聲是不明顯的。 （ 3） 神經(jīng)網(wǎng)絡(luò)識(shí)別方法 此方法是利用神經(jīng)網(wǎng)絡(luò)的機(jī)制來(lái)提取字符中存在的特征。訓(xùn)練已有的樣本 ，從而構(gòu)建一個(gè)穩(wěn)定的神經(jīng)網(wǎng)絡(luò)來(lái)進(jìn)行識(shí)別。神經(jīng)網(wǎng)絡(luò)訓(xùn)練的缺點(diǎn)是可能會(huì)需要很長(zhǎng)的時(shí)間，不過(guò)訓(xùn)練好的網(wǎng)絡(luò)可以方便的用于識(shí)別。 模板匹配 建立樣本庫(kù) 根據(jù)實(shí)際情況，將部分地區(qū)的汽車(chē)牌照單個(gè)字符進(jìn)行編輯，建立一個(gè)車(chē)牌照識(shí)別樣本庫(kù)，樣本庫(kù)可利用繪圖工具建立，字符根據(jù)實(shí)際情況設(shè)定大??；并將樣本庫(kù)放入文檔中以備自動(dòng)識(shí)別時(shí)使用。 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 28 自動(dòng)識(shí)別 用模板庫(kù)中的字符圖像矩陣與待識(shí)字符圖像矩陣作減法，求最小誤差，即其相似度，將最相似的模板庫(kù)中的字符圖像矩陣的代碼作為識(shí)別結(jié)果，并顯示出來(lái)。 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 29 第 6 章 結(jié) 論 本文主要針對(duì)對(duì)車(chē)牌識(shí)別系統(tǒng)的軟件部分進(jìn)行了研究和編譯，分別從圖像預(yù)處理、車(chē)牌定位、字符分割以及字符識(shí)別等方面進(jìn)行了分析。 本文開(kāi)始整理和總結(jié)了國(guó)內(nèi)外在車(chē)牌定位、分割、字符識(shí)別方面的研究成果和發(fā)展方向，系統(tǒng)的介紹了我國(guó)車(chē)牌的固有特征，以及車(chē)牌識(shí)別的特點(diǎn)等內(nèi)容。 本文設(shè)計(jì)了一個(gè)汽車(chē)牌照自動(dòng)識(shí)別系統(tǒng)，包括圖像預(yù)處理、車(chē)牌定位、字符分割及車(chē)牌識(shí)別。首先對(duì)圖像進(jìn)行預(yù)處理，將彩色圖像轉(zhuǎn)化為灰度圖像，然后對(duì)灰度圖像采用基于灰度跳變的方法進(jìn)行二值化處理，提取車(chē)牌照邊緣信息，既保留了車(chē)牌區(qū)域的信息，又減少了噪聲的干擾 ，提高了后續(xù)處理的速度；然后運(yùn)用基于藍(lán)色象素點(diǎn)統(tǒng)計(jì)特性的方法對(duì)車(chē)牌是藍(lán)色的車(chē)牌進(jìn)行定位，結(jié)果表明準(zhǔn)確的定位了車(chē)牌照區(qū)域。最后利用二次水平投影方法對(duì)車(chē)牌照字符進(jìn)行了分割。 本系統(tǒng)只適合藍(lán)底白字的車(chē)牌照，對(duì)其他的車(chē)牌照沒(méi)有設(shè)計(jì)到，因此也有具有一定的局限性，由于沒(méi)有實(shí)際拍攝照片所以網(wǎng)絡(luò)照片分割有誤差，有待以后改進(jìn)，另外由于樣本庫(kù)沒(méi)有建立成功，因此未完成車(chē)牌的識(shí)別功能，有待進(jìn)一步的研究。 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 30 參考文獻(xiàn) [1] 葉晨洲等 .車(chē)輛牌照字符識(shí)別 [J].上海交通大學(xué)學(xué)報(bào) .～ 6 [2] 劉智勇 ,劉迎建 .車(chē)牌識(shí)別（ LPR）中的圖像提取及分割 [J].中文信息學(xué)報(bào)， (4):29～34 [3] 張禹 ,馬駟良 ,韓笑 ,張忠波 .車(chē)牌識(shí)別中的圖像提取及分割算法 [J].吉林大學(xué)學(xué)報(bào) .44卷第 3期 .407～ 410 [4] 劉佐濂 ,鄧榮標(biāo) ,孔嘉圓 .中國(guó)科技信息 [J].2020（ 23期） 9～ 12 [5] 宋建才 .汽車(chē)牌照識(shí)別技術(shù)研究 [J].工業(yè)控制計(jì)算機(jī) .～ 45 [6] 韓勇強(qiáng) ,李世祥 .汽車(chē)牌照子圖像的定位算法 [M].微型電腦運(yùn)用， ～ 65 [7] 王枚 ,王國(guó)宏 .基于伴生與互補(bǔ)顏色特征的車(chē)牌字符分割技術(shù) [J].山東大學(xué)學(xué)報(bào) . 37卷第 1期 .2～ 4 [8] 賀興華 ,周媛媛 ,王繼陽(yáng)等 .MATLAB 圖像處理 [M].人民郵電出版社 ,～ 100 [9] 龔聲蓉 ,劉純平 ,王強(qiáng) . 數(shù)字圖象處理與分析 [M]. 清華出版社 .～ 29 [10] 劉陽(yáng) ,伊鐵源等 .數(shù) 字圖象處理應(yīng)用于車(chē)輛牌照的識(shí)別 [J].遼寧大學(xué)學(xué)報(bào) .～ 68 [11] 章毓晉 .數(shù)字圖象處理和分析 [M].清華大學(xué)出版社 .～ 261 [12] 崔屹 .圖象處理與分析 — 數(shù)學(xué)形態(tài)學(xué)方法及應(yīng)用 [M].北京科學(xué)出版社 .2020 [13] 袁志偉 ,潘曉露 .車(chē)輛牌照定位的算法研究 [J].昆明理工大學(xué)學(xué)報(bào) .(2): 56～ 60 [14] 梁瑋 ,羅劍鋒 ,賈云得 .一種復(fù)雜背景下的多車(chē)牌圖像分割與識(shí)別方法 [D]. 2020 [15] 羅希平 ,田捷等 .圖象分割方法練述 [J].模式 識(shí)別與人工智能， (3): 300～ 312 [16] 張興會(huì) ,劉玲 ,杜升之 .車(chē)牌照定位及傾斜校正方法研究 [J].系統(tǒng)工程與電子技術(shù) .(2): 237～ 239 [17] 葉晨洲 ,楊杰 ,宣國(guó)榮 .車(chē)輛牌照字符識(shí)別 [J].上海交通大學(xué)學(xué)報(bào) .(34)： 672～ 675 [18] 魏武 ,黃心漢 ,張起森等 .一種基于垂直字符邊界特征的車(chē)牌定位方法 ,中國(guó)公路學(xué)報(bào) , 2020.(4).8890 [19] ， ， Techniques for Analog And Digitial Ciruits,McGrawHill [20] ANALOG technology of AT89C51[EB/OL].White Paper, 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 31 致 謝 在整個(gè)畢業(yè)設(shè)計(jì)中 ,我的指導(dǎo)老師鄭偉副教授給予了我很細(xì)心的指導(dǎo) ,從選題到完成論文 ,鄭老師都給了我很多中肯的意見(jiàn) ,使我明確了目標(biāo)和方法 .在設(shè)計(jì)過(guò)程中 ,鄭老師又幫我解決了疑難 ,在關(guān)鍵問(wèn)題上點(diǎn)撥了我 ,我才能順 利完成設(shè)計(jì) .在此 ,我向鄭老師表示我最衷心的敬意和感謝。 最后謝謝各位同學(xué)和朋友們?cè)诰帉?xiě)程序上給予我的大力幫助！ 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 32 附 錄 附錄 A 外文資料 Car license plates recognition system Along with the increase in the number of countries around the world, city car traffic increasingly attention on how to effectively L traffic management, has bee more and more governments and the relevant departments have the focus. To solve this problem, we use the advanced science and technology, we have developed the developed various traffic surveillance, management system, these systems are usually include vehicle detection device, through these devices on passing vehicles conduct test on traffic data extraction, in order to achieve monitoring, management and directing traffic purpose car licence plate recognition technology is one of the important vehicle detection system in traffic link monitoring and control, play an important role, has a wide variety of applications, such as automatic charge system, no parking capture to expend, stolen vehicle searches, parking lot vehicle management, special department vehicle access control, etc. Meanwhile, car licence plate recognition method can also be used to other detection and identification field so car licence to identify the problem has bee a modern traffic engineering field research hotspot and focus of one problem. Car license plates recognition system is for specific goals licence plates special puter vision system, is the puter vision and pattern recognition technology application in intelligent transportation one of the major issues, it can be used widely in the traffic flow testing, traffic control and induction, airports, ports, the vehicle management, no parking fee, running red lights automatic monitoring peccancy vehicles and vehicle safety guard against theft and other fields, and has a broad application prospect. Car license plates recognition system is an important part in intelligent transportation system, is a hitech highway traffic monitoring management system one of the main functional modules. It in traditional traffic monitoring technology is introduced on the basis of digital camera, technology and puter information management technology, USES the advanced image processing, pattern recognition and artificial intelligence technology, through to the vehicle image collection and processing of the digital information, obtain 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計(jì) 33 vehicles, so as to achieve higher intelligent management level. This system is the tsinghua university electrical engineering department, intelligent graphic information processing laboratory research and developed, it utilizes the only vehicle license plate is marking the identity to intelligent identification and ideological concepts, involving the statistical vehicle image capture, processing, understanding and recording techniques. 1. The system working principle: A plete license plate identification process generally includes the following three main steps: first, through the camera will contain car licence information car image filmed, converted to digital image, the deposit in the puter used to deal with, and some necessary pretreatment work。 Next, want to from containing the plex background plate information segment the license plate area。 Then on license character recognition former pretreatment, feature extraction and recognition. When vehicles, vehicle detection device through by trigger, start image acquisition equipment acquisition vehicle positively or negatively image, and will be handed to the puter, the image license plate location module extract, sungi1 module on the character of license plate character recognition, and finally by segmentation module character recognition and will identify results sent to the monitoring center or cashier39。s installations. 2. The license plate identification technique research status: Current license plate recognition system can be widely used in the following fields: (1) the freeway tolling management system: in the expressway toll collection plete license number respectively, and export Identify and license plate matching work. The vehicles can be found that the change to the card act, the cashier at frauds, Maintain owner interests。 (2