【正文】 lett((t1)*5+t2)=sum(Atemp)。 endendlett=((100lett)./100)。lett=lett39。%%%%%%%%%%%%%%%%%%%%function img = myimgpreprocess(I)Igray = rgb2gray(I)。Ibw = im2bw(Igray,graythresh(Igray))。Iedge = edge(uint8(Ibw))。se = strel(39。square39。,3)。Iedge2 = imdilate(Iedge, se)。 Ifill= imfill(Iedge2,39。holes39。)。 南湖學(xué)院畢業(yè)設(shè)計(jì)（論文）28[Ilabel num] = bwlabel(Ifill)。Iprops = regionprops(Ilabel)。Ibox = []。Ibox = reshape(Ibox,[4 50])。Ic = []。Ic = reshape(Ic,[2 50])。Ic = Ic39。Ic(:,3) = (mean(Ic.^2,2)).^(1/2)。Ic(:,4) = 1:50。Ic2 = sortrows(Ic,2)。for t = 1:5 Ic2((t1)*10+1:t*10,:) = sortrows(Ic2((t1)*10+1:t*10,:),4)。endIc3 = Ic2(:,1:2)。ind = Ic2(:,4)。for t = 1:50 img{t} = imcrop(Ibw,Ibox(:,ind(t)))。end%%%%%%%%%%%%%%%%%%%%%%function bw2 = myimgcrop(bw)[y2temp x2temp] = size(bw)。x1=1。y1=1。x2=x2temp。y2=y2temp。tB=1。while (sum(bw(:,tB))==y2temp) x1=x1+1。 tB=tB+1。endtB=1。while (sum(bw(tB,:))==x2temp) y1=y1+1。 tB=tB+1。 南湖學(xué)院畢業(yè)設(shè)計(jì)（論文）29endtB=x2temp。while (sum(bw(:,tB))==y2temp) x2=x21。 tB=tB1。endtB=y2temp。while (sum(bw(tB,:))==x2temp) y2=y21。 tB=tB1。endbw2=imcrop(bw,[x1,y1,(x2x1),(y2y1)])。%%%%%%%%%%%%%%%%%%%%%%%function = mycreatenn(P,T)alphabet = P。targets = T。[R,Q] = size(alphabet)。[S2,Q] = size(targets)。S1 = 10。 = newff(minmax(alphabet),[S1 S2],{39。logsig39。 39。logsig39。},39。traingdx39。)。{2,1} = {2,1}*。{2} = {2}*。 = 39。sse39。 = 。 = 20。 = 5000。 = 。 P = alphabet。T = targets。[,tr] = train(,P,T)。 南湖學(xué)院畢業(yè)設(shè)計(jì)（論文）30 仿真結(jié)果與分析圖 識(shí)別結(jié)果圖 數(shù)字樣本由上述各圖結(jié)果顯示可知，當(dāng)車牌原始圖像采集良好時(shí)，即沒(méi)有明顯的破損與垢漬，曝光度良好等高清晰，則該系統(tǒng)能夠進(jìn)行正常的字符識(shí)別。為了驗(yàn)證該系統(tǒng)的可用性與實(shí)用性，在自然條件下獲取的部分車牌樣本，對(duì) BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，對(duì)每一個(gè)車牌進(jìn)行仿真識(shí)別，樣本與訓(xùn)練結(jié)果如圖 所示： 南湖學(xué)院畢業(yè)設(shè)計(jì)（論文）31圖 車牌樣本圖 BP 網(wǎng)絡(luò)訓(xùn)練結(jié)果（1）圖 BP 網(wǎng)絡(luò)訓(xùn)練結(jié)果（2） 南湖學(xué)院畢業(yè)設(shè)計(jì)（論文）32全部的仿真結(jié)果顯示，其中 2 副車牌的字符分割與識(shí)別發(fā)生錯(cuò)誤，余下的車牌都能進(jìn)行正常的識(shí)別。在識(shí)別的仿真過(guò)程中可以看到，識(shí)別隨著樣本數(shù)目改變的同時(shí)，也受到了樣本的質(zhì)量選取的問(wèn)題。在 BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程中，對(duì)該識(shí)別算法的識(shí)別率統(tǒng)計(jì)結(jié)果如表 41 所示：表 41 識(shí)別率數(shù)據(jù)統(tǒng)計(jì)正確識(shí)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(duì)于一些比較相似的字符識(shí)別產(chǎn)生失誤，例如“8”與“B” ， “7”與“2” ， “1”與“I”等。增加對(duì)該神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，可以在一定程度上解決該問(wèn)題。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。由此可知，BP 神經(jīng)網(wǎng)絡(luò)的具有它的理論價(jià)值與實(shí)用價(jià)值。 南湖學(xué)院畢業(yè)設(shè)計(jì)（論文）335 總結(jié)與展望 總結(jié)車牌識(shí)別技術(shù)是智能交通管理中最為關(guān)鍵的技術(shù)之一，與此同時(shí)，車牌識(shí)別的技術(shù)和方法也在其他檢測(cè)、識(shí)別領(lǐng)域也發(fā)揮著它重要的作用。由此可知，車牌識(shí)別技術(shù)已然成為目前研究的熱點(diǎn)、重點(diǎn)問(wèn)題之一。本文結(jié)合我國(guó)車牌的特殊性，對(duì)車牌識(shí)別系統(tǒng)所涉及的算法做了深入的研究，在基于前人的研究成果上提出了自己的改進(jìn)。尤其是在字符識(shí)別部分，根據(jù)我國(guó)車牌的特殊組成提出了基于改進(jìn) BP 神經(jīng)網(wǎng)絡(luò)的多分類器。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)。與此同時(shí)，對(duì)于本文中所提及的算法都進(jìn)行了相應(yīng)的仿真，并對(duì)多得到的仿真結(jié)果做了分析。最后，綜合對(duì)車牌識(shí)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(shí)別系統(tǒng)，根據(jù)仿真、測(cè)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)。盡管本次車牌識(shí)別系統(tǒng)得到改進(jìn)，且效果顯著，卻仍然需要不斷地改進(jìn)，還需要大量提高算法的準(zhǔn)確度和提高算法運(yùn)行的速度。 展望車牌識(shí)別技術(shù)是基于數(shù)字圖像處理和模式識(shí)別高度融合的一項(xiàng)技術(shù)，同時(shí)也是智能交通的一個(gè)重點(diǎn)、難點(diǎn)。由于受車牌特征的多樣性、車牌本身的新舊程度原始圖像的模糊程度、原始圖像背景復(fù)雜性、以及一些人為的、客觀的因素干擾，導(dǎo)致車牌識(shí)別系統(tǒng)設(shè)計(jì)的難度大大提高。至今，尚沒(méi)有一個(gè)完全通用的車牌識(shí)別系統(tǒng)問(wèn)世。本文中也還有許多不足的、有待改善的地方：（1）對(duì)于車牌圖像模糊不清、背景復(fù)雜、光線不足等情況下，車牌定位的準(zhǔn)確性較低，還有待提高；（2）本文所研究的車牌識(shí)別系統(tǒng)雖然可以對(duì)多車牌原始圖像識(shí)別進(jìn)行了研究，但其多車牌識(shí)別率比單車牌識(shí)別率低許多，這也就希望未來(lái)的研究對(duì)此能有更大的進(jìn)展；（3）目前，所設(shè)計(jì)的車牌識(shí)別系統(tǒng)，只能針對(duì)于靜止的圖像進(jìn)行識(shí)別，由于運(yùn)動(dòng)中的圖像車牌識(shí)別處理比較復(fù)雜，故而希望在未來(lái)的車牌識(shí)別研究中能夠深入研究視頻中的車牌識(shí)別。 南湖學(xué)院畢業(yè)設(shè)計(jì)（論文）34參考文獻(xiàn)[01] 張方櫻，巢佰崇，陳雪豐．車牌自動(dòng)識(shí)別系統(tǒng)[J] ．武漢大學(xué)， 2022，3(3)：4950．[02] 歐陽(yáng)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)，2022，6(4)：3335．[03] 林立，何為，韓力群，汽車牌照自動(dòng)識(shí)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)，2022，19(l)：3640 ．[04] 袁卉平．基于 MATLAB 的車牌識(shí)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)，2022．[05] 胡小峰，趙輝．Visual Ｃ++/MATLAB 圖像處理與識(shí)別案例精選[M] ．人民郵電出版社，2022．58－81．[06] 許錄平．?dāng)?shù)字圖像處理（MATLAB 版）[M]．北京：科學(xué)出版社，2022．[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(shí)別研究：［D］ ．武漢：武漢理工大學(xué)控制理論與控制工程，2022．[10] 趙陽(yáng)．基于圖像工程與框架理論識(shí)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)．2022．[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(cè)技術(shù)與自動(dòng)化裝置，2022．[12] 崔江，王友仁．車牌自動(dòng)識(shí)別方法中的關(guān)鍵技術(shù)研究[J] ．計(jì)算機(jī)測(cè)量與控制，2022，11（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, , 2022, .[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．2022，44(3)：245148 ．[15] 劉同焰．車牌識(shí)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)．2022．[16] Y Liu. A novel approach of segmenting touching and kerned character[A].In: Proceeding 8th International Conference on Neural Information Processing[8],2022.[17] 熊哲源，樊曉平，黎燕．基于數(shù)學(xué)形態(tài)學(xué)邊緣檢測(cè)的車牌字符分割算法．計(jì)算機(jī)應(yīng)用．，2022．[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， 2022，32(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，2022，38(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)， 2022，6(5)：697700．[21] 葉晨洲，廖金周，梅帆．車輛牌照字符識(shí)別系統(tǒng)[J] ．計(jì)算機(jī)系統(tǒng)應(yīng)用， 1999（5）：1013． 南湖學(xué)院畢業(yè)設(shè)計(jì)（論文）35[22] 石偉，孫永榮．BP 神經(jīng)網(wǎng)絡(luò)在車牌識(shí)別技術(shù)中的應(yīng)用 [J]．工業(yè)控制計(jì)算機(jī)．2022．23(4)：1719． [23] 楊艷群，標(biāo)準(zhǔn)尚未統(tǒng)一，技術(shù)仍需完善，我國(guó)車輛牌照自動(dòng)識(shí)別技術(shù)發(fā)展綜述[N]．中國(guó)交通報(bào)，202292．[24] 李一舒．車牌字符識(shí)別的改進(jìn)算法研究[D]．浙江：浙江大學(xué)．2022．[25] 叢爽．面向 MATLAB 工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用．合肥：中國(guó)科技大學(xué)出版社．1998，4572．[26] 陳容紅，劉玉娟，陶砂等．車牌識(shí)別系統(tǒng)中字符分割技術(shù)研究[J] ．制造業(yè)自動(dòng)化，2022，32(5)，5155．[27] 陳超．MATLAB 應(yīng)用實(shí)例精講 [M]．北京：電子工業(yè)出版社，2022．473480． 南湖學(xué)院畢業(yè)設(shè)計(jì)（論文）36致 謝本文的研究工作是在我的指導(dǎo)老師吳建輝副教授的精心指導(dǎo)和悉心關(guān)懷下完成的，在就讀于湖南理工學(xué)院南湖學(xué)院本科四年里，吳建輝老師淵博的知識(shí)和謙虛的品德，使得我在科學(xué)、創(chuàng)新、求實(shí)、嚴(yán)謹(jǐn)?shù)膶W(xué)習(xí)氛圍學(xué)習(xí)并成長(zhǎng)，這也為我步入研究生學(xué)習(xí)中奠定的夯實(shí)的基礎(chǔ)。特別是吳建輝老師嚴(yán)以待己、寬以待人、認(rèn)真負(fù)責(zé)的對(duì)待教育事業(yè)崇高品質(zhì)為我樹立了良好的榜樣，是我畢生學(xué)習(xí)的楷模。在此，對(duì)劉老師在我學(xué)術(shù)上的指導(dǎo)以及生活上的關(guān)心，致以最真摯的謝意。感謝張映輝老師、齊琦老師、黃泰明老師等所有任課老師在學(xué)習(xí)上給我很大的幫助，感謝劉月星老師、喻立平老師、蔣新老師等系輔導(dǎo)員在生活上給予我莫大的幫助，在此，向所有幫助過(guò)我、教過(guò)我、我遇過(guò)的老師致以最真誠(chéng)的祝福與最深的感謝。感謝我的同學(xué)王帥、鄧校武、吳曉璇、張海雪等，謝謝你們對(duì)我的生活和學(xué)習(xí)上的幫助，因?yàn)槟銈兾业谋究粕钭兊酶拥某鋵?shí)與快樂(lè)。感謝我的室友范安妮、謝玲、鄧建平四年來(lái)的照顧，相聚在同一片藍(lán)天下，有你們生活才更加精彩。感謝所有幫助過(guò)我的老師和同學(xué)，感謝你們給予的關(guān)心與支持。感謝我的父母以及哥哥，對(duì)年來(lái)給予我生活上的關(guān)心和學(xué)業(yè)上的支持，你們的鼓勵(lì)是我不斷前進(jìn)的動(dòng)力。你們對(duì)我多年的教育讓我樹立了正確的人生觀、學(xué)習(xí)觀和事業(yè)觀，是我一生中最大的財(cái)富，我永遠(yuǎn)感激和敬愛你