【導(dǎo)讀】汽車車牌的識(shí)別系統(tǒng)是現(xiàn)代化的智能交通管理領(lǐng)域的重要組成部分之一。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。車牌定位、字符分割這三個(gè)模塊的實(shí)現(xiàn)方法。本文的圖像預(yù)處理模塊的步驟是將。圖像灰度化和用Roberts算子進(jìn)行邊緣檢測(cè)。再對(duì)垂直投影進(jìn)行掃描，來(lái)完成字符的分割。并使用MATLAB軟件環(huán)境下來(lái)進(jìn)行字符分割的仿真實(shí)驗(yàn)。

　　

【正文】 符運(yùn)用模板匹配的方法與模板字符進(jìn)行匹配，將其與模板字符相減，得到的 0 越多那么就越匹配。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(lái)的結(jié)果。模板的制作很重要，必須要用精確的模 板，否則就不能正確的識(shí)別 [18]。 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。 總之，盡管目前牌照字符的識(shí)別率還不理想，但是只要在分割出的字符的大小、位置的歸一化，以及嘗試提取分類識(shí)別能力更好的特征值和設(shè)計(jì)分類器等環(huán)節(jié)上再完善，進(jìn)一步提高識(shí)別率是完全可行的。 浙江萬(wàn)里學(xué)院本科畢業(yè)論文 26 5 總結(jié) 高速公路、城市交通、停車場(chǎng)等基礎(chǔ)設(shè)施建設(shè)水平的不斷發(fā)展和 車輛管理體制的不斷完善，為以計(jì)算機(jī)視覺(jué)為基礎(chǔ)的智能交通管理系統(tǒng)的實(shí)際應(yīng)用提供了契機(jī)。在智能交通系統(tǒng)中，車牌自動(dòng)識(shí)別系統(tǒng)是智能化交通系統(tǒng)非常重要的發(fā)展方向。從開(kāi)始的收費(fèi)輔助系統(tǒng)演變過(guò)來(lái)的車牌識(shí)別技術(shù)現(xiàn)在運(yùn)用的領(lǐng)域是越來(lái)越廣。它在車輛過(guò)路、過(guò)橋全自動(dòng)不停車收費(fèi)，交通流量控制指標(biāo)的測(cè)量，車輛自動(dòng)識(shí)別，高速公路上的事故自動(dòng)測(cè)報(bào)，不停車檢查，車輛定位，汽車防盜，稽查和追蹤車輛違規(guī)、違法行為，維護(hù)交通安全和城市治安，防止交通堵塞，提高收費(fèi)路橋的服務(wù)速度，緩解交通緊張狀況等方面有重要作用，有重要的現(xiàn)實(shí)應(yīng)用意義。 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。主要工作內(nèi)容及結(jié)論如下： （ 1）整理和總結(jié)了國(guó)內(nèi)外在車牌定位、分割、字符識(shí)別方面的研究成果和發(fā)展方向，系統(tǒng)介紹了我國(guó)車牌的固有特征，以及車牌識(shí)別的特點(diǎn)。 （ 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。實(shí)驗(yàn)表明本方法既保留了車牌區(qū)域的信息，又減少了噪聲的干擾，從而簡(jiǎn)化了二值化處理過(guò)程，提高了后續(xù)處理的速度。 （ 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(duì)車牌是藍(lán)色的車牌進(jìn)行定位，實(shí)驗(yàn)表明，用該方法實(shí)現(xiàn)的車牌定位準(zhǔn)確率較高。 （ 4）本設(shè)計(jì)采用的圖像預(yù)處理、邊緣檢測(cè)、車牌長(zhǎng)寬比特征識(shí)別等對(duì)車牌的定位都是非常有效的，而本設(shè)計(jì)提出的投影分析和閾值技術(shù)有效檢測(cè)了車牌圖像的上下左右邊框、旋轉(zhuǎn)角度，準(zhǔn)確實(shí)現(xiàn)的車牌字符的分割，對(duì)多個(gè)車牌進(jìn)行實(shí)驗(yàn)，均有很高的正確率。 本設(shè)計(jì)雖然只對(duì)藍(lán)底白字車牌進(jìn)行分割識(shí)別，對(duì)黑底白字車牌原則上整個(gè)算法可直接適用，對(duì)白底黑字車牌、黃底黑字車牌，需要對(duì)車牌定位算法進(jìn)行調(diào)整，并將圖像反轉(zhuǎn)，而車牌字符的分割算法仍然行之有效 。 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。 浙江萬(wàn)里學(xué)院本科畢業(yè)論文 27 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(guò)我的老師和關(guān)心過(guò)我的同學(xué)，他們?cè)谖页砷L(zhǎng)過(guò)程中給予了我很大的幫助。本文能夠成功的完成，要特別感謝我的指導(dǎo)老師的關(guān)懷和教導(dǎo)，感謝各位師兄師姐的關(guān)心和幫助。 最后還要感謝我的父母，是他們一直在背后支持著我。使我心靈的天平永遠(yuǎn)傾向執(zhí)著奮斗。使我深深的體會(huì)到：在這個(gè)競(jìng)爭(zhēng)的社會(huì)里，沒(méi)有真才實(shí)學(xué)，沒(méi)有吃苦精神，是無(wú)法立足，無(wú)法生存的。 我要時(shí)時(shí)刻刻的記住人的一生要 “ 活到老，學(xué)到老 ” 緊跟時(shí)代 步伐，以豪情勃發(fā)的遠(yuǎn)足邁向新的征途，新的挑戰(zhàn)。讓我們用科學(xué)知識(shí)來(lái)武裝自己的頭腦，用高科技技術(shù)來(lái)描繪未來(lái)的憧憬和期盼。再此感謝我的老師和同學(xué)。 浙江萬(wàn)里學(xué)院本科畢業(yè)論文 28 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) ,2021 [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） 2021 [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)， 2021 [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)， 2021 [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)， 2021 [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)， 2021 [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)， 2021 [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)， 2021 [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)， 2021 [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)． 2021， 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) )． 2021，16(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． 2021(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, 2021, 45(24). [15]ShyangLih, Chang Automatic license plate recognition [J]. IEEE Transaction on Intelligent Transportation Systems, 2021, 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)． 2021，浙江萬(wàn)里學(xué)院本科畢業(yè)論文 29 39(3)： 450454 [17]KingChu Hung. RealTime Vehicle License Plate Recognition Based on 1D Discrete Periodic Wavelet Transform [C]. 2021 International Symposium on Computer, consumer and Control, 46 June 2021:914917. [18]Daoqiang Zhang， ZhiHua Zhou， Songcan Chen， Diagonal Principal Component Analysis for Face Recognition， Pattern Recognition， 2021，39(1)： 140142 浙江萬(wàn)里學(xué)院本科畢業(yè)論文 30 程序附錄： function [d]=main(jpg) I=imread(39。39。)。 figure(1),imshow(I)。title(39。原圖 39。)。 I1=rgb2gray(I)。 %將真彩色圖像轉(zhuǎn)換為灰度 圖像 figure(2),subplot(1,2,1),imshow(I1)。title(39。灰度圖 39。)。 figure(2),subplot(1,2,2),imhist(I1)。title(39。灰度圖直方圖 39。)。 I2=edge(I1,39。robert39。,39。both39。)。 %高斯濾波器 ,方差為 figure(3),imshow(I2)。title(39。robert 算子邊緣檢測(cè) 39。) se=[1。1。1]。 I3=imerode(I2,se)。 %圖像的腐蝕 figure(4),imshow(I3)。title(39。腐蝕后圖像 39。)。 se=strel(39。rectangle39。,[40,40])。 %構(gòu)造結(jié)構(gòu)元素，以長(zhǎng)方形構(gòu)造一個(gè) se I4=imclose(I3,se)。 %對(duì)圖像實(shí)現(xiàn)閉運(yùn)算，閉運(yùn)算也能平滑圖像的輪廓，但與開(kāi)運(yùn)算相反，它一般融合窄的缺口和細(xì)長(zhǎng)的彎口，去掉小洞，填補(bǔ)輪廓上的縫隙。 figure(5),imshow(I4)。title(39。平滑圖像的輪廓 39。)。 I5=bwareaopen(I4,2021)。 %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)。title(39。從對(duì)象中移除小對(duì)象 39。)。 [y,x,z]=size(I5)。 %返回 I5各維的尺寸，并存儲(chǔ)在變量 y、 x、 z中 myI=double(I5)。 %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)。 %產(chǎn)生 y*1 的全 0矩陣 for i=1:y for j=1:x if(myI(i,j,1)==1) %如果 myI(i,j,1)即 myI 圖像中坐標(biāo)為 (i,j)的點(diǎn)為藍(lán)色 %則 Blue_y 的相應(yīng)行的元素 white_y(i,1)值加 1 浙江萬(wàn)里學(xué)院本科畢業(yè)論文 31 Blue_y(i,1)= Blue_y(i,1)+1。%藍(lán)色像素點(diǎn)統(tǒng)計(jì) end end end [temp MaxY]=max(Blue_y)。%temp 為向量 white_y 的元素中的最大值， MaxY 為該值的索引（ 在向量中的位置） PY1=MaxY。 while ((Blue_y(PY1,1)=120)amp。amp。(PY11)) PY1=PY11。 end PY2=MaxY。 while ((Blue_y(PY2,1)=40)amp。amp。(PY2y)) PY2=PY2+1。 end IY=I(PY1:PY2,:,:)。 %IY 為原始圖像 I 中截取的縱坐標(biāo)在 PY1： PY2 之間的部分 %end 橫向掃描 %begin 縱向掃描 Blue_x=zeros(1,x)。%進(jìn)一步確定 x方向的車牌區(qū)域 for j=1:x for i=PY1:PY2 if(myI(i,j,1)==1) Blue_x(1,j)= Blue_x(1,j)+1。 end end end PX1=1。 while ((Blue_x(1,PX1)3)amp。amp。(PX1x)) 浙江萬(wàn)里學(xué)院本科畢業(yè)論文 32 PX1=PX1+1。 end PX2=x。 while ((Blue_x(1,PX2)3)amp。amp。(PX2PX1)) PX2=PX21。 end %end 縱向掃描 PX1=PX12。%對(duì)車牌區(qū)域的校正 PX2=PX2+2。 dw=I(PY1:PY2,:,:)。 t=toc。 figure(7),subplot(1,2,1),imshow(IY),title(39。行方向合理區(qū)域 39。)。 figure(7),subplot(1,2,2),imshow(dw),title(39。定位剪切后的彩色車牌圖像 39。) imwrite(dw,39。39。)。 %將圖像數(shù)據(jù)寫(xiě)入到圖像文件中 [filename,filepath]=uigetfile(39。39。,39。輸入一個(gè)定位裁剪后的車牌圖像39。)。