【導讀】汽車車牌的識別系統(tǒng)是現(xiàn)代化的智能交通管理領域的重要組成部分之一。車牌識別系統(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、字符分割這三個模塊的實現(xiàn)方法。本文的圖像預處理模塊的步驟是將。圖像灰度化和用Roberts算子進行邊緣檢測。再對垂直投影進行掃描，來完成字符的分割。并使用MATLAB軟件環(huán)境下來進行字符分割的仿真實驗。

　　

【正文】 符運用模板匹配的方法與模板字符進行匹配，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 值個數(shù)保存，然后找數(shù)值最大的，即為識別出來的結果。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別 [18]。 對于識別錯誤情況的分析可知，主要原因：一是牌照自身的污漬等影響了圖象的質量；二是牌照字符的分割失敗導致的識別錯誤；再就是部分字符的形狀相似性，比如， B 和 8； A 和 4 等字符識別結果可能發(fā)生混淆的情況。 總之，盡管目前牌照字符的識別率還不理想，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別能力更好的特征值和設計分類器等環(huán)節(jié)上再完善，進一步提高識別率是完全可行的。 浙江萬里學院本科畢業(yè)論文 26 5 總結 高速公路、城市交通、停車場等基礎設施建設水平的不斷發(fā)展和 車輛管理體制的不斷完善，為以計算機視覺為基礎的智能交通管理系統(tǒng)的實際應用提供了契機。在智能交通系統(tǒng)中，車牌自動識別系統(tǒng)是智能化交通系統(tǒng)非常重要的發(fā)展方向。從開始的收費輔助系統(tǒng)演變過來的車牌識別技術現(xiàn)在運用的領域是越來越廣。它在車輛過路、過橋全自動不停車收費，交通流量控制指標的測量，車輛自動識別，高速公路上的事故自動測報，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，維護交通安全和城市治安，防止交通堵塞，提高收費路橋的服務速度，緩解交通緊張狀況等方面有重要作用，有重要的現(xiàn)實應用意義。 本文對車 牌識別系統(tǒng)的軟件部分進行了研究，分別從圖像預處理、車牌定位、字符分割以及字符識別等方面進行了系統(tǒng)的分析。主要工作內(nèi)容及結論如下： （ 1）整理和總結了國內(nèi)外在車牌定位、分割、字符識別方面的研究成果和發(fā)展方向，系統(tǒng)介紹了我國車牌的固有特征，以及車牌識別的特點。 （ 2）在車牌定位我們采用基于灰度跳變的定位方法，采用先對圖像進行預處理，再進行二值化操作的方法。實驗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，從而簡化了二值化處理過程，提高了后續(xù)處理的速度。 （ 3）基于彩色分量的定位方法，運用基于藍色 象素點統(tǒng)計特性的方法對車牌是藍色的車牌進行定位，實驗表明，用該方法實現(xiàn)的車牌定位準確率較高。 （ 4）本設計采用的圖像預處理、邊緣檢測、車牌長寬比特征識別等對車牌的定位都是非常有效的，而本設計提出的投影分析和閾值技術有效檢測了車牌圖像的上下左右邊框、旋轉角度，準確實現(xiàn)的車牌字符的分割，對多個車牌進行實驗，均有很高的正確率。 本設計雖然只對藍底白字車牌進行分割識別，對黑底白字車牌原則上整個算法可直接適用，對白底黑字車牌、黃底黑字車牌，需要對車牌定位算法進行調整，并將圖像反轉，而車牌字符的分割算法仍然行之有效 。 因此，本設計提出的車牌字符的分割算法實驗證明是準確、有效、可行的。 浙江萬里學院本科畢業(yè)論文 27 致 謝 大學的學習生活即將結束，在此，我要感謝所有曾經(jīng)教導過我的老師和關心過我的同學，他們在我成長過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老師的關懷和教導，感謝各位師兄師姐的關心和幫助。 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傾向執(zhí)著奮斗。使我深深的體會到：在這個競爭的社會里，沒有真才實學，沒有吃苦精神，是無法立足，無法生存的。 我要時時刻刻的記住人的一生要 “ 活到老，學到老 ” 緊跟時代 步伐，以豪情勃發(fā)的遠足邁向新的征途，新的挑戰(zhàn)。讓我們用科學知識來武裝自己的頭腦，用高科技技術來描繪未來的憧憬和期盼。再此感謝我的老師和同學。 浙江萬里學院本科畢業(yè)論文 28 參考文獻 [1]吳斌 .車牌識別系統(tǒng)的研究 [D].大連：大連理工大學 ,2021 [2]王立強 .車牌自動識別技術的算法與實踐 [J].河北 ：廊坊師范學院學報（自然科學版） 2021 [3]郭燕斌 .應用于公路收費站系統(tǒng)的車牌識別 [D].成都：電子科技大學， 2021 [4]丁芝娟 .基于圖像處理的車牌識別系統(tǒng)設計與應用 [D].長安： 長安大學， 2021 [5]肖啟 .高速鐵路 CFG 樁復合地基的沉降特性研究 [D].成都： 航西南交通大學2， 010 [6]董然 .基于 J2ME 的車牌識別系統(tǒng)的研究 [D].山西 ：太原理工大學， 2021 [7]龔小兵 .基于 BP 神經(jīng)網(wǎng)絡的車輛牌照自動識別系統(tǒng)的研究 [D].武漢：武漢理工大學， 2021 [8]張光輝 .矩形截面復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， 2021 [9]仝瑞金 .封閉截面復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， 2021 [10]孫先波 .基于邏輯規(guī)則的智能交通信號 控制系統(tǒng)研究 [D] .武漢：武漢理工大學， 2021 [11]徐建閩，賀敬凱．車型與車牌自動識別技術分析．交通與計算機． 2021， 20(2)：711 [12]王廣宇．車輛牌照識別系統(tǒng)綜述．鄭州輕工業(yè)學院學報 (自然科學報 )． 2021，16(2): 4750. [13]劉肅平，陳強．數(shù)字圖像處理技術在車牌識別中的應用．計算機與現(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．四川大學學報． 2021，浙江萬里學院本科畢業(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 浙江萬里學院本科畢業(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)。 %將真彩色圖像轉換為灰度 圖像 figure(2),subplot(1,2,1),imshow(I1)。title(39?；叶葓D 39。)。 figure(2),subplot(1,2,2),imhist(I1)。title(39?；叶葓D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 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])。 %構造結構元素，以長方形構造一個 se I4=imclose(I3,se)。 %對圖像實現(xiàn)閉運算，閉運算也能平滑圖像的輪廓，但與開運算相反，它一般融合窄的缺口和細長的彎口，去掉小洞，填補輪廓上的縫隙。 figure(5),imshow(I4)。title(39。平滑圖像的輪廓 39。)。 I5=bwareaopen(I4,2021)。 %從二進制圖像中移除所有少于 p 像素的連接的組件（對象），產(chǎn)生另一個二進制圖像 figure(6),imshow(I5)。title(39。從對象中移除小對象 39。)。 [y,x,z]=size(I5)。 %返回 I5各維的尺寸，并存儲在變量 y、 x、 z中 myI=double(I5)。 %換成雙精度數(shù)值 %begin 橫向掃描 tic %計算 tic 與 toc 之間程序的運行時間 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 圖像中坐標為 (i,j)的點為藍色 %則 Blue_y 的相應行的元素 white_y(i,1)值加 1 浙江萬里學院本科畢業(yè)論文 31 Blue_y(i,1)= Blue_y(i,1)+1。%藍色像素點統(tǒng)計 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 中截取的縱坐標在 PY1： PY2 之間的部分 %end 橫向掃描 %begin 縱向掃描 Blue_x=zeros(1,x)。%進一步確定 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)) 浙江萬里學院本科畢業(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)寫入到圖像文件中 [filename,filepath]=uigetfile(39。39。,39。輸入一個定位裁剪后的車牌圖像39。)。