【正文】 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 exportIdentify and license plate matching work. The vehicles can be found that the change to the card act, the cashier at frauds,Maintain owner interests。石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計30參考文獻[1] [J].～6[2] 劉智勇,（LPR）中的圖像提取及分割[J].中文信息學(xué)報，(4):29～34[3] 張禹,馬駟良,韓笑,[J].44 卷第 3 ～410[4] 劉佐濂,鄧榮標, [J].2022（23 期）9～12[5] [J].～45[6] 韓勇強,[M].微型電腦運用，～65[7] 王枚,[J]. 37卷第 1 ～4[8] 賀興華,周媛媛, 圖像處理[M].人民郵電出版社,～100[9] 龔聲蓉,劉純平,王強. 數(shù)字圖象處理與分析[M]. ～29[10] 劉陽,[J].～68[11] [M].～261[12] —數(shù)學(xué)形態(tài)學(xué)方法及應(yīng)用[M].[13] 袁志偉,[J].(2): 56～60[14] 梁瑋,羅劍鋒,[D]. 2022[15] 羅希平,[J].模式識別與人工智能，(3): 300～312[16] 張興會,劉玲,[J].系統(tǒng)工程與電子技術(shù).(2): 237～239[17] 葉晨洲,楊杰,[J].(34)： 672～675[18] 魏武,黃心漢,中國公路學(xué)報, 2022.(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31致　謝在整個畢業(yè)設(shè)計中,我的指導(dǎo)老師鄭偉副教授給予了我很細心的指導(dǎo),從選題到完成論文,鄭老師都給了我很多中肯的意見,鄭老師又幫我解決了疑難,在關(guān)鍵問題上點撥了我,我向鄭老師表示我最衷心的敬意和感謝。本文設(shè)計了一個汽車牌照自動識別系統(tǒng)，包括圖像預(yù)處理、車牌定位、字符分割及車牌識別。　模板匹配 　建立樣本庫根據(jù)實際情況，將部分地區(qū)的汽車牌照單個字符進行編輯，建立一個車牌照識別樣本庫，樣本庫可利用繪圖工具建立，字符根據(jù)實際情況設(shè)定大?。徊颖編焓仪f鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計28放入文檔中以備自動識別時使用。（2）　特征分析匹配的方法這類方法是基于特征平面來進行匹配的，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，有的特征對噪聲是不明顯的。下面簡單介紹幾種已有的車牌字符識別的方法。早在 1929 年 Tauschek 就試圖用模板匹配的方法來識別十個印刷替阿拉伯數(shù)字，在文字識別的真正發(fā)展還是在計算機科學(xué)技術(shù)有了長足的進步之后。實現(xiàn)程序中采用 markcol5 字符峰中心位置來實現(xiàn)位置定位歸一化。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。r39。車牌字符寬度： 39。 SegBw1=sbw(rowtop:rowbot,cleft:cright)。采用如下石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計25MATLAB 實現(xiàn)：figure。 %查找最大值，即為第二字符與第三字符中心距離findmax=find(markcol6==maxs)。 %字符下降點 markcol4(k)=markcol3(k)markcol(k)。markcol1(l)=count1。 endendmarkcol2=diff(markcol)。 else if count1=1 markcol(l)=k。levelcol=(meancol+mincol)/4。石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計23 字 符 寬 字 符 寬 左 邊 谷 寬 度 Markcol1(k) 峰 上 升 點 Markcol (k) 峰 寬 度 Markcol4(k) 峰 下 降 點 Markcol3(k) 峰 距 離 Markcol2(k) 峰 中 心 Markcol5(k) 谷 寬 度 Markcol1(k+1) 峰 上 升 點 Markcol (k+1) 右 邊 峰 中 心 Markcol5(k) 峰 中 心 距 離 Markcol6(k) 圖 45　垂直投影分析計算示意根據(jù)垂直投影分析計算原理，因為谷值近似為 0，取閥值 Level = （投影均值+投影最小值）/4 。r39。車牌字符高度： 39。垂直投影（去水平邊框后）39。 %子圖為(rowbotrowtop+1)行maxhight=rowbotrowtop+1。findc=find(markrow2==maxhight)。for k=1:n1 markrow3(k)=markrow(k+1)markrow1(k+1)。n1=n1+1。 %谷寬度（下降點至下一個上升點） l=l+1。l=1。MATLAB 實現(xiàn)程序如下：meanrow=mean(histrow)。石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計18圖 41　車牌二值子圖 對水平投影進行峰谷分析,計算出車牌上邊框、車牌字符投影、車牌下邊框的石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計19（波形峰上升點、峰下降點、峰寬、谷寬、峰間距離、峰中心位置等）參數(shù)。subplot(2,1,2),bar(histrow)。figure,subplot(2,1,1),bar(histcol1)?！∮嬎丬嚺扑酵队敖?jīng)過上面一系列預(yù)處理后，得到的是一條上下邊緣緊貼字符的水平二值圖像，如上圖 311 所示。如圖 312圖 312　灰度子圖和二值子圖石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計17第 4章　車牌字符分割車牌定位后的下一步是字符分割。并根據(jù)先驗知識和調(diào)試中的經(jīng)驗，設(shè)定了車牌長寬的范圍作為判斷依據(jù)。石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計14圖 37　邊緣提取圖 38　閉運算石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計15圖 39　開運算圖 310　開運算Canny 算子提取邊緣能有效檢測出車牌區(qū)域的紋理特征，而采用 [5，19]的矩形運算子能有效的將車牌區(qū)域連接成片，去除非車牌區(qū)域。 figure,imshow(bg2)。)。,[5,19]))。圖像閉運算[5,19]39。rectangle39。 title(39。在本文中采用的是 Canny 算子提取邊緣。level=(fmax1(fmax1fmin1)/3)/255。 圖 35　增強黑白圖 （3）參考《數(shù)字圖象處理與分析》介紹的圖像二值化最佳閥值計算方法：Level=fmax（fmaxfmin）/3式中 Level 為最佳閥值，fmax 為最大灰度，fmin 為最小灰度。bg=imopen(i,s)。本文中所用方法是基于圖像的特征來做的，計算了類車牌區(qū)域的特征值，面積、寬和高，在根據(jù)先驗知識的寬高比來定位車牌。Canny 算子使用兩個閾值來分別檢測強邊緣和弱邊緣，而且僅當弱邊緣與強邊緣相連時，弱邊緣才會包含在輸出中，因此，此方法不容易受噪聲的干擾，能夠檢測到真正的弱邊緣。拉普拉斯算子是一個線性的、移不變的算子，它的傳輸函數(shù)在頻域空間的點是零，因此拉普拉斯算子濾波過的圖像具有零平均灰度。（3）Prewitt 和 Sobel 算子是在實踐中計算數(shù)字梯度時最常用的，Prewitt 模板石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計11實現(xiàn)起來比 Sobel 模板更為簡單，此外，該算子沒有將重心放在接近模板中心的像素點上。可以通過求梯度局部最大值對應(yīng)的點，并認定為邊緣點，去除非局部最大值，可以檢測出精確的邊緣?！∵吘墮z測兩個具有不同灰度值的相鄰區(qū)域之間總存在邊緣，邊緣就是灰度值不連續(xù)的結(jié)果，是圖像分割、紋理特征提取和形狀特征提取等圖像分析的基礎(chǔ)。由于物體和背景以及不同物體之間的灰度級有明顯的差別，因此，在圖像的灰度級直方圖中會呈現(xiàn)明顯的峰值?；陂撝档姆指罘椒梢苑譃槿珠撝档姆椒ê途植块撝档姆椒?。下文將對其算法做詳細介紹。第 3 個字符是一個“ 4,黑底白字牌照為國外駐華機構(gòu)使用。中值濾波不影響階躍函數(shù)和斜坡函數(shù)，因而對圖像邊緣有保護作用：但是，對于持續(xù)期小于窗寬一半的脈沖信號將進行抑制，因而可能會損壞圖像的某些細節(jié)。)。 圖 32　原始圖像%顯示灰度化后的圖像i = rgb2gray(Scolor)。Scolor = imread(‘原始圖像’ )。采用中值濾波對圖像進行平滑處理。因此在圖像處理之前必須進行預(yù)處理，包括去除噪音，邊界石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計8增強，增加亮度等等。 　字符識別進行車牌識別前需要使用樣本對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，然后使用訓(xùn)練好的網(wǎng)絡(luò)對車牌進行識別。針對這個問題，Radon 變換可以滿足一定實時圖像處理的要求。但是若以某個固定的經(jīng)驗值對所有牌照統(tǒng)一進行旋轉(zhuǎn)處理，又會使原本正常的牌照傾斜，導(dǎo)致新的錯誤。為了抑制噪聲，通常我們會采用低通濾波，但由于邊緣輪廓也包含大量的高頻信息，所以低通濾波在過濾噪聲的同時，也使得邊界變模糊，反之，低通濾波后為了提高邊緣輪廓，還需要使用高通濾波，這時存在的噪聲也得到了增強，然而中值濾波在過濾噪聲的同時也很好的保護到了邊緣輪廓，因此常用中值濾波的方法來去噪 [11]?！D像的梯度銳化由于需要處理的圖像由拍攝而來，所以在很多情況下字符模糊，所以要對圖像進行銳化處理使模糊的圖像變的清晰便于識別，圖像銳化的實質(zhì)就是增強圖像的邊緣或輪廓，其銳化后的結(jié)果通過微分而使圖像邊緣突出、清晰。動態(tài)閥 7 閾值法的閾值選擇不僅取決于該象素灰度值以及它周圍象素的灰度值，而且還和該象素的坐標位置有關(guān)，由于充分考慮了每個像素鄰域的特征，能更好的突出背景和目標的邊界，使相距很近的兩條線不會產(chǎn)生粘連現(xiàn)象。二值化的閾值選取有很多方法，主要分為 3 類:全局閾值法、局部閾值法和動態(tài)閾值法?！D像的二數(shù)值化和閾值處理二值圖像是指整幅圖像畫面內(nèi)僅黑、白二值的圖像。圖像中每一點的運算就被完全確定下來。=g（χ，у） ，則灰度增強可表示為：] 或 （21）),([),(yxfTg?)(39。彩色圖像的像素色為 RGB(R，G ，B)，灰度圖像的像素色為RGB(r，r ，r),R，G，B 可由彩色圖像的顏色分解獲得?！”菊撐闹饕芯績?nèi)容本文針對汽車牌照自動識別系統(tǒng)進行了系統(tǒng)的研究和分析,設(shè)計了一種汽車牌照原始圖像 圖像預(yù)處理 邊緣提取 車牌定位 字符分割 字符識別 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計3的自動識別方法，包括圖像的預(yù)處理、車牌定位與提取、字符分隔和提取。 圖 11 系統(tǒng)流程圖原始圖像：由停車場固定彩色攝像機、數(shù)碼相機或其它掃描裝置拍攝到的圖像圖像預(yù)處理：對動態(tài)采集到的圖像進行濾波，邊界增強等處理以克服圖像干擾邊緣提?。和ㄟ^微分運算，2 值化處理，得到圖像的邊緣車牌定位：計算邊緣圖像的投影面積，尋找峰谷點，大致確定車牌位置，再計算此連通域內(nèi)的寬高比，剔除不在域值范圍內(nèi)的連通域。采用任何一種單一識別技術(shù)均難以奏效 !目前正在研制的無源石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計2型汽車牌照智能識別系統(tǒng)綜合利用了車輛檢測技術(shù)、計算機視覺技術(shù)、圖像處理技術(shù)、人工智能技術(shù)和人工神經(jīng)網(wǎng)絡(luò)技術(shù)等。同時，汽車牌照識別的方法還可應(yīng)用到其他檢測和識別領(lǐng)域，所以汽車牌照的識別問題已成為現(xiàn)代交通工程領(lǐng)域中研究的重點和熱點問題之一，運用圖像處理技術(shù)解決汽車牌照識別的研究國內(nèi)外都有(最早出現(xiàn)于 01 年代(這個階段是采用簡單的圖像處理技術(shù)來解決)識別過程是使用工業(yè)電視攝像機拍下汽車的正前方圖像( 然后交給計算機進行簡單處理(并且最終仍需要人工干預(yù)) [4]。其發(fā)展對社會生活、國民經(jīng)濟和城市建設(shè)將產(chǎn)生積極而深遠的影響，在作畢業(yè)設(shè)計的過程中，要確保所學(xué)知識得到疏理和運用，它既是一次檢閱，又是一次鍛煉。 本文針對汽車牌照自動識別系統(tǒng)進行了系統(tǒng)的研究和分析，設(shè)計了一種汽車牌照的自動識別方法，包括圖像的預(yù)處理、車牌定位與提取、字符分隔和提取