【正文】 你們對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富，我永遠(yuǎn)感激和敬愛你們。感謝所有幫助過我的老師和同學(xué)，感謝你們給予的關(guān)心與支持。感謝我的同學(xué)王帥、鄧校武、吳曉璇、張海雪等，謝謝你們對我的生活和學(xué)習(xí)上的幫助，因為你們我的本科生活變得更加的充實與快樂。在此，對劉老師在我學(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。 南湖學(xué)院畢業(yè)設(shè)計（論文）34參考文獻(xiàn)[01] 張方櫻，巢佰崇，陳雪豐．車牌自動識別系統(tǒng)[J] ．武漢大學(xué)， 2022，3(3)：4950．[02] 歐陽文衛(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，2022，6(4)：3335．[03] 林立，何為，韓力群，汽車牌照自動識別技術(shù)的現(xiàn)狀與發(fā)展[J] ．北京輕工業(yè)學(xué)院學(xué)報，2022，19(l)：3640 ．[04] 袁卉平．基于 MATLAB 的車牌識別系統(tǒng)的設(shè)計與研究[J]．廣西：廣西工學(xué)院工業(yè)控制計算機(jī)，2022．[05] 胡小峰，趙輝．Visual Ｃ++/MATLAB 圖像處理與識別案例精選[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．基于圖像工程與框架理論識別人體細(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 的微光視頻圖像實時處理研究：［D ］ ．武漢：武漢理工大學(xué)檢測技術(shù)與自動化裝置，2022．[12] 崔江，王友仁．車牌自動識別方法中的關(guān)鍵技術(shù)研究[J] ．計算機(jī)測量與控制，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]．計算機(jī)工程與應(yīng)用．2022，44(3)：245148 ．[15] 劉同焰．車牌識別的相關(guān)算法研究與實現(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)邊緣檢測的車牌字符分割算法．計算機(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現(xiàn)．計算機(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] ．計算機(jī)輔助設(shè)計與圖形學(xué)報， 2022，6(5)：697700．[21] 葉晨洲，廖金周，梅帆．車輛牌照字符識別系統(tǒng)[J] ．計算機(jī)系統(tǒng)應(yīng)用， 1999（5）：1013． 南湖學(xué)院畢業(yè)設(shè)計（論文）35[22] 石偉，孫永榮．BP 神經(jīng)網(wǎng)絡(luò)在車牌識別技術(shù)中的應(yīng)用 [J]．工業(yè)控制計算機(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，我國車輛牌照自動識別技術(shù)發(fā)展綜述[N]．中國交通報，202292．[24] 李一舒．車牌字符識別的改進(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：中國科技大學(xué)出版社．1998，4572．[26] 陳容紅，劉玉娟，陶砂等．車牌識別系統(tǒng)中字符分割技術(shù)研究[J] ．制造業(yè)自動化，2022，32(5)，5155．[27] 陳超．MATLAB 應(yīng)用實例精講 [M]．北京：電子工業(yè)出版社，2022．473480． 南湖學(xué)院畢業(yè)設(shè)計（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和謙虛的品德，使得我在科學(xué)、創(chuàng)新、求實、嚴(yán)謹(jǐn)?shù)膶W(xué)習(xí)氛圍學(xué)習(xí)并成長，這也為我步入研究生學(xué)習(xí)中奠定的夯實的基礎(chǔ)。至今，尚沒有一個完全通用的車牌識別系統(tǒng)問世。 展望車牌識別技術(shù)是基于數(shù)字圖像處理和模式識別高度融合的一項技術(shù)，同時也是智能交通的一個重點(diǎn)、難點(diǎn)。最后，綜合對車牌識別系統(tǒng)的相關(guān)算法研究，在其基礎(chǔ)上實現(xiàn)了一個小的車牌識別系統(tǒng)，根據(jù)仿真、測試結(jié)果表明，該系統(tǒng)具有實際應(yīng)用的價值，甚至可以投入生產(chǎn)。該分類器由 3 個子 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)。本文結(jié)合我國車牌的特殊性，對車牌識別系統(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)。 南湖學(xué)院畢業(yè)設(shè)計（論文）335 總結(jié)與展望 總結(jié)車牌識別技術(shù)是智能交通管理中最為關(guān)鍵的技術(shù)之一，與此同時，車牌識別的技術(shù)和方法也在其他檢測、識別領(lǐng)域也發(fā)揮著它重要的作用。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性。在 BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程中，對該識別算法的識別率統(tǒng)計結(jié)果如表 41 所示：表 41 識別率數(shù)據(jù)統(tǒng)計正確識別率樣本數(shù)=5 樣本數(shù)=10 樣本數(shù)=15% % %由于受到時間以及其他一些客觀條件的限制，本次樣本的正確率約 87%，且對于一些比較相似的字符識別產(chǎn)生失誤，例如“8”與“B” ， “7”與“2” ， “1”與“I”等。為了驗證該系統(tǒng)的可用性與實用性，在自然條件下獲取的部分車牌樣本，對 BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，對每一個車牌進(jìn)行仿真識別，樣本與訓(xùn)練結(jié)果如圖 所示： 南湖學(xué)院畢業(yè)設(shè)計（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（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別發(fā)生錯誤，余下的車牌都能進(jìn)行正常的識別。[,tr] = train(,P,T)。 P = alphabet。 = 5000。 = 。 = 39。{2,1} = {2,1}*。traingdx39。logsig39。logsig39。S1 = 10。[R,Q] = size(alphabet)。%%%%%%%%%%%%%%%%%%%%%%%function = mycreatenn(P,T)alphabet = P。 tB=tB1。endtB=y2temp。while (sum(bw(:,tB))==y2temp) x2=x21。 tB=tB+1。endtB=1。while (sum(bw(:,tB))==y2temp) x1=x1+1。y2=y2temp。y1=1。end%%%%%%%%%%%%%%%%%%%%%%function bw2 = myimgcrop(bw)[y2temp x2temp] = size(bw)。ind = Ic2(:,4)。for t = 1:5 Ic2((t1)*10+1:t*10,:) = sortrows(Ic2((t1)*10+1:t*10,:),4)。Ic(:,4) = 1:50。Ic = Ic39。Ic = []。Ibox = []。 南湖學(xué)院畢業(yè)設(shè)計（論文）28[Ilabel num] = bwlabel(Ifill)。holes39。Iedge2 = imdilate(Iedge, se)。square39。Iedge = edge(uint8(Ibw))。%%%%%%%%%%%%%%%%%%%%function img = myimgpreprocess(I)Igray = rgb2gray(I)。 endendlett=((100lett)./100)。for t=1:7 for t2=1:5 Atemp=sum(bw_7050((t*109:t*10),(t2*109:t2*10)))。%輸出測試量disp(b)。%建立神經(jīng)網(wǎng)絡(luò)并對其進(jìn)行訓(xùn)練 = mycreatenn(P,T)。 T = [eye(10) eye(10) eye(10) eye(10)]。out(:,t) = charvec。for t = 4:50 南湖學(xué)院畢業(yè)設(shè)計（論文）27%調(diào)用函數(shù)對圖像進(jìn)行修剪bw2 = myimgcrop(img{t})。)。title(39。)。 算法流程輸入樣本對網(wǎng)絡(luò)進(jìn)行 BP 算法學(xué)習(xí)形成能識別字符的神經(jīng)網(wǎng)絡(luò)輸入英文字符圖像歸一化處理仿真測試識別成功 顯示失敗顯示識別字符重新輸入重新輸入否是圖 識別算法流程圖 程序設(shè)計%ex1506_2%讀取原始圖像I = imread(39。本文所用到的是人工神經(jīng)網(wǎng)絡(luò)方法，神經(jīng)網(wǎng)絡(luò)可以分為：反向反饋型網(wǎng)絡(luò)模型、自組織型網(wǎng)絡(luò)模型和隨機(jī)型網(wǎng)絡(luò)模型、前向反饋型(BP)網(wǎng)絡(luò)模型等幾種模式。)。)end%存儲車牌圖像 if(k==1) imwrite(I(index(1)2:index(2),index(3):index(4)),39。title(39。 index=p{i}?；叶扰蛎浐髨D像 39。)figure(3)imshow(IM3)。title(39。原始圖像39。 % 清空部分變量%%%%%%%%%%%%%%%%顯示figure(1)imshow(I)。clear x。 南湖學(xué)院畢業(yè)設(shè)計（論文）22k=m1。 endendp=p1。p_ratio(i)20) p1{m}=p{i}。T=*max(p_ratio)。 %清除部分變量 endendk=length(p)。 %更新區(qū)域比例記錄 clear pp。 end p=pp。 for i=1:m pp{i}=p{ncount(index(i))}。 index=find(d_ncount~=1)。 end end %如果有合并，求出合并后最終區(qū)域 if(n0) d_ncount=ncount(2:n+1)ncount(1:n)。 %向后合并 n=n+1。 p{i+1}(3)=min(p{i}(3),p{i+1}(3))。abs(p{i+1}(3) 南湖學(xué)院畢業(yè)設(shè)計（論文）21p{i}(4))=width/15) p{i+1}(1)=min(p{i}(1),p{i+1}(1))。 for i=1:k1 %%%需要調(diào)整 if 條件中的比例 %%%需要調(diào)整 %檢查是否滿足合并條件if(abs(p{i}(1)+p{i}(2)p{i+1}(1)p{i+1}(2))=height/30amp。x,y 分別為行,列坐標(biāo)%p_ratio 為一矩陣，用來存放圖像塊的長寬比例%%%%%%%%%%合并臨近區(qū)域%%%%%%%%如果有多個區(qū)域則執(zhí)行合并if k1 n=0。 p_ratio(i)=(p{i}(4)p{i}(3))/(p{i}(2)p{i}(1))。 p{i}=[p{i}(1)+min(x),p{i}(2)(p{i}(2)p{i}(1)+1max(x)),...