基于Matlab的车牌识别课程的设计与开发.docx

《基于Matlab的车牌识别课程的设计与开发.docx》由会员分享，可在线阅读，更多相关《基于Matlab的车牌识别课程的设计与开发.docx（21页珍藏版）》请在第一文库网上搜索。

1、客户反馈及时反馈就好啦就很烦了信息系统仿真设计实训报告（11级试用版）学院信息电子技术专业通信工程班级11级通信1班学号 11100640105姓名刘锋指导教师蒋野报告规范性5分目的10分工作原理与计算15分步骤15分问题解决方法15分结果（数据）与分析20分答辩20分总分注报告缺项成绩为不及格2014年7月25日基于Matlab车牌识别设计一、 设计目的和意义目的：1、巩固理论课上所学的知识，理论联系实践。2、锻炼动手能力，激发研究潜能，提高协作精神。意义：车牌识别系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高我们分析问题和解决问题的能力，还能

2、培养一定的科研能力。二、工作原理由于车辆牌照是机动车唯一的管理标识符号，在交通管理中具有不可替代的作用，因此车辆牌照识别系统应具有很高的识别正确率，对环境光照条件、拍摄位置和车辆行驶速度等因素的影响应有较大的容阈，并且要求满足实时性要求。图1牌照识别系统原理图该系统是计算机图像处理与字符识别技术在智能化交通管理系统中的应用，它主要由牌照图像的采集和预处理、牌照区域的定位和提取、牌照字符的分割和识别等几个部分组成，如图1所示。其基本工作过程如下：（1）当行驶的车辆经过时，触发埋设在固定位置的传感器，系统被唤醒处于工作状态；一旦连接摄像头光快门的光电传感器被触发，设置在车辆前方、后方和侧面的相机同

3、时拍摄下车辆图像；（2）由摄像机或CCD摄像头拍摄的含有车辆牌照的图像输入计算机进行预理，图像预处理包括图像转换、图像增强、滤波和水平较正等；（3）由检索模块进行牌照搜索与检测，定位并分割出包含牌照字符号码的矩形区域;(4)对牌照字符进行二值化并分割出单个字符，经归一化后输入字符识别系统进行识别。三、设计步骤与计算1 .提出总设计方案。车辆牌照识别整个系统主要是由车牌定位和字符识别两部分组成，其中车牌定位又可以分为图像预处理及边缘提取模块和牌照的定位及分割模块；字符识别可以分为字符分割与特征提取和单个字符识别两个模块。牌照的定位和分割是牌照识别系统的关键技术之一，其主要目的是在经图象预处理后的

4、原始灰度图象中确定牌照的具体位置，并将包含牌照字符的一块子图象从整个图象中分割出来，供字符识别子系统识别之用，分割的准确与否直接关系到整个牌照字符识别系统的识别率。由于拍摄时的光照条件、牌照的整洁程度，和摄像机的焦距调整、镜头的光学畸变所产生的噪声都会不同程度地造成牌照字符的边界模糊、细节不清、笔划断开或粗细不均，加上牌照上的污斑等缺陷，致使字符提取困难，进而影响字符识别的准确性。因此，需要对字符在识别之前再进行一次针对性的处理。车牌识别的最终目的就是对车牌上的文字进行识别。主要应用为模板匹配法。2 .各模块的实现。(一)、预处理及边缘提取1)、图象的采集与转换考虑到现有牌照的字符与背景的颜色

5、搭配一般有蓝底白字、黄底黑字、白底红字、绿底白字和黑底白字等几种，利用不同的色彩通道就可以将区域与背景明显地区分出来。原图、灰度图及其直方图见图2与图3。对于将彩色图象转换成灰度图象时，图象灰度值可由下面的公式计算:(1)G=0.110B+0.588G+0.302R图2预处理及边缘提取流程图解放东路课时费老师打款回复了(2)原图图3原图图4灰度图与灰度直方图2)、边缘提取边缘是指图像局部亮度变化显著的部分，是图像风、纹理特征提取和形状特征提取等图像分析的重要基础。所以在此我们要对图像进行边缘检测。图象增强处理对图象牌照的可辩认度的改善和简化后续的牌照字符定位和分割的难度都是很有必要的。增强图象

6、对比度度的方法有：灰度线性变换、图象平滑处理等。(1)灰度校正由于牌照图象在拍摄时受到种种条件的限制和干扰，图象的灰度值往往与实际景物不完全匹配，这将直接影响到图象的后续处理。可以采用灰度校正的方法来处理，增强灰度的变化范围、丰富灰度层次，以达到增强图象的对比度和分辨率。车辆牌照图象的灰度取值范围大多局限在r=(50,200)之间，而且总体上灰度偏低，图象较暗。根据图象处理系统的条件，最好将灰度范围展开到s=(0,255)之间，为此我们对灰度值作如下的变换：客户反馈及时反馈就好啦就很烦了s = T (r) r=r min, , r max使得Smax,其中，T为线性变换,图5灰度线性变换c S

7、max-Smin Sminxr max-Smaxxr minS =r +:r max - r minr max - r min若 r(50,200)、s(0, 255)而 , 255 255x50 “ 则：S =r 1.7r-85150150背景图像图6背景图像增强黑白图像苏 AMB936BSD AU5通过对生成黑白图片的去背景处理，可以增强图片的黑白对比度，有利于处理亮度过大的图片。(2)平滑处理对于受噪声干扰严重的图象，由于噪声点多在频域中映射为高频分量，因此可以在通过低通滤波器来滤除噪声，但实际中为了简化算法，也可以直接在空域中用求邻域平均值的方法来削弱噪声的影响，这种方法称为图象平滑处

8、理。4325 1J1678图8 8 -邻域模板例如，某一象素点的邻域S有两种表示方法：8邻域和4邻域分别对应的邻域平均值为，23 1, J14图9 4 -邻域模板其中，M为邻域中除中心象素点f(i, j)之外包括的其它象素总数，对于4邻域M=4,8邻域28。然而，邻域平均值的平滑处理会使得图象灰度急剧变化的地方，尤其是物体边缘区域和字符轮廓等部分产生模糊作用。为了克服这种平均化引起的图象模糊现象，我们给中心点象素值与其邻域平均值的差值设置一固定的阈值，只有大于该阈值的点才能替换为邻域平均值，而差值不大于阈值时，仍保留原来的值，从而减少由于平均化引起的图象模糊。laplacain滤波后图像apl

9、acain滤波处理后增强图像增强处理后图像0000MMB936图io平滑处理后的图像由于牌照图象的这些特点，再经过适当的图象变换，它在整幅中可以明显地解放东路课时费老师打款回复了呈现出其边缘。边缘提取是较经典的算法，此处边缘的提取采用的是Roberts算子。robert算子边缘检测图11未滤波直接提取出的边缘 图12经灰度校正后提取的边缘 图13经平滑处理后提取边缘对比以上几幅图片，图12的边缘已经模糊掉了。图11中包含的噪声太多，图13未经滤波直接提取出的边缘图像最清晰，所包含的有用信息最多。（二）、牌照的定位和分割牌照的定位和分割是牌照识别系统的关键技术之一，其主要目的是在经图象预处理后的

10、原始灰度图象中确定牌照的具体位置，并将包含牌照字符的一块子图象从整个图象中分割出来，供字符识别子系统识别之用，分割的准确与否直接关系到整个牌照字符识别系统的识别率。根据其灰度值与周边区域有明显的不同，在其边缘形成了灰度突变的边界，这样就便于通过边缘检测来对图象进行分割。图14牌照定位于分割流程图客户反馈及时反馈就好啦就很烦了1）、牌照区域的定位牌照图象经过了以上的处理后，牌照区域已经十分明显，而且其边缘得到了勾勒和加强。数学形态学的应用可以简化图像数据，保持它们基本的形态特征，并除去不相干的结构。在本程序中用到了膨胀和闭合这两个基本运算，最后还用了bwareaopen来去除对象中不相干的小对象

11、。图15腐蚀后图像图16平滑图像的轮廓 图17从对象中移除小对象后图像2）、牌照区域的分割对车牌的分割可以有很多种方法，本程序是利用车牌的彩色信息的彩色分割方法。根据车牌底色等有关的先验知识，采用彩色像素点统计的方法分割出合理的车牌区域，确定车牌底色蓝色RGB对应的各自灰度范围，然后行方向统计在此颜色范围内的像素点数量，设定合理的阈值，确定车牌在行方向的合理区域。然后，在分割出的行区域内，统计列方向蓝色像素点的数量，最终确定完整的车牌区域。仁士占A1由就颤后的彩色车牌图像O 11I赦阳956图18行方向区域和最终定位出来的车牌3）、车牌进一步处理经过上述方法分割出来的车牌图像中存在目标物体、背

12、景还有噪声，要想从图像中直接提取出目标物体，最常用的方法就是设定一个阈值T,用T将图像的数据分成两部分：大于T的像素群和小于T的像素群，即对图像二值化。均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周解放东路课时费老师打款回复了围的临近像素。再用模板中的全体像素的平均值来代替原来像素值。1 .车牌灰度图像2 .车牌二值图像苏 AMB936苏 M1B9363 .均值滤波前4 .均值滤波后苏MB936苏 AMB9365.膨胀或腐蚀处理后泰 AMB936图19裁剪出来的车牌的进一步处理过程图（三）、字符的分割与归一化图20字符分割与归一化流程图1）、字符分割在汽车牌

13、照自动识别过程中，字符分割有承前启后的作用。它在前期牌照定位的基础上进行字符的分割，然后再利用分割的结果进行字符识别。字符识别的算法很多，因为车牌字符间间隔较大，不会出现字符粘连情况，所以此处采用的方法为解放东路课时费老师打款回复了客户反馈及时反馈就好啦就很烦了寻找连续有文字的块，若长度大于某阈值，则认为该块有两个字符组成，需要分害h1234567图21分割出来的七个字符图像2）、字符归一化一般分割出来的字符要进行进一步的处理，以满足下一步字符识别的需要。但是对于车牌的识别，并不需要太多的处理就已经可以达到正确识别的目的。在此只进行了归一化处理，然后进行后期处理。1234567济口 I ，百

14、4图22归一化处理后的七个字符图像（四）、字符的识别字符的识别目前用于车牌字符识别（OCR）中的算法主要有基于模板匹配的OCR算法以及基于人工神经网络的OCR算法。模板匹配的主要特点是实现简单，当字符较规整时对字符图像的缺损、污迹干扰适应力强且识别率相当高。综合模板匹配的这些优点我们将其用为车牌字符识别的主要方法。模板匹配是图象识别方法中最具代表性的基本方法之一，它是将从待识别的图象或图象区域f（i, j）中提取的若干特征量与模板T（i, j）相应的特征量逐个进行比较，计算它们之间规格化的互相关量，也可以计算图象与模板特征量之间的距离，用最小距离法判定所属类。此处采用相减的方法来求得字符与模板中哪一个字符最相似，然后找到相似度最大的输出。首先取字符模板，接着依次取待识别字符与模板进行匹配，将其与模板字符相减，得到的0越多那么就越匹配。把每一幅相减后的图的0值个数保存，然后找数值最大的，即为识别出来的结果。图23字符识别流程图苏 AMB936赧二 MB936图24识别结果四、问题解决方法通过以上的方法，我对多幅图像进行了检测，有较好的识别效果。下面是对另一幅车牌照