基于matlab的车牌识别系统

1、精选优质文档-倾情为你奉上基于matlab图像处理的车牌识别系统作 者 姓 名 李岳群 专 业 电子信息工程 指导教师姓名 张楠 专业技术职务 讲师 专心-专注-专业目 录摘 要随着二十一世纪到来，经济快速发展和人们生活水平显著提高，汽车逐渐成为家庭的主要交通工具。汽车的产量快速增多，车辆流动也变得越来越频繁，因此给交通带来了严重问题，如交通堵塞、交通事故等，智能交通系统(Intelligent Transportation System)的产生就是为了从根本上解决交通问题。在智能交通系统中车牌识别技术占有重要位置，车牌识别技术的推广普及必将对加强道路管理、城市交通事故、违章停车、处理车辆被盗

2、案件、保障社会稳定等方面产生重大而深远的影响。 该设计主要研究基于MATLAB软件的汽车号牌设别系统设计，系统主要包括图像采集、图像预处理、车牌定位、字符分割、字符识别五大核心部分。系统的图像预处理模块是将图像经过图像灰度化、图像增强、边缘提取、二值化等操作，转换成便于车牌定位的二值化图像；利用车牌的边缘、形状等特征，再结合Roberts 算子边缘检测、数字图像、形态学等技术对车牌进行定位；字符的分割采用的方法是将二值化后的车牌部分进行寻找连续有文字的块，若长度大于设定的阈值则切割，从而完成字符的分割；字符识别运用模板匹配算法完成。以上每个功能模块用MATLAB软件实现，最后识别出车牌，在研究

3、设计的同时对其中出现的问题进行具体分析、处理，并寻求更优的方法。1关键词： MATLAB 车牌识别系统 字符识别 图像处理ABSTRACTWith the arrival of the twenty-first century, the rapid economic development and people's living standards have markedly improved, the car gradually become the main means of transport for the family. Rapid increase in productio

4、n of motor vehicles, vehicular movement has become increasingly frequent, and therefore poses a serious problem to the traffic, such as traffic congestion, traffic accidents, the generation of the Intelligent Transportation System (Intelligent Transportation System) In order to fundamentally solve t

5、he problem of traffic problem. License plate recognition technology in the intelligent transportation system occupies an important position, a significant and far-reaching impact on the promotion of universal license plate recognition technology is bound to strengthen road management, urban traffic

6、accidents, illegal parking, and deal with the theft of the vehicle, and safeguard social stability.The design study based on MATLAB software car number plate set five core part of the design of other systems, the system mainly includes image acquisition, image preprocessing, license plate location,

7、character segmentation, character recognition. The image pre-processing module of the system is the image gray image, image enhancement, edge detection, binarization operation, convert to facilitate the binary image of the license plate location; license plate edge, shape and other characteristics,

8、combined with Roberts character segmentation method is used the plate after the binarization part Find the continuous text block, if the length is greater than the set threshold value, cutting operator the sub edge detection, digital image, morphology, such as technical positioning of the plate; thu

9、s completing the segmentation of the characters; completion of the use of character recognition template matching algorithm. Each functional module using MATLAB software, the final identification of the license plate, specific analysis of the issues that may arise in the study design, processing, an

10、d to seek a better method.Key words：MATLAB； License plate recognition； Character recognition； Image processing 第一章 绪论1.1研究背景及意义 随着经济社会的迅猛发展，人们的生活水平的提高，机动车辆的数量也越来越多。为了提高车辆的管理效率，缓解公路上的交通压力，我们必须找到一种解决方案。而作为汽车“身份证”的汽车车牌，是在公众场合能够唯一确定汽车身份的凭证。我们可以以此为依据，设计一种车牌识别系统监控各个车辆的情况。为此，我国交通管理部门对汽车车牌的管理非常重视并制定了一套严格的管理

11、法规。其中对汽车车牌的制作、安装、维护都要求由制定部门统一进行管理。在此基础上，如果研制出一种能在公众场合迅速准确地对汽车牌照进行自动定位识别的系统(CPR)，那么这将是一件非常有意义的工作，并将极大地提高汽车的安全管理水平及管理效率。车辆牌照定位与识别是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一, 该技术应用范围非常广泛, 其中包括: (1)交通流量检测；(2)交通控制与诱导；(3)机场、港口等出入口车辆管理；(4)小区车辆管理；(5)闯红灯等违章车辆监控；(6)不停车自动收费；(7) 道口检查站车辆监控；(8)公共停车场安全防盗管理；(9)计算出行时间；(10) 车辆安全

12、防盗、查堵指定车辆等。其潜在市场应用价值极大，有能力产生巨大的社会效益和经济效益。近些年,计算机的飞速发展和数字图像技术的日趋成熟，为传统的交通管理 带来重大转变。先进的计算机处理技术，不但可以将人力从繁琐的人工观察、检测中解放出来，而且能够大大提高其精确度，汽车牌照自动识别系统就是在这样的背景与目的下进行开发的。汽车牌照自动识别系统(VLPRS)是对由公路上配置的摄像头拍摄的照片进行数字图像处理与分析，综合应用大量的图像处理最新成果和数学形态学方法对汽车图像进行平滑、二值化、模糊处理、边缘检测、图像分割、开运算、闭运算、区域标识等多种手段以提取车牌区域,进而达到对汽车牌照的精确定位并最终完成

13、对汽车牌照的识别。从20世纪80年代，国内外的研究人员就开始了对车牌识别系统的研究。在车牌识别的过程中，虽然运用了很多的技术方法，但由于外界环境光线变化、光路中有灰尘、季节环境变化及车牌本身被污染而模糊等条件的影响,使得车牌识别系统一直处于实验室阶段，得不到很好的应用；而且，很多的方法都需要大量的数值计算，不能很好地满足实时性要求。为了解决图像恶化的问题，目前采取的办法是采用主动红外照明摄像或使用特殊的传感器来提高图像的质量。虽然提高了识别率,但是，这同时也造成了系统的投资成本过大，应用领域变窄，不能普遍推广应用。车辆牌照定位与识别是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一

14、, 该技术应用范围非常广泛。国外汽车牌照识别系统研究工作已有一定进展, 但并不尽合我国国情。我国汽车牌照的规范悬挂位置不唯一，并且由于环境、道路或人为因素造成汽车牌照污染严重, 这种情况下国外发达国家不允许上路, 而在我国仍可上路行驶等。由于我国汽车车牌识别的特殊性, 采用任何一种单一识别技术均难以奏效。目前正在研制的无源型汽车牌照智能识别系统综合利用了车辆检测技术、计算机视觉(Computer Vision) 技术、图象处理技术、人工智能技术和人工神经网络技术等, 是一个比较有发展前途的车牌识别系统。1.2车牌系统简介汽车牌照自动识别技术可应用于道路交通流监控、交通事故现场勘测、交通违章自动

15、记录、高速公路自动收费系统、停车场自动安全管理、智能园区管理等方面，在现代交通监控和管理系统占有很重要的地位。同时，汽车牌照识别的方法还可应用到其它识别领域，因此汽车牌照的识别问题己成为现代交通工程领域中研究的重点和热点问题之一。最为常见的车牌识别系统结构如图1-1：图1-1 车牌识别系统结构图汽车牌照识别系统的基本工作原理为:根据采集到的序列图像对图像中的车辆牌照进行搜索、检测、定位，并分割出包含牌照字符的矩形区域，然后对牌照字符进行二值化，并将其分割为单个字符，归一化后输入字符识别系统进行识别。近年来，汽车牌照智能识别的技术发展很快，就其识别基础，主要可分为间接法和直接法两种:间接法是基于

16、IC卡鉴别(REID)或基于条码的识别。直接法是基于图像的汽车牌照识别。1、间接法:指通过识别安装在汽车上的IC卡或条形码中所存储的车牌的信息来识别车牌及相关信息。IC卡技术识别准确度高，运行可靠，可以全天候作业，但它整套装置价格昂贵，硬件设备十分复杂，不适用于异地作业;条形码技术具有识别速度快、准确度高、可靠性强以及成本较低等优点，但是对于扫描器要求很高。此外，二者都需要制定出全国统一的标准，并且无法核对车、条形码是否相符，也是技术上存在的缺点，这给近期在短时间内推广造成困难。2、直接法:基于图像的车牌识别技术属于直接法，是一种无源型汽车牌照智能识别方法，能够在无任何专用发送车牌信号的车载发

17、射设备情况下，对运动状态车辆或静止状态车辆的车牌号码进行非接触性信息采集并实时智能识别。与间接法识别系统相比，首先，这种系统节省了设备安置及大量资金，从而提高了经济效益;其次，由于采用了先进的计算机应用技术，所以可提高识别速度，较好地解决实时性问题;再次，它是根据图像进行识别，所以通过人的参与可以解决系统中的识别错误，而其他方法是难以与人交互的。直接法一般有图像处理技术，传统模式识别技术及人工神经网络技术。(1)图像处理技术:运用图像处理技术解决汽车牌照识别的研究最早始于80年代，但国内外都只是就车牌识别中的某一个具体问题进行讨论，并且通常仅采用简单的图像处理技术来解决，并没有形成完整的系统体

18、系，识别过程是使用工业电视摄像机拍下汽车的工前方图像，然后交给计算机进行简单的处理，并且最终仍需要人工干预，例如车辆牌照中省份汉字的识别问题，1985年有人利用常见的图像处理技木方法提出汉字识别的分类是在抽取汉字特征的基础上进行的，根据汉字的投影直方图选取浮动闭值，抽取汉字在竖直方向的峰值，利用树形查表法进行汉字的粗分类;然后根据汉字在水平方向的投影直方图，选取适当闭值，进行量化处理后，形成一个变长链码，再用动态规划法，求出与标准模式链码的最小距离，实现细分来完成汉字省名的自动识别。 (2)传统模式识别技术。传统模式识别技术指结构特征法，统计特征法等。90年代，由于计算机视觉技术的发展，开始出

19、现汽车牌照识别的系统化研究。1990年AS.Johnson等运用计算机视觉技术和图像处理技术实现了车辆牌照的自动识别系统。该系统分为图像分割、特征提取和模板构造、字符识别等三个部分。利用不同闽值对应的直方图不同，经过大量统计实验确定出车牌位置的图像直方图的闽值范围，从而根据特定闽值对应的直方图分割出车牌，再利用预先设置的标准字符模板进行模式匹配识别出字符。(3)人工神经网络技术2。近几年来，计算机及相关技术发达的一些国家开始探讨用人工神经网络技术解决车牌自动识别问题，例如1994年M.M.M.FANHY等就成功地运用了BAM神经网络方法对车牌上的字符进行自动识别，BAM神经网络是由相同神经元构

20、成的双向联想式单层网络，每一个字符模板对应着唯一个BAM矩阵，通过与车牌上的字符比较，识别出正确的车牌号码。近年来，基于图像的车牌识别系统的研制引起了许多学者的广泛兴趣，但车牌识别由于要适应各种复杂背景以及不同光照条件影响，使车牌分割及识别增加了难度，目前虽然国内外都有一些实用的车牌识别系统面市。但是，这些系统的应用都存在一定的约束，至今车牌自动识别技术尚未达到很完善的程度。21.2.1国内外现状 车牌自动识别技术的研究国外起步地较早。早在20世纪80年代，便有一些零零散散的图像处理方法用于车牌自动识别的某些具体应用。在这个阶段，车牌自动识别技术的研究还没有形成完整的系统体系，一般采用简单的图

21、像处理方法来解决某些具体问题，并且最终结果通常需要人工干预。进入20世纪90年代后，车牌自动识别的系统化研究开始起步。典型的如A.S.Johnson等提出车辆牌照的自动识别系统分图像分割(Image Segment)、特征提取(Feature Extraction)和模板构造(Template Formation)、字符识别(CharacterRecognition)等三个部分，完成车牌的自动识别。R.A.Lotufo使用视觉字符识别技术(Optical Character Recognition Technology)分析所获得的图像，首先在二值化图像中找到车牌，然后用边界跟踪技术提取字符特

22、征，再利用统计最邻近分类器(Statistical Nearest Neighbor Classifying System)与字符库中的字符比较，得出一个或几个车牌候选号码，再对这些号码进行核实检查，确定是否为该车牌号码，最终确定车牌号码。这个时期的应用在识别正确率方面有所突破，但还没有考虑识别实时性的要求，识别速度有待进一步提高。 由于我国的车牌格式和国外有较大的差异，所以对于国外的车牌识别系统的研究技术，我们只能进行参考，不能进行直接应用。虽然我国车牌的识别需要识别汉字，但是对于英文字母和数字的识别，我们可以借鉴国外的研究技术。从80年代中期开始，ARGUS英国Alphatech公司就开始

23、了名为RAUS的车牌自动识别系统的研制。ARGUS的车牌识别系统的识别时间约为100毫秒，通过ARGUS的车速可高达每小时100英里。还有Hi-Tech公司的See/Car system,新加坡Optasia公司的VLPRS等。另外日本、加拿大、德国等发达国家都有适用于本国的车牌识别系统。国内在90年代也开始了自己的车牌识别系统的研究。目前比较成熟的产品有中科院自动化研究所汉王公司的汉王眼，香港亚洲视觉科技有限公司的慧光车牌号码识别系统等等。另外西安交通大学的图像处理和识别实验室、上海交通大学的计算机科学和工程系、清华大学人工智能国家重点实验室、浙江大学自动化系等都做过类似的研究。虽然这些车牌

24、识别系统的识别率大多都比较高，如95%，甚至97%、98%，但是这些车牌识别系统的识别检测结果大多数是在简单受限制的场景下取得的，在实际的交通场合以及更加复杂的背景环境的情况下，这些车牌识别系统的识别率一般都达不到90%，甚至更低。31.2.2车牌识别难点 在复杂环境下的车牌识别率较低的主要原因有：（一） 我国汽车牌照自身特征的复杂性1) 汉字、字母、数字混合。我国的车牌不单单有英文字母和阿拉伯数字，还有汉字。由于汉字的复杂性，在识别方面难度远远大于字母和数字。2) 颜色种类多。国外的车牌颜色种类相对于国内较少一些，我国的车牌颜色种类较多。大致可以分为四种：黄底黑字，蓝底白字，白底黑字和黑字白

25、字。3) 人为因素复杂。由于环境、道路或者人为因素造成车牌有严重污渍、车牌模糊不清或者车牌偏斜角度很大的车辆，在我国都可以上路行驶。在国外，这种情况是绝对不行的。4) 车牌格式多。我国的车牌格式很多，包括：民用车牌、公安警察车牌、武警车牌、军车车牌、外交车牌、特种车牌、消防车牌等。5) 悬挂方式多样化。我国汽车车牌的悬挂方式不唯一，由于不同汽车公司出产的汽车型号和外形各有不同，导致了车牌的悬挂位置不唯一。(二)外部环境影响1) 外部光照条件各不相同，白天和晚上的光照各不相同。光照对采集的图像质量产生很大的影响。不同的光照角度对车牌光照的不均匀影响也很大。不同的气候条件、背景光照环境、车牌反光程

26、度都决定了车牌的亮度特征。在特征提取时，光照过亮或者过暗都会影响车牌识别的准确率。2) 外界背景的复杂程度也影响车牌的定位准确率。背景中和车牌区域当中有许多和车牌特征相似的长方形区域，这些容易给车牌定位造成误判导致车牌定位的准确率降低。（三）拍摄角度问题实际工程当中的拍摄角度相对于车辆的行驶方向一般是正上方、左侧和右侧。如果拍摄的角度越小，车牌在平面图像中的变形越小，识别效果越好。根据智能交通系统的结构可知，摄像机采集到的图像均为系列图像，而由于外部环境的影响，车牌识别系统采用的图像不一定是最优的。41.3 MATLAB的简介 MATLAB是由美国mathworks公司发布的主要面对科学计算、

27、可视化以及交互式的高科技计算环境。它将数值分析、科学数据可视化以及非动态系统的和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进水平。MATLAB和、并称为四大软件，它在类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行运算、绘制和数据、实现算法、创建用户界面、连接其他的程序等，主要应用于工程计算、控制设计、与通讯、图像处理、设计与分析等。MATLAB的基本数据单位是，它的指令表达式与、工程中常用的形式十

28、分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完成相同的事情简捷得多，并且MATLAB也吸收了像Maple等软件的优点，使MATLAB成为一个强大的。在新的版本中也加入了对，的支持，可以直接调用，用户也可以将自己编写的实用程序导入到MATLAB库中方便自己以后调用，此外许多的MATLAB爱好者都编写了一些经典的程序，用户可以直接进行下载就可以用5。1.3 MATLAB语言特点一种语言之所以能如此迅速地普及，显示出如此旺盛的生命力，是由于它有着不同于其他语言的特点。正如同FORTRAN和C等高级语言使人们摆脱了需要直接对计算机硬件资源进行操作一样，被称作为第四代计算机语言的MA

29、TLAB，利用其丰富的函数资源，使编程人员从繁琐的程序代码中解放出来。MATLAB的最突出的特点就是简洁。MATLAB用更直观的、符合人们思维习惯的代码，代替了C和FORTRAN语言的冗长代码，MATLAB给用户带来的是最直观、最简洁的程序开发环境。以下简单介绍一下MATLAB的主要特点：(1) 语言简洁紧凑，使用方便灵活，库函数极其丰富。MATLAB程序书写形式自由， 利用其丰富的库函数避开繁杂的子程序编程任务，压缩了一切不必要的编程工作。 由于库函数都由本领域的专家编写，用户不必担心函数的可靠性。可以说，用 MATLAB进行科技开发是站在专家的肩膀上。(2) 运算符丰富。由于MATLAB是

30、用C语言编写的，MATLAB提供了和C语言几乎 一样多的运算符，灵活使用MATLAB的运算符将使程序变得极为简短。(3) MATLAB既具有结构化的控制语句（如for循环、while循环、break语句和if语 句），又有面向对象编程的特性。(4) 语法限制不严格，程序设计自由度大。例如，在MATLAB里，用户无需对矩阵 预定义就可使用。(5) 程序的可移植性很好，基本上不做修改就可以在各种型号的计算机和操作系统上 运行。(6) MATLAB的图形功能强大。在FORTRAN和C语言里，绘图都很不容易，但在 MATLAB里，数据的可视化非常简单。MATLAB还具有较强的编辑图形界面的 能力。(7

31、) MATLAB的缺点是，它和其他高级程序相比，程序的执行速度较慢。由于MATLAB 的程序不用编译等预处理，也不生成可执行文件，程序为解释执行，所以速度较慢。6第二章 图像预处理2.1 图像采集汽车号牌识别系统采集图片主要是利用照相机拍摄获得的。拍摄照片时应注意一下几点：(1) 拍摄的汽车图片应包含汽车车牌，避免选择车牌颜色与汽车颜色相似的。(2) 车牌应完好无损且字符清晰，光线选择柔和的。(3) 拍摄的角度应越小越好，这样车牌在平面图像中的变形越小，识别效果越好。由于我国车牌种类较多，大致有黄底黑字，蓝底白字，白底黑字和黑底白字。考虑到系统识别的准确性，本设计采用蓝底白字的车牌为研究对象。

32、由于采集到图片存储格式不一致，比较常见的图片格式有*.BMP 、*.JPG、*.GIF等，本设计采集到的图片统一采用*.JPG的格式。2.2 图像预处理读取图片为了更能够准确的进行汽车车牌的定位和分割，车牌的字符识别必须经过图像预处理，图像预处理可以提高车牌图片的适用性。原始图像不只是包括汽车车牌，还有汽车本身和其他一些背景，所以必须去掉这些非汽车车牌图像的影响，才有可能正确的提取出汽车车牌的区域，为进行下面的车牌字符识别打下基础。由于本系统设计使用的图片是在户外采集到的，会受到光照的稳定性与均匀性的影响，加上车辆车牌的整洁度、拍摄时摄像机与车牌的矩离和角度等因素的影响，使图片存在各种各样的噪

33、声。车牌图片可能出现模糊、歪斜和缺损等严重问题，因此需要对原始图片进行预处理，以改善图像的质量，提高字符识别率13。下图2-1流程图简要的概述了图像预处理的基本步骤：图像灰度化平滑处理提取边缘图2-12.2.1 图像灰度化未经处理的原始图片包含着大量的颜色信息，不但占用存储内存很大，而且在运行过程中也会降低系统的速度，因此要将彩色图片转变为灰度图片，以加快系统执行速度。由彩色转换为灰度的过程叫做灰度化处理，灰度图是指只包含亮度信息，不包含色彩信息的图像。经过灰度变换后的图片，像素的动态范围增加，图像的对比度增强，使图像变得更加清晰、细腻、容易识别。彩色图片分为R、G、B三个分量，分别显示红、绿

34、、蓝等各种颜色，灰度化就是使彩色的R、G、B分量相等的过程。灰度值大的像素点比较亮（像素值最大为255，为白色），反之比较暗（像素值最小为0，是黑色）。本设计的灰度图片变换的实现采用了rgb2gray函数，代码为I1=rgb2gray(I)。原始图像2-2、灰度图2-3和直方图2-4如下：原始图像2-2灰度图像2-3图像2-42.2.2 图像增强图像增强的目的是对图像进行加工，得到更能准确提取车牌边缘，从而准确定位车牌的图像。对车辆图像进行灰度化处理之后，车牌部分和非车牌部分图像的对比度并不是很高，由于车牌界限较为模糊，难以提取出车牌边缘。为了增强车牌部分图像和其他部分图像的对比度，使其明暗鲜

35、明，有利于提高识别率，需要将车辆图像进行增强。增强图像的方法有很多，如灰度变换、图像平滑处理和线性滤波等，根据处理图像域又可分为空间增强与频域增强。目前用于车牌图像增强的方法有：灰度拉伸、直方图均衡、中值滤波、高斯滤波、邻域滤波、图像腐蚀、多图像平均、同态滤波等9。本系统设计中对图像操作时先腐蚀或膨胀，用来消除小物体、在纤细点处分离物体、平滑较大物体的边缘同时并不明显改变其面积。对图像进行腐蚀，运用代码se=1;1;1;I3=imerode(I2,se);对图像进行腐蚀操作，腐蚀后的图像如图2-5所示：图2-5在图像的获取和传输过程中原始图像会受到各种噪声的干扰，由于噪声点多在频域中映射为高频

36、分量，使图像质量下降。为了抑制噪声、改善图像质量，要对图像进行平滑处理。图像平滑处理的方法主要有空域中求邻域平均值，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，我们给中心点像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像模糊。图像平滑的目的是为了消除噪声。噪声消除的方法又可以分为空间域或频率域，亦可以分为全局处理或局部处理，亦可以按线性平滑、非线性平滑和自适应平滑来区别。图像的平滑是一种实用的数字图像处理

37、技术，一个较好的平滑处理方法应该既能消除图像噪声，又不使图像边缘轮廓和线条变模糊，这就是研究数字图像平滑处理要追求的目标。一般情况下，减少噪声的方法可以在空间域或频率域进行处理，主要有邻域平均法、中值滤波法、低通滤波法等，邻域平均法即通过提高信噪比，取得较好的平滑效果；空间域低通滤波采用低通滤波的方法去除噪声；以及频域低通滤波法过除去其高频分量就能去掉噪声，从而使图像得到平滑。第三章 车牌定位与分割汽车车牌的定位和分割是汽车号牌识别系统的核心技术之一，汽车车牌定位分割的准确性直接关系着整个汽车号牌识别系统的识别成功率。汽车车牌经过图像预处理得到的灰度图来确定车牌的具体位置，接着从图像中分割出含

38、有车牌字符的子图像。汽车车牌是一个很有特征的区域，在原始图像中类似一个长方形，其灰度值与周围区域有明显的不同，所以在车牌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像进行分割7。流程图如图3-1：对图像进行腐蚀去除杂质通过计算寻找X和Y方向车牌的区域完成车牌定位对分割出的车牌做进一步处理图3-13.1 车牌定位车牌图像往往是在复杂的环境中拍摄得到的，由于车牌与复杂的车身背景融为一体，还有车牌在使用中磨损与灰尘及拍摄仪器的影响以及由于拍摄角度的不同，车牌在图像中往往有很大的形变，如何在复杂背景中准确、快速找出车牌的位置成为车牌识别中的难点。目前已有不少学者在这方面进行了研究，总结起来主

39、要有如下几类方法8：(1) 基于水平灰度变化特征的方法，这种方法主要在车牌定位前，需要对图像进行预 处理，将彩色图像转换为灰度图像，利用车牌区域水平方向的纹理特征进行车牌 定位；(2) 基于边缘检测的定位方法，这种方法是利用车牌区域丰富的边缘特征进行车牌定 位，能够进行检测的方法有多种，如Roberts 边缘算子、Prewitt 算子、Sobel 算 子以及拉普拉斯边缘检测；(3) 基于车牌颜色特征的定位方法，这种方法主要是应用车牌的纹理特征、形状特征 和颜色特征即利用车牌字符和车牌底色具有明显的反差特征来排除干扰进行车牌 的定位；(4) 基于Hough变换的车牌定位方法，这种方法是利用车牌边

40、框的几何特征，采取寻 找车牌边框直线的方法进行车牌定位；(5) 基于变换域的车牌定位方法，这种方法是将图像从空域变换到频域进行分析，例 如采用小波变换等；(6) 基于数学形态学的车牌定位方法，这种方法是利用数学形态学图像处理的基本思 想，利用一个结构元素来探测一个图像， 看是否能将这个结构元素很好的填放在 图像内部，同时验证填放元素的方法是否有效。腐蚀、膨胀、开启和关闭是数学 形态学的基本运算。这些方法各有优缺点，要实现快速、准确地定位车牌，应该综合利用车牌的各种特征，仅靠单一特征很难奏效。本系统设计结合车牌纹颜色、水平灰度变化特征、Roberts 算子边缘检测和数学形态学的腐蚀、膨胀等特征对

41、车牌进行定位，对于提高车牌定位准确率提供更有利的保障。下面是车牌定位的相关图片及代码：se=1;1;1;I3=imerode(I2,se);guidata(hObject, handles);se=strel('rectangle',10,25);I4=imclose(I3,se);guidata(hObject, handles);图3-2平滑图像I5=bwareaopen(I4,2000);guidata(hObject, handles);图3-3function PY2,PY1,PX2,PX1=chepai_fenge(I5)y,x,z=size(I5);myI=dou

42、ble(I5);ticY_threshlow=5;X_firrectify=5;Blue_y=zeros(y,1);for i=1:y for j=1:x if(myI(i,j,1)=1) Blue_y(i,1)= Blue_y(i,1)+1; end end end temp MaxY=max(Blue_y); PY1=MaxY; while (Blue_y(PY1,1)>=Y_threshlow)&&(PY1>1) PY1=PY1-1; end PY2=MaxY; while (Blue_y(PY2,1)>=Y_threshlow)&&(P

43、Y2<y) PY2=PY2+1; end PY1, PY2 figure(1),imshow(Blue_y),title('y方向确定');图3-4y方向车牌区域PX1=PX1-1; PX2=PX2+1; dw=I(PY1:PY2-8,PX1:PX2,:); imshow(dw),title(水平方向合理区域); pause(2); t=toc;guidata(hObject, handles);图3-5水平方向合理区域3.2 车牌分割车牌分割的方法有多种多样，由于车牌的颜色信息与其他背景的不一样，所以本系统采用彩色分割的方法。本系统设计采用的汽车图片车牌底色是蓝色，采用

44、蓝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，确定车牌在水平方向的合理区域。在分割出的水平区域内，再统计垂直方向蓝色像素点的数量，最终确定出完整的车牌区域9。由于本系统设计只限用于车牌底色为蓝色的车牌，对于其他颜色如黄色、白色等为底色的车牌则不成功。所以本系统具有一定的局限性。下面是分割后的车牌图：图3-63.3 车牌进一步处理在图像处理中，二值图像占有非常重要的地位，首先图像的二值化有利于图像的进一步处理，使图像变得简单、而且数据量减小，能凸显出感兴趣的目标的轮廓。当然要进行二值图像的处理与分析，

45、首先要把图像进行灰度化，再进行二值化，才能得到二值化图像。在图像二值化的过程中，会选取一个阈值，所有灰度太于或等于阀值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者其他的物体区域。如果某图像在内部有均匀一致的灰度值，并且处在一个具有其他等级灰度值的均匀背景下，利用阀值法就能得到较好的切分效果12。如果物体同背景的差别难以用不同的灰度值表现，可以把这些差别特征转换为灰度的差别，然后利用阀值法来切分该图像。由此可见，只有合适的选取阈值，才能使二值化图像能准确的表示图像的物体区域和背景区域。所以这个二值化阈值的选取则成为图像二值化的关键

46、问题。车牌的二值化处理就是将车牌上点的灰度值置为 0 或255，处理后整个车牌图像呈现黑白效果，也就是将256个亮度等级的灰度图经过合适的阈值选取，而获得的二值化图像仍然可以反映图像整体和局部特征。分割出来的车牌图像中存在目标物体、背景还有噪声，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。下面是车牌图像处理过的图3-7：图3-7第四章 字符分割和归一化字符的分

47、割与归一化是影响着车牌识别成功与否的主要因素。下图是字符的分割与归一化的流程图9：m，n=size（d），逐排检查有没有白色像素点，设1<=j<n-1，若图像两边s（j）=0，则切割，去除图像两边多余的部分。切割去图像上下多余的部分根据图像的大小，设置一阈值，检测图的X轴，若宽度等于这一阈值则切割，分离出七个字符。归一化切割出来的字符图像的大小40*20，与模板中字符图像的大小相匹配。 图4-14.1 字符分割在汽车车牌识别过程中，字符分割是在前期车牌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，它具有中间桥梁的作用。车牌字符间的间距较大，不会出现字符粘连情况，所以

48、本系统设计采用的方法是寻找连续有文字的块，若长度大于设定的阈值，则认为该块有两个字符组成，需要分割。图4-24.2 字符归一化 分割出来的字符可能存在一定的大小差距，所以要进行进一步的处理，以便接下来的字符识别能准确的识别出字符。本系统设计对分割出来的字符进行了归一化处理，归一化切割出来的字符图像的大小为40*20，与模板中字符图像的大小相匹配。图4-34.3 字符识别目前已经提出的车牌字符识别的方法7有以下几种： (1) 模板匹配字符识别算法。模板匹配字符识别算法的实现方法是计算输入模式与样 本之间的相似性，取相似性最大的样本为输入模式所属类别。该方法识别速度快， 但是对噪点比较敏感。在实际

49、应用中，为了提高正确率往往需要使用大的模板或 多个模板进行匹配，处理时间则随着模板的增大以及模板个数的增加而增加。 (2) 统计特征匹配法。统计特征匹配法的要点是先提取待识别模式的一组统计特征， 然后按照一定的准则所确定的决策函数进行分类判决。实际应用中，当字符出现 字符模糊、笔画融合，断裂、部分缺失时，此方法效果不理想，鲁棒性较差。(3) 神经网络字符识别算法。主要有两种方法：一种方法是先对待识别字符进行特征 提取，然后用所获得的特征来训练神经网络分类器。其中，字符特征的提取是研 究的关键，特征参数过多会增加训练时间，过少会引起判断上的歧义。另一种方 法是充分利用神经网络的特点，直接把待处理

50、图像输入网络，由网络自动实现特 征提取直至识别。这种网络互连较多，待处理信息量大，抗干扰性能好，识别率 高。但是产生的网络结构比较复杂，输入模式维数的增加可能导致网络规模庞大。(4) 支持向量机模式识别算法。支持向量机（Support Vector Machine ，SVM）是Vapnik 及其研究小组针对二类别的分类问题提出的一种分类技术，其基本思想是在样本 空间或特征空间，构造出最优平面使超平面与不同类样本集之间的距离最大，从 而达到最大的泛化能力。主要有两种方法应用于字符识别：一种是先对待识别字 符进行特征提取，然后用所获得的特征来训练SVM分类器。另一种是直接将每 个字符的整幅图像做为

51、一个样本输入，不需要进行特征提取，节省了识别时间18。 这四种方法中，模板匹配是车牌字符识别最简单的方法之一，神经网络字符识别算法是目前比较流行的算法，本系统设计是采用模版匹配算法进行字符识别。 基于模板匹配的字符识别基本过程是：首先对待识别字符进行二值化并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果。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。流程图如下：建立自动识别的代码表读取分割出来的字符第一个字符与模板中的汉字模板进行匹配第二个字符与模板中的字母模板进行匹配待识别字符与模板字符相减，值越小相

52、似度越大，找到最小的一个即为匹配的最好的识别完成，输出此模板对应值后5个字符与模板中的字母与数字模板进行匹配图4-4本系统设计采用相减的方法找到出分割字符与模板库中的字符相似度最大的字符，然后输出。汽车号牌的字符一般有七个，大部分车牌第一位是汉字，通常代表车辆所属省份，接着的是字母与数字。车牌字符汉字共约50多个，大写英文字母26个，数字10个。为了提高系统的识别率与实验的方便，本次系统设计只建立了5个汉字26个字母与10个数字的字符模板库。 首先取模板库的字符，接着依次取待识别字符与模板进行匹配，将其与模板库字符相减，得到的0越多那么匹配成功率越高。把每一幅相减后的图的0值个数保存，即为识别

53、出来的结果并将结果保存在Data.xls文件中。字符识别图如下：图4-5第五章 汽车号牌识别系统实现与分析5.1 系统实现系统实现，结果如图：图5-1系统界面图5-2边缘检测和灰度图直方图 图5-3 平滑图像的轮廓 图5-4移除小对象图5-5y方向车牌区域图5-6X方向车牌区域 图5-7 图5-8图5-9 图5-10图5-11图5-125.2 系统分析基于MATLAB软件设计的汽车号牌识别系统是一个复杂的系统，考虑到时间和本人能力等因素，在这里我只做了一些初步的研究，很不够完善的地方，还需进一步的研究改进。(1) 汽车号牌识别系统是针对车牌为蓝底白字，7个字符水平排列的汽车车牌进行研 究。有些

54、光照条件不理想的图片，需要先进行图象增强处理，让图象灰度动态范 围扩展和对比度增强，再进行车牌定位和分割，这样可以提高分割的成功率。色 彩通道的车牌区域分割算法充分利用了车牌图象的色彩信息，简化了算法的实现， 加快了图象的处理速度，具有较高的正确率，而且整个程序用MATLAB语言编 程实现，运算速度快。但是也存在一些识别效果不是很理想的图片，这些图片需 要做一些前提工作后才能识别出相应的字符。(2) 车牌定位和分割中利用的车牌区域的宽度信息以及字符尺寸信息，是根据采集到 的车辆图像通过人工或者经验测算出来的，实际中需要自动检测；(3) 由于基于寻找连续有文字的块的字符分割方法容易受噪声和环境光

55、线变化的影 响，所以在车牌字符分割的预处理中，需要对分割出的字符车牌进行均值滤波， 膨胀或腐蚀的处理。经过这些处理可以把字符与字符之间的杂色点去除，只有白 色的字符和黑色的背景存在，有利于的字符分割进行19。(4) 字符识别方法中运用模板匹配的方法，方法简洁但识别率较低。模板匹配法，是 利用要识别的字符图片与字符库中的图片进行两幅图片相减的方法，找到相减后 值最小的图片，其相似程度最大的。模板库的字符制作很重要，必须要用精确的 模板，否则就不能正确的识别。本人对于识别失败的车牌进行了分析，主要原因有几点：(1) 车牌自身的污渍、颜色对比度太低、图像的像素等影响了图像的质量；(2) 在字符分割时，由于车牌中存在螺钉凸起，分割的时候系统将凸起部分也当做字 符进行了分割，车牌最终的分割是七个字符，但是加