车牌识别的设计

1、车牌识别的设计摘要：汽车车牌的识别系统是现代智能交通管理的重要组成部分之一。车牌识 别系统使车辆管理更智能化，数字化，有效的提升了交通管理的方便性和有效性。 车牌识别系统主要包括了图像采集、图像预处理、车牌定位、字符分割、字符识 别等五大核心部分。本文主要介绍图车牌定位、字符分割、字符识别三个模块的 实现方法1，本文是基于matlab实现上述功能。关键字：车牌识别车牌定位字符分割字符识别-目的和要求1.1设计目的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。车牌

2、识别系统应该能够从一幅图像 中自动提取车辆图像，自动分割牌照图像，对字符进行正确识别，从而降低交通 管理工作的复杂度。车牌识别系统将获取的车辆图像进行一系列的处理后，以字 符串的形式输出结果，这样不但数据量小，便于存储，操作起来也更容易，因此 车牌识别系统的便捷性是人工车牌识别所不能比拟的，它蕴藏着很大的经济价值 和发展空间，对车牌识别技术的研究是非常有的意义的。1.2设计任务该设计主要研究基于MATLAB软件的汽车号牌识别系统设计，系统主要包括 图像预处理、车牌定位、字符分割、字符识别四大核心部分。图像预处理模块是 通过统计蓝色像素点等技术确定车牌的左右和上下边界从而对车牌进行定位；字 符的

3、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。二设计内容及方案2.1设计原理车牌识别系统的摄像头通过对经过指定区域的机动车辆进行拍照，因为照 片会受到光照、拍摄位置和车辆行驶速度的影响，导致拍摄的图片不能准 确的确定汽车的车牌。而车牌识别系统就通过对机动车辆的照片进行图像 预处理、车牌定位、字符分割、字符识别等技术手段，从而得到清晰的机 动车牌照的照片，从而高现代智能交通的

4、管理效率。2.2设计内容及流程一个完整的车牌号识别系统要完成从图像采集到字符识别输出，过程相当复 杂，基本可以分成硬件部分跟软件部分，硬件部分包括系统触发、软件部分包括 图像预处理、车牌位置提取、字符分割、字符识别四大部分3其工作流程图如 下所示：图像预处理：该单元是指车牌识别系统对拍摄的汽车图片进行灰度化和边缘 检测等处理。在外界光照不均匀，光照强度不稳定的情况下，通过摄像机采集到 的车牌原始图像会模糊不清，因此需要对其进行图像增强的处理；在外界环境噪 声以及电子器件自身产生的噪声干扰下，车牌图像质量会有所下降，因此需要对 原图像进行去噪处理等等。车牌定位：是指对预处理过的汽车图片进行处理，

5、把车牌部分进行定位，把 无用的部分去除，得到定位好的车牌图片。在一张完整的车辆图像中，大部分区 域都是背景图像，对识别工作毫无意义，我们可以将背景区域视为无用区域，并 设法将其去除，即从复杂的背景图像中准确的定位并分割出车牌区域图像，从原 图像中提取出需要的部分舍弃不需要的部分，以便节省系统识别时间，这也是车 牌定位分割的目的及意义所在。在定位分割的过程中要保证不能把非车牌区域误 判为车牌区域，也不能漏检车牌区域，否则后继的工作将无法进行。字符分割：对已经定位的车牌图片的进行字符分割，将车牌分割为个单一的 字符图片。被分离出的车牌区域图像，系统并不能直接对其进行识别，还需要将 车牌上的每一个字

6、符都独立的完整的分割出来，即从车牌区域图像中将车牌上所 包含的每一个字符都切分出来，使其成为不具有任何相关性的单个字符图像，再 由系统分别对每个字符进行识别，在对字符进行切分时，要注意保证每个字符的 完整度。字符识别：车牌字符识别是最为关键的一步，前面对车牌图像所做的处理都 是为了完成最终的识别。系统输入的是单个的字符图像，输出的却是文本格式的 完整的车牌号码，车牌字符识别的准确率直接反映出车牌识别系统性能的好坏。输出结果：输出识别结果，并进行数据存储。2.3 matlab的简介本次设计是在matlab的运行环境中实现的，MATLAB是matrix&laboratory 两个词的组合，意为矩阵

7、工厂（矩阵实验室）。是由美国mathworks公司发布的 主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将数值分析、 矩阵计算、科学数据可视化以及非线性动态系统的建模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 算的众多科学领域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 互式程序设计语言（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。下图为matlab的工作界面：三各模块的具体实现本次设计中主要包括三个模块：车牌定位与分割、字符分割、字符识别，下 面分别介绍各模块的实现工程。3.1车牌定

8、位与分割车牌定位本次设计所采用的图片是整个机动车的图片，由于我们只需要对车牌进行识 别，所以我们要对照片进行车牌定位和分割。车牌定位的流程图如下所示：如上图所示，我们将图像进行图像腐蚀以及去除杂质，通过设定阈值，计算寻找X和Y方向的车牌区域，就可以得到相对准确的车牌位置。车牌分割由于车牌污损、反光、光照不均等原因使车牌图像交差，存在大量噪声；再 次，车牌边框和铆钉也会造成分割不正确；还有车牌的前两个字符和后面五个字 符之间的间隔符（小圆点）对字符识别有影响；车牌旋转对水平分割有较大影响。 本次设计车牌部分的分割采用的是利用车牌彩色信息的彩色分割法。使用统计彩 色像素点的方法分割出车牌区域，确定

9、车牌底色蓝色RGB对应的灰度范围，然后 统计在行方向的颜色范围内的像素点数量，确定车牌在行方向的区域。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6车牌定位与分割后，提取的车牌图如下所示：车牌的相应处理车辆图片不可避免存在噪声，所以要对图像进行灰度化，二值化以及滤波处 理等，还有在拍摄时会由于角度等问题会导致车牌倾斜等，使后续图像识别时容 易出错，所以要对车牌进行倾斜校正处理。图像的二值化处理就是将图像上的点的灰度置为两个数值，通常为0或255, 使整个图像呈现出明显的黑白效果。也就是将256个亮度等级的灰度图像通过适 当的门限值选取而获得仍然可以反映图像整体

10、和局部特征的二值化图像。滤波则是为了除去图像噪声。滤波方法有多种，本次设计采取的滤波方法为 均值滤波。均值滤波是典型的线性滤波算法，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。腐蚀即一种消除边界点，使边界向内部收缩的过程。利用它可以消除小而且 无意义的物体。腐蚀的规则是输出图像的最小值是输入图像领域中的最小值，在 一个二值图像中，只要有一个像素值为0，则相应的输出像素值为0。假设B对 X腐蚀所产生的二值图像E是满足以下条件的点（x,y）的集合：如果B的原点平 移到点（x,y），那么B将完全包含于X中。车牌处理的结果如下所示：1

11、.车牌二值图像2.均值滤波前M9678而 M96781.车牌二值图像2.均值滤波前M9678而 M9678:_3.均值滤波后4.膨胀或腐蚀处理后HA M9678抓 M9678.3.2字符分割与归一化在字符分割前，为了保证分割的精确性，需要对图像进行进一步裁剪，处理的部分程序如下所示：function bw_fir = touying(imane_bw)X_yuzhi=1;y,x=size(imane_bw);Y_touying=(sum(imane_bw);% 往左边投影统计黑点X_touying=sum(imane_bw);% 往下面投影%找黑体边缘Y_up=fix(y/2);Y_yuzhi

12、=mean(Y_touying(fix(y/2)-10):(fix(y/2)+10),1)/1. 6;while (Y_touying(Y_up,1)=Y_yuzhi)&(Y_up1) %找到图片上边界Y_up=Y_up-1;endY_down=fix(y/2);while (Y_touying(Y_down,1)=Y_yuzhi)&(Y_downy) %找到图片上边界Y_down=Y_down+1;end%去除左边边框十扰X_right=1;if (X_touying(1,fix(x/14)=X_yuzhiX_right=fix(x/14)end%找黑体边缘bw_fir=imane_bw(Y

13、_up:Y_down,X_right:x);处理结果如下：Y方向处理枕 M9678字符分割与归一化的流程图如下所示：字符分割完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别。字 符分割一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值的附近，并且这个位置应满足牌照的字符书写格式、 字符、尺寸限制和一些其他条件。利用垂直投影法对复杂环境下的汽车图像中的 字符分割有较好的效果。字符切割框图如下所示：字符切割流程图如下所示:i 平 E 或-0-字符分割的结果为:123467123467字符归一化由于图像采集时图像的像素值不一样，经切割出来的字符的大

14、小也会不一 样，所以在进行匹配前必须先进行字符图像归一化。归一化处理的目的就是使 车牌字符同标准模块里面的字符特征一样。而大小归一是指在长度和宽度方向上 分别乘以一个比例因子，使其等于标准模块的字符大小，本次设计采用的大小归 一的方法是分别从水平投影和垂直投影两个方向上对字符象素的大小进行归一 化处理。字符归一化后的图像为：OM96783.3字符的识别本次设计中，字符的识别采用的是模板匹配法，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，其中互相关量最

15、大的一个就表示期间相似程度最高，可将图象归 于相应的类。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。然而，通常情况下用于匹配的图象各自的成像条件存在差异，产生较大的噪 声干扰，或图象经预处理和规格化处理后，使得图象的灰度或像素点的位置发生 改变。在实际设计模板的时候，是根据各区域形状固有的特点，突出各类似区域 之间的差别，并将容易由处理过程引起的噪声和位移等因素都考虑进去，按照一 些基于图象不变特性所设计的特征量来构建模板，就可以避免上述问题。字符识 别流程图如下所示：如图所示，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

16、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，值越小相似度越大，找到最小的一个即为匹配的最好的， 最后输出结果。识别结果如下所示：桂 AM967SUM9678四实验结果与分析为了验证本次设计的可靠性，选择多个车牌图像进行识别，选取的图像和实验结果如下所示：实验一I1AM9678实验二I1F0223S实验三 言I 回桂 X093SSOK限B9388由上图的实验对比可以看出，实验一和实验二能得出正确的识别结果，实 验三却出现了一点差错。可以得出本次设计对于拍摄的正面车牌图像能够很好的 识别，对于拍摄的倾斜车牌图像进行识别时却出现了一些差错。这种现象说明， 一方面对于提取车牌图像时没有能够

17、很好的校正倾斜度，倾斜度校正时阈值选择 的不合理，另一方面进行模板匹配时，由于分割的字符有点倾斜，导致匹配时出 错。针对这个问题，我通过多次调试程序，还是不能纠正这个错误，实在有点遗 憾。五设计总结与体会本次设计虽然满足了设计的要求，但也存在了一些问题，我觉得有几个方面 还可以进行改进。如何将车牌进行定位以及将定位好的车牌较好的分割出来，特 别是那种拍摄倾斜的车牌照片。对于倾斜的照片怎样选取合适的阈值进行校正， 在本次设计中，由于水平有限，不能够很好的识别倾斜的车牌照。通过本次设计， 我收获颇丰，学到了很多东西，对车牌识别的研究从一概不知到基本掌握了识别 的技术，对matlab也有了更进一步的了解。本次设计，开始设计时遇到了很多 问题，通过查文献和向别人寻求帮助，最后大都解决了，通过这次设计，我觉得 以后无论遇到什么挫折，都要勇敢面对，相信自己，勇往直前。参考文献白利波.车牌检测与识别算法研究D.北京交通大学,2007.30-31.王刚,冀小平.基于MATLAB的车牌识别系统的研究J.电子设计工程,2009