智能交通中的车牌自动识别GUI仿真系统设计研究

[10]的思路非常简单，需要有一个包含所有字符的数据库，其次就是将车牌上的字符与数据库中的字符模板进行对比，对比之后差异最小的即匹配的字符，最后将其输出即可，其流程图如图4所示。图4模板匹配法流程图3系统测试随机选用赣E689M7、辽AJW767、云A526EG、鲁CCA038、云AU7526、辽B9979B和吉AGH827这7张车牌图像分别进行测试，只有“吉AGH827”被错误识别成“吉A0H827”，车牌的定位率达到了100%，车牌识别正确率达到了85%以上，如图5～图11所示。图5赣E689M7的识别结果图图6辽AJW767的识别结果图图7云A526EG的识别结果图图8鲁CCA038的识别结果图图9云AU7526的识别结果图图10辽B9979B的识别结果图图11吉AGH827的识别结果图由7幅原图像可以看出，前6幅图像的质量较高，对比度好，最终车牌识别的效果好。而吉AGH827车牌图片的像素较低，图片处理效果较差，导致在字符和数字识别上出现了错误识别。对于质量较高的图片系统可以正常检测识别，通过灰度处理、边缘检测、二值化等一系列的处理，即可得到较为准确的识别结果。另外系统将吉AGH827识别成吉A0H827，说明模板库的字符准确度也影响着识别结果。4结论本文对车牌识别系统进行了一次模拟和改进。（1）在对图像预处理和车牌定位中采用的直方图均衡化算法、均值滤波算法，有助于图像增强的算法使得车牌图像的质量提高了，更为之后的字符识别起到了重要作用。（2）结合了数学形态学和基于彩色信息的算法用于车牌定位，取得了较高的正确定位率。（3）在字符分割时采用了二次分割的方法，使得分割字符更彻底且完整。（4）图形用户界面中将图像选取和运行程序整合到了一起，同时美化了图形用户界面，不仅节省了程序的运行时间，而且使得图形用户界面更加友好。而在字符比较输出中，采用了模板相减的方法，效果受限于对字符预处理的效果，就像模糊字体的判断，在标准字符库中，这将变得非常不明显和误判，下一步的设计重点是提高车牌识别的速度、相似字符的识别正确率和程序的鲁棒性。参考文献：王芳.《城市智能交通系统的发展现状与趋势》英译实践报告[D].山东科技大学,2018.李亚情.基于图像的前车状态警示系统设计与实现[D].大连海事大学,2017.许欢,张维朋.基于Matlab变压器输变电设备红外图像边缘检测研究[J].电脑知识与技术,2018,14(15):186-188.尹肖波.基于MATLAB实现的车牌识别系统[D].浙江工业大学,2017.林国聪，王冬青，薛斌强等.基于MATLAB的车牌自动识别系统开发与设计[J].青岛大学学报(工程技术版),2019,34(04):24-28.胡云琴，梁春美，郑卫娟.基于MATLAB的车牌自动识别系统开发与设计[J].信息通信,2020,(07):213-215.刘朝华.基于深度学习的车牌自动识别系统设计与实现[D].电子科技大学,2019.朱晓林，万琴，肖岳平等.车牌自动识别系统GUI界面设计与实现[J].湖南工程学院学报(自然科学版),2019,29(09):21-24.陈炫烽.复杂环境下车牌自动识别系统的