基于Matlab的车牌识别系统设计论文完整.docx

基于Matlab的车牌识别系统设计论文完整.docx

《基于Matlab的车牌识别系统设计论文完整.docx》由会员分享，可在线阅读，更多相关《基于Matlab的车牌识别系统设计论文完整.docx（29页珍藏版）》请在冰豆网上搜索。

基于Matlab的车牌识别系统设计论文完整

中国矿业大学

模式识别--------------------------------------------------------------------------------------------------------------------------------------------------------------------

——基于matlab的车牌识别系统设计

指导教师:

梁志贞周世斌

姓名：

田凯

班级：

信科10-1班

学号：

08103476

时间:

二〇一三年六月

1绪论

1.1车牌号识别研究背景

随着我国公路交通事业的发展，车辆的数量正在迅速增长，在给出行提供方便的同时，车辆管理上存在的问题日益突出，人工管理的方式已经不能满足实际的需要。

微电子、通信和计算机技术在交通领域的应用极大地提高了交通管理效率。

作为信息来源的自动检测、图像识别技术越来越受到人们的重视。

近年来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巨大转变，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、监测中解放出来，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。

汽车牌照等相关信息的自动采集和管理对于交通车辆管理、园区车辆管理、停车场管理、交警稽查等方面有着十分重要的意义，成为信息处理技术的一项重要研究课题。

车牌识别的难点：

1）由于车牌图像多在室外采集，会受到光照条件、天气条件的影响，会出现图像模糊，对比度低，目标区域过小，色彩失真等影响，并且会伴随复杂的背景图像，这些都会影响车牌定位及识别。

2）每次采集时目标所处位置不会一样，采集视角会有很大变化，并且由于车牌挂的不正，都将导致车牌出现扭曲。

3）牌照多样性。

其他国家的汽车牌照格式，如尺寸大小，牌照上字符的排列等，通常只有一种。

而我国则根据不同车型、用途，规定了多种牌照格式，例如分为军车、警车、普通车等。

我国标准车牌照是由汉字、英文字母和阿拉伯数字组成的，汉字的识别与字母和数字的识别有很大的不同，增加了识别的难度。

4）我国汽车牌照的底色和字符颜色多样，蓝底白字、黄底黑字、黑底白字、红底黑字、绿底白字等多种。

5）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。

使得车牌的对比度降低，特征不是很明显，即使在定位准确的情况下，字符的识别也会受到很大影响。

目前在国内存在多种牌照格式，且存在以上种种困难和特殊性，加大了我国车牌自动识别的难度，使得中国车辆牌照识别远远难于国外的车辆牌照识别。

因而如何提高识别率和识别处理的实时性及实用性成了一个紧要的任务。

1.2车牌号识别技术研究现状和趋势

1.2.1国内外车牌识别技术情况及我国车牌特点

目前我国有普通地方车牌号、武警车牌号、军队车牌号三种类型，普通地方车牌号又叫自选号牌车牌（如图1所示），自选号牌车牌尺寸是

，即车牌长宽比为4.5:

1，一共7个字符，每个字符的高宽比为2:

1。

首个字符为中文字符，为各个省或直辖市的简称，第二个字符为英文大写字符，前两个字符确定该车牌所在地，后五个字符由阿拉伯数字及英文大写字符组合而成，并且后五个字符间距相同，七个字符大小也相同。

图1.1我国车牌号示例

1.2.2车牌识别技术的应用前景

车辆牌照自动识别技术是智能交通系统的一个重要组成部分，广泛应用于交通的监控及管理。

车辆牌照识别系统技术能够从一幅车辆图像中准确定位出车牌区域，然后经过字符切割和识别实现车辆牌照的自动识别。

目前车牌识别系统主要应用于以下领域：

1）停车场管理系统。

利用车牌识别技术对出入车辆的号牌进行识别和匹配，与停车卡结合实现自动计时、计费的车辆收费管理系统。

2）公路自动管理系统。

以车牌自动识别技术为基础，与通信等其他高科技结合，对高速公路交通流状况进行自动监测、自动布控，从而降低交通事故的发生率，确保交通顺畅。

3）安防布控。

采用车牌识别技术实现对车辆的自动识别，快速报警，既可以有效查找被盗车辆，同时又为公安机关提供了对犯罪嫌疑人的交通工具进行远程跟踪与监查的技术手段。

4）城市十字交通路口的“电子警察”。

可以对违章车辆进行责任追究，也可以辅助进行交通流量统计，交通监测和疏导。

5）小区、校园车辆管理系统。

社区保安系统将出入的车辆通过车牌识别技术进行记录，将结果与内部车辆列表对比可以实现防盗监管。

1.3车牌识别研究内容

车牌系统是计算机视觉和模式识别技术在智能交通领域的重要应用课题之一。

车牌识别系统是一特定目标位对象的专用计算机系统，该系统能从一幅图像中自动提取车牌图像、自动分割自符，进而对分割自符的图像进行图像识别。

系统一般由硬件和软件构成。

硬件设备一般由车体感应设备、辅助光源、摄像机、图像采集卡和计算机。

软件部分是系统的核心，主要实现车牌自符的识别功能。

车牌识别学科主要有模式识别、人工智能、图像处理、计算机视觉和信号处理等。

这些领域的许多技术都可以应用到车牌识别系统中，车牌识别技术的研究也必然推动这些相关学科的发展。

车牌识别的关键技术有：

车牌定位、字符切割和字符识别等。

车牌定位是要完成从图像中确定车牌位置并提取车牌区域图像，目前常用的方法有：

基于直线检测的方法、机遇与域值化的方法、基于灰度边缘检测方法、基于彩色图像的车牌分割方法、神经网络法和基于矢量量化的牌照的定位的方法等。

字符切割时完成车牌区域图像的切分处理从而得到所需要的单个字符图象。

目前常用的方法有：

基于投影的方法和基于连通字符的提取等方法。

字符识别是利用字符识别的原理识别提取出的字符图像，目前常用的方法有：

基于模板匹配的方法、基于特征的方法和神经网络法等。

2车牌识别系统设计原理概述

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、图像采集，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，一个车牌识别系统的基本结构如图2.1所示：

原始

图像

图像预处

理

车牌

位置

提取

字符

分割

字符

识别

输出

结果

图2.1车牌识别系统基本结构框图

一：

原始图像：

由停车场固定彩色摄像机、数码相机或其他扫描装置拍摄到的图像。

二：

图像预处理:

对动态采集到的图像进行滤波，边界增强等处理以克服图像处理。

三：

车牌位置提取：

通过运算得到图像的边缘，再计算边缘图像的投影面积，寻找谷峰点以大概确定车牌的位置，再计算连通域的宽高比，剔除不在阈值范围内的连通域，最后便得到了车牌区域。

四：

字符分割：

利用投影检测的字符定位分割方法得到单个的字符。

五：

字符识别：

利用模板匹配的方法与数据库中的字符进行匹配从而确认出字符。

六：

输出结果：

得到最后的汽车牌照，包括汉字、字母和数字。

车牌号图像识别要进行牌照号码、颜色识别。

为了进行牌照识别，需要以下几个基本的步骤：

a.牌照定位，定位图片中的牌照位置；

b.牌照字符分割，把牌照中的字符分割出来；

c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。

牌照识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与牌照识别互相配合、互相验证。

（1）牌照定位:

自然环境下，由于汽车图像背景复杂、光照不均匀等原因，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。

一般采用的方案是首先对采集到的视频图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个最佳的区域作为牌照区域，并将其从图象中分割出来。

通过以上步骤，牌照一般能够被定位。

（2）牌照字符分割:

在完成牌照区域的定位后，还需要将牌照区域分割成单个字符，然后进行字符识别，最后输出结果。

字符分割一般采用垂直投影法。

垂直投影法的原理是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。

所以利用垂直投影法对复杂环境下的汽车图像的字符分割有较好的效果。

（3）牌照字符识别：

字符识别方法目前主要得算法有两种即基于模板匹配算法和基于人工神经网络算法。

基于模板匹配算法首先将分割后的字符二值化,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。

基于人工神经元网络的算法有两种：

一种是先对待识别字符进行特征提取，然后用所获得特征来训练神经网络分配器；另一种方法是直接把待处理图像输入网络，由网络自动实现特征提取直至识别出结果。

实际应用中，牌照识别系统的识别率与牌照质量和拍摄质量密切相关。

牌照质量会受到各种因素的影响，如生锈、污损、油漆剥落、字体褪色、牌照被遮挡、牌照倾斜、高亮反光、多牌照、假牌照等等；实际拍摄过程也会受到环境亮度、拍摄亮度、车辆速度等等因素的影响。

这些影响因素不同程度上降低了牌照识别的识别率，也正是牌照识别系统的困难和挑战所在。

为了提高识别率，除了不断的完善识别算法，还应该想办法克服各种光照条件，使采集到的图像最利于识别。

3车牌识别系统程序设计

3.1图像读取及车牌区域提取

图像读取及车牌区域提取主要有：

图像灰度图转化、图像边缘检测、灰度图腐蚀、图像的平滑处理以及车牌区域的边界值计算。

其程序流程图如下:

输入车牌图象

灰度校正

平滑处理

提取边缘

图3.1预处理及边缘提取框图

目前比较常用的图像格式有*.BMP、*.JPG、*.GIF、*.PCX、*.TIFF等，本课题采集到的图片是*.JPG的格式。

因为使用*.JPG图像时有一个软件开发联合会组织制定、有损压缩格式，能够将图像压缩在很小的储存空间，而且广泛支持Internet标准，是面前使用最广的图片保存和传输格式，大多数摄像设备都以*.JPG格式保存。

利用图像工具箱的

Car_Image_RGB=imread（‘Image_Name’）;

即可将图像读取出来，这样读取得到的是RGB图像，RGB图像分别用红、绿、蓝三个色度值为一组代表每个像素的颜色，因此Car_Image_RGB是一个

的数组，m、n表示图像像素的行、列数。

3.1.1图像灰度图转化

我国车牌颜色及其RGB值如下，蓝底（0,0,255）白字（255,255,255）、黄底（255,255,0）黑字（0,0,0）、黑底（0,0,0）白字（255,255,255）、红底（255,0,0）黑字（0,0,0）,由于车牌的底色不同，所以从RGB图像直接进行车牌区域提取存在很大困难，但不管哪种底色的车牌，其底色与上面的字符颜色的对比度大，将RGB图像转化成灰度图像时，车牌底色跟字符的灰度值会相差很大。

例如蓝色（255，0，0）与白色（255，255，255）在R通道中并无区分，而在G、R通道或是灰度图象中数值相差很大。

同理对白底黑字的牌照可用R通道，绿底白字的牌照可以用G通道就可以明显呈现出牌照区域的位置，便于后续处理。

原图、灰度对于将彩色图象转换成灰度图象时，图象灰度值H可由下面的公式计算：

（3.1）

（3.2）

（3.1）式使用了权值加重法，（3.2）式使用均值法，使用权值法的好处是可以突出某个通道，Matlab内的RGB转灰度图函数rgb2gray（）就是使用的（3.1）式权值比例公式，这样就可以利用边缘检测方法，识别出临近区域灰度值相差大的分界区。

通过程序运行其效果图见图3.2和图3.3：

图3.2原始图像

图3.3灰度图像

由原图和灰度图运行结果可知，能清晰地读出原彩色图样，通过图形的对比分析，原始图中车牌区域的灰度明显不同于其他区域，蓝底部分