畢業(yè)設計-- 基于matlab的汽車車牌的號碼識別系統(tǒng)設計

1、<p>　　2014 屆畢業(yè)設計 </p><p>　　基于MATLAB的汽車車牌的</p><p>　　號碼識別系統(tǒng)設計 </p><p>　　學 校 ： </p><p>　　學生姓名： </p><p>　　指導教師

2、： 職稱 講師 </p><p>　　專 業(yè)： 通信工程 </p><p>　　班 級： 通信2班 </p><p>　　完成時間： 2014年5月 </p><p><b>　　摘 要</b></p><p>

3、;　　汽車車牌的識別系統(tǒng)是當今社會智能交通管理的重要組成部分之一。車牌識別系統(tǒng)使車輛管理更智能化，數字化，有效的提升了交通管理的方便性和有效性。車牌識別系統(tǒng)主要包括了圖像采集、圖像預處理、車牌定位、字符分割、字符識別等五大核心部分。</p><p>　　本文主要介紹圖像預處理、車牌定位、字符分割三個模塊的實現方法。本文的圖像預處理模塊是將圖像灰度化和用Roberts算子進行邊緣檢測的步驟。車牌定位和分割采用的是利

4、用數學形態(tài)法來確定車牌位置，再利用車牌彩色信息的彩色分割法來完成車牌部位分割。字符的分割采用的方法是以二值化后的車牌部分進行垂直投影，然后在對垂直投影進行掃描，從而完成字符的分割。本文即是針對其核心部分進行闡述并使用MATLAB軟件環(huán)境中進行字符分割的仿真。</p><p>　　關鍵詞：MATLAB、圖像預處理、車牌定位、字符分割</p><p><b>　　ABSTRACT&l

5、t;/b></p><p>　　Vehicle license plate recognition system is one important of the modern intelligent traffic management. License plate recognition system to make more intelligent vehicle management, digital

6、, Effective traffic management to enhance the convenience and effectiveness. License plate recognition system includes image acquisition, image preprocessing, license plate localization, character segmentation, character

7、 recognition and other five core parts. </p><p>　　In this paper, preprocessing, license plate localization, character segmentation method for the realization of three modules.This is the image preprocessing

8、module and the use of the image grayscale Roberts edge detection operator steps. License plate location and segmentation using mathematical morphology method is used to determine the license plate location，Re-use license

9、 plate color segmentation method of color information to complete the license plate area segmentation. Character segmentati</p><p>　　Keywords： MATLAB Software, Image preprocessing, License plate localization

10、, Character segmentation</p><p><b>　　目 錄</b></p><p><b>　　1 緒論1</b></p><p>　　1.1 選題背景1</p><p>　　1.2 設計前景1</p><p>　　1.3 車牌號碼

11、識別原理1</p><p>　　1.4 MATLAB簡介2</p><p>　　2 車牌號碼識別系統(tǒng)總體方案3</p><p>　　2.1 車牌號碼識別系統(tǒng)硬件介紹3</p><p>　　2.2 車牌號碼識別系統(tǒng)軟件設計4</p><p>　　2.2.1 圖像預處理5</p><

12、;p>　　2.2.2 車牌定位5</p><p>　　2.2.3 牌照字符分割5</p><p>　　2.2.4 牌照字符識別5</p><p>　　2.3 本章小節(jié)6</p><p>　　3 圖像預處理7</p><p>　　3.1 圖像灰度化7</p><p>

13、　　3.2. 灰度拉伸8</p><p>　　3.3 圖像平滑8</p><p>　　3.4 邊緣提取9</p><p>　　4 車牌定位10</p><p>　　4.1 車牌特征的信息分析11</p><p>　　4.1.1 車牌特征的信息分析11</p><p>　　4

14、.1.2 常見車牌顏色特征的信息12</p><p>　　4.1.3 車牌特征分析結論13</p><p>　　4.2 車牌號碼初定位13</p><p>　　4.2.1 車牌二值化14</p><p>　　4.2.2 圖像二值化的基本原理14</p><p>　　4.3 牌照區(qū)域的分割15&l

15、t;/p><p>　　5 牌照字符分割16</p><p>　　5.1 字符字符切分綜述16</p><p>　　5.1.1 字符分割16</p><p>　　5.1.2 字符歸一化16</p><p>　　6 車牌字符的識別17</p><p>　　6.1 車牌字符識別綜述

16、17</p><p>　　6.2 模版匹配字符識別17</p><p>　　7 車牌號碼識別軟件設計結果及分析20</p><p>　　7.1 車牌識別仿真20</p><p>　　7.2 結果分析27</p><p><b>　　結束語29</b></p><

17、;p>　　致 謝30</p><p><b>　　參考文獻31</b></p><p>　　附錄 程序清單32</p><p><b>　　1 緒論</b></p><p><b>　　1.1 選題背景</b></p><p>

18、;　　汽車牌照自動識別系統(tǒng)是制約道路交通智能化的重要因素,包括車牌定位、字符分割和字符識別三個主要部分。由于牌照圖象在原始圖象中是很有特征的一個子區(qū)域，確切說是水平度較高的橫向近似的長方形，它在原始圖象中的相對位置比較集中，而且其灰度值與周邊區(qū)域有明顯的不同，因而在其邊緣形成了灰度突變的邊界，這樣就便于通過邊緣檢測來對圖象進行分割，從而定位車輛牌照,然后利用車牌的彩色信息的彩色分割方法。在字符識別部分,利用模板匹配字符識別算法進行對車牌

19、號碼的識別。實驗結果表明,本文提出的方法具有不錯的識別性能。隨著公路逐漸普及，我國的公路交通事業(yè)發(fā)展迅速，所以人工管理方式已經不能滿著實際的需要，微電子、通信和計算機技術在交通領域的應用極大地提高了交通管理效率。汽車牌照的自動識別技術已經得到了廣泛應用。</p><p><b>　　1.2 設計前景</b></p><p>　　牌照自動識別是一項利用車輛的動態(tài)視頻或

20、靜態(tài)圖像進行牌照號碼、牌照顏色自動識別的模式識別技術。其硬件基礎一般包括觸發(fā)設備、攝像設備、照明設備、圖像采集設備、識別車牌號碼的處理機等，其軟件核心包括車牌定位算法、車牌字符分割算法和光學字符識別算法等。某些牌照識別系統(tǒng)還具有通過視頻圖像判斷車輛駛入視野的功能稱之為視頻車輛檢測。一個完整的牌照識別系統(tǒng)應包括車輛檢測、圖像采集、牌照識別等幾部分。當車輛檢測部分檢測到車輛到達時觸發(fā)圖像采集單元，采集當前的視頻圖像。牌照識別單元對圖像進行處

21、理，定位出牌照位置，再將牌照中的字符分割出來進行識別，然后組成牌照號碼輸出。</p><p>　　1.3 車牌號碼識別原理</p><p>　　車輛牌照識別系統(tǒng)的基本工作原理為：將攝像頭拍攝到的包含車輛牌照的圖像通過視頻卡輸入到計算機中進行預處理，再由檢索模塊對牌照進行搜索、檢測、定位，并分割出包含牌照字符的矩形區(qū)域，然后對牌照字符進行二值化并將其分割為單個字符，然后輸入JPEG或BMP

22、格式的數字，輸出則為車牌號碼的數字。我們知道輸入的彩色圖像包含大量顏色信息，會占用計算機較多的存儲空間，且處理時也會降低系統(tǒng)的執(zhí)行速度，因此對圖像進行識別等處理時，通常將彩色圖像轉換為灰度圖像，以加快處理速度。對圖像進行灰度化處理、邊緣提取、再利用形態(tài)學方法對車牌進行定位。具體步驟如下：首先通過MATLAB軟件對圖像進行灰度轉換，二值化處理然后采用4X1的結構元素對圖像進行腐蝕，去除圖像的噪聲。采用25X25的結構元素，對圖像進行閉合應

23、算使車牌所在的區(qū)域形成連通。在進行形態(tài)學濾波去除其它區(qū)域。</p><p>　　1.4 MATLAB簡介</p><p>　　Matlab(Matrix Laboratory)是美國 MathWorks公司開發(fā)的一套高性能的數值分析和計算軟件，用于概念設計,算法開發(fā),建模仿真,實時實現的理想的集成環(huán)境，是目前最好的科學計算類軟件之一。</p><p>　　MATL

24、AB將矩陣運算、數值分析、圖形處理、編程技術結合在一起，為用戶提供了一個強有力的科學及工程問題的分析計算和程序設計工具，它還提供了專業(yè)水平的符號計算、文字處理、可視化建模仿真和實時控制等功能，是具有全部語言功能和特征的新一代軟件開發(fā)平臺。</p><p>　　MATLAB已發(fā)展成為適合眾多學科，多種工作平臺、功能強大的大型軟件。在歐美等國家的高校，MATLAB已成為線性代數、自動控制理論、數理統(tǒng)計、數字信號處理、

25、時間序列分析、動態(tài)系統(tǒng)仿真等高級課程的基本教學工具。成為攻讀學位的本科、碩士、博士生必須掌握的基本技能。在設計研究單位和工業(yè)開發(fā)部門，MATLAB被廣泛的應用于研究和解決各種具體問題。在中國，MATLAB也已日益受到重視，短時間內就將盛行起來，因為無論哪個學科或工程領域都可以從MATLAB中找到合適的功能。</p><p>　　2 車牌號碼識別系統(tǒng)總體方案</p><p>　　一個完整的

26、車輛牌照識別系統(tǒng)是一個復雜的系統(tǒng)，應該包括圖像采集、圖像預處理、車牌定位、字符切分、字符識別以及圖像編碼、數碼傳輸與更新等步驟，基本可以分為硬件部分和軟件部分，硬件部分主要完成車輛圖像的攝取采集，軟件部分主要完成對采集到的車輛圖像進行車輛牌照定位、車牌字符切分與車牌字符識別等工作，這部分工作最為復雜，最后對識別結果進行數據傳送和存儲，將處理后的識別信息交給管理系統(tǒng)進行管理。整個系統(tǒng)的核心是軟件部分的工作，能否通過牌照對車輛進行有效管理，

27、很大程度上取決于軟件部分識別車牌的準確性。目前，研究的車牌識別系統(tǒng)大部分都是基于直接法，即是基于圖像理解的汽車牌照識別，該方法的一般結構如下：</p><p>　　圖1 車牌識別系統(tǒng)流程圖</p><p>　　2.1 車牌號碼識別系統(tǒng)硬件介紹</p><p>　　一個車牌識別系統(tǒng)的基本硬件配置由攝像機、主控機、采集卡和照明裝置組成。例如在停車場管理系統(tǒng)中，系統(tǒng)硬

28、件主要包括車輛傳感探測器、高性能工控計算機、高分辨率CCD攝像機、高放大倍數鏡頭、CCD自動亮度控制器和視頻采集卡等。</p><p>　　首先是探測車輛的接近、通過和停留等。常用的有光探測器、微波雷達通過型探測器、測速雷達探測器、聲探測器、紅外探測器、電磁感應探測器和壓敏探測器等。我國停車場應用較多的是紅外探測器和電磁感應環(huán)探測器。設置在停車場入口和出口的兩對紅外發(fā)射和接收設備進行車輛檢測。利用編碼調制信號，增

29、強抗干擾的能力，具有較強的可靠性。前端工控機利用紅外線探測到車輛經過的信號時，控制圖像采集卡抓拍圖像，并對抓拍的汽車圖像進行牌照識別，同時控制攝像機光圈的大小，以適應外界環(huán)境不同的光照條件。然后將識別出的牌照信息儲存到服務器中，當車輛離開時，同樣的進行牌照識別，將其與前面輸入的牌照信息進行對比，計算出停車時間，然后計費。 </p><p>　　本課題主要側重算法的研究，主要工作是設計軟件，對已攝取到的卡口車輛照片

30、實現車牌識別。 </p><p>　　2.2 車牌號碼識別系統(tǒng)軟件設計</p><p>　　硬件設備采集到圖片后首先要考慮圖像的存儲格式。目前比較常用的圖像格式有*.BMP 、*.JPG、*.GIF、*.PCX 等，本課題采集到的圖片是*.JPG 的格式。 軟件系統(tǒng)的編寫大多采用VC或者MATLAB語言，本課題選用了 MATLAB語言。MATLAB具有以下優(yōu)點： </p>

31、<p>　　(1)MATLAB編程效率高，使用方便。MATLAB以矩陣作為基本語言要素大大提高了數值計算的編程效率。MATLAB本身擁有豐富的函數庫，并具有結構化的流程控制語句和運算符，用戶在使用過程中能夠方便自如地應用。其圖像處理工具箱更是大大擴展了MATLAB解決圖像處理問題的能力，其他還有諸如用于神經網絡和小波的工具箱等，對于算法的分析都有著很大的幫助。 </p><p>　?。?)MATLAB擴

32、充能力強，交互性好，移植性和開放性較好。MATLAB的庫函數同用戶文件在形式上是一樣的，用戶可以根據自己的需求方便地建立與擴充新的庫函數，擴充其功能。MATLAB可在Windows 系列、UNIX、Linux、VMS 6.1 、PowerMac 平臺上使用，且所有的核心文件和工具箱文件都是公開的，用戶可以修改源文件構成新的工具箱，從而可以擴充很多新的功能，利于算法的研究和改進。 </p><p>　　(3)較強的

33、圖形控制和處理功能，自帶的API 使得用戶可以方便地在MATLAB與C、C++ 等其他程序設計語言之間建立數據通信。 本文設計的系統(tǒng)采用MATLAB搭建車輛牌照識別系統(tǒng)，具有非常明顯的優(yōu)勢： </p><p>　　a.可以直接使用MATLAB的Image Acquisition Toolbox 、Image Processing Toolbox 以及Neural Network Toolbox作為骨架來搭建整個系

34、統(tǒng)。 </p><p>　　b.使用MATLAB的圖形用戶界面技術（GUI ）編寫牌照識別系統(tǒng)面板，可以達到與牌照定位切分程序及字符識別程序的無縫連接。</p><p>　　c.使用專業(yè)工具箱，使得研究人員不必過于關心程序的細節(jié)問題，可以將主要的精力放在算法的研究、設計方面，極大地減少了工作量，為算法的研究改進提供了先決條件。</p><p>　　我們知道輸入的彩色

35、圖像包含大量顏色信息，會占用計算機較多的存儲空間，且處理時也會降低系統(tǒng)的執(zhí)行速度，因此對圖像進行識別等處理時，通常將彩色圖像轉換為灰度圖像，以加快處理速度。對圖像進行灰度化處理、邊緣提取、再利用形態(tài)學方法對車牌進行定位。具體步驟如下：首先通過MATLAB軟件對圖像進行灰度轉換，二值化處理然后采用4X1的結構元素對圖像進行腐蝕，去除圖像的噪聲。采用25X25的結構元素，對圖像進行閉合應算使車牌所在的區(qū)域形成連通。在進行形態(tài)學濾波去除其它區(qū)

36、域。</p><p>　　2.2.1 圖像預處理</p><p>　　由于拍攝時的光照條件、牌照的整潔程度的影響，和攝像機的焦距調整、鏡頭的光學畸變所產生的噪聲都會不同程度地造成牌照字符的邊界模糊、細節(jié)不清、筆劃斷開或粗細不均，加上牌照上的污斑等缺陷，致使字符提取困難，進而影響字符識別的準確性。因此，需要對字符在識別之前再進行一次針對性的處理。</p><p>　

37、　2.2.2 車牌定位</p><p>　　自然環(huán)境下，汽車圖像背景復雜、光照不均勻，如何在自然背景中準確地確定牌照區(qū)域是整個識別過程的關鍵。首先對采集到的視頻圖像進行大范圍相關搜索，找到符合汽車牌照特征的若干區(qū)域作為候選區(qū)，然后對這些侯選區(qū)域做進一步分析、評判，最后選定一個最佳的區(qū)域作為牌照區(qū)域，并將其從圖象中分割出來。</p><p>　　圖2 牌照定位流程圖</p>

38、<p>　　2.2.3 牌照字符分割</p><p>　　完成牌照區(qū)域的定位后，再將牌照區(qū)域分割成單個字符，然后進行識別。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間或字符內的間隙處取得局部最小值的附近，并且這個位置應滿足牌照的字符書寫格式、字符、尺寸限制和一些其他條件。利用垂直投影法對復雜環(huán)境下的汽車圖像中的字符分割有較好的效果。</p><p>

39、;　　圖3 牌照字符分割流程圖</p><p>　　2.2.4 牌照字符識別</p><p>　　字符識別方法目前主要有基于模板匹配算法和基于人工神經網絡算法?；谀０迤ヅ渌惴ㄊ紫葘⒎指詈蟮淖址祷?并將其尺寸大小縮放為字符數據庫中模板的大小，然后與所有的模板進行匹配，最后選最佳匹配作為結果?；谌斯ど窠浽W絡的算法有兩種：一種是先對待識別字符進行特征提取，然后用所獲得特征來訓練神經網

40、絡分配器；另一種方法是直接把待處理圖像輸入網絡，由網絡自動實現特征提取直至識別出結果。實際應用中，牌照識別系統(tǒng)的識別率與牌照質量和拍攝質量密切相關。牌照質量會受到各種因素的影響，如生銹、污損、油漆剝落、字體褪色、牌照被遮擋、牌照傾斜、高亮反光、多牌照、假牌照等等；實際拍攝過程也會受到環(huán)境亮度、拍攝亮度、車輛速度等等因素的影響。這些影響因素不同程度上降低了牌照識別的識別率，也正是牌照識別系統(tǒng)的困難和挑戰(zhàn)所在。為了提高識別率，除了不斷的完善

41、識別算法，還應該想辦法克服各種光照條件，使采集到的圖像最利于識別。</p><p>　　圖4 牌照字符識別流程圖</p><p><b>　　2.3 本章小節(jié)</b></p><p>　　本章主要介紹了車牌識別系統(tǒng)的總體設計方案。首先，簡單介紹了車牌識別系統(tǒng)的組成部分，包括硬件部分和軟件部分。硬件部分主要完成車輛圖像的攝取，獲取高質量的含有

42、牌照的圖像，受條件限制，關于硬件的研究本文未展開具體工作。軟件部分在整個系統(tǒng)中占有很重要的地位，而且軟件的優(yōu)化和升級能在很大程度上彌補硬件的不足，因此是本文研究的重點，軟件研究主要是設計車牌識別系統(tǒng)的主體，包括基于小波變換的車牌定位模塊、基于Otsu 算法的車牌字符切分模塊以及基于改進的BP神經網絡算法的車牌字符識別模塊。在確定總體設計方案后，后面將對每一模塊依次進行介紹。 </p><p><b>　

43、　3 圖像預處理</b></p><p>　　利用攝像頭拍攝到的車輛圖像往往存在很多噪點，因此在進行識別前要進行車輛圖像的預處理。車輛圖像的預處理[8]是指對采集到的車輛圖像進行灰度化和去噪處理，以使車輛圖像尤其是牌照區(qū)域的圖像的質量得到改善，同時保留和增強車牌中紋理和顏色的信息，去除可能影響牌照區(qū)域紋理和顏色信息的噪點，為牌照定位提供方便。[3]其流程圖為： </p><p&g

44、t;　　圖5 預處理及邊緣提取流程圖</p><p>　　3.1 圖像灰度化</p><p>　　灰度圖是指只包含亮度信息，不包含色彩信息的圖像，例如平時看到的亮度連續(xù)變化的黑白照片就是一幅灰度圖?；叶然幚砭褪菍⒁环噬珗D像轉化為灰度圖像的過程。彩色圖像分為 R、G、B 三個分量，分別顯示出紅、綠、藍等各種顏色，灰度化就是使彩色的R 、G、B 分量相等的過程?；叶戎荡蟮南袼攸c比較亮（

45、像素值最大為255，為白色），反之比較暗（像素值最小為0，是黑色）。 </p><p>　　圖像灰度化的算法[4]主要有以下3 種： </p><p>　　(1)最大值法：使轉化后R、G、B 的值等于轉化前3 個值中最大的一個，即： </p><p>　?。?）這種方法轉換的灰度圖亮度很高。 </p><p>　　(2)平均值法：使轉化后R、

46、G、B 的值為轉化前R、G 、B 的平均值 </p><p><b>　?。?） </b></p><p>　　這種方法產生的灰度圖像比較柔和。 </p><p>　　(3)加權平均值法：按照一定的權值，對R、G、B 的值加權平均，即： </p><p><b>　?。?） </b></p&g

47、t;<p>　　其中， 、 、分別為R、G、B 的權值。</p><p>　　、 、取不同的值，將形成不同的灰度圖像。由于人眼對綠色最為敏感，紅色次之，對藍色的敏感性最低，因此使> > 將得到較易識別的灰度圖像。一般情況下，當=0.299 、=0.587 、=0.114 時，得到的灰度圖像效果最好。 </p><p>　　3.2. 灰度拉伸</p&g

48、t;<p>　　對車輛圖像進行灰度化處理之后，車牌部分和非車牌部分圖像的對比度并不是很高，此時如果直接進行邊緣提取，由于車牌界限較為模糊，難以提取出車牌邊緣，因而難以準確定位車牌。為了增強牌照部位圖像和其他部位圖像的對比度，使其明暗鮮明，有利于提高識別率，需要將車輛圖像進行灰度拉伸。</p><p>　　所謂灰度拉伸，是指根據灰度直方圖的分布有選擇地對灰度區(qū)間進行分段拉伸以增強對比度。如圖7 所示。

49、它將輸入圖像中某點的灰度，通過映射函數T，映射成輸出圖像中的灰度，即： </p><p>　　( （4） </p><p>　　假定原圖像的灰度范圍為[s1,s2] 希望變換后圖像的灰度范圍擴</p><p>　　展至[t1,t2] ，可采用下述線性變換來實現。 </p><p><b&g

50、t;　?。?）</b></p><p><b>　　3.3 圖像平滑</b></p><p>　　車牌圖像往往存在一些孤立的噪點。在汽車牌照圖像處理初期，若不能有效抑制或者去除這些噪點，將影響車牌定位的準確性或者造成無法定位。通常采用圖像平滑的方法去除噪點。圖像平滑包括空域濾波和頻域濾波。其中空域濾波中采用平滑濾波器的中值濾波去除噪點的效果最好。中值濾波

51、的主要原理是：首先確定一個以某個像素為中心點的鄰域，一般為方形鄰域；然后將鄰域中的各個像素的灰度值進行排序，取其中間值作為中心點像素灰度的新值，這里的鄰域通常被稱為窗口；當窗口在圖像中上下左右進行移動后，利用中值濾波算法可以很好地對圖像進行平滑處理。 </p><p>　　但實際中為了簡化算法也可以直接在空域中用求鄰域平均值的方法萊削弱噪聲的影響，這種方法稱為圖象平滑處理。例如，某一象素點的鄰域S 有兩種表示方法

52、：8鄰域和4鄰域分別對應的鄰域平均值為：</p><p>　　表2 8領域 表3 4領域</p><p><b>　?。?）</b></p><p>　　其中，M 為鄰域中除中心象素點f(i,j) 之外包括的其它象素總數，對于4鄰域M=4，8 鄰域M=8。然而，鄰域平均值的平滑處理會使得圖象灰度急劇變化的地

53、方，尤其是物體邊緣區(qū)域和字符輪廓等部分產生模糊作用。為了克服這種平均化引起的圖象模糊現象，我們給中心點象素值與其鄰域平均值的差值設置一固定的閾值，只有大于該閾值的點才能替換為鄰域平均值，而差值不大于閾值時，仍保留原來的值，從而減少由于平均化引起的圖象模糊。</p><p><b>　　3.4 邊緣提取</b></p><p>　　邊緣主要存在于目標與目標、目標與背景

54、、區(qū)域與區(qū)域（包括不同色彩）之間，邊緣檢測主要是精確定位邊緣和抑制噪點，其基本思想是首先利用邊緣增強算子，突出圖像中的局部邊緣，然后定義像素的“邊緣強度”，通過設置門限的方法提取邊緣點集。</p><p>　　圖像中車輛牌照是具有比較顯著特征的一塊圖象區(qū)域，這此特征表現在：近似水平的矩形區(qū)域；其中字符串都是按水平方向排列的；在整體圖象中的位置較為固定。正是由于牌照圖象的這些特點，再經過適當的圖象變換，它在整幅中可

55、以明顯地呈現出其邊緣。</p><p>　　邊緣提取是較經典的算法，能夠進行檢測的方法有多種，如Roberts 邊緣算子、Prewitt 算子、Sobel 算子以及拉普拉斯邊緣檢測；Robert算子定位比較精確，但由于不包括平滑，所以對于噪聲比較敏感。Prewitt算子和Sobel算子都是一階的微分算子，而前者是平均濾波，后者是加權平均濾波且檢測的圖像邊緣可能大于2個像素。這兩者對灰度漸變低噪聲的圖像有較好的檢測

56、效果，但是對于混合多復雜噪聲的圖像，處理效果就不理想了。LOG濾波器方法通過檢測二階導數過零點來判斷邊緣點。LOG濾波器中的a正比于低通濾波器的寬度，a越大，平滑作用越顯著，去除噪聲越好，但圖像的細節(jié)也損失越大，邊緣精度也就越低。</p><p><b>　　4 車牌定位</b></p><p>　　車牌圖像往往是在復雜的環(huán)境中拍攝得到的，車牌由于與復雜的車身背景融

57、為一體，由于車牌在使用中磨損與灰塵及拍攝儀器的影響以及由于拍攝角度的不同，車牌在圖像中往往有很大的形變，如何在復雜背景中準確、快速找出車牌的位置成為車牌識別中的難點。</p><p>　　目前已有不少學者在這方面進行了研究?？偨Y起來主要有如下幾類方法[2]：</p><p>　　(1) 基于水平灰度變化特征的方法，這種方法主要在車牌定位以前，需要對圖像進行預處理，將彩色圖像轉換為灰度圖像，

58、利用車牌區(qū)域水平方向的紋理特征進行車牌定位；</p><p>　　(2) 基于邊緣檢測的定位方法，這種方法是利用車牌區(qū)域豐富的邊緣特征進行車牌定位，能夠進行檢測的方法有多種，如Roberts 邊緣算子、Prewitt 算子、Sobel 算子以及拉普拉斯邊緣檢測；</p><p>　　(3) 基于車牌顏色特征的定位方法，這種方法主要是應用車牌的紋理特征、形狀特征和顏色特征即利用車牌字符和車牌

59、底色具有明顯的反差特征來排除干擾進行車牌的定位；</p><p>　　(4) 基于Hough 變換的車牌定位方法，這種方法是利用車牌邊框的幾何特征，采取尋找車牌邊框直線的方法進行車牌定位；</p><p>　　(5) 基于變換域的車牌定位方法，這種方法是將圖像從空域變換到頻域進行分析，例如采用小波變換等；</p><p>　　(6) 基于數學形態(tài)學的車牌定位方法，這

60、種方法是利用數學形態(tài)學圖像處理的基本思想，利用一個結構元素來探測一個圖像， 看是否能將這個結構元素很好的填放在圖像內部，同時驗證填放元素的方法是否有效。腐蝕、膨脹、開啟和關閉是數學形態(tài)學的基本運算。</p><p>　　這些方法各有優(yōu)缺點，要實現快速、準確地定位車牌，應該綜合利用車牌的各種特征，僅靠單一特征很難奏效。本文結合車牌紋顏色與數學形態(tài)學兩方面的特征對車牌進行定位，對于提高車牌定位準確率提供更有利的保障。

61、該方法包括牌照區(qū)域的粗定位和細定位兩個步驟。在粗定位階段中采用了基于數學形態(tài)學的定位方法，在得到定位圖像后進行細定位，在細定位中采用車牌顏色特征的方法以獲得最后定位圖像。本方法對在多種光照條件下采集的車輛牌照圖像、車牌本身不潔、或者牌照存在傾斜和扭曲等情形，均能取得較好的定位效果。</p><p>　　4.1 車牌特征的信息分析</p><p>　　4.1.1 車牌特征的信息分析<

62、;/p><p>　　機動車牌照作為機動車的“身份證”，制造和使用都有嚴格的規(guī)范加以明確規(guī)定。根據中華人名共和國公共安全行業(yè)標準GA36-92，汽車車牌有10種。這10種汽車車牌的幾何外形大小和顏色信息如下表所示（均、警車牌這里暫時不考慮）。</p><p>　　表1 車牌特征信息統(tǒng)計</p><p>　　另外，民用汽車的好牌上有省、直轄市、自治區(qū)的名稱和發(fā)證及監(jiān)督機關

63、的代號，編號是英文大寫字母。后面的編號一般5位編號，從00001-99999，編號超過10萬就由A，B，C等字母代替。即“A”代表10萬，“B”代表11萬，“C”代表12萬，最后一個字母代表33萬。英文字母中的I和O不用，避免和數字中的1和0沖突。使館的外籍車牌上的是建交國家的代號，與所在地區(qū)的監(jiān)管機關編號無關。</p><p>　　在這10種汽車中，編號為9和10的臨時入境和臨近行駛汽車以及使領館汽車由于數量很

64、少、出現的概率極小，為了簡化算法和節(jié)省時間，忽略這幾種車型的特殊性，認為它們與其他的7種汽車車型一致，采用相同的方法進行識別。由于編號為1的大型汽車，由于系統(tǒng)的CCD攝像頭收集的是汽車頭部的牌照圖像，因此對于大型汽車后車牌的特殊性也可以忽略不計。</p><p>　　本論文中，不考慮車牌在背景色和前景色上的差異，在這些車牌中，大型汽車（前）、小型汽車、使領館汽車、境外汽車、外籍汽車、教練車和試驗汽車的號牌格式完全

65、一樣，同時，由于小型車數量最多，出現概率最大，牌照規(guī)范與其它幾種車牌很相似，算法的識別對象最終設定為小型車。</p><p>　　4.1.2 常見車牌顏色特征的信息</p><p>　　對目前8種常見車牌（對大型車輛取前置車牌）的顏色分布和格式分布進行分析，可以得出如下結論：</p><p>　　工存在5種顏色：黃石、黑色、藍色、白色和紅色；</p>

66、<p>　　存在5中前景和背景的顏色組合；黃底黑字黑框線、藍底白字白框線、黑底白字紅“使”（或“領”）字白框線、黑底白字白框線，黑底紅字紅框線；</p><p>　　字符顏色與背景顏色的亮度相差很大：要么亮度高于背景顏色的亮度（藍底白字白框線、黑底白字紅“使”（或“領”）字白框線、黑底白字白框線、黑底紅字紅框線；要么字符顏色低于背景顏色亮度（黃底黑字黑框線），對于這種車牌，其二值化結果顏色相反，前景字

67、符為黑色，背景為白色，需要進行處理；</p><p>　　牌照上的文字由7個字符和一個分隔符橫向水平排列組成，字符高度為90mm，寬度為45mm，分割符的直徑為10mm（實際上，每個字符是劇中分布在一個高位90mm，寬為45mm的矩形區(qū)域。）</p><p>　　字符和字符之間或字符和分割符之間的距離為12mm；</p><p>　　使館牌照的間隔符在第4和第5個字

68、符之間，其余的車牌的間隔符在第</p><p>　　2個和第3個字符之間。由于使館牌照出現的概率很小，將之視為小型車牌照一種變形情況，不單獨處理，后面提出的車牌格式均值后一種格式情況；</p><p>　　從左到右，車牌中每一位的可能字符如下：第1位，30個省份的簡稱和“使”字，共有31個字符（暫時不考慮軍警車）；第2位，除去字母“I”之外的25個英文大寫字母；第3位，除去字母“I”和字母

69、“O”之外的24個英文大寫字母和10個數字，共有34個字符；第4~6位，10個數字字符；第7位，10個數字字符和“領”“學”“試”“境”，共有14個字符。字符總數共有70個。</p><p>　　觀測和分析車牌外形特點，無論哪種車牌，外輪廓都有一個寬度不大的輪廓線，輪廓線的顏色和字符顏色一致，與背景的亮度差異很大。現實環(huán)境下，車牌有時安裝后，車輛廠商的商標會遮擋牌照外輪廓線，但商標本身又是一個輪廓線，其亮度與背景

70、的亮度差異也很大，同樣可以利用之。</p><p>　　4.1.3 車牌特征分析結論</p><p>　　首先，結合車牌分析結論，利用其中的特征4、5、6點可以構造牌照字符的格式模型，這個模型在其后的用來指導牌照定位后、字符識別前的字符分割。結合GA36-92標準，牌照圖像的實際大小可能隨著CCD攝像頭采集的時機不同而產生一定的縮放，但是總體比例不會發(fā)生大的變化。設第1個字符中心和第2個

71、字符的中心間距為一個長度單位，以第1個字符中心為原點，那么非使館車牌的其余字符中心的橫向位置應分別為：1，2.39，3.39，4.39，5.39和6.39，字符的寬度同樣為0.79。</p><p>　　其次，利用分析結論7，可以利用字符在牌照的排列縮小候選字符的集合規(guī)模，加快識別速度或進行識別后結果的糾正判別。如果不知道字符在牌照中的排列位置，那么每個位置的候選字符可以達到70個，如果知道了它的位置，那么該位置

72、的候選字符至多有34個，尤其是對牌照的第4、5、6位，候選字符只有10個數字。</p><p>　　4.2 車牌號碼初定位</p><p>　　牌照的定位[6]和分割是牌照識別系統(tǒng)的關鍵技術之一，其主要目的是在經圖象預處理后的原始灰度圖象中確定牌照的具體位置，并將包含牌照字符的一塊子圖象從整個圖象中分割出來，供字符識別子系統(tǒng)識別之用，分割的準確與否直接關系到整個牌照字符識別系統(tǒng)的識別率。

73、由于牌照圖象在原始圖象中是很有特征的一個子區(qū)域，確切說是水平度較高的橫向近似的長方形，它在原始圖象中的相對位置比較集中，而且其灰度值與周邊區(qū)域有明顯的不同，因而在其邊緣形成了灰度突變的邊界，這樣就便于通過邊緣檢測來對圖象進行分割。</p><p>　　圖6 牌照定位與分割流程圖</p><p>　　牌照圖象經過了以上的處理后，牌照區(qū)域已經十分明顯，而且其邊緣得到了勾勒和加強。但是車牌邊緣

74、并不是連續(xù)的，不利于根據其特征進行進一步的判斷。此時可進一步確定牌照在整幅圖象中的準確位置。這里選用的是數學形態(tài)學的方法，其基本思想是用具有一定形態(tài)的機構元素去量度和提取圖像中的對應形狀以達到對圖像分析和識別的目的。數學形態(tài)學的應用可以簡化圖像數據，保持它們基本的形態(tài)特征，并除去不相干的結構。在本程序中用到了膨脹和閉合這兩個基本運算，最后還用了bwareaopen來去除對象中不相干的小對象。</p><p>　　

75、4.2.1 車牌二值化</p><p>　　經過上述方法分割出來的車牌圖像中存在目標物體、背景還有噪聲，要想從圖像中直接提取出目標物體，最常用的方法就是設定一個閾值T，用T將圖像的數據分成兩部分：大于T的像素群和小于T的像素群，即對圖像二值化。圖像中對象物的形狀特征的主要信息，常?？梢詮亩祱D像中得到。二值圖像與灰度圖像相比，信息量大大減少，因而處理二值圖像的速度快，成本低，實用價值高。因此，在車牌字符切分前，

76、首先對圖像進行二值化處理。 均值濾波是典型的線性濾波算法，它是指在圖像上對目標像素給一個模板，該模板包括了其周圍的臨近像素。再用模板中的全體像素的平均值來代替原來像素值。</p><p>　　4.2.2 圖像二值化的基本原理</p><p>　　圖像的二值化處理就是將圖像上的點的灰度值置為 0 或255，這樣處理后整個圖像呈現明顯的黑白效果，即將 256 個亮度等級的灰度圖經過合適的閾值

77、選取，而獲得的二值化圖像仍然可以反映圖像整體和局部特征。</p><p>　　二值化處理后的圖像，其集合性質只與像素值為 0 或255 的點的位置有關，不再涉及像素的其他級值，處理過程簡單，且數據的處理和壓縮量小。為了得到理想的二值圖像，一般采用封閉、連通的邊界定義不交疊的區(qū)域。所有灰度大于或等于閥值的像素被判定為屬于特定物體，其灰度值為 255，否則，灰度值為 0，表示背景或者其他的物體區(qū)域。如果某圖像在內部有

78、均勻一致的灰度值，并且處在一個具有其他等級灰度值的均勻背景下，利用閥值法就能得到較好的切分效果。如果物體同背景的差別難以用不同的灰度值表現（比如紋理不同），可以把這些差別特征轉換為灰度的差別，然后利用閥值法來切分該圖像。動態(tài)調節(jié)閥值來實現圖像的二值化可動態(tài)地觀察其切分圖像的具體結果。</p><p>　　4.3 牌照區(qū)域的分割</p><p>　　對車牌的分割可以有很多種方法，本程序是利

79、用車牌的彩色信息的彩色分割方法。根據車牌底色等有關的先驗知識，采用彩色像素點統(tǒng)計的方法分割出合理的車牌區(qū)域，確定車牌底色藍色RGB對應的各自灰度范圍，然后行方向統(tǒng)計在此顏色范圍內的像素點數量，設定合理的閾值，確定車牌在行方向的合理區(qū)域。然后，在分割出的行區(qū)域內，統(tǒng)計列方向藍色像素點的數量，最終確定完整的車牌區(qū)域。</p><p>　　國內汽車牌照種類很多，為研究方便以常見的藍色車牌為例來說明。2007 年頒布的車

80、牌規(guī)范規(guī)定車牌總長440mm，牌照中的7 個字符的實際總長為409mm左右，寬 140mm，每個字符 45mm 寬，90mm 高，字符間距為 10mm ，其中第二個字符與第三個字符的間距較為特殊，為15.5mm，最后一個字符與第一個字符距邊界 25mm 。這樣，如果平均分配每個字符在牌照中占據的寬度，那么每個字符寬度為：width/7（width為車牌圖像的寬度）。但是，實際上，第二個第三個字符之間存在一個黑點，牌照左右兩邊與圖像邊緣也

81、都有一定的寬度，所以每個字符的寬度應該小于 width/7?？紤]所有的情況，一般情況下最小的寬度為 width/9。因此，字符的寬度可以從 width/9到width/7之間漸進的變化得到。 </p><p><b>　　5 牌照字符分割</b></p><p>　　5.1 字符字符切分綜述</p><p>　　在車輛牌照準確定位后，本章主

82、要是對車輛牌照識別中的字符切分算法進行研，車牌字符切分的流程框圖如圖12所示。 </p><p>　　圖7 字符分割與歸一化流程圖</p><p>　　5.1.1 字符分割</p><p>　　在汽車牌照自動識別過程中，字符分割有承前啟后的作用。它在前期牌照定位的基礎上進行字符的分割，然后再利用分割的結果進行字符識別[7]。字符識別的算法很多，因為車牌字符間間隔較

83、大，不會出現字符粘連情況，所以此處采用的方法為尋找連續(xù)有文字的塊，若長度大于某閾值，則認為該塊有兩個字符組成，需要分割。</p><p>　　5.1.2 字符歸一化</p><p>　　一般分割出來的字符要進行進一步的處理，以滿足下一步字符識別的需要。但是對于車牌的識別，并不需要太多的處理就已經可以達到正確識別的目的。在此只進行了歸一化處理，然后進行后期處理。</p>&l

84、t;p>　　6 車牌字符的識別</p><p>　　6.1 車牌字符識別綜述</p><p>　　目前已經提出的車牌字符識別的方法[5]有以下幾種： </p><p>　　1) 模板匹配字符識別算法。模板匹配字符識別算法的實現方法是計算輸入模</p><p>　　式與樣本之間的相似性，取相似性最大的樣本為輸入模式所屬類別。該方法識別

85、速度快，但是對噪點比較敏感。在實際應用中，為了提高正確率往往需要使用大的模板或多個模板進行匹配，處理時間則隨著模板的增大以及模板個數的增加而增加。 </p><p>　　2 ）統(tǒng)計特征匹配法。統(tǒng)計特征匹配法的要點是先提取待識別模式的一組統(tǒng)計</p><p>　　特征，然后按照一定的準則所確定的決策函數進行分類判決。實際應用中，當字符出現字符模糊、筆畫融合，斷裂、部分缺失時，此方法效果不理想

86、，魯棒性較差。</p><p>　　3 ）神經網絡字符識別算法。主要有兩種方法：一種方法是先對待識別字符進</p><p>　　行特征提取，然后用所獲得的特征來訓練神經網絡分類器。其中，字符特征的提取是研究的關鍵，特征參數過多會增加訓練時間，過少會引起判斷上的歧義。另一種方法是充分利用神經網絡的特點，直接把待處理圖像輸入網絡，由網絡自動實現特征提取直至識別。這種網絡互連較多，待處理信息量大

87、，抗干擾性能好，識別率高。但是產生的網絡結構比較復雜，輸入模式維數的增加可能導致網絡規(guī)模龐大。</p><p>　　4）支持向量機模式識別算法。支持向量機（Support Vector Machine ，SVM）</p><p>　　是Vapnik 及其研究小組針對二類別的分類問題提出的一種分類技術，其基本思想是在樣本空間或特征空間，構造出最優(yōu)平面使超平面與不同類樣本集之間的距離最大，從而

88、達到最大的泛化能力。主要有兩種方法應用于字符識別：一種是先對待識別字符進行特征提取，然后用所獲得的特征來訓練 SVM分類器。另一種是直接將每個字符的整幅圖像做為一個樣本輸入，不需要進行特征提取，節(jié)省了識別時間。 </p><p>　　這四種方法中，模板匹配是車牌字符識別最簡單的方法之一，神經網絡字符識別算法是目前比較流行的算法，本章重點研究模版匹配算法。 </p><p>　　6.2

89、 模版匹配字符識別</p><p>　　模板匹配是圖象識別方法中最具代表性的基本方法之一，它是將從待識別的圖象或圖象區(qū)域f(i,j)中提取的若干特征量與模板T(i,j)相應的特征量逐個進行比較，計算它們之間規(guī)格化的互相關量，其中互相關量最大的一個就表示期間相似程度最高，可將圖象歸于相應的類。</p><p>　　匹配時相似度函數定義為：</p><p><b&

90、gt;　?。?）</b></p><p>　　其中， 為待識別車牌字符圖像中像素點 的灰度值，這里的取值為 0</p><p>　　或1，為模板字符圖像中像素點的灰度值，這里的取值為 0 或1；M 和N為模板字符點陣橫向和縱向包含的像素個數。 </p><p><b>　　匹配的步驟為： </b></p><p&

91、gt;　　(1)依次取出模板字符，將模板字符按照上、下、左、右四個方向，在周圍五</p><p>　　個像素的范圍內滑動，每次分別計算出相似度 S 值，取其中 S 的最大值做為字符與</p><p>　　模板字符之間的相似度函數。 </p><p>　　(2)依次從待識別的字符與模板字符的相似度中找出最大相似度所對應的模板字符，判斷是否大于該字符的閾值 T，如果 S

92、 大于 T ，那么待識別的字符的匹配結果就是該模板字符，反之，如果 S 小于 T，表示不匹配，則需要重新檢測。 </p><p>　　也可以計算圖象與模板特征量之間的距離，用最小距離法判定所屬類。然而，通常情況下用于匹配的圖象各自的成像條件存在差異，產生較大的噪聲干擾，或圖象經預處理和規(guī)格化處理后，使得圖象的灰度或像素點的位置發(fā)生改變。在實際設計模板的時候，是根據各區(qū)域形狀固有的特點，突出各類似區(qū)域之間的差別，并

93、將容易由處理過程引起的噪聲和位移等因素都考慮進去，按照一些基于圖象不變特性所設計的特征量來構建模板，就可以避免上述問題。</p><p>　　圖8 字符識別流程圖</p><p>　　此處采用相減的方法來求得字符與模板中哪一個字符最相似，然后找到相似度最大的輸出。汽車牌照的字符一般有七個，大部分車牌第一位是漢字，通常代表車輛所屬省份，緊接其后的為字母與數字。車牌字符識別與一般文字識別在于它

94、的字符數有限，漢字共約50多個，大寫英文字母26個，數字10個。為了實驗方便，結合本次設計所選汽車牌照的特點，只建立了4個數字26個字母與10個數字的模板。其他模板設計的方法與此相同。</p><p>　　首先取字符模板，接著依次取待識別字符與模板進行匹配，將其與模板字符相減，得到的0越多那么就越匹配。把每一幅相減后的圖的0值個數保存，即為識別出來的結果。</p><p>　　7 車牌號

95、碼識別軟件設計結果及分析</p><p>　　7.1 車牌識別仿真</p><p>　　采用車牌號碼為魯HC9669的車牌照片進行仿真，仿真效果如下：</p><p>　　使用加權平均值法處理車輛圖像，得到的灰度圖效果如圖10所示。</p><p><b>　　圖9 原始圖像</b></p><p

96、><b>　　圖10 灰度圖</b></p><p>　　車輛圖像進行灰度拉伸后的效果對比如圖11所示，從圖中可以看出，灰度拉伸后，對比度明顯增強，車牌區(qū)域更加明顯。</p><p><b>　　圖11 灰度拉伸</b></p><p>　　圖12 robert算子邊緣檢測</p><p>

97、　　由于之前對圖像進行了平滑處理，所以此處邊緣的提取采用的是Roberts算子。</p><p>　　由上圖可以歸納起來以下方面:原始圖像清晰度比較高，從而簡化了預處理，結合MATLAB實驗過程，得出不是每一種圖像處理之初都適合濾波和邊界增強。本次汽車車牌的識別，為了保存更多的有用信息。 </p><p>　　由于牌照圖象在原始圖象中是很有特征的一個子區(qū)域，確切說是水平度較高的橫向近似的長

98、方形，它在原始圖象中的相對位置比較集中，而且其灰度值與周邊區(qū)域有明顯的不同，因而在其邊緣形成了灰度突變的邊界，這樣就便于通過邊緣檢測來對圖象進行分割。</p><p>　　圖13 腐蝕后圖像</p><p>　　圖14 平滑圖像的輪廓</p><p>　　圖15 從對象中移除小對象后圖像</p><p>　　圖16 行方向區(qū)域和最終定

99、位出來的車牌</p><p>　　圖17 裁剪出來的車牌的進一步處理過程圖</p><p>　　圖13 分割出來的七個字符圖像</p><p>　　圖18 歸一化處理后的七個字符圖像</p><p><b>　　圖19 識別結果</b></p><p>　　通過對以上的一張照片的識別，識別結果

100、不具有通用性，因此我對另一車輛號碼為蘇AMB963的車牌圖像進行了檢測、定位、識別。進行了仿真，結果如圖20---26 所示。其中車牌號碼識別程序源代碼見附錄程序清單。</p><p><b>　　圖20 原圖</b></p><p>　　圖21 robert算子邊緣檢測</p><p>　　圖23 定位剪切 </p>

101、<p><b>　　圖24 圖像處理</b></p><p>　　圖25 字符分割跟歸一化</p><p><b>　　圖26 識別結果</b></p><p><b>　　7.2 結果分析</b></p><p>　　對于光照條件不理想的圖象，可先進行一次

102、圖象增強處理，使得圖象灰度動態(tài)范圍擴展和對比度增強，再進行定位和分割，這樣可以提高分割的正確率。而采用了色彩通道的牌照區(qū)域分割算法充分利用了牌照圖象的色彩信息，簡化了算法的實現，加快了圖象的處理速度，具有較高的檢出正確率，而且整個過程用MATLAB 語言編程實現，無時間滯后感，可以滿足實時檢出的要求。但是在設計的過程中發(fā)現，使用另一幅圖像后，識別效果始終沒有那么理想。需要做一定的設置后才能識別出相應的字符。</p><

103、;p>　　在車牌字符分割的預處理中，用到了對分割出的字符車牌進行均值濾波，膨脹或腐蝕的處理。這在對于有雜點的車牌是很有用的，因為這樣可以把字符與字符之間的雜色點去除，只有白色的字符和黑色的背景存在，這樣有利于的字符分割進行。</p><p>　　字符識別過程使用的是模板匹配的方法，利用兩幅圖片相減的方法，找到相減后值最小的，即為相似程度最大的。模板的制作很重要，必須要用精確的模板，否則就不能正確的識別。&l

104、t;/p><p>　　對于識別錯誤情況的分析可知，主要原因：一是牌照自身的污漬等影響了圖象的質量；二是牌照字符的分割失敗導致的識別錯誤；再就是部分字符的形狀相似性，比如，B 和8；A 和4 等字符識別結果可能發(fā)生混淆的情況。</p><p>　　總之，盡管目前牌照字符的識別率還不理想，但是只要在分割出的字符的大小、位置的歸一化，以及嘗試提取分類識別能力更好的特征值和設計分類器等環(huán)節(jié)上再完善，進

105、一步提高識別率是完全可行的。</p><p><b>　　結束語</b></p><p>　　本文主要解決了以下幾個問題：1.在背景的圖象中如何定位分割牌照區(qū)域；2.對分割下來的牌照字符如何提取具有分類能力的特征；3.如何設計識別器。在車輛牌照字符識別系統(tǒng)的研究領域，近幾年出現了許多切實可行的識別技術和方法，從這些新技術和方法中可以看到兩個明顯的趨勢：一是單一的預處理

106、和識別技術都無法達到理想的結果，多種方法的有機結合才能使系統(tǒng)有效識別能力提高。在本系統(tǒng)的設計時，也汲取了以上一些算法的思想，結合實際，反復比較，綜合分析；二是在有效性和實用的原則下，結合神經網絡和人工智能的新技術的應用是研究的一個方向。</p><p>　　根據車牌特點，一般采用的車牌定位算法有：1.邊緣檢測定位算法；2.利用哈夫變換進行車牌定位；3.色彩分割提取車牌等。這里我采用的是邊緣檢測的方法實現定位的。&

107、lt;/p><p>　　字符分割的方法也有多種：1. 基于聚類分析的字符分割；2. 投影分割的方法；3.基于模板匹配的字符分割等。最常用的是投影分割，主要是針對在車牌定位，圖像預處理后比較規(guī)則的車牌圖像。優(yōu)點是程序邏輯設計簡單，循環(huán)執(zhí)行功能單一，便于設計和操作，程序執(zhí)行時間短。</p><p>　　字符識別的基本方法通常又三類：1.結構特征分析方法；2.模板匹配法；3.神經網絡法。此處采用的是

108、模板匹配的方法，即是將要識別的字符與事先構造好的模板進行比對，根據與模板的相似度的大小來確定最終的識別結果。</p><p>　　但是系統(tǒng)本身還存在許多不足，距離具體實用的要求仍有很大差距，但我卻在這次畢業(yè)設計中學到了很多知識。</p><p><b>　　致 謝</b></p><p>　　對現實事物的設計不僅是對前面所學知識的一種

109、檢驗，而且也是對自己能力的一種提高。通過這次畢業(yè)設計使我明白了自己原來知識還比較欠缺。這個設計讓我學到了很多東西，涉及到方方面面的知識，在這整個過程中我們查閱了大量的資料，得到了陳明明老師和同學的幫助，我在此對他們表示謝意。在這期間遇到了很多困難，我知道做什么都不容易，只能塌下心來，一步一個腳印的去完成才行。學習是一個長期積累的過程，在后的工作、生活中都應該不斷的學習，努力提高自己知識和綜合素質。此外，還得出一個結論：知識必須通過應用才

110、能實現其價值！有些東西以為學會了，但真正到用的時候才發(fā)現是兩回事，所以我認為只有到真正會用的時候才是真的學會了。在整個設計中我懂得了許多東西，也培養(yǎng)了我獨立工作的能力，以及團隊協(xié)作的能力，樹立了信心，相信會對今后的學習工作生活有非常重要的影響。同樣此次設計也大大提高了動手的能力，使我充分體會到了在創(chuàng)造過程中探索的艱難和成功時的喜悅。雖然這個設計做的并非對所有車牌都合適，但是在設計過程中所學到的學習方法是我最大收獲和財富，相信定會對我的以