本科毕业论文基于matlab车牌图像识别的设计与实现论文正文.docx
《本科毕业论文基于matlab车牌图像识别的设计与实现论文正文.docx》由会员分享，可在线阅读，更多相关《本科毕业论文基于matlab车牌图像识别的设计与实现论文正文.docx（42页珍藏版）》请在冰豆网上搜索。
本科毕业论文基于matlab车牌图像识别的设计与实现论文正文
基于MATLAB车牌图像识别的设计与实现
摘要
车牌图像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。
本文主要介绍图像预处理、车牌定位、字符分割三个模块的实现方法。
其中图像预处理模块是将图像灰度化和用Roberts算子进行边缘检测。
车牌定位和分割采用的是利用数学形态法来确定车牌位置，再利用车牌彩色信息的彩色分割法来完成车牌部位分割。
字符的分割采用的方法是以二值化后的车牌部分进行垂直投影，然后在对垂直投影进行扫描，从而完成字符的分割。
最后使用MATLAB软件环境进行字符分割的仿真实验，结果表明该方法具有良好的性能。
关键词：
图像处理，车牌定位，字符分割
TheDesignandImplementationofLicensePlateImageRecognitionBasedonMATLAB
ABSTRACT
Licenseplateimagerecognitionisanimportantofthemodernintelligenttrafficmanagement.Licenseplaterecognitionsystemtomakemoreintelligentvehiclemanagement,digital,Effectivetrafficmanagementtoenhancetheconvenienceandeffectiveness.
Licenseplaterecognitionsystemincludesimageacquisition,imagepreprocessing,licenseplatelocalization,charactersegmentation,characterrecognitionandotherfivecoreparts.Inthispaper,preprocessing,licenseplatelocalization,charactersegmentationmethodfortherealizationofthreemodules.ThisistheimagepreprocessingmoduleandtheuseoftheimagegrayscaleRobertsedgedetectionoperatorsteps.Licenseplatelocationandsegmentationusingmathematicalmorphologymethodisusedtodeterminethelicenseplatelocation，Re-uselicenseplatecolorsegmentationmethodofcolorinformationtocompletethelicenseplateareasegmentation.Charactersegmentationapproachisbasedonthelicenseplateafterthebinarypartoftheverticalprojection,Thenscanintheverticalprojection,thuscompletingthecharactersegmentation.ThisarticleisdescribedforthecorepartandusetheMATLABsoftwareenvironment,thesimulationexperimentsforcharactersegmentation.
Keywords:
platerecognition,location,charactersegmentation
1绪论
1.1车牌图像识别研究的背景
现代社会已进入信息时代，随着计算机技术、通信技术和计算机网络技术的发展，自动化信息处理能力和水平不断提高，作为现代社会主要交通工具之一的汽车在人们的生产生活的各个领域得到大量使用，对他的信息进行自动采集和管理具有十分重要的意义，成为信息处理技术的一项重要研究课题。
此外，智能交通系统，简称ITS（IntelligentTrafficSystem）已成为现代社会道路交通发展趋势。
只能交通系统，是在当代科学技术高速发展的背景下产生的。
其目标在于将现金的计算机处理技术、数据通信技术、自动控制技术等综合应用于地面交通管理体系，从而建立起一种高效、准确、实时的交通管理系统。
公路交通基础建设的不断发展和车辆管理体制的不断完善，为以视觉监控为基础的智能交通系统的实际应用打下了良好基础。
在智能交通系统中，车牌图像自动识别系统是一个非常重要的发展方向。
车牌自动识别系统简称ALPRS或LPRS，该系统可以对车辆进行自动登记、验证、监视、报警。
系统应用场合包括：
高速公路，桥梁，隧道等收费管理系统。
城市交通车辆管理，智能小区、智能停车场管理，车牌验证，车流统计等。
同时，汽车牌照自动识别的基本方法还可以应用到其他检测和识别领域，所以车牌自动识别问题已成为现代交通工程领域中研究的重点和热点问题之一。
车牌识别系统是一项科技含量很高的多种技术结合的产品，主要有计算机视觉、数字图像处理、数字视频处理、模式识别等技术组成。
也是智能交通系统的核心技术，产生于60年代。
在80年代，由于城市交通问题日益严重，美国和欧洲许多国家投入了大量的人力和物力，建立了自动化高速公路网，安装了摄像、雷达探测系统和光纤网络，建立智能交通系统。
在美国、欧洲、日本等发达国家的带动下，世界各国也开始建立智能交通系统。
由于公路车流量日益增大、道路交通日益拥挤，车辆管理相对越来越困难，因此各个发达国家和发展中国家都在积极建设适应未来交通运输需求的智能交通系统
车牌图像识别的难点：
（a）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。
（b）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。
（c）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。
（d）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。
（e）由于环境、道路或人为因素造成汽车牌照污染严重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，加大了我国车牌图像识别的难度，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重要的研究课题。
1.2研究车牌图像识别的目的和意义
车牌识别系统的主要任务是分析和处理摄取到的复杂背景下的车辆图像，定位分割牌照，最后自动识别汽车牌照上的字符，车牌识别是利用车辆牌照的唯一性来识别和统计车辆，它是以数字图像处理、模式识别、计算机视觉等技术为基础的智能识别系统。
在现代化交通发展中车牌识别系统是制约交通系统智能化、现代化的重要因素，车牌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。
在车牌识别系统中最为重要的两个技术是车牌定位和车牌字符识别，这两个技术的好坏直接影响到整个车牌识别系统的实时性和准确性。
国内外己有不少学者对车牌定位技术做了大量的研究，但在实际的应用中还没有一个有效可行的方法，如由于车辆抖动造成车牌图像的歪斜、由于污迹和磨损造成车牌字符的模糊、由于光照不均造成车牌图像的模糊等都会或多或少影响到车牌定位的准确度。
针对以上实际情况，很多学者开始在鉴于车牌图像本身特征的基础上研究车牌定位技术，并先后提出了一些有效的定位方法，以减小种种主、客观因素对车牌定位准确度的影响。
然而智能交通的不断发展使得对车牌定位系统有了更高的要求，主要表现在系统的实时性和准确性。
车牌字符识别的实质是对车牌上的汉字、字母和数字进行快速准确的识别并以字符串的形式输出识别结果，字符识别技术是整个车牌识别系统的关键。
车牌识别系统与其它图像识别系统相比较而言要复杂的多，在字符识别中，汉字识别是最难也是最关键的部分，很多国外较为成熟的车牌识别系统无法进入中国市场的原因就在于无法有效的识别汉字。
此外，由于外界环境的影响，系统必须保证能够在任何天气情况下全天不间断的正常工作。
到目前为止，在众多的车牌自动识别方法中还没有一个可以达到理想的效果，因此对车牌识别技术的研究意义重大。
1.3车牌号识别技术研究现状和趋势
1.3.1国内外车牌图像识别研究现状
目前，国内外有大量关于车牌图像识别的研究报道，国外在这方面的研究开展的比较早。
在上世纪70年代，英国就在实验室中完成了“实时车牌检测系统”的广域检测和开发。
同时代，诞生了面向被盗车辆的第一个实时车牌自动监测系统。
发展到今日，国外对车牌检测的研究已经取得了一些令人瞩目的成就，如YuntaoCui提出了一种车牌识别系统，在车牌定位以后，利用马尔科夫场对车牌特征进行提取和二值化，对样本的识别达到了较高的识别率。
EunRyung等利用图像中的颜色分量，对车辆牌照进行定位识别，其中提到了三种方法：
①以Hough变换为基础的边缘检测定位识别；②以灰度值变换为基础的识别算法；③以HLS彩色模式为基础的车牌识别系统，识别率分别为81.25%，85%，91.25%。
日本对车牌图像的获取也做了大量研究，并为系统产业化做了大量的工作。
Luis开发的系统应用于收费站，全天识别率达到了90%以上，即使在天气不好的情况下也达到了70%。
国外对车牌识别的研究起步比较早，总体来讲其技术较为领先，同时因为他们车牌种类单一，车牌规范性较高，易于定位识别，目前已经实现了产品化，并在实际的交通应用中得到了广泛的应用。
由于中国的车牌格式与国外的有较大的差异，所以国外关于车牌识别的报道只具有参考价值，其在中国的应用效果可能没有在其国内的效果好，但其识别系统中采用的很多算法具有很好的借鉴意见。
从车牌识别系统进入中国以来，国内有大量的学者从事这方面的研究，提出了很多新颖快速的算法。
中国科学院自动化所的刘智勇等开发的系统在一个样本量为3180的样本集中，车牌定位准确率为99.42%，切分准确率为94.52%，这套系统后来应用到汉王车牌识别系统，取得了不错的效果。
南京大学的熊军等提出了基于字符纹理特征的定位算法，准确率达到95%，华中科技大学的陈振学等学者提出了一种新的车牌图像字符分割和识别算法，使用一维循环清零法，通过对垂直投影图进行一次扫描，有效的清除了杂点和分隔符，正确分割率达到了96.8%。
浙江大学的张引，潘云鹤等提出了彩色边缘算子和彩色边缘检测与区域生长相结合的牌照定位算法，算法简单，且全面作用在颜色空间的三个分量上，检测出的牌照区域易于与背景剥离。
但是计算量和存储量都比较大，难以满足实时性的要求。
此外当车辆颜色与附近区域颜色相近时，定位失误率会增加。
国内还有很多学者都在进行这方面的研究，并且取得了大量的研究成果。
1.3.2我国车牌特点
目前我国的汽车号牌种类非常多，有大型汽车号牌、挂车号牌、小型汽车号牌、使馆汽车号牌、领馆汽车号牌、警用汽车号牌、教练汽车号牌等。
不同的号牌的外廓尺寸，颜色，数量及使用范围都不相同。
本次设计中主要用到的是小型汽车号牌（如图1-1所示），这种类型的号牌外廓尺寸是440mm×140mm，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，自治区，直辖市的简称，第二个字符为英文大写字符，表示发牌机关的代号，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。
下图给出了本文中用到的车牌样式，如图1-1所示。
图 1-1 小型汽车号牌
1.3.3车牌图像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，它在交通管理、监控中有着广泛的应用。
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图像，经过字符切分和识别后实现车辆牌照的自动识别，从而为以上应用提供信息和基础功能。
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。
目前，市场上已出现了一些可应用的汽车牌照自动识别系统。
如CPRS-1型汽车牌照识别系统是在国家“863”计划课题与国防图像目标识别课题相结合的研究基础上研制成功的，实现了识别汽车牌照中的数字、字母和汉字以及汽车牌照的底色（白、黑、蓝、黄四种）的功能，可以全天候工作。
另一种型号GW－PR－9902T的牌照识别器系统产品，采用新型的数字图像处理和识别技术，基于嵌入式工控机/DSP和专用硬件电路，利用定向反射和自然光相结合的识别原理，实时地完成复杂情况下的汽车牌照的定位、分割以及识别。
此类产品都已应用于高速公路的收费监控系统。
总体上说，虽然汽车牌照识别系统在国内还未形成一个成熟的产业，但是随着我国国民经济的迅速发展，机动车辆规模及流量大幅度增加，高速公路和城市交通管理现代化水平的提高势在必行，迫切需要高科技的智能交通系统来充实和加强交通管理水平。
车牌识别技术在智能交通系统中占有重要位置，车牌识别技术的推广普及，必将对加强高速公路、城市道路管理，减少交通事故、车辆被盗案件的发生，保障社会稳定等方面产生重大而深远的影响。
1.3.4车牌图像识别技术的发展趋势
车牌图像识别技术作为智能交通系统中的关键技术，在各国学者的共同努力下，已经取得了长足的发展，并且已经得到了不同程度的实际应用，但目前还存在着种种不足。
对于未来车牌识别产品的技术发展趋势，汉王科技智能交通部总经理乔炬认为，首先，因为市场需求不同，对识别产品的需求也有差异，因此就要求研究针对不同细分市场的车牌识别产品。
其次随着算法的不断改进，基于视频触发的车牌识别产品将得到大范围的应用，但是视频触发技术取代外触发装置尚需时日。
另一方面，现在的车牌识别系统设备过多，系统集成难度大，系统稳定性差，系统维护是一个让人头疼的问题。
随着技术不断进步，以往多个设备实现的功能可能由一个设备完成。
目前，车牌识别技术和产品性能进入实用阶段的时间还不是很长，随着人工智能以及自动识别技术的进步，未来技术的发展空间还会非常大。
例如，核心算法继续发展，识别率和识别速度进一步改善，图像处理中对模糊图像预处理能力增强，画质改善技术的提高等等。
1.4 车牌图像识别研究内容
车牌图像识别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、信号处理等。
这些领域的许多技术都可以应用到车牌图像识别系统中，车牌识别技术的研究也必然推动这些相关学科的发展。
车牌图像识别的关键技术有：
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、基于域值化的方法、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像。
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
一个完整的车牌图像识别系统要完成图像采集到字符识别输出，总体分为硬件部分和软件部分。
硬件部分包括系统的触发，图像的采集，图像的传输；软件部分包括图像预处理，车牌在图像中的位置提取，字符分割，字符识别几个部分，一个车牌识别系统的结构如图2-1所示。
图2-1车牌图像识别系统原理基本框图
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。
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。
车牌在图像中的位置提取：
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。
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。
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。
输出结果：
得到最后的汽车牌照，包括汉字、字母和数字。
2.1车牌在图像中的位置提取
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，并将其从图像中分割出来。
通过以上步骤，牌照一般能够被定位。
2.2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。
2.3字符识别
字符识别方法目前主要得算法有以下几种：
第一种模板匹配字符识别算法，具体描述如下：
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。
第二种统计特征匹配法，具体描述如下：
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。
第三种神经网络字符识别算法，具体又可以细分为两种，描述如下：
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。
第四种支持向量机模式识别算法，具体描述如下：
支持向量机（SupportVectorMachine,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作为一个样本输入，不需要进行特征提取，节省了识别时间。
实际应用中，车牌图像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开发环境的选择
车牌图像识别系统的开发使用的是MATLAB，主要是因为MATLAB具有如下的特点：
第一，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；
第二，运算符丰富。
由于MATLAB是用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；
第三，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；
第四，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；
第五，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；
第六，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；
第七，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；
第八，功能强劲的工具箱是MATLAB的另一重大特色。
MATLAB包含两个部分：
核心部分和各种可选的工具箱。
核心部分中有数百个核心内部函数。
其工具箱又可分为两类：
功能性工具箱和学科性工具箱。
功能性工具箱主要用来扩充其符号计算功能、图示建模仿真功能、文字处理功能以及与硬件实时交互功能。
功能性工具箱能用于多种学科。
而学科性工具箱是专业性比较强的，如control、toolbox、signalprocess
升级会员 