基于matlab的汽车牌照识别系统的研究设计.docx

基于matlab的汽车牌照识别系统的研究设计.docx

《基于matlab的汽车牌照识别系统的研究设计.docx》由会员分享，可在线阅读，更多相关《基于matlab的汽车牌照识别系统的研究设计.docx（12页珍藏版）》请在冰豆网上搜索。

基于matlab的汽车牌照识别系统的研究设计

摘要：

随着公路逐渐普及，我国的公路交通事业发展迅速，所以人工管理方式已经不能满着实际的需要，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。

汽车牌照的自动识别技术已经得到了广泛应用。

本次实验主要有预处理、边缘提取、车牌定位、字符分割四大模块。

用MATLAB软件编程来实现每一个部分。

关键词：

MATLAB图像处理车牌定位牌照分割

1系统功能介绍与总体设计

功能介绍：

1、车牌定位

（1）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干扰；

（2）车牌定位：

计算边缘图像的投影面积，寻找峰谷点，大致确定车牌位置，再计算此连通域内的宽高比，剔除不在域值范围内的连通域，最后得到的便为车牌区域；

2、字符识别

（1）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；

（2）字符数据库：

为第6步的字符识别建立字符模板数据库；

（3）字符识别：

通过基于模板匹配的OCR算法或基于人工神经网络的OCR算法，通过特征对比或训练识别出相关的字符，得到最后的汽车牌照，包括英文字母和数字。

总体设计：

车辆牌照识别整个系统主要是由车牌定位和字符分割两部分组成，其中车牌定位又可以分为图像预处理及边缘提取模块和牌照的定位及分割模块；字符分割牌照分割和单个字符分割两个模块。

为了便于实验顺利进行，原始图象应具有适当的亮度，较大的对比度和清晰可辩的牌照图象。

但由于该系统的摄像部分工作于开放的户外环境，加之车辆牌照的整洁度、自然光照条件、拍摄时摄像机与牌照的矩离和角度以及车辆行驶速度等因素的影响，牌照图象可能出现模糊、歪斜和缺损等严重缺陷，因此需要对原始图象进行识别前的预处理。

牌照的定位和分割主要目的是在经图象预处理后的原始灰度图象中确定牌照的具体位置，并将牌照从整个图象中分割出来。

由于拍摄时的光照条件、牌照的整洁程度的影响，和摄像机的焦距调整、镜头的光学畸变所产生的噪声都会不同程度地造成牌照字符的边界模糊、细节不清、笔划断开或粗细不均，加上牌照上的污斑等缺陷，致使字符提取困难，进而影响字符识别的准确性。

因此，需要对字符在识别之前再进行一次针对性的处理。

因为系统运行的过程中，主要进行的都是图像处理，在这个过程中要进行大量的数据处理，所以处理器和内存要求比较高，CPU要求主频在600HZ及以上，内存在128MB及以上。

系统可以运行于Windows98、Windows2000或者WindowsXP操作系统下，程序调试时使用matlab。

2系统模块设计

一预处理及边缘提取

预处理及边缘提取流程图

1图象的采集与转换

现有牌照的字符与背景的颜色搭配一般有蓝底白字、黄底黑字、白底红字、绿底白字和黑底白字等几种，利用不同的色彩通道就可以将区域与背景明显地区分出来，例如，对蓝底白字这种最常见的牌照，采用蓝色B通道时牌照区域为一亮的矩形，而牌照字符在区域中并不呈现。

因为蓝色（255，0，0）与白色（255，255，255）在B通道中并无区分，而在G、R通道或是灰度图象中并无此便利。

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、灰度图及其直方图见图2与图3。

对于将彩色图象转换成灰度图象时，图象灰度值可由下面的公式计算：

G=0.110B+0.588G+0.302R

（1）

G=

（2）

2边缘提取

边缘是指图像局部亮度变化显著的部分，是图像风、纹理特征提取和形状特征提取等图像分析的重要基础。

所以在此我们要对图像进行边缘检测。

图象增强处理对图象牌照的可辩认度的改善和简化后续的牌照字符定位和分割的难度都是很有必要的。

增强图象对比度度的方法有：

灰度线性变换、图象平滑处理等。

（2）平滑处理

对于受噪声干扰严重的图象，由于噪声点多在频域中映射为高频分量，因此可以在通过低

通滤波器来滤除噪声，但实际中为了简化算法，也可以直接在空域中用求邻域平均值的方法来削弱噪声的影响，这种方法称为图象平滑处理。

例如，某一象素点的邻域S有两种表示方法：

8邻域和4邻域分别对应的邻域平均值为，

其中，M为邻域中除中心象素点f（i,j）之外包括的其它象素总数，对于4邻域M=4，8邻域M=8。

然而，邻域平均值的平滑处理会使得图象灰度急剧变化的地方，尤其是物体边缘区域和字符轮廓等部分产生模糊作用。

为了克服这种平均化引起的图象模糊现象，我们给中心点象素值与其邻域平均值的差值设置一固定的阈值，只有大于该阈值的点才能替换为邻域平均值，而差值不大于阈值时，仍保留原来的值，从而减少由于平均化引起的图象模糊。

图像中车辆牌照是具有比较显著特征的一块图象区域，这此特征表现在：

近似水平的矩形区域；其中字符串都是按水平方向排列的；在整体图象中的位置较为固定。

正是由于牌照图象的这些特点，再经过适当的图象变换，它在整幅中可以明显地呈现出其边缘。

边缘提取是较经典的算法，此处边缘的提取采用的是Roberts算子。

二牌照的定位和分割

牌照的定位和分割是牌照识别系统的关键技术之一，其主要目的是在经图象预处理后的原始灰度图象中确定牌照的具体位置，并将包含牌照字符的一块子图象从整个图象中分割出来，供字符识别子系统识别之用，分割的准确与否直接关系到整个牌照字符识别系统的识别率。

由于牌照图象在原始图象中是很有特征的一个子区域，确切说是水平度较高的横向近似的长方形，它在原始图象中的相对位置比较集中，而且其灰度值与周边区域有明显的不同，因而在其边缘形成了灰度突变的边界，这样就便于通过边缘检测来对图象进行分割。

牌照定位于分割流程图

1牌照区域的定位

牌照图象经过了以上的处理后，牌照区域已经十分明显，而且其边缘得到了勾勒和加强。

此时可进一步确定牌照在整幅图象中的准确位置。

这里选用的是数学形态学的方法，其基本思想是用具有一定形态的机构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。

腐蚀后图像平滑图像的轮廓从对象中移除小对象后图像

2牌照区域的分割

对车牌的分割可以有很多种方法，本程序是利用车牌的彩色信息的彩色分割方法。

根据车牌底色等有关的先验知识，采用彩色像素点统计的方法分割出合理的车牌区域，确定车牌底色蓝色RGB对应的各自灰度范围，然后行方向统计在此颜色范围内的像素点数量，设定合理的阈值，确定车牌在行方向的合理区域。

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。

3车牌进一步处理

经过上述方法分割出来的车牌图像中存在目标物体、背景还有噪声，要想从图像中直接提取出目标物体，最常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：

大于T的像素群和小于T的像素群，即对图像二值化。

均值滤波是典型的线性滤波算法，它是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。

三字符的分割与归一化

字符分割与归一化流程图

1字符分割

在汽车牌照自动识别过程中，字符分割有承前启后的作用。

它在前期牌照定位的基础上进行字符的分割，然后再利用分割的结果进行字符识别。

字符识别的算法很多，因为车牌字符间间隔较大，不会出现字符粘连情况，所以此处采用的方法为寻找连续有文字的块，若长度大于某阈值，则认为该块有两个字符组成，需要分割。

2字符归一化

一般分割出来的字符要进行进一步的处理，以满足下一步字符识别的需要。

但是对于车牌的识别，并不需要太多的处理就已经可以达到正确识别的目的。

在此只进行了归一化处理，然后进行后期处理。

四设计结果及分析

通过以上的方法，我对多幅图像进行了检测，有较好的识别效果。

下面是对另一幅车牌照的检测，结果如图22---26所示。

对于光照条件不理想的图象，可先进行一次图象增强处理，使得图象灰度动态范围扩展和对比度增强，再进行定位和分割，这样可以提高分割的正确率。

而采用了色彩通道的牌照区域分割算法充分利用了牌照图象的色彩信息，简化了算法的实现，加快了图象的处理速度，具有较高的检出正确率，而且整个过程用MATLAB语言编程实现，无时间滞后感，可以满足实时检出的要求。

但是在设计的过程中发现，使用另一幅图像后，识别效果始终没有那么理想。

需要做一定的设置后才能识别出相应的字符。

在车牌字符分割的预处理中，用到了对分割出的字符车牌进行均值滤波，膨胀或腐蚀的处理。

这在对于有杂点的车牌是很有用的，因为这样可以把字符与字符之间的杂色点去除，只有白色的字符和黑色的背景存在，这样有利于的字符分割进行。

字符识别过程使用的是模板匹配的方法，利用两幅图片相减的方法，找到相减后值最小的，即为相似程度最大的。

模板的制作很重要，必须要用精确的模板，否则就不能正确的识别。

对于识别错误情况的分析可知，主要原因：

一是牌照自身的污渍等影响了图象的质量；二是牌照字符的分割失败导致的识别错误；再就是部分字符的形状相似性，比如，B和8；A和4等字符识别结果可能发生混淆的情况。

总之，尽管目前牌照字符的识别率还不理想，但是只要在分割出的字符的大小、位置的归一化，以及尝试提取分类识别能力更好的特征值和设计分类器等环节上再完善，进一步提高识别率是完全可行的。

五总结

根据车牌特点，一般采用的车牌定位算法有：

1.边缘检测定位算法；2.利用哈夫变换进行车牌定位；3.色彩分割提取车牌等。

这里我采用的是边缘检测的方法实现定位的。

字符分割的方法也有多种：

1.基于聚类分析的字符分割；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，主要是针对在车牌定位，图像预处理后比较规则的车牌图像。

优点是程序逻辑设计简单，循环执行功能单一，便于设计和操作，程序执行时间短。

六体会

课程设计不仅是对前面所学知识的一种检验，而且也是对自己能力的一种提高。

通过这次课程设计使我明白了自己原来知识还比较欠缺。

这个课程设计让我学到了很多东西，涉及到方方面面的知识，在这整个过程中我们查阅了大量的资料，得到了老师和同学的帮助，我在此对他们表示谢意。

在这期间遇到了很多困难，我知道做什么都不容易，只能塌下心来，一步一个脚印的去完成才行。

这学期我们学习了数字图像处理这门课程，在这个课程设计中应用到了很多其中的知识。

理论只有应用到实际中才能学着更有意义。

学习是一个长期积累的过程，在后的工作、生活中都应该不断的学习，努力提高自己知识和综合素质。

此外，还得出一个结论：

知识必须通过应用才能实现其价值！

有些东西以为学会了，但真正到用的时候才发现是两回事，所以我认为只有到真正会用的时候才是真的学会了。

在整个设计中我懂得了许多东西，也培养了我独立工作的能力，树立了信心，相信会对今后的学习工作生活有非常重要的影响。

同样此次课程设计也大大提高了动手的能力，使我充分体会到了在创造过程中探索的艰难和成功时的喜悦。

虽然这个设计做的并非对所以车牌都合适，但是在设计过程中所学到的学习方法是我最大收获和财富，相信定会使我受益终身。

参考文献

[1]冈萨雷斯．数字图像处理（第二版）．电子工业出版社

[2]袁志伟，潘晓露.车辆牌照定位的算法研究[J].昆明理工大学学报

[3]刘阳，伊铁源等.数字图象处理应用于车辆牌照的识别.辽宁大学学报

[4]韩勇强、李世祥.汽车牌照子图像的定位算法[M].微型电脑运用

[5]张引，潘云鹤，面向车辆牌照字符识别的预处理算法，计算机应用研究