毕业论文-基于matlab的车牌识别系统的设计与实现

毕业论文-基于matlab的车牌识别系统的设计与实现内容摘要：

形功能强大。 在 FORTRAN 和 C 语言里 ， 绘图都很不简单 ，但是在 MATLAB 中确实很容易表现出来的。 而且 MATLAB 还具有很强的编辑图形的能力。 （ 7） MATLAB 也是有缺点的，它与其他的高级程序相比较 ， 程序的执行速度很慢。 但是 MATLAB 的程序不需要编译等预处理 ， 不生成能执行文件 ， 程序是为解释执行 ， 导致速度非常慢。 （ 8） 功能强劲的工具箱是 MATLAB 的另一重大特色。 MATLAB 包含两个部分 ：各种可选和核心部分的工具箱。 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 ： 学科性工具箱和功能性工具箱。 功能性工具箱主要是用来硬件实时交互功能、文字处理功能、图示建模仿真功能以及与扩充其符号计算功能。 功能性工具箱可以用于多种学科技术。 而学科性工具箱是专业性比较强的 ， 如control、 toolbox、 signal processing toolbox、 munication toolbox 等。 这些工具箱都是由该领域内的学术水平很高的专家编写的 ， 所以用户无需编写自己学科范围内的基础程序 ， 而直接进行高、精、尖的研究。 浙江万里学院本科毕业论文 10 3 LPR 系统设计与实现 系统框架结构 和工作流程 汽车牌照的识别（ LPR）系统是通过引入计算机信息管理技术和数字摄像技术，采用先进的模式识别、人工智能和图像处理技术，通过对图像的处理和采集，获得更多的信息，从而更高的达到智能化管理程度。 在 LPR 系统产品的性能指标中，识别速度和识别率难以同时提高的原因是有图像处理技术不够成熟，和受到计算机摄像设备等性能因素的限制。 因此，研究高速准确的识别与定位算法，是当前的首要任务 [9]。 汽车车牌的自动识别系统主要有图像采集、触发拍照、车牌定位、图像预处理、字符分割、字符识别、输出结果等单元如图 31。 图 31 车牌识别系统工作流程图 触发拍照：该单元会自动检测车辆在指定区域的存在，现有的成熟技术的有线圈触发、视频触发、红外触发、雷达触发以及激光触发。 其中线圈触发和视频触发得到了广泛的应用。 图像采集：该单元是指道路上安装的摄像头在检测到有车辆通过的同时进行拍照并借助网络传送到汽车自动识别系统。 图像预处理：该单元是指车牌识别系统对拍摄的汽车图片进行 灰度化和边缘检测等 处理。 当外界光照不均匀时，光照强度不稳定的情况下，通过摄像机所采集到的原始车牌图像就会会模糊不清，这时需要对图片进行图像增 强处理；在电子器件自身产生的噪声以及干扰外界环境噪声下，所拍的图像质量可能会有所下降，所以这时就需要对原图做去噪处理的一系列的事情。 综上所述，这些处理均是图像预处理的工作。 图像采集 图像预处理 字符识别 输出结果 车牌定位 字符分割 视频信号 浙江万里学院本科毕业论文 11 车牌定位：是指对预处理过的汽车图片进行处理，把车牌部分进行定位，把无用的部分去除，得到定位好的车牌图片。 在完整的车牌图像中，绝大的一部分都是背景，对识别毫无用处，我们能将背景区域当做无用区域，并且想方法将他去除，从而在复杂的背景中准确的分割并定位在车牌区域，从原图中提取需要的部分舍弃不需要的部分，从而节省识别图像的时间，这也是车牌定位分 割的意义及目的所在。 在定位分割的过程中确保不要把非车牌区域识别为车牌区域，也不能舍弃车牌区域，不然接下来的工作将无法进行。 字符分割：对已经定位的车牌图片的进行字符分割，将车牌分割为 7个单一的字符图片。 系统并不能直接识别被分离出的车牌区域图像，还需要将车牌上的任何一个字符都要完整的独立的分割出来，就是说从车牌区域中图像上将车牌里所包含的任意字符都切分出来，将他们变成没有任何相关性的独立字符图像，之后由系统对每个字符进行分开识别，在切分字符时，需注意保证所有字符的准确完整度。 字符识别：最为关键的一步是车牌字 符的识别，之前对车牌图像所做的各种处理都是为完成最终的识别所做的努力。 单个的字符图像是系统的输入，输出的却是以文本格式体现的完整车牌号码，车牌字符识别的正确率可以直接反映出车牌识别系统的性能好坏。 输出结果：输出识别结果，并进行数据存储。 就车牌识别系统来看，以上的所有步骤都是不可或缺的，并且前一步骤均是给后面步骤的打基础，因此，只有确保做好每一步才能顺利完成系统最终的识别工作。 设计方案 车牌识别系统包括图像预处理、图像采集、字符分割、字符识别、车牌定位等模块，本文主要研究字符分割、图像预处理和车 牌定位三个模块 [9]。 本系统主要是由字符识别和图像处理两部分组成的。 其中图像处理部分包括边缘提取、模块牌照的定位、图像预处理以及分割模块。 字符识别部分可以分为特征提取与单个字符识别和字符分割两个模块。 字符识别这部分要求照片清晰，但是可能摄像头在外长时间工作，摄像头角度和距离、再加上光照条件、车辆自身条件不同以及车辆行驶速度的不同所影响，浙江万里学院本科毕业论文 12 想拍出很理想的图片很困难。 所以我们要对摄像头拍摄出来的图片进行预处理，其中主要有图片边缘提取和图片灰度化 等。 车牌定位和车牌分割是整个系统的关键，其作用是在经图像预 处理后的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。 车牌识别系统的最终目的就是将不清楚的车牌照片进行识别，输出清晰的图片。 现在 字符识别的常用方法有模板匹配法和神经网络模型法。 图像预处理 图像灰度化 汽车图像的样本目前大多是通过数码相机、摄像机等设备拍下的，因此在预处理前的所有图像全都是彩色图像。 RGB图像是 彩色图像简称 ， 它是利用 R、 G、 B分量来表示某个像素的颜色 ， 红、绿、蓝 3种颜色分别用 R、 G、 B个不同的字母表示 ， 并通过三基色将其调和成任意颜色。 并且每个所知分量有 255种值可取 ，所以说 这样任意的像素点可以有 1600多万的颜色的变化。 灰度图像就是 R、 G、 B三个分量具有相同的一种特殊的真彩色图像 ， 任意的像素点的变化范围为 255种 ，因此在数字图像处理中一般先是会把各种格式的图像转变为灰度图像后，这样图像的计算量就会变得少一些。 在灰度图像的描述中，它与彩色图像一样仍然反映了整幅图像的局部和整体的亮度和色度等级的分布和特征。 所以 说 对与尺寸为m*n的一个彩色图像来说 ， 存储 m*n*3的多维数组 [10]。 彩色图像中有大量的颜色信息，不仅在存储上面开销很大，而且会在处理上降低系统的执行识别速度。 因为图像的每个像素都具有三个颜色不同的分量 ，并且 存在很多同识别无关的信息 ， 不利于进一步展开的识别工作， 所以在对图像识别过程处理中，经常是将彩色图像转变为灰度图像，以便增加处理速度。 数字图像分为灰度图像和彩色图像。 在 RGB模型中，如果 R=G=B，那么这个颜色就会表示一种灰度颜色，其中 R=G=B的值就叫做灰度值。 而彩色转变为灰度的过程就叫做灰度化处理。 灰度图像就是没有颜色信息的图像而只有强度信息 ，存浙江万里学院本科毕业论文 13 储的灰度图像仅仅需要一个数据矩阵，矩阵中每个元素都表示对应位置像素点的灰度值。 灰度图像的像素色为 RGB ( r, r, r ),彩色图像的像素色为 RGB (R, G, B )， R, G, B可以从彩色图像的颜色中分解获得 .并且 R, G, B的取值是 0255的范围内 ,而灰度的级别只有 256级。 当将彩色图像转变为灰度图像时 ， 就现在而言用的比较多的灰度化方法为平均值法 ， 公式为 ： H=++[11] 在公式中， H 表示灰度图中的亮度值 ； R 代表彩色图像中红色分量值 ； G 则代表 色彩图像中绿色分量值 ； B是 代表彩色图像中蓝色分量值。 RGB 这 三分量前的系数叫做经验加权值。 加权系数的取值是建立在人眼的视觉模型之上。 所以 对人眼很敏感的绿色取了较大的权值 ；而 对于人眼比较不敏感的蓝色取较小的权值。 通过这个公式将转换的灰度图能很好的反应原来图像的真实亮度信息。 在 MATLAB 中我们可以调用 im2gray 函数对图像来进行灰度化处理。 图像的边缘检测 边缘是指图像灰度发生空间突变或者在梯度方向上发生突变的像素的集合。 用摄像机采集到的机动车图像由于受到噪声干扰以及车辆本身的影响，使得获得的图像质量不理想。 因此，在对汽车牌照进行定位的时候及字符识别之前需要先对车辆的图像进行边缘检测处理，从而提高图像的质量，以便于后面的识别和分割。 可以通过良好的边缘检测，大幅度的降低了噪声和分离出复杂环境下的车辆图像，保留较完好的车牌字符信息情况，有助于后面的字符识别与精确定位。 对于车牌识别系统的摄像头安装位置以及机动车的车牌固有属性，我们就可以发现机动车的车牌图像一般都处在水平的矩形区域中，在图像中有较为固定的位置，车牌中的字符都是按照水平方向排列的。 因为有这些非常明显的特征，所以经过适当的图像变换后，可 以更为清晰的呈现出车牌的边缘。 本文采用经典的Roberts 边缘检测算子对图像进行边缘检测。 Roberts 算子是一种 比较 最简单的算子，是一种利用局部差分算子寻找边缘的算子，他采用对角线方向相邻两象素之差近似梯度幅值检测边缘。 检测垂直边缘的效果好于斜向边缘，定位精度高，对噪声敏感 ,无法抑制噪声的影响。 浙江万里学院本科毕业论文 14 灰度化和边缘检测的 MATLAB 程序如下： I=imread(39。 39。 )。 figure(1),imshow(I)。 title(39。 原图 39。 ) I1=rgb2gray(I)。 figure(2),subplot(1,2,1),imshow(I1)。 title(39。 灰度图 39。 )。 figure(2),subplot(1,2,2),imhist(I1)。 title(39。 灰度图直方图 39。 )。 I2=edge(I1,39。 robert39。 ,39。 both39。 )。 figure(3),imshow(I2)。 title(39。 robert 算子边缘检测 39。 ) 图 32 原图 浙江万里学院本科毕业论文 15 图 33 灰度图 图 34 Robert算子边缘检测 浙江万里学院本科毕业论文 16 车牌定位和分割 该系统的摄像头 拍摄的图片是整个机动车的图片， 而只有车牌部分是对系统有用的。 所以我们要对照片进行车牌定位和分割。 车牌的定位和分割是从经过图像预处理后的灰度图像中确定牌照位置，并将车牌部分从整个图像中分割出来，从而进行字符识别。 车牌图像的灰度图的车牌部分是一个水平度很高的长方形图样，在原图中比较集中，且灰度值和周围图样有明显差异，因此很容易用边缘检测来对图像进行分割。 车牌定位和分割的准确度直接关系到最后的字符识别的质量。 其流程图如图 35所示。 图 35 车牌定位流程图 车牌定位 机动车图像经过灰度化和边缘检测的处理后，边缘得到了加强，牌照区域已经非常明显。 本文采用的是用数学形态学来进行图像处理和模式识别。 数学形态学是 用具有一定形态的结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，能有效地去除噪声，保留图像原有信息的同时提取的边缘比较平滑，提取的图像骨架也比较连续，断点少。 现在我们将经过预处理的图像进行图像腐蚀以及去除杂质，就可以得到相对准确的车牌位置。 处理过程图如图36腐蚀后的图像， 图 37平滑图像的轮廓，图 38从对象中移除小对象后图像所示。 对图像进行图像腐蚀 除去图像杂质 通过计算寻找 X 和 Y方向车牌的区域 完成车牌定位 对定位后的彩色车牌的进一步处理 浙江万里学院本科毕业论文 17 图 36 腐蚀后的图像 图 37 平滑图像的轮廓 浙江万里学院本科毕业论文 18 图 38 从对象中移除小对象后图像 车牌分割 车牌自动识别系统中的其中一个重要步骤是 车牌字符分割 ，这 这一模块中，正确性受到了很多因素的影响 ， 最大问题莫过于二值化的不彻底使投影图像中的字符间波谷不够分明 ； 再就是车牌反光、光照不均、污损等。