基于matlab的車牌識別系統的設計(附程序).doc

1車牌識別系統的設計1．摘要：汽車牌照自動識別系統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。本文首先確定車輛牌照在原始圖像中的水平位置和垂直位置,從而定位車輛牌照,然后采用局部投影進行字符分割。在字符識別部分,提出了在無特征提取情況下基于支持向量機的車牌字符識別方法。實驗結果表明,本文提出的方法具有良好的識別性能。隨著公路逐漸普及，我國的公路交通事業發展迅速，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。2．設計目的：1、使學生在鞏固理論課上知識的同時，加強實踐能力的提高，理論聯系實踐。2、激發學生的研究潛能，提高學生的協作精神，鍛煉學生的動手能力。3．設計原理由于車輛牌照是機動車唯一的管理標識符號，在交通管理中具有不可替代的作用，因此車輛牌照識別系統應具有很高的識別正確率，對環境光照條件、拍攝位置和車輛行駛速度等因素的影響應有較大的容閾，并且要求滿足實時性要求。圖1牌照識別系統原理圖該系統是計算機圖像處理與字符識別技術在智能化交通管理系統中的應用，它主要由圖像的采集和預處理、牌照區域的定位和提取、牌照字符的分割和識別等幾個部分組成，如圖1所示。其基本工作過程如下：(1)當行駛的車輛經過時，觸發埋設在固定位置的傳感器，系統被喚醒處于工作狀態；一旦連接攝像頭光快門的光電傳感器被觸發，設置在車輛前方、后方和側面的相機同時拍攝下車輛圖像；2(2)由攝像機或CCD攝像頭拍攝的含有車輛牌照的圖像通視頻卡輸入計算機進行預處理，圖像預處理包括圖像轉換、圖像增強、濾波和水平較正等；(3)由檢索模塊進行牌照搜索與檢測，定位并分割出包含牌照字符號碼的矩形區域；(4)對牌照字符進行二值化并分割出單個字符，經歸一化后輸入字符識別系統進行識別。4．詳細設計步驟4.1提出總體設計方案。車輛牌照識別整個系統主要是由車牌定位和字符識別兩部分組成，其中車牌定位又可以分為圖像預處理及邊緣提取模塊和牌照的定位及分割模塊；字符識別可以分為字符分割與特征提取和單個字符識別兩個模塊。為了用于牌照的分割和牌照字符的識別，原始圖象應具有適當的亮度，較大的對比度和清晰可辯的牌照圖象。但由于該系統的攝像部分工作于開放的戶外環境，加之車輛牌照的整潔度、自然光照條件、拍攝時攝像機與牌照的矩離和角度以及車輛行駛速度等因素的影響，牌照圖象可能出現模糊、歪斜和缺損等嚴重缺陷，因此需要對原始圖象進行識別前的預處理。牌照的定位和分割是牌照識別系統的關鍵技術之一，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的識別率。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。車牌識別的最終目的就是對車牌上的文字進行識別。主要應用的為模板匹配方法。因為系統運行的過程中，主要進行的都是圖像處理，在這個過程中要進行大量的數據處理，所以處理器和內存要求比較高，CPU要求主頻在600HZ及以上，內存在128MB及以上。系統可以運行于Windows98、Windows2000或者WindowsXP操作系統下，程序調試時使用matlab。4.2預處理及邊緣提取3輸入車牌圖象灰度校正平滑處理提取邊緣圖2預處理及邊緣提取流程圖4.2.1圖象的采集與轉換考慮到現有牌照的字符與背景的顏色搭配一般有藍底白字、黃底黑字、白底紅字、綠底白字和黑底白字等幾種，利用不同的色彩通道就可以將區域與背景明顯地區分出來，例如，對藍底白字這種最常見的牌照，采用藍色B通道時牌照區域為一亮的矩形，而牌照字符在區域中并不呈現。因為藍色(255，0，0)與白色(255，255，255)在B通道中并無區分，而在G、R通道或是灰度圖象中并無此便利。同理對白底黑字的牌照可用R通道，綠底白字的牌照可以用G通道就可以明顯呈現出牌照區域的位置，便于后續處理。原圖、灰度圖及其直方圖見圖2與圖3。對于將彩色圖象轉換成灰度圖象時，圖象灰度值可由下面的公式計算：G=0.110B+0.588G+0.302R(1)G=(2)3RGB?圖3原圖圖4灰度圖44.2.2邊緣提取邊緣是指圖像局部亮度變化顯著的部分，是圖像風、紋理特征提取和形狀特征提取等圖像分析的重要基礎。所以在此我們要對圖像進行邊緣檢測。圖象增強處理對圖象牌照的可辯認度的改善和簡化后續的牌照字符定位和分割的難度都是很有必要的。增強圖象對比度度的方法有：灰度線性變換、圖象平滑處理等。(1)灰度校正由于牌照圖象在拍攝時受到種種條件的限制和干擾，圖象的灰度值往往與實際景物不完全匹配，這將直接影響到圖象的后續處理。如果造成這種影響的原因主要是由于被攝物體的遠近不同，使得圖象中央區域和邊緣區域的灰度失衡，或是由于攝像頭在掃描時各點的靈敏度有較大的差異而產生圖象灰度失真，或是由于曝光不足而使得圖像的灰度變化范圍很窄。這時就可以采用灰度校正的方法來處理，增強灰度的變化范圍、豐富灰度層次，以達到增強圖象的對比度和分辨率。我們發現車輛牌照圖象的灰度取值范圍大多局限在r=(50,200)之間，而且總體上灰度偏低，圖象較暗。根據圖象處理系統的條件，最好將灰度范圍展開到s=(0,255)之間，為此我們對灰度值作如下的變換：s=T(r)r=[rmin,，rmax]使得S∈[Smin,Smax],其中，T為線性變換，圖5灰度線性變換(3)minr-axiSinrmi-axrS????若r(50,200)、s(0，255)則：(4)85r7.1502-r1??5(2)平滑處理對于受噪聲干擾嚴重的圖象，由于噪聲點多在頻域中映射為高頻分量，因此可以在通過低通濾波器來濾除噪聲，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：8鄰域和4鄰域分別對應的鄰域平均值為(5)???sjijifMjig),(),(1),(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方，尤其是物體邊緣區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。圖像中車輛牌照是具有比較顯著特征的一塊圖象區域，這此特征表現在：近似水平的矩形區域；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，它在整幅中可以明顯地呈現出其邊緣。邊緣提取是較經典的算法，此處邊緣的提取采用的是Robert

總結

以上是生活随笔為你收集整理的基于matlab的车牌识别系统程序,基于matlab的车牌识别系统的设计(附程序).doc的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。