基于數(shù)字圖像處理的車牌識別系統(tǒng)設計

基于數(shù)字圖像處理的車牌識別系統(tǒng)摘要汽車的數(shù)量的日漸增多，目前，城市的交通情況受到了人們極大的關注，怎樣進行有效的交通管理便成為了人們關注的重點。針對此問題，人們利用新的科學技術，不斷努力研發(fā)出了各種交通道路監(jiān)視、管理系統(tǒng)等。這些系統(tǒng)，通過使用車輛檢測裝置對過往的車輛進行檢測，對相關的交通數(shù)據(jù)進行提取，是為了達到監(jiān)控、管理和指揮交通的目的。車牌識別系統(tǒng)現(xiàn)已經(jīng)在高速公路、城市十字交通路口和停車場等項目中擁有著不可替代的地位。本設計使用數(shù)字圖像處理方法，來解決車牌識別的問題。通過數(shù)字圖像處理技術，對原始汽車圖像進行處理，通過對圖像的預處理、車牌定位、字符分割和字符識別四部分進行處理，最終得到車牌識別的字符。本設計的圖像預處理是把汽車圖像通過灰度化、二值化、邊緣檢測等操作，轉(zhuǎn)變成易于定位的圖像；車牌定位是首先利用邊緣檢測和形態(tài)學處理對車牌進行預定位，之后利用Radon變換傾斜矯正車牌，最后進行精確定位剪切車牌；字符分割是通過投影法進行字符的切分，然后利用雙線性插值算法對字符進行歸一化的處理；字符識別是將歸一化之后的字符和建立好的模板字符庫進行逐一比對，通過找差值來實現(xiàn)字符的匹配。本設計的算法是在MATLAB2017b上進行了仿真和測試，可以較好的識別出車牌號碼。關鍵詞：圖像處理，車牌識別，邊緣檢測，MATLABLicense

plate

recognition

system

based

on

digital

image

processingAbstractThenumberofcarsisincreasingdaybyday.Atpresent,peoplepaygreatattentiontothetrafficsituationofthecity.Howtocarryouteffectivetrafficmanagementhasbecomethefocusofpeople'sattention.Inresponsetothisproblem,peoplehavemadecontinuouseffortstodevelopvarioustrafficroadmonitoringandmanagementsystemsbyusingnewscienceandtechnology.Thesesystems,throughtheuseofvehicledetectiondevicestodetectthepassingvehicles,extracttherelevanttrafficdata,inordertoachievethepurposeofmonitoring,managementandcommandoftraffic.Licenseplaterecognitionsystemnowhasanirreplaceablepositioninexpressway,urbancrosstrafficintersectionandparkinglotprojects.Thisdesignusesdigitalimageprocessingmethodtosolvetheproblemoflicenseplaterecognition.Throughthedigitalimageprocessingtechnology,theoriginalvehicleimageisprocessed.Throughtheimagepreprocessing,licenseplatepositioning,charactersegmentationandcharacterrecognition,thecharactersoflicenseplaterecognitionarefinallyobtained.Theimagepreprocessingofthisdesignistotransformtheautomobileimageintotheimagewhichiseasytolocatethroughtheoperationofgrayscale,binarization,edgedetection,etc.;thelicenseplatelocationistousetheedgedetectionandmorphologicalprocessingtoprelocatethelicenseplate,thenuseRadontransformtotiltandcorrectthelicenseplate,andfinallycarryouttheaccuratelocationandcuttingofthelicenseplate;thecharactersegmentationistocutthecharactersthroughtheprojectionmethodThen,thebilinearinterpolationalgorithmisusedtonormalizethecharacters.Characterrecognitionistocomparethenormalizedcharacterswiththeestablishedtemplatecharacterlibraryonebyone,andtomatchthecharactersbyfindingthedifference.Thealgorithmofthisdesignissimulatedandtestedonmatlab2017b,whichcanrecognizethelicenseplatenumberbetter.Keywords:Imageprocessing,licenseplaterecognition,edgedetection,MATLAB

目錄1緒論 11.1研究背景及意義 11.2車牌識別系統(tǒng)現(xiàn)狀 11.2.1國內(nèi)外研究現(xiàn)狀 11.2.2車牌識別技術的應用情況 31.2.3車牌識別技術的難點 31.3本文研究內(nèi)容與結構安排 42車牌識別系統(tǒng)設計 52.1圖像預處理 52.1.1圖像灰度化 52.1.2二值化 72.1.3中值濾波 72.1.4邊緣檢測 82.1.5數(shù)學形態(tài)學處理 82.2車牌定位 102.2.1車牌預定位 112.2.2車牌傾斜校正 122.2.3車牌精確定位及剪切 132.3字符分割 142.3.1傳統(tǒng)車牌字符分割算法 142.3.2基于先驗知識約束的垂直投影分割算法 152.3.3字符歸一化 162.4字符識別 173車牌識別系統(tǒng)開發(fā)與性能檢驗 113.1車牌識別系統(tǒng)開發(fā) 203.1.1系統(tǒng)開發(fā)軟件 203.1.2系統(tǒng)操作界面 203.2車牌識別系統(tǒng)運行過程 213.2.1進一步優(yōu)化設計 233.3車牌識別系統(tǒng)的分析 23總結 25致謝 26參考文獻 271緒論1.1研究背景及意義近些年，私家車的需求數(shù)量迅速上升，城市交通設施的快速發(fā)展無法跟上車輛的增加，而大規(guī)模交通設施的大力發(fā)展也解決不了現(xiàn)有的交通擁擠問題，由于被限制的城市空間和政策資金的有限，道路基礎設施的建設，受到了嚴重的制約，所以發(fā)展現(xiàn)代智能交通系統(tǒng)，是一個迫切的問題。發(fā)展現(xiàn)代智能交通系統(tǒng)是為了緩解交通堵塞，減少交通事故的發(fā)生，提高運行便利度為。利用定位系統(tǒng)和智能分析系統(tǒng)，實現(xiàn)實時智能控制和線路優(yōu)化等功能的系統(tǒng)總稱，車牌識別系統(tǒng)在現(xiàn)代智能交通系統(tǒng)中扮演著重要的角色，它可以從一張車輛的照片中，自動識別出汽車車牌的圖像，對車牌的字符進行逐一分割，并識別出車牌的單個字符。車牌是車輛身份的標志，車牌識別技術在智能交通系統(tǒng)中起著重要的作用，此技術的應用范圍十分廣泛，特別是在城市道路和停車場停車收費，所以車牌識別系統(tǒng)的研究和開發(fā)具有重要意義。1.2車牌識別系統(tǒng)現(xiàn)狀1.2.1國內(nèi)外研究現(xiàn)狀利用車牌識別系統(tǒng)，設計有效的車牌識別軟件模塊是目前需要解決的主要技術問題，因此，能夠快速識別車牌號是世界各國需要解決的關鍵問題。目前國內(nèi)外眾多研究人員，對車牌識別軟件模塊投入了大量的資源，并提出了許多解決方案。LPR技術，目前許多國家的研究機構都在研究，國外的公司成功開發(fā)產(chǎn)品，并投入市場，例如以色列的Hi_Tech開發(fā)了See/Car系統(tǒng)、新加坡的歐塔西亞開發(fā)了VLPR產(chǎn)品。在我國，對車牌技術的研究起步相對較晚。而在20世紀80年代，國外就開始對車牌識別進行了研究，在當時，車牌識別技術還相對比較落后，只有一些簡單的圖像處理。它們基本只適用于某一領域，并不具有普遍的適用性。在20世紀90年代，車牌識別技術開始迅速的發(fā)展，在實際應用中，與下一代產(chǎn)品相比，采用自動牌照識別技術設計的產(chǎn)品已經(jīng)達到了系統(tǒng)化和集成化REF_Ref35782689\r\h[1]。主要是由于當時計算機技術的快速發(fā)展，提高了圖像處理和模式識別技術。我國汽車牌照的種類和樣式與其他國家的牌照有很大的不同，中國不僅有英文和中文，還有漢字，并且我國車牌擁有各種各樣的種類，如民用型的、警用型的、軍用型等車型，這也是一些國外的實用產(chǎn)品，無法進入中國的原因。在90年代初期，我國汽車車牌識別技術逐步發(fā)展，現(xiàn)在我國最好的車牌識別系統(tǒng)，是中國科學院自動化研究所開發(fā)的“漢王眼”。相對成熟的車牌識別系統(tǒng)產(chǎn)品還有“慧光”。同時，國內(nèi)各大學也進行了相關的研究，如清華大學人工智能國家重點實驗室、上海交通大學計算機科學與工程系、西安交通大學圖象處理與識別實驗室等REF_Ref35784216\r\h[2]。隨著現(xiàn)代社會和交通的不斷發(fā)展，車牌識別系統(tǒng)的識別速度和識別率的性能需要進一步提高。并且車牌號碼的識別率受外部環(huán)境的影響較大，因此需要不斷優(yōu)化車牌識別系統(tǒng)，提高系統(tǒng)抗干擾能力。隨著圖像識別技術的快速發(fā)展，計算機技術也迅速發(fā)展，為車牌識別系統(tǒng)提供技術支持，可以促進車牌識別技術的發(fā)展REF_Ref35784386\r\h[3]。1.2.2車牌識別技術的難點在車牌識別系統(tǒng)研究中，第一步是提取車輛的照片，照片的獲取往往是由專業(yè)的攝像裝置來完成的，因為這一過程主要在室外完成，所有系統(tǒng)會受自然環(huán)境的光和天氣等因素影響，同時，這些因素沒有規(guī)律可循，對系統(tǒng)的實現(xiàn)會帶來很大的困難，主要影響因素如下：1)車牌格式的多樣性。我國根據(jù)不同的車型規(guī)定了不同的號碼牌，例如民用型車，警用型車，軍用型車等。不同用途的車由于車牌結構的差異，車牌的定義方式也有一定的不同，因此，車牌識別系統(tǒng)需要針對不同車型進行車輛牌照的識別。2)車牌顏色的多樣性。我國的汽車牌照顏色由藍、黃、白等多種顏色構成，字符顏色有白、黑、紅等多種顏色，顏色的差異，單一的算法無法正確的識別，必須根據(jù)不同顏色的車牌進行相應的識別。

3)車牌圖片的清晰度不高。由于受光照強度不足、天氣條件等多種因素的影響，前端設備采集到的車牌圖像照片不清晰，存在圖像失真等問題，導致車牌信息辨別錯誤甚至難以辨別。

4)我國汽車的車牌由字母、漢字和數(shù)字組成，漢字的識別方式相比字母較難，所以增加了車牌識別的難度。5）目前，我國汽車的車牌號按車型分為多種形式，不同類型的車牌命名方式不同，且存在著這樣的難題，導致我國的車牌識別技術面臨著巨大困難，比其他國家的車輛標識照片更難識別，因此，有效提高車牌識別的準確率和實時性是提高中國智能交通系統(tǒng)可靠性的重要難題。1.3本課題研究內(nèi)容與結構安排本設計利用數(shù)字圖像處理技術對車牌識別問題進行處理。通過數(shù)字圖像處理技術，對前端采集到的汽車圖像進行處理，得到車牌號碼。本設計在總結了一些車牌識別算法的基礎上，并提出了自己的車牌定位，分割和識別的算法，擬設計一個由圖像輸入到系統(tǒng)處理得到車牌字符輸出的車牌識別系統(tǒng)。并取得了理想的實驗結果，其研究內(nèi)容具體如下：第一章：緒論。主要介紹了車牌識別系統(tǒng)的研究背景和意義，以及基于數(shù)字圖像處理的車牌識別系統(tǒng)的相關國內(nèi)外研究現(xiàn)狀，并介紹了我國車牌的主要特征和現(xiàn)階段的識別技術難點。第二章：車牌識別系統(tǒng)設計。詳細的介紹了車牌識別系統(tǒng)的整個設計過程，對所用到的算法進行詳細的介紹，并對識別結果進行整理分析。第三章：車牌識別系統(tǒng)開發(fā)與性能檢驗。對系統(tǒng)開發(fā)軟件MATLAB2017b進行簡單介紹，使用MATLAB2017b軟件自帶的GUI功能設計出圖形用戶界面。通過實驗對各項系統(tǒng)功能進行了測試與識別，本文的最后對這次的畢設進行了總結和致謝。2車牌識別系統(tǒng)設計通過以上對于車牌識別系統(tǒng)基本介紹，本文設計的車牌識別系統(tǒng)主要由四個模塊來實現(xiàn)的，接下來我將分別對組成系統(tǒng)的四個基本模塊設計和系統(tǒng)整體設計進行詳細的介紹。2.1圖像預處理車輛的圖像拍攝一般處于各種復雜的環(huán)境中，圖像的質(zhì)量會受到天氣的影響，光照的情況、拍攝的鏡頭、車牌的干凈程度、車輛進入到攝像機的位置等多種因素而進行改變。圖片的質(zhì)量會對車牌識別的準確率產(chǎn)生很大的影響，為了得到清晰的圖像，首先我們要對圖像進行預處理，預處理是利用數(shù)字圖像處理技術來對車牌圖像進行處理，消除圖像中的干擾信息，這一步驟有利于后續(xù)圖像的定位和分割，主要的流程是將圖像處理成灰度圖，并強化圖像的有效特征，增強對有用信息的檢測性，消除影響圖像照片區(qū)域特征的噪點，使圖像特征更加的清晰，更易于識別，為圖像定位和分割打下基礎。2.1.1圖像灰度化灰度是指所有從黑色到純白色的過渡顏色，并按照一定的方法進行分級。這些被分為不同級別的顏色，稱之為灰度，通常被分為256個級別?；叶葓D指的是只記錄單個像素點的灰度值的圖像，每個像素需要8位存儲空間，然而車牌上的原始圖片均為彩色信息圖片，在彩色圖像中，所有像素的信息按照不同的層次由紅（R）、綠（G）和藍（B）組成，也稱為RGB圖像；彩色圖像將R、G、B的顏色信息分別分成256個等級，三種顏色共有224種不同的信息，而每個像素需要24位的存儲空間，數(shù)據(jù)量大于灰度圖，數(shù)據(jù)量過大，不僅處理時間長，而且程序運行速度慢，存儲設備也要求高。為了加快對牌照的識別速度，我們可以丟棄不必要的顏色信息，首先將RGB圖像更改為灰度圖像，從而數(shù)據(jù)量可以顯著減少?；叶然歉鶕?jù)一定的方法將R、G、B值轉(zhuǎn)換成灰度值的過程，像素點的灰度越大，顏色越接近白色，否則接近黑色，這個過程稱為圖像灰度化常見的圖像灰度化的方法主要有以下幾種：1、分量法：使圖像中每個點的三個分量值R、G和B，使其中一個等于轉(zhuǎn)換后該像素點的灰度值，即：????????=??????????????（2.1）2、平均值法：將圖像的每個像素點的R、G和B值，取其算術平均值，轉(zhuǎn)化為像素點的灰度值，即：Gray=(??+??+??)/3（2.2）3、加權平均值法：首先對圖像中每個像素點的R、G和B值，按不同的權值進行加權，然后計算算術平均值，并將算術平均值轉(zhuǎn)換為像素點的灰度值。即：Gray=(??????+??????+??????)/3（2.3）其中????、W??、W??分別是R、G、B值的權，選擇不同的R、G、B加權后，然后取算術的平均值將圖像進行灰度化，獲得不同的灰度圖。因為人們的眼睛對于不同的顏色感知是不同的，所以當權值為????>????>????時，獲得的灰度圖像比較理想。本設計是利用加權平均值法得到的灰度圖像，原始圖像、灰度圖和灰度直方圖如圖2.1和圖2.2所示。圖2.1原始彩色圖像

圖2.2灰度圖像和灰度直方圖2.1.2二值化在本設計中，多次使用了灰度圖像的二值化算法，例如圖像增強階段、車牌預定位階段、精確定位后的字符分割階段等。二值圖像是指任意像素點的灰度值均為0或255（分別代表的是黑色和白色），沒有其他的灰度值。圖像二值化算法是利用目標與背景之間的灰度差來算出閾值，然后將圖像中每個點的灰度值與該閾值的大小進行對比，最后將大于閾值的像素歸為一類，并使用“1”表示；小于閾值的像素則為另外一類，用‘0’表示REF_Ref36582533\r\h[4]。二值化算法分為兩個步驟：一、閾值的計算；二、先進行對比然后再取值。閾值的確定非常重要，合理的選取閾值可以有效地去除圖像中的噪聲，并能夠分離出目標和背景，從而顯著減少信息量，提高圖像的處理速度。二值化前后圖像如下圖所示：圖2.3原始車牌圖像圖2.4二值化圖像2.1.3中值濾波在實際情況中，車牌圖像會受到噪聲的干擾，如果我們不對噪聲進行處理，后面的字符分割將會受到很大的影響。中值濾波是指將一個鄰域中各點的中值被該像素點的值所代替，為了消除孤立像素點。中值濾波處理的目的是降低噪聲對車輛圖像的影響，并消除干擾噪聲，也加強了灰度圖像的邊緣信息。2.1.4邊緣檢測車牌識別系統(tǒng)中的邊緣指的是在圖像梯度方向發(fā)生變化或者是灰度值發(fā)生空間上的突變所有像素的集合。圖像的邊緣檢測可以縮小檢測目標的范圍，可以加快對后續(xù)車牌和字符區(qū)域判定的處理。邊緣檢測能夠很大程度的降低圖像中的干擾噪聲，也可以很好的分離牌照和車身，并保存完整的車牌字符信息，從而提高識別的準確率。常用到的圖像邊緣檢測算子有以下三種：（1）Sobel算子：其具有方向性，在垂直和水平方向上會產(chǎn)生明顯的邊緣。Sobel算子能夠很好的檢測出圖像的邊緣點，而且也能夠抵制噪聲的影響，Sobel算子在數(shù)學上已經(jīng)證明了當像素的分布滿足正態(tài)分布時，檢測出的邊緣是最優(yōu)的。（2）Roberts算子：此算法比較準確，但是容易受到圖像中噪聲的干擾，去除噪聲的能力比較差，其適用于噪聲較小且邊緣明顯的圖像。（3）Prewitt算子：此算法對噪聲較多的圖像和灰度漸變處理的效果較好，但是并不能夠全部排除檢測結果出現(xiàn)的虛假邊緣。本設計是用Roberts算子實現(xiàn)邊緣檢測的，實際處理過程中邊緣檢測結果如圖2.5所示。圖2.5Roberts算子邊緣檢測圖像2.1.5數(shù)學形態(tài)學處理在車牌識別系統(tǒng)中，運用形態(tài)學的知識，有利于去除直觀的干擾因子，能夠快速準確定位車牌的位置。其原理是：一、找到有一定形態(tài)的結構元素，二、利用形態(tài)學算法，對車牌圖像中的相關形狀進行量度和提取，從而實現(xiàn)對車牌圖像的分析和識別的功能REF_Ref36925064\r\h[5]。數(shù)學形態(tài)學處理可以簡化圖像的數(shù)據(jù)，保留圖像中有用的信息，刪除無用的信息，車牌識別常用的形態(tài)學算子是腐蝕運算、膨脹運算和二者相組合而成的閉運算和開運算等。(1)腐蝕運算腐蝕運算的基本原理是在結構元素的制約下，刪減物體的邊界點和邊界上的突出部分，使其向內(nèi)收縮。其主要應用于消除分割圖像時產(chǎn)生的微小且無意義的點REF_Ref36925671\r\h[6]。(2)膨脹運算膨脹運算的基本原理是將與物體接觸的部分背景點合并到物體中REF_Ref36925871\r\h[7]。通過圖像膨脹處理，圖像的邊界會變大，元素的面積也會相應的增加，并且圖像膨脹能夠填充圖像當中的連接和空隙斷續(xù)的點，成為可以連通的區(qū)域。(3)開運算開運算指的是對圖像進行膨脹、腐蝕的操作過程。其作用是在不改變物體面積的情況下，去掉圖像中的較小孤立點和毛刺以及去掉兩個區(qū)域之間的連接點，大致平滑圖像的輪廓，并且不改變圖像的整體位置和形狀。(4)閉運算閉運算指的是先進行膨脹運算，然后進行腐蝕運算。此運算的作用是可以在不影響圖像的亮度前提下刪除比較暗的部分。通過閉運算后可填充圖像中的小空隙部分，從而可以把圖像中臨近的物體進行連通，使圖像的邊界更加的平滑。本設計中利用數(shù)學形態(tài)學算法對圖像進行處理，首先利用腐蝕運算，去除車牌照片中不連續(xù)的邊界點，然后再利用閉運算，對照片中的小塊區(qū)域進行連通，最后刪除圖像中干擾因子，對車牌進行預定位。確定車牌區(qū)域的流程圖如圖2.6所示：邊緣檢測圖像邊緣檢測圖像腐蝕運算腐蝕運算閉運算閉運算刪除干擾因子刪除干擾因子圖2.6確定車牌區(qū)域的流程圖圖像預處理，我們主要討論了圖像灰度化、二值化、中值濾波、邊緣檢測、形態(tài)學等比較經(jīng)典的算法。這些算法不是只能在展開車牌識別算法之前使用，雖然我們把這些算法都歸結到圖像預處理這一部分，但是它們在接下來的車牌定位、字符分割以及字符識別中也會經(jīng)常用到，所以應該說，這些算法是車牌識別系統(tǒng)算法中非常重要的一部分。2.2車牌定位車牌定位指是在車輛照片中找出車牌部分的輪廓，并準確地確定車牌輪廓，然后將車牌部分進行裁剪。車牌圖像的定位需要準確，否則會影響識別的準確率，甚至完全無法進行識別。2.2.1車牌預定位為了確保牌照與車身分割的準確性，首先預定位車牌，對車牌的區(qū)域進行大概切分，除去非車牌部分，再根據(jù)車牌的邊緣特征信息，再次進行準確的切分。預定位時，首先利用Roberts邊緣檢測算法，提取車牌邊緣，在對圖像進行邊緣檢測后獲得的圖像中，除了獲取到車牌的邊緣，還可以獲取到很多背景的邊緣，因此要先盡可能的去除非車牌部分的邊緣信息，非車牌部分的邊緣信息大部分都顯示出細微且雜亂的分布，為了去除這些細微而雜亂的分布，我們利用數(shù)學形態(tài)學算法處理得到的圖像，經(jīng)過初步提取的車牌如圖2.7所示。圖2.7初步提取的車牌通過上述分析，確定車牌區(qū)域的輪廓步驟如圖2.8所示。圖2.8確定車牌區(qū)域流程圖2.2.2車牌傾斜矯正在車輛照片拍攝過程中，由于攝像機安裝傾斜、車輛號碼牌傾斜懸掛、車身不水平等影響，會導致采集到的照片是傾斜的，如果車輛照片是傾斜的，車牌部分的圖像也會產(chǎn)生傾斜以及車牌字符和字符間距也是傾斜的，在這種情況下，后續(xù)字符分割出來的字符噪聲會明顯增加，從而降低了字符識別的準確率，傾斜較大的照片可能無法分割字符，所以我們需要矯正傾斜的車牌圖像。水平方向的傾斜最為常見，矯正方法主要有Houg變換法和Radon變換法，Radon變換相對Houg變換計算簡單，本設計采用radon變換法對傾斜車輛圖像進行矯正處理。Radon變換是利用圖像在給定角度的斜線上像素之和來進行變換的方法REF_Ref36932205\r\h[8]。如果照片發(fā)生傾斜，最多數(shù)量的像素點是從該對應角度的斜向攝像上獲得的。f(??,??)是圖像矩陣，投影可以表示為：方向??的射線上的某像素點的投影值，??角指射線與??軸所形成的夾角REF_Ref36932222\r\h[9]。二維函數(shù)f(??,??)的Radon變換是平行于??軸的線積分：Rθx'y由Radon變換的基本性質(zhì)Rθ+180°-x=Rθ(x)可知：在??+180°時，函數(shù)R在???處可以求得極大值Rθ(??)，其中車牌傾斜校正的步驟如下：首先調(diào)用Matalb中的edge函數(shù)，將圖像轉(zhuǎn)換為二值圖像。2、然后調(diào)用radon函數(shù)，對轉(zhuǎn)換后的二值圖像進行Radon變換。3、其次調(diào)用max函數(shù)，從得到的Radon變化值中尋找Rθ(??)的局部最大值，就可以確定Rθ(??)局部最大值對應的??和4、最后依據(jù)確定的θ值，調(diào)用imrotate函數(shù)，對二值圖像進行(90°???)旋轉(zhuǎn)，即可根據(jù)以上步驟，對車牌進行傾斜矯正，車牌矯正后的圖像如圖2.9所示：圖2.9傾斜矯正后的圖像2.2.3車牌精確定位及剪切經(jīng)過前面的處理后，去除了非車牌的區(qū)域，并對傾斜的車牌進行了矯正，接下來需要精確定位車牌，采用投影法對車牌部分和背景來進行切分。在車牌識別系統(tǒng)中，投影法是定位當中最常用的方法之一。在現(xiàn)有車牌定位算法中計算特征參數(shù)之后通過投影的方法切分車牌部分和背景部分。在車牌定位中，使用投影法的步驟為：一、將圖像轉(zhuǎn)換為二值圖像，二、對二值圖像進行水平投影，找出車牌的上下位置以及高度，三、將預定位照片進行垂直投影，尋找出照片中有數(shù)字部分總寬度進行切分。對投影定位之后的圖像進行剪切，得到圖像如圖2.10所示：圖2.10定位剪切后的圖像2.3字符分割為了識別出牌照的字符信息，我們必須識別出每一個字符。我們需獨立分析牌照上的所有字符，所以，我們需要對牌照字符進行分割處理，字符的分割為字符識別提供了前提條件。2.3.1傳統(tǒng)車牌字符分割算法字符分割是依照字符的各類特征進行分割的，如：字符的邊緣、字符與車牌背景之間色差、字符的高寬比、字符之間固定的間隔等。依據(jù)不同的分割原理，分類出各種不同的方法，常用的字符分割法主要有以下幾種算法：1、基于先驗知識的分割算法車輛牌照的漢字、英文字母、阿拉伯數(shù)字的高寬比、字符間距都是嚴格按照國家規(guī)定的標準來制定的，這種先于經(jīng)驗的知識叫做先驗知識?；谙闰炛R的字符分割算法適用于定位準確并且沒有干擾信息的牌照。2、基于模板匹配的分割算法模板匹配是通過對比標識圖案和不同圖案各部分的相似度來判斷存在與否，并通過此圖案在圖像位置的過程。模板匹配是通過牌照的圖案與模板庫的圖案相似的部分進行對比，用來判斷其是否存在，從而求得此圖案在牌照圖像中位置的過程。3、基于投影法的分割算法此算法利用了車牌投影原理---每個字符都會產(chǎn)生一個波峰，每個字符間距都會形成一個波谷（或是字符垂直投影的局部最小值）REF_Ref36986284\r\h[10]。算法的具體步驟為：首先對車牌部分進行垂直投影，從左到右進行行掃描，當尋找到第一個波谷，作為第一個字符的左邊界，掃描到第二個波谷時，作為第一個字符的右邊界，以這種方式類推，可以確定出牌照所有字符的左右邊界，最后按各字符的邊界條件進行分割，從而分割出單個字符。該算法比較簡單、計算量較小、應用較為廣泛，但對文字的粘連、鉚釘、殘留的邊框等較為敏感。2.3.2基于先驗知識約束的垂直投影分割算法通過上文分析，投影分割算法原理簡單、計算量小、運算速度快，但是，如果單獨使用投影法進行分割，就會出現(xiàn)以下兩個問題：一、其中的一個字符被分為多個字符塊，會出現(xiàn)字符斷裂的情況；二、其中兩個字符會被合并為一個字符塊，會引起字符粘連。本設計采用基于先驗知識約束的垂直投影分割算法，此算法在車牌分割的同時，限制字符寬度或者字符間隔寬度等，這樣字符粘連和字符斷裂的問題很容易解決。車牌字符切分的具體步驟為：計算牌照的寬度和高度。對車牌進行垂直投影，得到投影圖。2）根據(jù)投影圖計算出各列在垂直方向上的像素點，因考慮到有字符粘連情況出現(xiàn)，將字符間的邊界像素值設定為3個像素。3）判定并存儲單個字符的左邊界。4）判定并存儲單個字符的右邊界。5）字符大小確認。6）字符邊界確認。7）將每個字符的邊界進行分割。此算法具有垂直投影法算法簡單、計算量小的特點，同時也結合先驗知識，解決了會出現(xiàn)粘連字符和字符斷裂的問題。2.3.1字符歸一化在采集車輛圖像的過程中，由于拍攝的位置不同，車牌圖像的大小也不一樣；在經(jīng)過字符分割處理后，每個字符的質(zhì)心位置，會因為切割算法的不同從而也會發(fā)生變化。字符大小的差異和位置將會影響接下來字符識別的準確率，因此，在字符識別之前應對字符進行歸一化處理。字符歸一化分為以下兩類：1）字符大小的歸一化。為了得到同樣大小尺寸的單個字符圖像。2）字符位置的歸一化。是為了在字符特征提取之前，確保字符質(zhì)心位置大的合理，包括外框和重心歸一化。由于采用了垂直投影算法對字符進行分割，分割出的單個字符的結構分布比較均勻，并且邊界切割也比較準確，所以不需要進行位置歸一化，只需進行字符大小歸一化。大小的歸一化是利用水平和垂直方向上白色像素的分布情況，作為放大或者縮小的依據(jù)。本設計采用了雙線性插值算法，此算法是根據(jù)待歸一化字符中像素的位置，從而確定像素點的灰度值。調(diào)用MATLAB軟件中imresize函數(shù)，對分割出的單個字符進行歸一化處理，將字符歸一化尺寸設定為[11055]，method為歸一化所采用的算法，其中包括最近鄰插值算法“nearest”、雙線性插值算法“bilinear”和雙三次插值算法“bicubic”，我采用的是雙線性插值法“bilinear”。字符大小歸一化處理后的圖像如圖2.11所示。圖2.11字符分割圖2.4字符識別通過上面的處理，得到了牌照單個統(tǒng)一大小字符的圖片，接下來需要對得到的字符進行識別，這是整個系統(tǒng)的最后一步。這一步的計算量是整個系統(tǒng)中最大的部分，也是整個系統(tǒng)中最關鍵的部分。我們常用的車牌字符識別方法有以下幾種：（1）基于模板匹配字符識別算法模板匹配字符識別算法的原理是通過計算比較模板和樣本之間的相似度，將相似度最大的作為提取的對象。這種方法雖然處理速度很快，但是很容易受到噪點的影響。所以在實際應用當中，需要比較大量的模板，才能保證一定的準確度。（2）基于神經(jīng)網(wǎng)絡字符識別算法神經(jīng)網(wǎng)絡字符識別算法的原理是利用神經(jīng)網(wǎng)絡來提取照片的特征信息，并在網(wǎng)絡上進行構建識別網(wǎng)絡，相當于分類器的作用。神經(jīng)網(wǎng)絡，能夠進行大規(guī)模的分布式信息存儲，也能夠并行處理信息，具有很好的自適應性、自組織性，優(yōu)點是識別率高、抗干擾性能力強、靈活性強。（3）基于統(tǒng)計特征匹配算法統(tǒng)計特征匹配算法的原理是通過收集大量字符的統(tǒng)計特征，從而形成特征庫，然后再提取待識別字符的特征，并根據(jù)決策函數(shù)和特征庫來進行判決，但是這種方法的字符識別易受到字符模糊和缺失等的影響。在車牌識別系統(tǒng)中最常用的是神經(jīng)網(wǎng)絡字符識別算法和模板匹配字符識別算法，神經(jīng)網(wǎng)絡字符識別是目前很流行的算法之一，其識別率高，但是需要很長時間的訓練樣本，算法也相對較為復雜。模板匹配算法相比神經(jīng)網(wǎng)絡算法更簡單，程序也更容易實現(xiàn)，我們只需要建立好匹配的數(shù)據(jù)模板，它對字符的污跡、缺損抗干擾能力非常強，識別率也相當高。我采用的是模板匹配算法對字符進行識別，模板匹配算法的流程框圖如下圖2.12所示：建立自動識別的代碼表建立自動識別的代碼表讀取分割出來的字符第一個字符與模板中的漢字模板進行匹配第二個字符與模板中的字母模板進行匹配尋找最大值MAX（即最相似的）所在的序號位置。識別完成，輸出此模板對應值后5個字符與模板中的字母與數(shù)字模板進行匹配圖2.12字符識別流程圖模板匹配字符識別算法在MATLAB編程中，首先需要建立代碼表，它是將歸一化之后的單個字符與模板庫中的字符進行匹配。當要進行字符識別時將待識別字符特征提取出來與模板中的字符特征逐一比較REF_Ref39577855\r\h[11]。我國的車牌第一個字符是漢字，第二個字符是字母，后面五個字符是字母和數(shù)字相結合。因此，第一個字符漢字和第二個字符字母分別單獨識別，后面的五個字符統(tǒng)一單個識別。字符識別的結果如圖2.13所示。圖2.13識別結果3車牌識別系統(tǒng)開發(fā)與性能檢驗3.1車牌識別系統(tǒng)開發(fā)3.1.1系統(tǒng)開發(fā)軟件基于下列原因，我使用MATLAB軟件開發(fā)車牌識別系統(tǒng)，選擇MATLAB的理由如下：1、本設計主要針對的是對車牌圖像的處理，MATLAB在圖形處理方面功能各方面都很強大；2、在處理過程中，圖像轉(zhuǎn)化可以產(chǎn)生大量的矩陣數(shù)據(jù)，而MATLAB善于數(shù)值計算和矩陣運算，可以在短時間內(nèi)完成大量數(shù)據(jù)的重復計算和處理REF_Ref39578475\r\h[12]；3、MATLAB具有系統(tǒng)的實時開發(fā)、運算穩(wěn)定可靠、隨時可以調(diào)用工具箱、軟件開發(fā)的周期短、軟件形式靈活和易于擴展等優(yōu)點。4、MATLAB的圖像用戶界面GUI可以建立靈活穩(wěn)定、易于用戶操作的界面。3.1.2系統(tǒng)操作界面MATLAB軟件提供了低層句柄圖形對象命令和使用GUI開發(fā)環(huán)境的圖形界面設計方法。而GUI開發(fā)環(huán)境的設計方式相對更加的簡潔方便；圖形用戶界面（GraphicalUserInterfaces，GUI）是由窗口、光標、按鍵、菜單、等元素所構成，界面形象生動，便于用戶操作。本系統(tǒng)利用MATLAB軟件自帶的GUI界面，可以設計出操作方便而且界面友好的圖形用戶界面，如圖3.1所示。圖3.1車牌識別系統(tǒng)界面3.2車牌識別系統(tǒng)運行過程采用第二章的方法，對若干車輛的照片進行了處理和識別。下面是對其中一幅車輛照片的檢測。讀取的圖像如圖3.2所示：圖3.2原始彩色圖像為了減少計算量，對原始照片進行灰度化處理，得到的車輛灰度化圖像和灰度直方圖如圖3.3所示：圖3.3灰度圖及灰度直方圖為了便于定位，提高準確率，采用Roberts邊緣檢測和數(shù)學形態(tài)學算法對圖像進行預處理如下圖3.4所示：圖3.4圖像預處理對車牌的區(qū)域進行大概切分，除去非車牌部分，得到車牌預定位圖像如圖3.5所示：3.5車牌預定位采用radon變換法對傾斜車牌的圖像進行矯正，提高識別率，車牌傾斜矯正如圖3.6所示：圖3.6車牌傾斜矯正利用字符先驗知識和投影法相結合對車牌字符進行分割，并使用雙線性插值算法對字符進行歸一化處理，得到結果如圖3.7所示：圖3.7車牌字符分割結果最后采用模板匹配算法對字符進行識別，輸出識別結果如圖3.8所示：圖3.8輸出識別結果3.2.1進一步優(yōu)化設計我利用MATLAB軟件自帶的GUI，將車牌識別系統(tǒng)做成了可用鼠標直接操作的GUI界面。以下為該系統(tǒng)的運行步驟：（1）打開MATLAB2017b軟件，然后添加車牌識別系統(tǒng)的所有相關文件。（2）運行gui.m文件或者接打開系統(tǒng)的GUI界面gui.fig文件。（3）在文件夾中選取要識別的圖像，然后點擊相應按鈕得到相關處理的圖像（4）識別輸出結果后可以選擇清除，重新選取圖像進行識別，也可以點擊退出系統(tǒng)，退出GUI界面。如圖4.12示。圖3.9GUI界面3.3車牌識別系統(tǒng)的分析本系統(tǒng)以MATLAB2017b為平臺進行設計，主要分為四大步驟，分別是：圖像預處理、車牌定位、字符分割和字符識別。（1）我設計的車牌識別系統(tǒng)主要以藍底白字的車牌為研究對象，而實際上我國車牌的種類多種多樣，背景色彩各不相同。（2）車牌識別系統(tǒng)容易受到自然環(huán)境的影響，因此，需要對采集到的車輛圖像進行大量的處理，才能保證較高的準確率。（3）在字符識別時采用模板匹配算法，這種方法雖然簡單、程序比較容易實現(xiàn)，但識別率不高，模板庫的字符制作非常重要，只要稍微不準確，就會影響識別效果。常遇到的識別失敗的原因主要有：（1）采集拍攝的車輛圖象質(zhì)量不高，例如車牌上面有污點、車牌退色等，導致無法識別。（2）由于B和8、A和4、1和I特別的相似，所以在識別時很容易識別混淆?？偨Y通過近幾個月的不懈學習，閱讀大量的文獻以及資料，我從最初的只會MATLAB的簡單操作到自己能夠獨立完成程序的編程與修改，通過不斷對算法的學習，最終成功完成了這次的車牌識別系統(tǒng)的制作。本文的主要工作內(nèi)容如下：圖像預處理，為了減少計算量，對需要識別的圖像進行灰度處理，并對圖像進行roberts算子邊緣檢測，便于定位。車牌定位，車牌定位分為三步，首先定位車牌邊界，框選出車牌輪廓信息；然后采用Radon算法對車牌進行傾斜矯正，提高識別率，不會只局限于對車頭的圖像才能正確識別，最后去除車牌周圍干擾信息，對車牌進行精確定位。字符分割，將字符的先驗知識與投影法相結合對字符進行分割，并采用雙線性插值算法對字符進行歸一化處理，得到統(tǒng)一的字符。字符識別，采用模板匹配算法對字符進行識別。進一步優(yōu)化，使用MATLAB自帶的GUI界面將結果運行，直觀的可以對圖像進行處理，便于操作。雖然我設計的系統(tǒng)具有一定的不足和局限性，實際應用還有很大的差距，但是我學到了很多關于MATLAB軟件編程知識和數(shù)字圖像處理的算法。致謝四年的大學生活即將以這次設計畫上一個句號，我認真的投入了這次設計，也為我的大學生活添上了濃墨重彩的一筆。在這一刻，我將迎來新的人生轉(zhuǎn)折，漫漫求學路，我要感謝養(yǎng)育我的家人，教育我的師長，陪伴我的同學，默默關注我，幫助我的學長和學姐們，以及那些給我挫折的競爭對手們，沒有你們我的路途不會如此充實。在此論文即將付梓之際，我的心情無比激動。我要將我最大的敬意送給我的