基于matlab车牌识别系统设计与实现毕业设计(论文)(编辑修改稿)

基于matlab车牌识别系统设计与实现毕业设计(论文)(编辑修改稿)内容摘要：

最重要的成分是函数，其一般形式为 [a,b,c， ...]=fun(d,e,f,...),即一个函数由函数名，输入变量 d,e,f,...和输出变量 a,b,c,...组成，同一函数名 F，不同数目的输入变量（包括无输入变量）及不同数目的输出变量，代表着不同的含义（有点像面向对象中的多态性）。 这不仅使 MATLAB 的库函数功能更丰富，而且大大减少了需要的磁盘空间看，使得 MATLAB 编写的 M文件简单、短小而高效。 （ 6）方便的绘图功能 MATLAB 的绘图是十分方便的，它有 一系列绘图函数（命令），例如线性坐标、对数坐标、半对数坐标及极坐标，均只需调用不同的绘图函数（命令），在图上标出图题、XY 轴标注，格（栅）绘制也只需调用相应的命令，简单易行。 另外，在调用绘图函数时调整自变量可绘出不变颜色的点、线、复线或多重线。 这种为科学研究着想的设计是通用的编程语言所不能及的。 图像预处理及其 MATLAB 实现 图像在形成、 传输或处理过程中，由于获取图像工具的影响，获取图像无法完全体现原始图像的全部信息。 受多种因素的影响，如系统噪声、光学系统失真、曝光不足或过量、相对运动等， 往往会与原始景物之间或图像与原始图像之间产生了某种差异，这种差异称为降质或退化。 因此要改善图像数据，抑制不需要的变形或者增强。 对于后续车牌识别系统设计与实现 6 处理来说，以提取图像特征为目的的图像预处理在图像处理过程中显得非常重要。 车辆号码牌定位 牌照的定位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。 在采集到的图像中车辆号码牌均在自然背景下，在自然背景中准确地确定牌照所在区域是整个识别过程的关键。 首先对采集到的图像进行全面搜索，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，并将其从图象中分割出来。 车辆定位流程图如图 2 所示： 图 2 车牌定位流程图 车辆号码牌的字符分割 完成车辆号码牌定位后，再将号码牌区域分割成单个字符，然后进行识别。 针对车牌字符串的特点， 字符分割一般采用垂直投影法。 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。 利用垂直投影法对复杂环境下的汽车图像中的字符 分割有较好的效果。 车辆号码牌字符分割流程图 如图 3 所示 ： 图 3 车辆号码牌字符分割流程图 车辆号码牌的识别 目前用于车牌字符识别中的算法主要有两种，分别是基于模板匹配的字符识别算法以及基于人工神经网络的字符识别算法。 基于模板匹配的字符识别的基本过程是：首先对待识别字符进行二值化并将其尺寸大小缩放为字符数据库中模板的大小；然后与所有的模板进行匹配；最后选最佳匹配作为结果。 用人工神经网络字符识别进行字符识别主要有两种方法：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。 识别效果与字符特征的提取有关，而字符特征提取往往比较耗时。 因此，字符特征的提取就成为研究的关键。 另一种方法则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。 实际应用中，牌照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自然因素的影响，如 输入 图像 车牌 定位 开闭 运算 边缘 处理 图像 预处理 水平投 影校正 去掉车 牌外框 切割 字符 寻找字 符中心 车牌识别系统设计与实现 7 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。 在本次设计中我们选用的方法就是基于模板匹配的字符识别的方法，这种方法虽然工作量较大，但是本方法相对而言容易实现。 3 图像预处理及其 MATLAB实现 利用摄像头拍摄到的车辆图像往往存在很多噪点，因此在进行识别前要进行车辆图像的预处理。 常用的图像预处理方法包括图像的灰度变换，图像平滑等处理方法。 车辆图像的预处理主要目的是使车辆图像尤其是牌照区域的图像的质量得到改善，同时保留和增强车牌中纹理和颜色的信息，去除可能影响牌照区域纹理和颜色信息的噪点，为牌照定位提供方便。 同时图像预处理是整个 系统的首个处理过程对以下一系列的处理过程奠定了基础。 其流程图 如图 4 所示 ： 图 4 图像预处理流程图 图像的读取 在 MATLAB 中，使用函数 imread 来读取图像文件，函数的调用格式如下： imread(39。 filename39。 ) 车辆图像读入 灰度校正 提取边缘 平 滑处理 车牌识别系统设计与实现 8 Imread所支持的图像格式有很多，我们在此为大家呈现一些重要的图像格式。 如表 1所示 [5]: 表 1 imread所支持的一些常见图像格式 格式名称 描 述 可识别扩展符 TIFF 加标识的图形文件格式 .tif,.tiff JPEG 由联合图像专家组开发的图像格式 .jpg,.jpeg GIF 图形交换格式 .gif BMP Windows位图 .bmp PNG 可移植网络图形 .png XWD X Windows转储 .xwd 图像的灰度化处理 灰度图像即指黑白图像，即只包含亮度信息，不包含色彩信息的图像。 真彩色图像都是由三基色 R,G,B图像合成后显示的，其原理是自然界中客观存 在的任一种颜色都可由 3种相互独立的颜色按一定的比例混合而成 ——R（红）， G，（绿）， B（蓝）。 对于灰度图来说 0代表黑， 255代表白， 1254的每个值分别代表了介于黑色与白色之间的所有深浅不同的灰色色调。 在 MATLAB中用函数 rgb2gray实现图像灰度化的转换，通过加权法平均法，平均值法，最大值法三种方法，实现彩色图像的灰度化处理 [6]。 三种算法的计算过程如下： （ 1）加权平均值法：按照一定的权值，对 R、 G、 B 的值加权平均，即： 3/)( BGRBGR BGR   其中 , R 、 G 、 B 分别为 R、 G、 B 的权值。 （ 2） 平均值法：使转化后 R、 G、 B 的值为转化前 R、 G 、 B 的平均值 3/)( BGRBGR  （ 3） 最大值法：使转 化后 R、 G、 B 的值等于转化前 3 个值中最大的一个，即： )( BGRM A XBGR 、 BGR  、 去不同的值会得到不同的灰度图。 经过函数的计算我们就可以将读入图片进行灰度化处理，本次设计中所需图片的原图和灰度图如图 5和 图 6所示： 车牌识别系统设计与实现 9 图 5 车辆原图 图 6 车辆灰度图 图像的边缘检测及提取 图像的边缘信息是重要的图像信息，图像边缘是指图像局部强度变化最显著的部分，主要存在于目标物体、目标物体与背景、区域与区域（包括不同的色彩）之间，是图像分割、形态分析等图像分析的重要基础，因此边缘检测的方法是图像分析与识别领域中的一个十分引人关注的课题。 所谓边缘，是指其周围像素灰度有变化的那些像素的集合。 图像中目标的边缘是由灰度不连续性反应的。 车牌识别系统设计与实现 10 边缘检测的主要作用是精确定位边缘和抑制噪点，基本思想是利用边缘增 强算子，凸显出图像中的局部边缘，然后再定义像素的 “边缘强度 ”，通过设置门限来提取边缘点集。 图像中车辆牌照具有比较显著特征的一块图象区域，其特征是：该图像是近似水平的矩形区域；其字符串都是水平方向排列的；在整体图象中的位置固定。 由于牌照图象的这些特点，经过适当的图象变换和处理，其在整幅图像中可以明显地呈现出其边缘。 以达到边缘提取的目的。 MATLAB图像处理工具箱也专门提供了边缘检测的函数，即 edge函数。 edge函数支持 5中边缘检测算子，它们分别是 Roberts 边缘算子、 Prewitt 算子、 Sobel 算子、拉普拉斯高斯算子、 Canny算子，此外还有过零点算子方法。 Prewitt算子和 Sobel算子都是一阶的微分算子，前者是平均滤波，后者是加权平均滤波且检测的图像边缘大于 2个像素。 这两种算子对灰度逐渐变低的图像有较好的检测效果，但是对于混合多复杂噪声的图像处理效果就不理想 [7]。 本次设计中采用 Roberts 边缘算子，因为 Robert算子定位较精确，但由于不包括平滑处理，所以对噪声比较敏感。 经过 Roberts 边缘算子检测的图像如图 7所示： 图 7 边缘检测后图像 图像的平滑处理 图像 的平滑处理属于空间域滤波增强的手段 ,在图像的获取和传输过程中原始图像会受到各种噪声的干扰，使图像质量下降。 为了抑制噪声、改善图像质量，要对图像进行平滑处理。 抑制或消除这些噪声而改善图像质量的过程称为图像的平滑。 图像平滑的目的是为了消除噪声。 一般情况下，减少噪声的方法可以在空间域或频率域进行处理，主要有邻域平均法、中值滤波法、低通滤波法等，邻域平均法即通过提高信噪比，取得较好的平滑效果；空间域低通滤波采用低通滤波的方法去除噪声；以及频域低通滤波法通过除去其高频分量就能去掉噪声，从而使图像得到平滑。 图像的平滑是 一种实用的数车牌识别系统设计与实现 11 字图像处理技术，一个较好的平滑处理方法应该既能消除图像噪声，又不使图像边缘轮廓和线条变模糊，这就是研究数字图像平滑处理要追求的目标 [8]。 车牌图像往往存在一些噪点。 在汽车牌照图像处理初期，若不能有效抑制或者去除这些噪点，将影响车牌定位的准确性或者造成无法定位。 在本次设计中我们使用MATLAB软件中的 imclose函数对图像进行平滑处理，其主要作用是对图像实现闭运算，闭运算也能平滑图像的轮廓，但与开运算相反，它一般融合窄的缺口和细长的弯口，去掉小洞，填补轮廓上的缝隙。 对图像进行平滑处理后的图形如 图 8 所示： 图 8 平滑处理后图像 除此之外，图像平滑处理后，可能会有多个闭合区域，对于不是车牌区域的必须予以删除，在图像预处理中还需要用到 imerode函数和 bwareaopen函数分别对图像进行腐蚀处理和删除小对象处理，其主要是对图像进行更加细腻的处理，为后面的车牌定位、字符分割等功能的实现做好前期铺垫 [15]。 对图像进行腐蚀处理和删除小对象处理后的图像 如图 9所示 ： 图 9 腐蚀处理后图像 车牌识别系统设计与实现 12 对图像进行腐蚀处 理和删除小对象处理后的图像 如图 10 所示 ： 图 10 移除小对象处理后图像 4 车辆号码牌定位 车牌定位：从预处理后的汽车图像中分割出车牌图像。 即在一幅车辆图像中找到车牌所在的位置。 即通过运算得到图像的边缘，然后计算边缘图像的投影面积，大概确定车牌的位置，再计算图像连通域的宽高比，删除不在阈值范围内的连通域，最后得到车牌区域。 进而对车辆号码牌进行定位。 目前已有不少学者在这方面进行了研究。 总结起来主要有如下几类方法 [9]： (1) 基于车牌颜色特征的定位方法，这种方法主要是应用车牌的纹理特征、形 状特征和颜色特征即利用车牌字符和车牌底色具有明显的反差特征来排除干扰进行车牌的定位。 (2) 基于变换域的车牌定位方法，这种方法是将图像从空域变换到频域进行分析，例如采用小波变换等。 (3) 基于水平灰度变化特征的方法，这种方法主要在车牌定位以前，需要对图像进行一系列预处理，将彩色图像转换为灰度图像，利用车牌区域水平方向的纹理特征进行车牌定位。 (4) 基于 Hough 变换的车牌定位方法，这种方法是利用车牌边框的几何特征，采取寻找车牌边框直线的方法进行车牌定位。 以上这些方法各有优缺点，要实现快速、准确地定位车牌，应该综合利用车牌的各种特征，仅靠单一特征很难奏效。 本文结合车牌纹颜色与数学形态学两方面的特征对车牌进行定位，对于提高车牌定位准确率提供更有利的保障。 车辆号码牌的区域分割 针对我国车牌的特点，识别难度较大，我国车牌主要特点有以下方面 : 车牌识别系统设计与实现 13 （ 1）我国汽车牌照的规范悬挂位置不唯一。 （ 2）我国标准汽车牌照是由汉字、英文字母和阿拉伯数字组成，汉字识别与字母和数字的识别有很大的区别，汉字的识别增加了识别的难度。 （ 3）由于。