毕业设计基于matlab的车牌号码识别

毕业设计基于matlab的车牌号码识别内容摘要：

数字。 我们知道 输入的彩色图像包含大量颜色信息，会占用 计算机 较多的存储空间，且处理时也会降低系统的执行速度，因此对图像进行识别等处理时， 通常 将彩色图像转换为灰度图像，以加快处理速度。 对图像进行灰度化处理、边缘提取、再利 用形态学方法对车牌进行定位。 具体步骤如下：首先 通过 MATLAB 软件 对图像进行灰度转换，二值化处理然后采用 4X1 的结构元素对图像进行腐蚀，去除图像的噪声。 采用 25X25 的结构元素，对图像进行闭合应算使车牌所在的区域形成连通。 在进行形态学滤波去除其它区域。 汽车牌照识别一般只要分为间接法和直接发两种 :间接法是基于 IC 卡鉴别(REID)或基于条码的识别。 直接法是基于图像的汽车牌照识别。 间接法 :指通过识别安装在汽车上的 IC 卡或条形码中所存储的车牌的信息来识别车牌及相关信息。 IC 卡技术识别准确度高，运行可靠，可 以全天候作业，但它整套装置价格昂贵，硬件设备十分复杂，不适用于异地作业。 条形码技术具有识别速度快、准确度高、可靠性强以及成本较低等优点，但是对于扫描器要求很高。 此外，二者都需要制定出全国统一的标准，并且无法核对车、条形码是否相符，也是技术上存在的缺点，这给近期在短时间内推广造成困难。 直接法 :基于图像的车牌识别技术属于直接法，是一种无源型汽车牌照智能识别方法，能够在无任何专用发送车牌信号的车载发射设备情况下，对运动状态车辆或静止状态车辆的车牌号码进行非接触性信息采集并实时智能识别。 与间接法识别系统相 比，首先，这种系统节省了设备安置及大量资金，从而提高了经济效益。 其次，由于采用了先进的计算机应用技术，所以可提高识别速度，较好地解决实时性问题。 再次，它是根据图像进行识别，所以通过人的参与可以解决系统中的识别错误，而其他方法是难以与人交互的。 国内外车辆牌照识别技术现状 车牌自动识别技术的研究国外起步地较早。 早在 20 世纪 80 年代，便有一些零零散散的图像处理方法用于车牌自动识别的某些具体应用。 在这个阶段，车牌自动识别技术的研究还没有形成完整的系统体系，一般采用简单的图像处理方法来解决某些具 体问题，并且最终结果通常需要人工干预。 进入 20 世纪 90 年代后，车牌自动识别的系统化研究开始起步。 典型的如 等提出车辆牌照的自动识别系统分图像分割、特征提取和模板构造、字符识别等三个部分，完成车牌的自动识别。 使用视觉字符识别技术 分析所获得的图像， 首先在二值化图像中找到车牌，然后用边界跟踪技术提取字符特征，再利用统计最邻近分类器与字符库中的字符比较 ,得出一个或几个车牌候选号码，最终确定车牌号码。 这个时期的应用在识别正确率方面有所突破，但还没有考虑识别实时性的要求，识别速度 有待进一步提高。 由于我国的车牌格式和国外有较大的差异，所以对于国外的车牌识别系统的研究技术，我们只能进行参考，不能进行直接应用。 虽然我国车牌的识别需要识别汉字，但是对于英文字母和数字的识别，我们可以借鉴国外的研究技术。 从 80 年代中期开始， ARGUS 英国 Alphatech 公司就开始了名为 RAUS 的车牌自动识别系统的研制。 ARGUS 的车牌识别系统的识别时间约为 100 毫秒，通过 ARGUS 的车速可高达每小时 100 英里。 还有 HiTech 公司的 See/Car system,新加坡 Optasia 公司的 VLPRS 等。 另外日本、加拿大、德国等发达国家都有适用于本国的车牌识别系统。 车牌识别技术的应用与发展趋势 汽车牌照号码是一辆车辆唯一的标识，也就是一辆汽车的身份证，车牌号码识别技术可以轻松的实现对汽车登记，剩下了不少人力，不需要像传统的进门登记方法。 目前这项技术已经广泛应用于 交通管理与车辆管理中，例如高速公路超速违章行为、小区车辆进出登记管理、停车场无人自动计时收费、高速公路自动收费等方面。 车牌号码识别技术的便利性众所周知，目前看来，这种技术今后的发展将更多的强调其成像，图片预处 理，处理算法等系统各个环节的相互间的配合。 尤其是物理成像和图片预处理会成为下个阶段发展的关键，因为识别算法一旦发展到了一定程度，短时间内很难再提高，也就是瓶颈期， 这时如何能够通过成像、光源、降噪等环节来为核心算法扫清障碍就成为了影响产品最终性能的制衡点。 这项技术最基础的是图像的采集，这就期望能捕捉更高分辨率更高画面质量的图像，图像的采集还在于捕捉动态视频中的画面，光源，噪点等都会影响图片的质量，更高的分辨率更高的图片质量会成为这项技术今后的发展趋势。 另一方面， 目前车牌识别算法本身的难题主要集中在 车牌受到各种干扰时如何保证尽可能准确地识别，例如大型车常见的车牌污损、私家车辆规避限号的车牌遮挡、光照环境形成的阴影干扰等等。 如何利用好高分辨率和高计算能力来降低系统的操作难度，进一步解决这些技术问题，提高系统配置的自动化水平是车牌识别产品下阶段需要着重投入的方向。 主要 的研究内容 当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。 牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。 （ 1）当行驶的车辆经过时，触发埋设 在固定位置的传感器，系统被唤醒处于工作状态；一旦连接摄像头光快门的光电传感器被触发，设置在车辆前方、后方和侧面的 相机 同时拍摄下车辆图像； （ 2）由摄像机或 CCD 摄像头拍摄的含有车辆牌照的图像通视频卡输入计算机进行预处理， 图像预处理包括图像转换、图像增强、滤波和水平较正等； （ 3）由检索模块进行牌照搜索与检测，定位并分割出包含牌照字符号码的矩形区域； （ 4）对牌照字符进行二值化并分割出单个字符，经归一化后输入字符识别系统进行识别。 系统的的框架与特点 车牌识别系统采用高度模块化的设计，将车牌识别 过程的各个环节各自作为一个独立的模块，其系统框架如下所示。 车辆检测跟踪模块 车辆检测跟踪模块主要对视频流进行分析，判断其中车辆的位置，对图像中的车辆进行跟踪，并在车辆位置最佳时刻，记录该车辆的特写图片，由于加入了跟踪模块，系统能够很好地克服各种外界的干扰，使得到更加合理的识别结果，可以检测无牌车辆并输出结果。 车牌定位模块 车牌定位模块是一个十分重要的环节，是后续环节的基础，其准确性对整体系统性能的影响巨大。 车牌系统完全摒弃了以往的算法思路，实现了一种完全基于学习的多种特征融合 的车牌定位新算法，适用于各种复杂的背景环境和不同的摄像角度。 车牌矫正及精定位模块 由于受拍摄条件的限制，图像中的车牌总不可避免存在一定的倾斜，需要一个矫正和精定位环节来进一步提高车牌图像的质量，为切分和识别模块做准备。 使用精心设计的快速图像处理滤波器，不仅计算快速，而且利用的是车牌的整体信息，避免了局部噪声带来的影响。 使用该算法的另一个优点就是通过对多个中间结果的分析还可以对车牌进行精定位，进一步减少非车牌区域的影响。 车牌切分模块 车牌系统的车牌切分模块利用了车牌文字的灰度、 颜色、边缘分布等各种特征，能较好地抑制车。