摘要
摘要
车牌识别技术是智能交通系统中的重要组成部分，它在违章抓拍，不停车收费，停车场管理以及重要场所过往车辆的实时登记等方面都有重要的作用。论文从车牌字符识别的理论出发，基于MATLAB语言对现有的模板匹配，神经网络，基于向量机（SVM）等方法在字符识别过程中的优缺点以及识别率进行系统的研究。论文的主要工作如下：
1.针对车牌图片的预处理包括去噪，增强，分割，提取字符等等；
2.构建模板匹配，神经网络，基于向量机（SVM）字符识别的相关测试数据；
3.分别实现模板匹配字符识别算法，神经网络字符识别算法，基于向量机
（SVM）字符识别算法，并做相应识别率的实验，将三者的实验结果进行
比对；
4.基于MATLAB GUI做三种算法系统的界面。
关键词：车牌识别模板匹配神经网络向量机识别率
ABSTRACT
ABSTRACT
License plate recognition technology is the intelligent transportation system an important part of it illegal to capture, no parking, parking management, and an important place in the past, real-time vehicle registration and other aspects important role. Papers from the license plate character recognition theory, MATLAB language based on the existing template matching, neural network, based on vector machines (SVM) and other methods in the process of character recognition and the recognition rate of the advantages and disadvantages of the system. The main work is as follows:
1.Pre-treatment, including the license plate image denoising, enhancement,
segmentation, extraction of character, etc.
2.Construction of template matching, neural network, based on the vector
machine (SVM) test data related to character recognition;
3.Respectively, to achieve template matching algorithm for character recognition,
neural network character recognition algorithm based on vector machines (SVM) algorithm for character recognition, and recognition rate accordingly experiment, the three sides to compare the experimental results;
4.Do three algorithms based on MATLAB GUI interface of the system.
Keywords: License Plate Recognition Template matching Neural network Vector Recognition rate
目录 i
目录
第一章序言 (1)
1.1课题研究背景以及意义 (1)
1.2本文主要的研究内容 (1)
第二章车牌图像的预处理 (5)
2.1图像的平滑处理 (5)
2.1.1 平滑处理的理论 (5)
2.1.2 平滑处理的实现 (6)
2.2图像的二值化处理 (7)
2.2.1 二值化处理的理论 (7)
2.2.2 二值化处理的实现 (7)
2.3二值图像的形态学运算 (8)
2.3.1形态学运算的理论 (8)
2.4对字符进行分割 (10)
2.4.1 字符分割的理论 (10)
2.4.2 字符分割的实现 (11)
第三章基于模板匹配算法的车牌字符识别算法 (13)
3.1模板匹配算法的理论背景 (13)
3.2模板匹配算法的实现及识别率的研究 (16)
3.3本章小结 (19)
第四章基于神经网络算法的车牌字符识别算法 (21)
4.1神经网络算法的理论背景 (21)
4.2神经网络算法的实现及识别率的研究 (27)
4．3本章小结 (33)
第五章基于向量机（SVM）算法的车牌字符识别算法 (35)
5.1向量机（SVM）算法的理论背景 (35)
ii 目录
5.1.1 SVM的基本原理 (35)
5.1.2 SVM中核函数的选择 (35)
5.1.3 SVM的多类决策问题 (36)
5.1.4 SVM算法描述 (38)
5.2向量机（SVM）算法的实现以及识别率的研究 (39)
5.2.1 车牌字符图像的预处理 (39)
5.2.2 车牌字符特征的选取 (39)
5.2.3 车牌字符SVM的构造 (39)
5.2.3 实验过程中相关函数及参数的选定 (40)
5.2.4 实验过程中的相关结果 (41)
5.3本章小结 (43)
第六章总结与展望 (45)
致谢 (47)
参考文献 (49)
第一章序言 1
第一章序言
1.1课题研究背景以及意义
目前，我国的经济正在飞速的发展，综合实力也在与日俱增，城市化进程也在加快，国内各大城市交通管理能力将面临重大考验。目前LPR（汽车牌照识别技术License Plate Recognition，LPR，简称“车牌通”）系统在实际交通系统中已广泛应用于交通流量检测，交通控制与诱导，机场，港口，小区的车辆管理，不停车自动收费，闯红灯等违章车辆监控以及车辆安全防盗等领域，具有广阔的应用前景。目前对于车牌图像的识别已经有相当成熟的算法。基于这种现状，本文将对典型的车牌字符识别算法，如：模板匹配，神经网络，向量机（SVM）等算法进行研究，实现这三种算法并在此基础上完成此三种方法识别率的实验。
本课题研究的主要意义在于：通过对目前比较典型的车牌识别算法识别率的研究，系统的分析这些算法各自存在的优缺点以及适应的场合，提出一个识别率更高的算法并为以后的车牌识别算法的研究提供一个借鉴。
1.2本文主要的研究内容
在处理输入车牌图像的基础上，对分割出来的字符分别用模板匹配，神经网络，向量机（SVM）进行识别，并对各方法的识别率进行比较。整个过程包括两个阶段：第一阶段是输入车牌图像的预处理；第二阶段是不同方法对提取的分割字符的识别过程。
预处理流程图：
2 车牌字符自动识别算法研究及识别系统设计与实现
车牌图像的输入图像的二值化处
理
图像的平滑处理
图像的滤波处理
车牌的定位
字符的分割
图 1-1 预处理流程图
字符识别的流程图：
预处理过的图片
基于模板匹配算法
基于神经网络算法
基于向量机（SVM ）
图1-2 字符识别的流程图
基于模板匹配算法的流程图：
建立模板匹配所需的数据库
模板匹配
输入要测试的图
像
输出测试结果
图1-3 模板匹配算法的流程图
基于神经网络的流程图：
图1-4基于神经网络的流程图
第一章序言 3
输入神经网络的训练数据
建立神经网络
输入神经网络的
相关参数
输出建立的神经
网络
神经网络
输入要测试的图
片
输出测试结果图1-4基于神经网络的流程图
上图所走的流程是，首先输入神经网络所需要的模板数据，在本实验中我采取的每个样本4个模板，然后输入建立神经网络所需要的相关参数如最大迭代次数，最终的生成目标，后通过BP神经网络建立相应的神经网络。在测试过程中，输入测试的图像，通过上面的神经网络可对测试图片进行分类得到想要的结果。
基于向量机的流程图
输入向量机的训
练数据建立相关分类分类
器
输入向量机的相
关参数
输出建立的分类
器和相关参数
分类器算法
输入要测试的图
片
输出测试结果图1-5 基于向量机的流程图
SVM算法主要是输入向量机所需要的训练数据，我采用了4个训练数据，由于SVM本身的好处所以不需要大量的训练数据，输入相应的训练数据，如误判代价和gamma值，建立相应的分类器。在测试过程中，输入要测试的图片，通过分类器，从而能够将输入的图片放入相应的分类器。
4 车牌字符自动识别算法研究及识别系统设计与实现
第二章 车牌图像的预处理
5
第二章 车牌图像的预处理
概要:
由于我们要识别的车牌，都是采用摄像头采集的，所以在采集的过程中必然
会带入一定的噪声，甚至有些图片由于噪声太大，导致车牌字符无法识别，这就需要自己手动输入。现在有相应的算法来去除彩色图片和二值图像中噪声，而车牌图像的预处理过程就是一个对采集来的图像进行去噪的过程，为后面的车牌字符识别做准备。在对图片进行的预处理的过程主要包括：彩色图像的平滑处理，图像的二值化，基于形态学的二值图像去噪过程，对于一幅完整的车牌进行字符拆分。进过上面的过程就得到了我们下面实验所需要的对应数据，即车牌的单个字符。
2.1
图像的平滑处理
2.1.1 平滑处理的理论
图像平滑是一种可以减少和抑制图像噪声的实用数字图像处理技术。在空间域中一般可以采用领域平均来达到平滑的目的。论文采取的是高斯平滑。
平均平滑【1】对领域内的像素一视同仁，为了减少平滑处理中的模糊，得到更自然的平滑效果，则会很自然地想到适当加大模板中心点的权重，随着远离中心点，权重迅速减小，从而可以确保中心点看起来更接近与它距离更近的点，基于这种考虑得到的模板即为高斯模板。
常用的3X3的高斯模板如下所示：
1211/16242121w ?? ?=?
? ???
高斯模板名字的由来是二位高斯函数，即我们熟悉的二位正态分布密度函数，回忆一下，一个均值为0，方差为2σ的二维高斯函数为：
()2222
1
()
,exp()22x y x y φπσσ
+=- 高斯模板正是将连续的二维高斯函数的离散化表示，因此任意大小的高斯模
6 车牌字符自动识别算法研究及识别系统设计与实现
板都可以通过建立一个(21)(21)k k +?+的矩阵M 得到，其(,)i j 位置的元素值可如下确定：
2222
1
((1)(1))
(,)exp()22i k j k M i j πσσ
--+--=- 实际应用中，通常对33?的模板取σ为0.8左右，对于更大的模板可以适当的增大σ的值 2.1.2 平滑处理的实现
基于matlab 语言，调用matlab 本身的图像处理函数imfilter 。处理前后图像的
对比参看图2-1。
图2-1(a) 原图片
图2-2(b) 平滑处理后的图片 图2-1 去噪前后图像对比
通过上面的实验得出如下结果：随着模板的增大，原图像中的噪声得到了更好的抑制，并且在同样大小的情况下，高斯滤波后的图像比平均模板滤波后的图像能更好的保留细节。
第二章 车牌图像的预处理
7
2.2
图像的二值化处理
2.2.1 二值化处理的理论
在描述图像二值化处理过程之前，先了解下最基本的图像分析工具—灰度直
方图，灰度直方图描述了一幅图像的灰度级数统计信息，在图像分割和图像灰度变换等处理过程中应用广泛。
图像直方图描述图像各个灰度级的统计特征，它是图像灰度值的函数，统计一幅图像中各个灰度级出现的次数或者频率。同时，灰度直方图是一个二维图，横坐标为图像中各个像素点的灰度级别，纵坐标表示具有各个灰度级别的像素在图像中出现的次数或者频率。
假设一幅图像的像素总数为N ，灰度级总数为L 其中灰度级为g 的像素总数为g N ，则这幅图像的灰度直方图横坐标即为灰度g （01g L ≤≤-），纵坐标则为灰度值出现的次数g N 。
图像二值化就是将图像上的像素点的灰度值设置为0或者255，也就是将整个图像呈现出明显的黑白效果。将256个亮度等级的弧度图像通过适当的阈值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在本实验过程二值图像是整个实验的重要组成部分，因为，图像的二值化有利于图像的进一步处理，是图像变得简单，而且数据量减小，能凸显出感兴趣的目标轮廓。其实，要进行二值图像的简单处理与分析，首先要把灰度图像二值化，得到二值化图像。实验中，所有灰度大于或者等于阈值的像素被判定为属于特定物体，其灰度值为1表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域。 2.2.2
二值化处理的实现
基于Matlab 的图像二值化处理的实验对比。（图2-2）
8 车牌字符自动识别算法研究及识别系统设计与实现
图2-2(a) 图像的原始图像
图2-2(b) 二值化之后的图像 图2-2 图像的二值化过程
2.3
二值图像的形态学运算
2.3.1形态学运算的理论
形态学的基本思想是用具有一定形态的结构元素去度量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，形态学图像处理的基本运算有4个：膨胀，腐蚀，开运算和闭运算。
腐蚀和膨胀是两种最基本也是最重要的形态学运算，下面先介绍腐蚀的理论基础：对于2Z 上元素的集合A 和S ，使用S 对A 进行腐蚀，记做A S Θ,形式化地定义为：
{|()}z A S z S A
Θ=? 让原本位于图像原点的结构元素S 在整个2Z 平面上移动，如果当S 的原点平移至
z 点时S 能够完全包含于A 中，则所有这样的z 点构成的集合即为S 对A 的腐蚀图
像。
第二章 车牌图像的预处理
9
膨胀的理论基础：对于2Z 上元素的集合A 和S ，使用S 对A 进行膨胀，记做
A S ⊕,形式化地定义为：
{|()}z A S z S A ∧
⊕=?≠?
设想有原本位于图像原点的结构元素S ，让S 在整个2Z 平面上移动，当其自身原点平移至Z 点时S 相对于其自身的原点的映像S ∧
和A 有公共的交集，即S ∧
和A 至少有1个像素是重叠的，则所有这样的Z 点构成的集合为S 对A 的膨胀图像。
开运算和闭运算都是腐蚀和膨胀复合而成，开运算是先腐蚀后膨胀，而闭运算是先膨胀后腐蚀。
开运算的理论基础：使用结构元素S 对A 进行开运算，记做A S ,可表示为： ()A S A S S =Θ⊕
一般来说开运算可以是图像的轮廓变得光滑，还能使狭窄的连接断开和消除细毛刺。在本实验中，开运算主要是用于去除背景上的噪声，在选在结构元素时要比噪声点要大。
闭运算的理论基础：使用结构元素S 对A 进行闭运算，记做A S ?，可表示为：
()A S A S S ?=⊕Θ
一般来说闭运算同样可以使轮廓变得光滑，但与开运算相反，它通常能够弥合狭窄的间断，填充小的空洞。在本实验中，闭运算主要是用于去除图像上的噪声，在选取结构元素时要比噪声点稍微小点。
形态学运算的实现
二值图像的形态学运算在本实验中，主要是为了去除图片中的噪声，包括背景上的噪声和图像本身的噪声图（2-3）。
10 车牌字符自动识别算法研究及识别系统设计与实现
图2-3(a) 处理前的图片
图2-3(b) 形态学运算处理后的图片
图2-3 形态学处理过程
2.4对字符进行分割
2.4.1字符分割的理论
图像分割的方法和种类非常多，一般采用的方法有边缘检测(edge detection),边界跟踪(edge tracing),区域生长(region growing)，区域分离和聚合等。
图像分割算法一般基于图形灰度值的不连续性或其相似性。不连续性是基于图像灰度的不连续变化分割图像，如针对图像的边缘有边缘检测，边界追踪等算法；相似性是依据事先制定的准则将图像分割为相似的区域，如阈值分割，区域生长等。如图2-4所示。
第二章车牌图像的预处理11
边缘检测
图像的不连续性边界跟踪
图像分割Hough 变换
区域生长
图像的相似性区域分裂与合并
阈值分割
2.4.2 字符分割的实现
实现对车牌字符的分割，首先对图像进行水平投影得到相应分割数据（图2-4）：
图2-4 车牌分割的水平投影
分割后得到的字符图像为（图2-5）：
，，，，，，，
图2-5 车牌分割出来的字符
再对图像进行取反为（图2-6）：
12 车牌字符自动识别算法研究及识别系统设计与实现
, , , , , , ,
图2-6 对分割出来的字符图像进行取反
第三章基于模板匹配算法的车牌字符13 第三章基于模板匹配算法的车牌字符识别算法
概要：
在研发车牌字符图像自动识别系统是，发现车牌字符识别的难度很大，因为车牌字符图像在拍摄过程中受环境因素影响较大，例如：光线的影响，拍摄的角度，还有天气的影响等等，得到的车牌字符图像差异很大，且规律性差，因此车牌字符识别必须从多方面考虑提高识别率。
提高系统的识别率除了从图像处理环节着手外，还可以从识别算法上考虑，
,模板匹配，向量机等，人工神经网络编码字符识别的常用方法有人工神经网络
【2】
需要先学习而后识别，受环境影响较大，识别率不稳定，这将在第四章介绍。基于向量机的字符识别识别率较大，且稳定，在第五章将单独介绍并给出其识别率的数学化形势。本章主要介绍基于模板匹配算法的车牌识别技术。
3.1模板匹配算法的理论背景
模板匹配算法是一种经典的模式识别方法，是最直接的识别字符方法，其实现方式是计算机输入模式与样本之间的相似性，取相似性最大的样本为输入模式所属类别。首先为算法建立模板库，将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，尤其对二值图像速度更快，可以满足实时性要求，但其缺点是对噪声很敏感，而且对字符的字体风格不具有适应性，任何有关光照，字符清晰度和大小的变化都会有影响识别的正确率，因此在实际应用中为了提高正确率需要使用大的模板或者多个模板进行匹配，而处理时间则随着模板的增大以及模板个数的增加而增加。
由于车牌字符属于有限的字符集，如果前面的预处理工作做得比较好，预处理的图片质量较高，图片的水平倾斜度较小，这种方法的识别率基本能达到要求，可以获得获得较高的识别率。
模板匹配算法的基本思想是：将归一化的字符二值图像与模板库中的字符二值图像做个进行匹配，采用相似度的方法来计算车牌字符与每个模板字符的匹配程度，最相似的就是检测的结果。
14 车牌字符自动识别算法研究及识别系统设计与实现
本论文先介绍标准模板匹配算法，再在这基础上介绍一种改进的模板匹配算法。在一般的模板匹配识别中，一般会用到标准模板匹配模型。而在标准模板匹配算法中，需要用到下面的公式，即相关度量函数作为判别结果。识别结果为：
1
11
[|(,)(,)|]min H W
A T k k i j C f i j f i j ====-∑∑
其中H 是字符点阵高度，W 是点阵宽度，(,)f i j 是样本图像，(,)T k f i j 是第K 个字符标准模板图像，A 是分类字符集中字符的个数。
然而标准模板匹配模型理论上只考虑了实际样本与模板图像之间的标准方差的区别，根据两者之间匹配方差最小原则，判定图像字符的类别。所以在实际匹配过程中这种匹配算法的识别率并不怎么高。
另外介绍一种全区域特征加权模板，特征区域加权模板考虑了不同位置有笔画的点对匹配的不同影响，而对于非笔画点，在噪声得到一定抑制的条件下，由于样本笔画边缘可能产生模糊，对匹配的影响也是不同的。
新的字符编码点阵中，将有笔画的点置1而无笔画的点置0。依照特征加权模板的设计方法，生成全区域特征加权模板。
1,1
1,1
(,)
(,)
i j T
T fk
k k i l j w i j F k l ++=-=-=∑
式中，(,)T k F k l 是新的字符编码标准模板在点（k,l ）处的值（1或0），(,)T
fk w i j 是全区域特征加权模板在点（i,j ）处的权值。全区域特征加权模板各点的权值有正值也有负值。
全区域的特征加权模板的匹配度公式：
11
22
11
22
[(,)(,)]
()|(,)|
H W T
fk f i j H W T fk
i j f i j w i j D k w
i j --==--==?=
∑∑∑∑
式中(,)f f i j 是采用新的字符编码方式的样本在点（i,j ）的值（1或者0），()D k 值的范围介于0和1之间，判别标准按下列式子：
1
max ()A
k C D k ==
解析车牌识别率算法 首先剖析下车牌识别原理是怎样的，车牌识别是基于图像分割和图像识别理论，对含有车牌识别车辆号牌的图像进行分析处理，从而确定牌照在图像中的位置，并进一步提取和识别出文本字符。车牌识别过程包括图像采集、预处理、车牌定位、字符分割、字符识别、结果输出等一系列算法运算，其运行流程如下图所示： （车牌识别原理示意图） 那么高达99.7%的车牌识别率是怎样做到的？
首先，相机成像是车牌识别的基础，稳定、优质的成像效果为高识别率奠定了坚实的基础； 其次，现场安装调试是车牌识别的重要保障，专业的咨询服务部为每一个安装现场提供专业、合理的安装意见，角度、距离、补光灯调节等为高车牌识别识别率提供了有力的保障； 再次，强大的识别算法。 一、核心算法支持丰富多样的功能：支持车牌种类繁多，工作模式灵活等。 车牌识别核心算法支持各类车牌：普通蓝牌、单层黄牌、双层黄牌、警车车牌、武警车牌、军队车牌（新军牌）、大使馆车牌、02式个性化车牌、教练车牌、农用车牌、挂车号牌、民航车牌、港澳出入境车牌、台湾车牌等。 支持线圈触发识别工作模式和视频流识别工作模式，灵活互补。 支持车身颜色识别，支持车标识别，支持车型识别。 二、鲁棒性强 （鲁棒性即在异常场景、异常情况下均能正常工作，且有较高的识别率）针对反光车牌、逆光车牌、阴阳车牌、变形车牌、污损车牌、奔驰特殊车牌、倾斜车牌、低对比度车牌、雨雾天气车牌、过爆车牌、粘连边框车牌、相似字符等特殊情况，均有较高的车牌识别率。
三、算法实时性 线圈触发工作模式，单帧耗时500ms左右；视频流识别模式，单帧耗时100ms左右。 综上所述，无论从核心软件、智能硬件还是强大的售前、售后服务体系，易泊时代都有强大的支持，因此车牌识别率99.7%，必须这么高，也必然这么高！
车牌识别系统的设计 1．摘要： 汽车牌照自动识别系统是制约道路交通智能化的重要因素,包括车牌定位、字符分割和字符识别三个主要部分。本文首先确定车辆牌照在原始图像中的水平位置和垂直位置,从而定位车辆牌照,然后采用局部投影进行字符分割。在字符识别部分,提出了在无特征提取情况下基于支持向量机的车牌字符识别方法。实验结果表明,本文提出的方法具有良好的识别性能。随着公路逐渐普及，我国的公路交通事业发展迅速，所以人工管理方式已经不能满着实际的需要，微电子、通信和计算机技术在交通领域的应用极大地提高了交通管理效率。汽车牌照的自动识别技术已经得到了广泛应用。 2．设计目的： 1、使学生在巩固理论课上知识的同时，加强实践能力的提高，理论联系实践。 2、激发学生的研究潜能，提高学生的协作精神，锻炼学生的动手能力。 3．设计原理 由于车辆牌照是机动车唯一的管理标识符号，在交通管理中具有不可替代的作用，因此车辆牌照识别系统应具有很高的识别正确率，对环境光照条件、拍摄位置和车辆行驶速度等因素的影响应有较大的容阈，并且要求满足实时性要求。 图1 牌照识别系统原理图 该系统是计算机图像处理与字符识别技术在智能化交通管理系统中的应用，它主要由图像的采集和预处理、牌照区域的定位和提取、牌照字符的分割和识别等几个部分组成，如图1 所示。其基本工作过程如下： （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。4．详细设计步骤 4.1 提出总体设计方案。 车辆牌照识别整个系统主要是由车牌定位和字符识别两部分组成，其中车牌定位又可以分为图像预处理及边缘提取模块和牌照的定位及分割模块；字符识别可以分为字符分割与特征提取和单个字符识别两个模块。 为了用于牌照的分割和牌照字符的识别，原始图象应具有适当的亮度，较大的对比度和清晰可辩的牌照图象。但由于该系统的摄像部分工作于开放的户外环境，加之车辆牌照的整洁度、自然光照条件、拍摄时摄像机与牌照的矩离和角度以及车辆行驶速度等因素的影响，牌照图象可能出现模糊、歪斜和缺损等严重缺陷，因此需要对原始图象进行识别前的预处理。 牌照的定位和分割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，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。 由于拍摄时的光照条件、牌照的整洁程度的影响，和摄像机的焦距调整、镜头的光学畸变所产生的噪声都会不同程度地造成牌照字符的边界模糊、细节不清、笔划断开或粗细不均，加上牌照上的污斑等缺陷，致使字符提取困难，进而影响字符识别的准确性。 因此，需要对字符在识别之前再进行一次针对性的处理。 车牌识别的最终目的就是对车牌上的文字进行识别。主要应用的为模板匹配方法。 因为系统运行的过程中，主要进行的都是图像处理，在这个过程中要进行大量的数据处理，所以处理器和内存要求比较高，CPU要求主频在600HZ及以上，内存在128MB及以上。 系统可以运行于Windows98、Windows2000或者Windows XP操作系统下，程序调试时使用matlab。 4.2 预处理及边缘提取
车牌识别的matlab程序(程序-讲解-模板)
clc clear close all I=imread('chepai.jpg'); subplot(3,2,1);imshow(I), title('原始图像'); I_gray=rgb2gray(I); subplot(3,2,2),imshow(I_gray),title('灰度图像'); %====================== 形态学预处理====================== I_edge=edge(I_gray,'sobel'); subplot(3,2,3),imshow(I_edge),title('边缘检测后图像'); se=[1;1;1]; I_erode=imerode(I_edge,se); subplot(3,2,4),imshow(I_erode),title('腐蚀后边缘图像'); se=strel('rectangle',[25,25]); I_close=imclose(I_erode,se); %图像闭合、填充图像 subplot(3,2,5),imshow(I_close),title('填充后图像
for i=1:size(location_of_1,1) %寻找所有白点中，x坐标与y坐标的和最大，最小的两个点的位置 temp=location_of_1(i,1)+location_of_1(i,2); if temp
Matlab程序设计任务书
目录 一．课程设计目的 (3) 二．设计原理 (3) 三．详细设计步骤 (3) 四. 设计结果及分析 (18) 五. 总结 (19) 六. 设计体会 (20) 七. 参考文献 (21)
一、课程设计目的 车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。 二、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。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。 三、详细设计步骤:
1. 提出总体设计方案: 牌照号码、颜色识别 为了进行牌照识别，需要以下几个基本的步骤： a.牌照定位，定位图片中的牌照位置； b.牌照字符分割，把牌照中的字符分割出来； c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。 牌照识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与牌照识别互相配合、互相验证。 (1）牌照定位: 自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频图像进行大范围相关搜索，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做进一步分析、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。 流程图:
车牌识别技术：工作原理及流程解析 车牌识别是利用车辆的动态视频或静态图像进行车牌号码、车牌颜色自动识别的模式识别技术。技术的核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。 车牌识别技术工作原理 车辆检测：可采用埋地线圈检测、红外检测、雷达检测技术、视频检测等多种方式感知车辆的经过，并触发图像采集抓拍。 图像采集：通过高清摄像抓拍主机对通行车辆进行实时、不间断记录、采集。 预处理：噪声过滤、自动白平衡、自动曝光以及伽马校正、边缘增强、对比度调整等。 车牌定位：在经过图像预处理之后的灰度图像上进行行列扫描，确定车牌区域。 字符分割：在图像中定位出车牌区域后，通过灰度化、二值化等处理，精确定位字符区域，然后根据字符尺寸特征进行字符分割。 字符识别：对分割后的字符进行缩放、特征提取，与字符数据库模板中的标准字符表达形式进行匹配判别。 结果输出：将车牌识别的结果以文本格式输出。 车牌识别技术工作流程 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。 一、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。 二、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。 三、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。 四、车牌切分模块
近几年，一遇假期堵成狗，已成为中国现代交通的常态，为了改善这种现状，各地高速设置ETC专用通道，不少出行者反应，在ETC实现全国联网之后，使用ETC通道过高速收费站比以往减短的时间少了不止10秒钟，这也成为减少高速拥堵情况的一大原因。 ETC通道能实现快速汽车快速通过，自动栏杆机功能的重要性不言而喻，但是车牌自动识别技术也发挥不可替代的作用。近年来，车牌自动识别技术已被广泛应用于城市智能交通系统中，如闯红灯抓拍、超速行驶违章抓拍以及交通治安卡口系统等，尤其是交通治安卡口系统，其作为治安刑侦管理的重要科技手段之一，对车牌自动识别技术提出了更高的要求，促进了车牌自动识别技术的快速发展。 车牌识别技术（LicensePlateRecognition，LPR）是以计算机技术、图像处理技术、模糊识别为基础，建立车辆的特征模型，识别车辆特征，如号牌、车型、颜色等。它是一个以特定目标为对象的专用计算机视觉系统，能从一幅图像中自动提取车牌图像，自动分割字符，进而对字符进行识别，它运用先进的图像处理、模式识别和人工智能技术，对采集到的图像信息进行处理，能够实时准确地自动识别出车牌的数字、字母及汉字字符，并直接给出识别结果，使得车辆的电脑化监控和管理成为现实。 与传统的射频卡刷卡管理系统相比，车牌自动识别系统最大的优点是：第一、可以完全实现无干扰、不停车通行；第二、真正实现车辆一车一杆的通行管理要求，杜绝传车卡互换情况的发生；第三、实现车场管理收费的完全电脑化记录、统计，最大程度减少了停车费用的流失。
车牌自动识别流程 系统前端采用了嵌入式高清一体化摄像机，可实现百万级分辨率的视频和图片码流输出，内置了高性能DSP芯片，支持内置智能算法、可实现视频检测、车牌自动识别等功能。采用了动态视频识别技术，实现对视频流每一帧图像进行识别，从而达到增加识别比对次数，大大提高了识别的效率和准确率。 车辆牌照的自动识别主要是基于图像分割和图像识别理论，对含有车辆号牌的图像进行分析处理，从而确定牌照在图像中的位置，并进一步提取和识别出文本字符。 识别的具体步骤分为车牌定位、车牌提取、字符识别。在自然环境中，相机首先对采集到的视频图像进行大范围相关搜索，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做进一步分析、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。 完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别，车牌识别算法采用基于模板匹配算法，首先将分割后的字符二值化，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，通过这种多次比对的
怎样选车牌号 怎样选车购车，自选车牌，一种很人性化的改革，它为车主展示学识、品味、情感、追求创造了条件，也为车主选择到适宜、吉祥、理想的车牌号，提供了方便。但如何选择，它有哪些根据，哪些方法，哪些讲究，现运用《易经》的象、数、理思想，简介如下。一、相关说明 车牌号是由英语字母和数字组成，要选择到理想的车牌号，首先需要从《易》理的角度来认识字母和数字。 其一象，所谓象就是形象，形状。凡车牌字母、数字的形状，如与其事业、希望、追求相对应，则会产生有利的促进作用。在26个字母和十个数字中，利官贵的 字母有：A、B、D、E、F、I、P、T，数字有：1、4、6、7、9等，因为 它们有竖划、向上、通天、得辅之象；利财运的字母有：A、B、D、E、F、H、M、O、P、Q、R、S、T、U、W、Z，数字有：2、3、4、5、6、8、0，因 为它们有横划、圆满、水形、聚积之象；利婚姻的字母有：B、E、F、H、M、O、P、Q、R、S、Y、Z，数字有：2、3、8、0，因为它们有对应、结合、勾通、圆满之象。 其二数，所有的自然数是没有吉凶的，但它与某个体结合产生关联时，就会有影响，才生吉凶。数的含意很多，简单地说有阴阳的含意，即单数为阳，双数为阴。有五行的含意，即1、6为水、2、7为火、3、8为木、4、9为金、5、0为土。有方位的含意，即1、6为北方、2、7为南方、3、8为东方、4、9为西方、5、0为居中。有卦象的含意，即三个数、四个数、五人数都可成卦，每个卦都蕴涵有许多相关事宜。 其三理，所谓理就是道理。在26个字母和十个数字中，所存之理可谓无穷无尽，如字母ABC和数字1有尊贵之意，因为它们是字母的前端和数的开始。如三位数的车牌，其数也可代表天、地、人三才，前一个数代表天，中间数代表人，最后一个数代表地，如四位数，中间两个数代表人，如五位数，中间一位数代表人，因为天、地、人三才的思想存在于一切事理之中，车牌亦不例外。如数字由小到大，最宜求官贵之人和大型产业类企业选用，数字由大到小，最宜求长寿之人和小型服务类企业选用。因为从小到大是步步高升，不断发展，从大到小是返老还童，循环沉淀。 另外，如果知道自己命理中的五行喜忌，则选择效果可能会更好。 二、具体方法 有了一定的《易》理概念后，选号则变得轻松容易，其总的原则是：据情，明理，选择。具体方法是： 1、字母有含义 不论是一个字母或两个字母，除了从象的角度考虑以外，最好字母为姓名、公司、行业、祥瑞等词语的拼音或单词缩写，使后面的数字有头、有主、有魂。
车牌识别系统的设计 一、摘要: 随这图形图像技术的发展，现在的车牌识别技术准确率越来越高，识别速度越来越快。无论何种形式的车牌识别系统，它们都是由触发、图像采集、图像识别模块、辅助光源和通信模块组成的。车牌识别系统涉及光学、电器、电子控制、数字图像处理、计算视觉、人工智能等多项技术。触发模块负责在车辆到达合适位置时，给出触发信号，控制抓拍。辅助光源提供辅助照明，保证系统在不同的光照条件下都能拍摄到高质量的图像。图像预处理程序对抓拍的图像进行处理，去除噪声，并进行参数调整。然后通过车牌定位、字符识别，最后将识别结果输出。 二、设计目的和意义: 设计目的： 1、让学生巩固理论课上所学的知识，理论联系实践。 2、锻炼学生的动手能力，激发学生的研究潜能，提高学生的协作精神。 设计意义： 车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。 三、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。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。 四、详细设计步骤:
车牌识别 电子1301 洪江 13 一、目的与要求 车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力 二、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。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，然后组成牌照输出。 三、详细设计步骤: 为了进行牌照识别，需要以下几个基本的步骤： a.牌照定位，定位图片中的牌照位置； b.牌照字符分割，把牌照中的字符分割出来； c.牌照字符识别，把分割好的字符进行识别，最终组成牌照。 牌照识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与牌照识别互相配合、互相验证。 (1）牌照定位: 自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频图像 进行大围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然 后对这些侯选区域做进一步分析、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。 （2）牌照字符分割 :
附录 车牌识别程序 clear ; close all; %Step1 获取图像装入待处理彩色图像并显示原始图像 Scolor = imread（'3.jpg'）;%imread函数读取图像文件 %将彩色图像转换为黑白并显示 Sgray = rgb2gray（Scolor）;%rgb2gray转换成灰度图 figure,imshow（Scolor）,title（'原始彩色图像'）;%figure命令同时显示两幅图 figure,imshow（Sgray）,title（'原始黑白图像'）; %Step2 图像预处理对Sgray 原始黑白图像进行开操作得到图像背景s=strel（'disk',13）;%strel函数 Bgray=imopen（Sgray,s）;%打开sgray s图像 figure,imshow（Bgray）;title（'背景图像'）;%输出背景图像 %用原始图像与背景图像作减法，增强图像 Egray=imsubtract（Sgray,Bgray）;%两幅图相减 figure,imshow（Egray）;title（'增强黑白图像'）;%输出黑白图像 %Step3 取得最佳阈值，将图像二值化 fmax1=double（max（max（Egray）））;%egray的最大值并输出双精度型 fmin1=double（min（min（Egray）））;%egray的最小值并输出双精度型level=（fmax1-（fmax1-fmin1）/3）/255;%获得最佳阈值 bw22=im2bw（Egray,level）;%转换图像为二进制图像 bw2=double（bw22）; %Step4 对得到二值图像作开闭操作进行滤波 figure,imshow（bw2）;title（'图像二值化'）;%得到二值图像 grd=edge（bw2,'canny'）%用canny算子识别强度图像中的边界 figure,imshow（grd）;title（'图像边缘提取'）;%输出图像边缘 bg1=imclose（grd,strel（'rectangle',[5,19]））;%取矩形框的闭运算 figure,imshow（bg1）;title（'图像闭运算[5,19]'）;%输出闭运算的图像bg3=imopen（bg1,strel（'rectangle',[5,19]））;%取矩形框的开运算
课程综述 课程名称车牌识别 班级08电子《2》班 姓名张宝平 学号0805070198 日期2011-11-15 指导教师王保云
车牌识别系统的设计 一、摘要 随着公路逐渐普及，我国的公路交通事业发展迅速，所以人工管理方式已经不能满着实际的需要，微电子、通信和计算机技术在交通领域的应用极大地提高了交通管理效率。汽车牌照的自动识别技术已经得到了广泛应用。汽车牌照自动识别整个处理过程分为预处理、边缘提取、车牌定位、字符分割、字符识别五大模块，其中字符识别过程主要由以下3个部分组成：①正确地分割文字图像区域；②正确的分离单个文字；③正确识别单个字符。用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照。在研究的同时对其中出现的问题进行了具体分析，处理。 二、设计目的和意义 目的： 1、让学生巩固理论课上所学的知识，理论联系实践。 2、锻炼学生的动手能力，激发学生的研究潜能，提高学生的协作精神。 意义： 车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。 三、设计原理 由于车辆牌照是机动车唯一的管理标识符号，在交通管理中具有不可替代的作用，因此车辆牌照识别系统应具有很高的识别正确率，对环境光照条件、拍摄位置和车辆行驶速度等因素的影响应有较大的容阈，并且要求满足实时性要求。 图1 牌照识别系统原理图 该系统是计算机图像处理与字符识别技术在智能化交通管理系统中的应用，它主要由牌照图像的采集和预处理、牌照区域的定位和提取、牌照字符的分割和识别等几个部分组成，如图1 所示。其基本工作过程如下： （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
Q260046902 专业做论文 西南科技大学 毕业设计（论文）题目名称：车辆牌照图像识别算法研究与实现
车辆牌照图像识别算法研究与实现 摘要：近年来随着国民经济的蓬勃发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制、安全管理的要求也日益提高。因此，汽车牌照识别技术在公共安全及交通管理中具有特别重要的实际应用意义。本文对车牌识别系统中的车牌定位、字符分割和字符识别进行了初步研究。对车牌定位，本文采用投影法对车牌进行定位；在字符分割方面，本文使用阈值规则进行字符分割；针对车牌图像中数字字符识别的问题，本文采用了基于BP神经网络的识别方法。在学习并掌握了数字图像处理和模式识别的一些基本原理后，使用VC++6.0软件利用以上原理针对车牌识别任务进行编程。实现了对车牌的定位和车牌中数字字符的识别。 关键词：车牌定位；字符分割；BP神经网络；车牌识别；VC++
Research and Realization of License Plate Recognition Algorithm Abstract:In recent years, with the vigorous development of the national economy，there are more and more construct in the domestic expressway, urban road, and parking area. The requisition on the traffic control, safety management improves day by day. Therefore, license plate recognition technology has the particularly important practical application value in the public security and the traffic control. In the paper, a preliminary research was made on the license location, characters segment and characters recognition of the license plate recognition. On the license location，the projection was used to locate the license plate; On the characters segmentation, the liminal rule was used to divide the characters; In order to solve the problem of the digital characters recognition in the plate, BP nerve network was used to recognize the digital characters. After studying and mastering some basic principles of the digital image processing and pattern recognition, the task of license plate recognition was programmed with VC++ 6.0 using above principles. The license location and the digital characters recognition in the license plate were implemented. Keywords: license location, characters segmentation, BP nerve network, license plate recognition, VC++
西安科技大学 毕业设计(论文) 开题报告 题目基于神经网络的车牌字符识别方法研究及仿真实现院、系(部) 通信与电子信息工程学院 专业及班级电子信息工程专业 姓名 学号 指导教师 日期
西安科技大学毕业设计(论文)开题报告
[7]陈振学,汪国有,刘成云. 一种新的车牌图像字符分割与识别算法[J]. 微电子学与计算机, 2007,(02) . [8]朱正礼. 基于三层BP 神经网络的字符识别系统的实现[J]. 现代计算机, 2006,(10) . [9]刘静,周静华,苏俊连,付佳. 基于模板匹配的车牌字符识别算法实现[J]. 科技信息(科学教研), 2007,(24) . [10]苏厚胜. 车牌识别系统的设计与实现[J]. 可编程控制器与工厂自动化, 2006,(03) . [11]胡振稳, 尹朝庆. 基于BP 神经网络的车牌字符识别的研究[J]. 电脑知识与技术(学术交流), 2007,(02) [12]蒋良孝, 李超群. 基于 BP 神经网络的函数逼近方法及其 MATLAB 实现[J]. 微型机与应用, 2004,(01) [13]崔屹. 数字图象处理技术与应用. 电子工业出版社. [14]董长虹. MATLAB 图象处理. 国防工业出版社. [15]董长虹. MATLAB 神经网络与应用国防工业出版社. [16]MATLAB6.5 辅助图象处理.飞思科技产品研发科技中心. [17]H. S. Kim et al, "Recognition of a car number plate by a neural network", Proc. of Korea Information Science Society(KISS) fill conference，Vol. 18, NO. 2, pp. 259-262，1991. [18]Jang-Hee You，Byung-Tae Chun and Dong-Pil Shin，“A Neural for Recognizing Characters Extracted form Moving Vehicles”，World Congress On Neural Network, pp162-166，1994. [19]M. Momozawa，M．N omua,T.Namai and K. Morisaki,"Accident Vehicle Automatic Detection System by Image Processing Technique”,pp.566-570, 2004..
车牌识别技术浅析及算法代码 摘要：车牌定位、字符分割、字符识别是车牌识别的三个重要组成部分，是车 牌识别技术研究的重点，从这三个方面对车牌识别技术的发展和现状及车牌识别技术的应用进行了简要介绍。车牌定位是车牌识别技术的第一个关键技术，定位的准确与否直接影响着车牌识别的准确率。本文对目前存在的车牌定位算法进行简单探讨。 关键词：车牌识别技术；车牌定位；算法比较；字符分割；字符识别。 随着2l世纪经济全球化和信息时代的到来，计算机技术、通信技术和计算机网络技术迅猛发展，自动化的信息处理能力和水平不断提高，并在人们社会活动和生活的各个领域得到广泛应用，高速度、高效率的生活节奏，使汽车普及成为必然趋势。伴随着世界各国汽车数量的增加，城市交通状况日益受到人们的重视。如何有效地进行交通管理，越来越成为各国政府的相关部门所关注的焦点。针对这一问题，人们运行先进的信息处理技术、导航定位技术、无线通信技术、自动控制技术、图像处理和识别技术及计算机网络技术等科学技术，相继研发了各种交通道路监视管理系统、车辆控制系统及公共交通系统。这些系统将车辆和道路综合起来进行考虑，运行各种先进的技术解决道路交通的问题，统称为智能交通系统(Intelligent Tr ansportationSystem，简称ITS)。ITS是20世纪90年代兴起的新一代交通运输系统。它可以加强道路、车辆、驾驶员和管理人员的联系，实现道路交通管理自动化和车辆行驶的智能化，增强交通安全，减少交通堵塞，提高运输效率，减少环境污染，节约能源，提高经济活力。智能交通系统以车辆的自动检测作为信息的来源，因而对汽车牌照等相关信息的自动采集和处理的一门新的交通信息获取技术——车牌识别(License Plate Recognition，LPR技术逐渐发展起来，成为信息处理技术的一项重要研究课题。 1 车牌识别技术简介 车牌识别技术的研究最早出现在20世纪80年代，这个阶段的研究没有形成完整的系统体系，而是就某一具体的问题进行研究，通常采用简单的图像处理方法来解决。识别过程是使用工业电视摄像机(Industrial TV Camera)~]下汽车的正前方图像，然后交给计算机进行简单处理，并且最终仍需要人工干预进入2O世纪90年代后，随着计算机视觉Computer Vision Technology)的发展和计算机性能的提高，世界各国投入了大量的人力、物力进行汽车牌照识别系统的研究，时隔10多年，仍然没有一个成熟系统的识别率达到100％。20世纪90年代后期以后，随着全世界汽车数量的急剧增加，车牌识别技术的应用范围也越来越广，车牌识别技术己成为了一个热门的研究课题，人们对其进行了广泛的研究。车牌识别技术的任务是处理、分析摄取的视频。其中关键在于以下三部分：车牌定位、字符分割和字符识别。下面就从这三个方面对车牌识别技术的发展和现状进行简单介绍： （1）车牌定位方法 车牌图像往往是在复杂的环境中拍摄得到的，车牌由于与复杂的车身背景融为一体，由于车牌在使用中磨损与灰尘及拍摄仪器的影响以及由于拍摄角度的不
clc clear close all I=imread('chepai.jpg'); subplot(3,2,1);imshow(I), title('原始图像'); I_gray=rgb2gray(I); subplot(3,2,2),imshow(I_gray),title('灰度图像'); %====================== 形态学预处理====================== I_edge=edge(I_gray,'sobel'); subplot(3,2,3),imshow(I_edge),title('边缘检测后图像'); se=[1;1;1]; I_erode=imerode(I_edge,se); subplot(3,2,4),imshow(I_erode),title('腐蚀后边缘图像'); se=strel('rectangle',[25,25]); I_close=imclose(I_erode,se); %图像闭合、填充图像 subplot(3,2,5),imshow(I_close),title('填充后图像'); I_final=bwareaopen(I_close,2000); %去除聚团灰度值小于2000的部分subplot(3,2,6),imshow(I_final),title('形态滤波后图像'); %========================== 车牌分割============================= I_new=zeros(size(I_final,1),size(I_final,2)); location_of_1=[]; for i=1:size(I_final,1) %寻找二值图像中白的点的位置for j=1:size(I_final,2) if I_final(i,j)==1; newlocation=[i,j]; location_of_1=[location_of_1;newlocation]; end end end mini=inf;maxi=0; for i=1:size(location_of_1,1) %寻找所有白点中，x坐标与y坐标的和最大，最小的两个点的位置 temp=location_of_1(i,1)+location_of_1(i,2); if temp
车牌识别原理 车牌识别是基于图像分割和图像识别理论，对含有车辆号牌的图像进行分析处理，从而确定牌照在图像中的位置，并进一步提取和识别出文本字符。车牌识别过程包括图像采集、预处理、车牌定位、字符分割、字符识别、结果输出等一系列算法运算，其运行流程如下图所示： 图像采集： 通过高清摄像抓拍主机对卡口过车或车辆违章行为进行实时、不间断记录、采集。 预处理： 图片质量是影响车辆识别率高低的关键因素，因此，需要对高清摄像抓拍主机采集到的原始图像进行噪声过滤、自动白平衡、自动曝光以及伽马校正、边缘增强、对比度调整等处理。
车牌定位： 车牌定位的准确与否直接决定后面的字符分割和识别效果，是影响整个车牌识别率的重要因素。其核心是纹理特征分析定位算法，在经过图像预处理之后的灰度图像上进行行列扫描，通过行扫描确定在列方向上含有车牌线段的候选区域，确定该区域的起始行坐标和高度，然后对该区域进行列扫描确定其列坐标和宽度，由此确定一个车牌区域。通过这样的算法可以对图像中的所有车牌实现定位。 字符分割： 在图像中定位出车牌区域后，通过灰度化、灰度拉伸、二值化、边缘化等处理，进一步精确定位字符区域，然后根据字符尺寸特征提出动态模板法进行字符分割，并将字符大小进行归一化处理。 字符识别： 对分割后的字符进行缩放、特征提取，获得特定字符的表达形式，然后通过分类判别函数和分类规则，与字符数据库模板中的标准字符表达形式进行匹配判别，就可以识别出输入的字符图像。 结果输出：将车牌识别的结果以文本格式输出。
车牌识别技术的实现原理和实现方式 车辆牌照的识别是基于图像分割和图像识别理论，对含有车辆号牌的图像进行分析处理，从而确定牌照在图像中的位置，并进一步提取和识别出文本字符。 识别步骤概括为：车牌定位、车牌提取、字符识别。三个步骤地识别工作相辅相成，各自的有效率都较高，整体的识别率才会提高。识别速度的快慢取决于字符识别，字符的识别目前的主要应用技术为比对识别样本库，即将所有的字符建立样本库，字符提取后通过比对样本库实现字符的判断，识别过程中将产生可信度、倾斜度等中间结果值；另一种是基于字符结构知识的字符识别技术，更加有效的提高识别速率和准确率，适应性较强。 车牌识别系统实现的方式主要分为两种：一种是静态图像图片的识别，另一种是动态视频流的实时识别。静态图像识别技术的识别有效率较大程度上受限于图像的抓拍质量，为单帧图像识别，目前市场产品识别速度平均为200毫秒；而动态视频流的识别技术适应性较强，识别速度快，它实现了对视频每一帧图像进行识别，增加识别比对次数，择优选取车牌号，关键在于较少的受到单帧图像质量的影响，目前市场产品识别较好的时间为10毫秒。
车牌号码吉凶查询 车牌号码里字母的意义 英语是拼音文字。但是26个字母绝大部分都有其象形和意义。 Aa在古埃及象形文字中，它表示一只鹰；在希伯来语中，它表示一个牛头；在希腊语中，它被叫做alpha，是献祭中不吉祥的符号。 Bb在希伯来语中，它被叫做beth（房子）。在埃及象形文字中，它表示一只仙鹤。 Cc在希腊象形文字中，它表示一只骆驼，它在罗马数字中为100。 Dd是原始牌楼或大门的外廓。在古埃及象形文字中，它表示“人的手”。它在罗马数字中表示500。 Ee在古埃及象形文字中是钥匙。 Ff是由腓尼基语和拉丁语字母派生出来的。它在埃及象形文字中表示“有角的毒蛇”。在古代，它作为烙印打在互相殴斗的囚犯的脸颊上。 Gg在拉丁字母中，它原来是c形，直到公元前3世纪才使用，声音发成[g]和[E]，经逐渐演变，成为今天的Gg，它在希伯来语和腓尼基语中表示骆驼的头和颈项。 Hh源出罗马希腊字母，原来是双十字形，逐步变成今天的“H”；在象形文字中，它表示篱笆；在古代北欧字母组合中，Hh称为[O-!S]（O%!S），意思是“万福”。 Ii该字母经过长期交替变化，直到19世纪才出现在词典中。 Ji17世纪以来，它从I演变过来，19世纪以后才被采用，并和I完全分开。 Kk在埃及象形文字表示一只碗。 Ll在腓尼基语和希伯来语中，L表示赶牛用的刺棒；而在埃及象形文字中，它表示一头母狮；在罗马数字中，表示50。英镑和磅的缩写分别是l和lb，其中的l都是由拉丁词li-bra借来的。 Mm在腓尼基字体中，M表示水的波浪状；在希伯来语中，它被称为“水”；埃及象形文字中，M表示猫头鹰，在罗马数字中，M表示1000。 Nn在埃及象形文字中，表示水的波纹。它起源于希腊文字Nν。
Canny边缘检测 预处理：将图像灰度化 1、去噪（均值滤波、中值滤波、高斯滤波） 2、求图像梯度的幅值和方向 幅值：G=(J(i,j + 1) ? J(i,j))^2+(J(i + 1,j) ? J(i,j))^2 由于幅值是x方向和y方向的叠加，根据x方向和y方向的权重，该幅值的方向也能求出来，这个在后面非极大值抑制中用来定位参与计算的点。 最右边和最下边的点是不参与计算的。 3、非极大值抑制 （1）将图像边缘的点去除掉（这里只需要将边缘的像素点灰度值变为0即可） （2）内部点梯度值为0的去除掉（梯度为0，就是灰度没有变化，一定不是边缘点）（3）在垂直边缘方向上，两侧灰度值的加权和是否都比边缘上点的灰度值小，就是要找到极大值点，边缘的方向有四种情况 x