当前位置：文档之家› 二值化算法在车牌识别中的应用(2)

二值化算法在车牌识别中的应用(2)

收稿日期:2003-02-19 作者简介:吴传孙(1974-),男,江西永新人,江西师范大学计算机学院硕士研究生,研究方向:图像处理、模式识别、数据库技术。

文章编号:1006-2475(2003)06-0013-04

二值化算法在车牌识别中的应用

吴传孙1

,邹扬德2

,周定康

(1.江西师范大学计算机学院,江西南昌 330027;2.武警南昌指挥学校,江西南昌 330100)

摘要:详细研究了二值化的经典算法,并将它运用到车牌识别系统的开发过程中;同时针对车牌边界定位难的问题,提出了一种彩色二值化方法,弥补了纹理分析的不足,有助于提高车牌的识别率。关键词:二值化;阈值;直方图;卷积;HSV 颜色空间中图分类号:TP391.4 文献标识码:A

The Application of Binaryzation Algorithms in License Plate Recognition

W U Chuan -sun 1,ZOU Yang -de 2,ZHOU Ding -kang 1

(https://www.doczj.com/doc/9918882955.html,puter College,Jiangxi Normal Universi ty,Nanchang 330027,China;2.Nanchang Command College of Armed Police Forces,Nanchang 330100,China)

Abstract:Studies the classical binaryzation algorithms in detail,and applies them to the development of license plate recognition system;presents a color -binaryzation method in order to resolve the problem of plate localization.It remedies the shortcoming of texture analysi s,makes great contribution to enhance the recogni tion rate.

Keyw ords:binaryzation;threshold;histogram;convoluti on;HSV color space

0 引言

在车牌自动识别系统中,从汽车的彩色图像信息输入到最终车牌号码的获取大致要经过如下几个过程:预处理、车牌定位、二值化、字符切分、字符识

别[1~2]。其中二值化是非常关键的一步,二值化的效果直接影响到后面的切分和识别。因为字符的切分和识别是基于车牌区域的二值化结果进行的。二值化算法又称为阈值算法,其目的就是要找出一个合适的阈值,将待研究的区域划分为前景和背景两部分

[3]

。二值化后的车牌要能再现原字符图像,基本不

出现笔画断裂和粘连现象,尽量不丢失原字符的特

征。另外,二值化算法还可以用在车牌定位这个过程中精确定位车牌的上下左右四边界。为此,必须对二值化算法作深入细致的研究。

1 基于灰度的二值化

假设一幅灰度车牌图像的大小为M 行N 列,用f

(x,y)(0 x

f(x,y)=

{1 f(x,y) T

0 otherwise

这里的T 称为阈值(Threshold),经过二值化处理后,字符前景和车牌背景就由黑白两种颜色分开,选择不同的阈值会得到不同的分离结果。在车牌识别中对车牌灰度图像进行二值化的方法主要有全局动态二值化、局部自适应二值化。1.1 全局动态二值化

全局动态二值化从整个灰度图像的像素分布出发寻求一个最佳的门限值,其中的经典算法是Otsu 算法[4],它是在判别最小二乘法的基础上推导出来的。基本思想是:取一个阈值t,将图像像素按灰度大小分为大于等于t 和小于t 两类,然后求出两类像素的平均值方差 2B (类间方差)和两个类各自的均方差

2A (类内方差),找出使两个方差比 2B / 2A 最大的阈值

t,该阈值即为二值化图像的最佳阈值。这种方法不

2003年第6期

计算机与现代化

JIS UANJI YU XIANDAIHUA

总第94期

论图像的直方图有无明显的双峰,都能得到较为满意的效果。因此这种方法是阈值自动选取的较优方法。具体方法如下:

设给定图像具有1,2,3, ,L,共L级灰度,阈值设为k,把灰度大于k和小于k的像素分为两类。类1中的像素总数为W1(k),平均灰度为M1(k),方差为 21(k);类2中的像素总数为W2(k),平均灰度为M2(k),方差为 22(k);所有图像像素的平均值为M r。

类间方差 2B和类内方差 2A分别由下两式决定:

=W1(M1-M r)2+W2(M2-M r)2=W1W2(M1-M2)2

2A=W1 21+W2 22

算法的描述如下:

求出图像中最大的灰度max gray;

令k=0;

求出大于和小于k的这两类像素总数和像素的灰度平均值;

计算类间方差 2B和类内方差 2A;

k=k+1,循环3~5步,直到k>max gray;

找出最大的值,得到相应的阈值k。

Otsu算法基于图像像素的灰度值分类,按照使类间方差与类内方差比值最大的原则获得门限值,使目标占背景之间方差最大,即找出使两个方差比 2B/ 2A 的最大的阈值T,这种算法具有以下优点:

算法的实现简单;

基于图像的整体特性的积分而非局部特性;

可推广到多阈值的分割方法;

该算法的适用性强。

然而,尽管该方法有一定的自适应性,但以灰度分布为特征,判决准则函数S(k)= 2B/ 2A可能呈双峰,即全局最大值不能保证是正确的阈值;另外当图像存在光照不均匀的现象时,往往整幅图无法找到合适的单一阈值。

1.2 局部自适应二值化

局部自适应二值化是针对灰度图像中的每一个像素逐点进行阈值计算的,以当前点为中心选取一个适当的邻域模板,从这个模板中的像素灰度值中获得判据,来决定对当前点是置0还是置1。文献[3]中的LE VBB算法是局部自适应算法的典型算法: 对每一点计算阈值:

T2(x,y)=1

max

-w k w

-w l w

f(x+k,y+l)+min

-w k w

-w l w

f(x

+k,y+l)

计算另一阈值T3:

T3(x,y)=max

-w k w

-w l w

f(x+k,y+l)-min

-w k w

-w l w

f(x+k,y +l)

对每点的阈值T2进行一次滤波处理得新阈

值T4:T4(x,y)=avg

-w k w

-w l w

T2(x+k,y+l)

逐点对图像进行二值化

若(f(x,y)>T4(x,y))且(T3(x,y)>(T1-min)) 则 b(x,y)=1

否则 b(x,y)=0

其中T1满足

255

x=T

H(x) 0.1,H(x)为灰度直方图。

2 彩色二值化

上述二值化方法都是基于车牌的灰度图像的。但是我国的车牌占绝大多数是黄底黑字、蓝底白字,还有少部分黑底白字以及白底黑字。前两种车牌的颜色信息非常丰富,可以充分利用这些信息来做些辅助工作。关于彩色信息的提取,可以从不同的颜色空间去考虑,常用的有RGB空间、HSV空间、CMYK空间、YIQ空间和YUV空间等。RGB空间是最简单也是最基本的一种颜色空间,因为一般的图像都是RGB格式,从像素中可以直接提取出R、G、B三分量。

C MYK颜色空间常用于印刷工业中;YIQ颜色空间通常被北美的电视系统所采用(属于NTSC系统);YUV 则被欧洲的电视系统所采用(属于PAL系统)。在车牌识别中颜色信息的利用可以从HSV空间去考虑,这种颜色空间使用起来比较方便,已被广泛利用。文献[5]提出了一种基于HSV空间的彩色二值化算法,利用的是S、V这两种分量;文献[6]中颜色信息的利用也是基于HSV空间的。后面我们的彩色二值化算法也是基于HSV空间的,这里先介绍一些关于HSV 空间的知识。

2.1 HSV颜色空间

HSV颜色空间也称为HSB空间。H(Hue)指色调,是评定某种颜色的直接依据;S(Saturation)指的是饱和度,即某种颜色的深浅;V(Value)或B(B rightness)都是亮度,指的是颜色的明暗程度。其中色调分量是基于人眼能感知到的红橙黄绿青蓝紫这些基本的颜色信息,用0~360来表示。色调和饱和度的范围都是0~100。参考PhotoShop中的ColorPicker可以加深对H、S、V这三种颜色分量的理解。由于彩色图像中的每一个像素只含有R、G、B三彩色分量,所以在使用HSV颜色空间之前得进行转换。转换公式如下:设I m ax=max{r,g,b},I mi n=min{r,g,b}

14计算机与现代化2003年第6期

s={0

I max =0I ma x -I min

I max I max 0

v=I ma x

{undefined s=0g-b

I ma x -I min

H max

s 0,I max =r [2+b-r

I max -I mi n ] H max

s 0,I max =g

[4+r-g I max -I mi n ]

H max s 0,I ma x =b 其中,H max 代表色调的个数,通常取为60。色度(H)是由颜色名称来辨别的,如红、绿、蓝等,它用角度0 ~360 来度量,对应于颜色轮上的角度。亮度(V)是指颜色的明暗程度,通常用百分比度量,从黑0%到白100%;饱和度(S)指颜色的深浅,也用百分比来度量,从0%到完全饱和100%。

2.2 彩色二值化方法及应用

经过长期的实验,我们发现定位车牌的上下左右四个边界这项工作是非常困难的。文献[5]先对整个车辆图像进行颜色分割,然后作纹理分析;这种方法虽然好,但最后对车牌的精确定位要用Hough 变换来检测车牌的边缘;我们认为Hough 变换应尽量少用,因为它的计算量相当大,并且车牌的边缘不一定很清晰,再说车牌的两条竖直边很短,难以检测出来;我们的方法是:首先利用纹理扫描对车牌进行粗定位,然后适当向四周扩散,从粗定位的车牌的中心取出一小块区域判断颜色,根据判断出来的颜色从HSV 空间中选取适当的H 、S 值进行二值化。这里没有利用V 分量即亮度信息,主要是考虑到因为天气、环境以及人为等因素造成了车辆图像中的亮度信息最不稳定,所以我们的二值化判据中只有色调和饱和度,其中又以色调H 为主。

步骤如下:

由粗定位找出车牌的底色Clr 并把车牌区域A 适当扩大。

对区域中的每一点按前面的公式计算出H (x,y)、S(x,y)。

逐点对图像进行二值化:

若Clr=W HI TE 或Clr=B LACK,退出;若Clr=YELLOW,

如果30 H(x,y) 70且S(x,y) 15, 则 b(x,y)=0, 否则 b(x,y)=1;

若Clr=BLUE,

如果170 H(x,y) 250且S(x,y) 18, 则 b(x,y)=0, 否则 b(x,y)=1。

在二值化完成后,再用区域标记法求出区域A 中的最大连通区,这里最大的含义是指连通区域中的点数最多。值得指出的是在进行搜索最大连通区域的时候,应当八连通进行搜索而不是四连通。因为有些时候由于车牌中的前景字体较粗、车牌破损、脏污或变形等原因,如按四连通进行搜索可能会出现最大的连通区域不是整个车牌而只是其中的一部分。使用这种方法,如果被拍摄的车牌是水平的,那么精确定位的结果正好能与原车牌的边框重合;如果被拍摄的车牌在水平方向有一定的倾斜,那么重定位后的上下左右四条边框与车牌的四个角基本相切,而不会漏掉有用的车牌信息。

3 实验及结果

在实验中我们使用的原始车牌图像是384*288规格的,在预处理阶段先进行灰度转换获得原图像的灰度图;接下来用中值滤波对灰度图像进行一次平滑去噪操作,采用的是3*3模板卷积;然后考虑到有光照强度不够的情况,所以对滤波后的图像进行一次灰度拉伸适当加强对比度;在这之后就开始纹理扫描,粗定位车牌区域,获得一幅大概的灰度车牌图像并适当扩展;接下来就是二值化:在对灰度车牌进行二值化时,我们采用的是全局动态法与局部自适应相结合的方法。但在作全局动态二值化的时候直接用类间

方差 2B 作判据而没有用类间与类内方差的比值 2

B /

2A ,然后再用一个9*9(即1.3的W 取4)的模板卷积

进行一次局部自适应二值化,以消除光照不均带来的影响,效果非常理想。图1给出了几个实验结果:

图1 基于灰度的二值化

我们的彩色二值化方法主要是用来纠正一些粗定位不准确的情况,有时候粗定位会把第一位汉字位漏掉,有时候会把最后一位数字漏掉或者只切了一半,若在这个基础上进行切分识别,那是必错无疑的。针对这种情况,我们用彩色二值化再处理一遍,虽然要多消耗一点时间,但提高了定位的准确性,从而也提高了识别率。再说随着计算机硬件技术的不断提

2003年第6期吴传孙等:二值化算法在车牌识别中的应用

高,CPU 的处理速度越来越快,时间是不成问题。图2

中给出了彩色二值化的实验结果。

图2 彩色二值化示意图4 结束语

二值化技术是一个探讨了多年的问题,已取得了非常显著的成就。但就车牌识别中这种基于复杂背景和特定条件下的二值化问题,还有待于进一步的探

索和改善。本文认真分析了基于灰度图像的二值化算法并在实验中灵活运用,取得了很好的实验结果。针对实验中出现的新问题,结合中国车牌的实际状况,提出了一种彩色二值化的新方法,该方法在处理车牌的精确定位这个问题上是有效的。但这方法在处理蓝色车牌时如果车牌的蓝颜色较深或光线比较暗,可能会出现把蓝牌误判成黑牌的情况,以致于造

成搜索连通区域时会超出车牌区域本身而造成识别错误。我们正在考虑如何在以后的实验中进一步完善,同时也希望得到这方面的专家和同仁的指点和帮助。

参考文献:

[1] Naito T,Tsukada T,Yamada,et al.Robust license -plate recog -niti on method for passing vehicles under outside environment [J].IEEE Transactions on Vehicular T echnology,2000,49(6):2309~2319.

[2] Dai Yan,Ma Hongqing,Liu Jilin,Li Langang.A high perfor -mance license plate recognition system based on the Web tech -nique[J].IEEE Intelli gent Transportation Systems,2001:325~329.

[3] 叶芗芸,等.文本图像的快速二值化方法[J].红外与毫

米波学报,1997,16(5):344~350.

[4] 张引.复杂背景下文本提取方法研究与应用[D].浙江大

学博士学位论文,1999,7.

[5] Chun -Ming Tsai,His -Jian Lee.Binaryzation of color document

images via lu minance and saturation color features[J].IEEE T ransaction on Image Processi ng ,2002,4(11):434~451.[6] 郭捷,施鹏飞.基于颜色和纹理分析的车牌定位方法

[J].中国图象图形学报,2002,5(A):472~476.

(上接第12页)

行的解决方案,包括用XML 文档来定义数据类型,从文中讨论我们可得出,如果C ORBA 应用程序的数据类型经常变化的话,我们应尽量避免使用I DL 来定义这些类型,而应采用XML 来定义。通过用XML 来定义数据类型,数据结构的表达清晰、直观、易于操作,而且增加了接口的可扩展性和可维护性。

最后我们讨论了CORB A 应用间传输X ML 文档的两种实现方案。第一种方案是将XML 文档以字符串的形式在CORB A 应用间传输。这种方法的主要缺陷是效率比较低,接收方和发送方都需要进行字符串的转化。针对这个问题,OMG 组织提出了DOM/Va-l ue 映射,允许应用程序能够直接将XML 数据作为valuetype 树来传送和操作,这也就是文中讨论的第二种方案。但是由于OMG 的DOM/Value 映射规范颁

布不久,目前对它的实现支持还很少。

参考文献:

[1] Michi Henning,Steve Vinoski.基于C++CORBA 高级编

程[M].北京:清华大学出版社,2000.

[2] 北大宏博.洞悉XML[M ].北京:北京大学出版社,2001.[3] OMG.XMLDOM:DOM/Value Mapping Specification [M ].

OMG,2001.

[4] Dou glas C Sch midt,Steve Vinoski.Object Interconnections:

CORBA and XML,Part 1 Versioning [DB/OL].https://www.doczj.com/doc/9918882955.html,/corba/xml/index.html,2001-11-01.[5] Dou glas C Sch midt,Steve Vinoski.Object Interconnections:

CORBA and XML,Part 2 XML as CORBA Data [DB/OL ].https://www.doczj.com/doc/9918882955.html,/corba/xml/index1.html,2001-11-01.

16计算机与现代化2003年第6期

解析车牌识别率算法

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！

基于图像处理技术的车牌识别方法研究

龙源期刊网 https://www.doczj.com/doc/9918882955.html, 基于图像处理技术的车牌识别方法研究作者：朱明秀来源：《信息记录材料》2019年第03期【摘要】近几年，智能化在我国各行各业中都应用极广，在交通系统中应用也非常多，车牌识别技术则是其中之一，如何在车辆正常行使状态下完成车牌自动识别？本文将从车牌识别现状入手进行分析，找到现有识别方式的一些问题，再吸取经验，从车牌定位、车牌字符分割、车牌字符识别几方面对基于图像处理技术的车牌识别方法进行探讨。【关键词】图像处理技术车牌识别方法抓取识别【中图分类号】TP274 【文献标识码】A 【文章编号】1009-5624（2019）03-0224-03 1 引言随着经济和科技的发展，我国国民生活水平也日益提高，汽车成为每家每户常见的交通工具，这虽然带动了我国经济的发展，但也使交通管理工作量变大，在这种情况下，再依靠传统的办法根本无法完成交通管理工作，这就需要我们依靠信息化、智能化的技术去辅助完成交通管理工作。对于车辆来讲其主要识别是依靠车牌来的，因此我们必须将这种智能化、信息化技术应用到车牌识别中来，使之能服务于我国的车辆管理工作，使车辆管理工作能更加高效的运行。 2 车牌识别技术概述 2.1 车牌识别技术现状近年来我国的车牌智能识别技术发展也非常快，现有的识别技术普遍有两种，一种是将车牌信息收集储存于IC卡或者条形码，通过无线电频率鉴别系统来识别汽车车牌号码，这种识别技术相对准确度比较高，但整套设备存在2个实际操作的问题：①十分复杂，不利于异型作业，而且需要所有车牌按照全国统一标准来制定，执行难度很大。②对扫描的工具要求非常高，这导致整套设备价格成本过高，而且虽能进行扫描，但无法核实车和卡是否一致，这也是个目前尚未突破的技术问题，这些问题都导致通过IC卡或条形码来进行识别的技术无法得到很好的推广。另一方面是直接通过突破来进行识别，因为这种识别方法能在无任何信号发送设备的情况下抓取到不同状态车辆的车牌，并通过非接触性信息菜系系统来进行智能识别，这种方法近年来使用很多，其相对IC卡和条形码来讲，能有效降低从成本，提高经济效益，而且起能通过图像抓取和人为参与结合来解决系统中的识别错误问题，有效提高。 2.2 车牌识别技术的研究意义

(完整版)车牌识别系统的设计

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)

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 tempmaxi maxi=temp; b=i; end end first_point=location_of_1(a,:); %和最小的点为车牌的左上角 last_point=location_of_1(b,:); %和最大的点为车牌的右下角 x1=first_point(1)+4; %坐标值修正 x2=last_point(1)-4; y1=first_point(2)+4;

科普：车牌识别率对车牌识别技术的意义

科普：车牌识别率对车牌识别技术的意义车牌识别技术产生于20世纪末开始的智能交通革命，智能交通系统经过十多年的推广、试行和发展，目前已成功的应用于若干经济发达及较为发达国家的都市及城市高速公路系统中，而车牌识别系统正是在这种应用背景下研制出来的，能够自动实时检测车辆经过和识别汽车牌照的智能交通管理系统。在经历了20世纪末期的起步阶段之后，车牌识别技术已日趋走向成熟，并开始在交通、公安、路政、停车场、安防、门禁、智能小区等许多领域得到了广泛的应用。车牌识别系统简单的说是一种以特定目标为对象的专用视觉系统，它能够从一幅图像中提取分割并识别出车辆牌照，运用先进的图像处理、模式识别和人工智能技术，通过对图像的采集和处理完成车辆牌照的自动识别，识别结果可按需求分别包括车牌的字符、数字、牌照图像、牌照颜色、字体颜色等。在车牌识别技术中，车牌识别率是判断车牌识别技术发展的重要指标。车牌识别率主要是指在高速公路及停车场出入口车辆管理中被广泛运用的车牌识别系统的识别准确率，目前的技术水平为字母和数字的识别率可达到96%，汉字的识别率可达到95%，少数优秀的系统例如成都臻识研发的火眼臻睛车牌识别系统可以使综合车牌识别率达到99%以上。车牌识别率的高低主要由六大因素决定。 1、角度：正面拍摄时车牌识别率最高，角度越倾斜识别准确率越低。 2、光线：白天、夜间、逆光、天气、阴阳车牌等因素也会影响车牌识别率。 3、遮挡：车牌是否干净或者是否有遮挡物 4、比例：像素宽度的变化 5、形变：车牌本身的形变及广角畸变 6、背景：背景过于复杂会降低识别率根据成都臻识科技研发的火眼臻睛车牌识别系统来看，车牌识别算法主要由空间复杂度和时间复杂度来组成，分为五种不同的特性，分别是有穷性、确切性、输入项、输出项、可行性。这五种特性

matlab车牌识别课程设计报告(附源代码)

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

车牌识别系统的研究背景意义及国内外研究现状

车牌识别系统的研究背景意义及国内外研究现状 1车牌识别系统的背景 1.1 车牌识别系统的背景及研究意义 1.2 车牌识别系统简介 2 车牌识别系统的国内外现状 3车牌识别难点 1车牌识别系统的背景 1.1 车牌识别系统的背景及研究意义随着经济社会的迅猛发展，人们的生活水平的提高，机动车辆的数量也越来越多。为了提高车辆的管理效率，缓解公路上的交通压力，我们必须找到一种解决方案。而作为汽车“身份证”的汽车车牌，是在公众场合能够唯一确定汽车身份的凭证。我们可以以此为依据，设计一种车牌识别系统监控各个车辆的情况。为此，我国交通管理部门对汽车车牌的管理非常重视并制定了一套严格的管理法规。其中对汽车车牌的制作、安装、维护都要求由制定部门统一进行管理。在此基础上，如果研制出一种能在公众场合迅速准确地对汽车牌照进行自动定位识别的系统(CPR)，那么这将是一件非常有意义的工作，并将极大地提高汽车的安全管理水平及管理效率。车辆牌照定位与识别是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一, 该技术应用范围非常广泛, 其中包括: (1) 交通流量检测； (2)交通控制与诱导；(3) 机场、港口等出入口车辆管理；(4) 小区车辆管理； (5) 闯红灯等违章车辆监控；(6) 不停车自动收费；(7) 道口检查站车辆监控； (8) 公共停车场安全防盗管理；(9) 计算出行时间；(10) 车辆安全防盗、查堵指定车辆等。其潜在市场应用价值极大，有能力产生巨大的社会效益和经济效益。如图1所示，LPR[1]的部分应用：图1 LPR在收费口、道路监控和停车管理中的应用近些年,计算机的飞速发展和数字图像技术的日趋成熟，为传统的交通管理

停车场车牌自动识别系统工作原理

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

课程设计报告-车牌识别系统的设计

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(附源代码)

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 :

车牌识别的matlab程序

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

车牌识别设计报告

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

基于MATLAB的车牌识别课程设计

MATLAB课程设计报告书课题名称基于MATLAB的车牌识别课程设计姓名学号学院专业指导教师 2016年6月21日

基于MATLAB的车牌识别课程设计目录一．课程设计目的……………………………………………二．设计原理…………………………………………………三．详细设计步骤…………………………………………… 四. 设计结果及分析………………………………………… 五. 总结……………………………………………………… 六. 设计体会………………………………………………… 七. 参考文献…………………………………………………

车辆牌照图像识别算法研究与实现本科毕设论文

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++

车牌识别技术浅析及定位算法

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

开题报告(基于神经网络的车牌字符识别方法研究及仿真实现)(可编辑修改word版)

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..

车牌识别的malab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'); 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 tempmaxi maxi=temp;

车牌识别原理简介

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。