基于MATLAB的车牌识别系统的设计与实现
字体代码大全1．1 题目的主要研究内容
（1）工作的主要描述（宋体小四号不加粗1.5倍行距）
智能交通系统利用先进的信息技术改善交通状况，使交通更畅通、更安全、更绿。车牌识别系统是的核心技术之一，它主要包括车牌定位、字符分割和字符识别三个核心模块。随着安防视频步入高清时代，视频的分辨率越来越高，智能交通系统对车牌识别技术有了更高的要求：处理速度更快、环境适应性更强、识别率更高。
本文从图像预处理、车牌定位、字符分割、字符识别四个方面，具体介绍了车牌自动识别的原理。并用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照。
（2）系统流程图
1．2 题目研究的工作基础或实验条件
（1）硬件环境：PC机 设备名称    LAPTOP-7SSHP9VJ
处理器 MD Ryzen 7 5700U with Radeon Graphics 1.80 GHz
机带 RAM    16.0 GB (13.9 GB 可用)
设备 ID    04FA2EC7-DFE3-489F-A61B-E5AA87DDDE15
产品 ID    00342-36141-18074-AAOEM
系统类型    64 位操作系统, 基于 x64 的处理器
笔和触控    没有可用于此显示器的笔或触控输入
（2）软件环境：MATLAB R2019a
1．3 数据集描述
一个完整的车牌号识别系统要完成从图像采集到字符识别输出，过程相当复杂，基本可以分成硬件部分跟软件部分，硬件部分包括系统触发、图像采集，软件部分包括图像预处理、车牌定位、字符分割、字符识别四大部分。
本文的数据集包括汽车图片、声音模板和字符模板。汽车图片包括用手机拍摄的七张照片；声音模板包括阿拉伯数字0-9、英文大写字母A-Z（不包括I和O）、贵州、桂、京、苏、渝、粤、车牌定位出错、车牌检测、程序运行中、检测结果、提取出错；字符模板包括阿拉伯数字0-9、英文大写字母A-Z、贵、桂、京、苏、渝、粤、鲁、陕、豫。
1．4 特征提取过程描述
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。
1.4.1 图像预处理
RGB图像：又称彩图像，RGB彩就是常说的三原，R代表Red（红），G代表Green（绿），B代表Blue（蓝）。自然界中肉眼所能看到的任何彩都可以由这三种彩混合叠加而成，RGB图像用三维数组表示，最后一维长度为3,（1,2,3分别表示RGB三个分量），对于每一个分量，数值范围也是0~255。红、绿、蓝三个通道的缩略图，都是以灰度显示的，用不同的灰度阶来表示“红，绿，蓝”在图像中的比重。通道中的纯白，代表了该光在此处为最高亮度，亮度级别是255，0表示亮度最低，255表示亮度最亮。只有三个通道同时有值才可以显示出彩（如红通道显示为红）。所以车牌原始图像是RGB图像。
灰度图像：是每个像素只有一个采样颜的图像，这类图像通常显示为从最暗黑到最亮的白的灰度，尽管理论上这个采样可以任何颜的不同深浅，甚至可以是不同亮度上的不同颜。灰度图像的每个像素只有一个亮度信息的单图像。其中的亮度信息，采样自
从白与黑之间划分的若干等级。我们常说的灰度阶，就是从白到黑划分的等级数。一般为2^n，常用的灰度阶为256，用单个字节（8bit，256=2^8）就可以存储每一个灰度值，灰度图像用二维数组表示。
二值化图像，又称黑白图像，顾名思义是由黑和白两种颜表示的图像。即图像上的像素点的灰度值设置为0或255。
将彩图像（RGB图像转化为灰度图像的过程称为图像灰度化。要表示灰度图，就需要把亮度值进行量化，有四种方法：见表1。
表1
图像的二值化有利于图像的进一步处理，使图像变得简单，而且数据量减小，能凸显出感兴趣的目标的轮廓。在matlab中，二值化图像常常为0和1数组表示，二值化的常用算法有几种，见表2。
表2
1.4.2 车牌定位
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，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。流程图如下所示：
1.4.3 车牌字符分割
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。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。流程图如下所示：
1）计算水平投影进行车牌水平矫正。
2）去掉车牌的框架。
3）分析垂直投影到每个字符中心的位置。
4）按左右宽度切割出字符。
1.4.4 车牌字符识别
字符识别方法目前主要有基于模板匹配算法和基于人工神经网络算法。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。基于人工神经元网络的算法有两种：一种是先对待识别字符进行特征提取，然后用所获得特征来训练神经网络分配器；另一种方法是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出结果。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因素的影响，如生锈、污损、油漆剥落、字体褪、牌照被遮挡、牌照倾斜、高亮反光、多牌照、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。这些影响因素不同程度上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。为了提高识别率，除了不断的完善识别算法，还应该想办法克服各种光照条件，使采集到的图像最利于识别。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。