基于matlab-汽车号牌识别系统设计素材.doc

汽车号牌识别系统设计随着二十一世纪到来，经济快速发展和人们生活水平显著提高，汽车逐渐成为家庭的主要交通工具。汽车的产量快速增多，车辆流动也变得越来越频繁，因此给交通带来了严重问题，如交通堵塞、交通事故等，智能交通系统(Intelligent Transportation System)的产生就是为了从根本上解决交通问题。在智能交通系统中车牌识别技术占有重要位置，车牌识别技术的推广普及必将对加强道路管理、城市交通事故、违章停车、处理车辆被盗案件、保障社会稳定等方面产生重大而深远的影响。 该设计主要研究基于MATLAB软件的汽车号牌设别系统设计，系统主要包括图像采集、图像预处理、车牌定位、字符分割、字符识别五大核心部分。系统的图像预处理模块是将图像经过图像灰度化、图像增强、边缘提取、二值化等操作，转换成便于车牌定位的二值化图像；利用车牌的边缘、形状等特征，再结合Roberts 算子边缘检测、数字图像、形态学等技术对车牌进行定位；字符的分割采用的方法是将二值化后的车牌部分进行寻找连续有文字的块，若长度大于设定的阈值则切割，从而完成字符的分割；字符识别运用模板匹配算法完成。以上每个功能模块用MATLAB软件实现，最后识别出车牌，在研究设计的同时对其中出现的问题进行具体分析、处理，并寻求更优的方法。 MATLAB，车牌识别系统，字符识别，图像处理总体设计 汽车号牌识别系统技术是从一幅车辆图像中准确定位出车牌区域，然后经过字符切割和字符识别来实现车辆牌照的自动识别。主要流程图如下： 图.1 二、总体功能模块基于MATLAB车牌识别系统主要包括图像采集、图像预处理、车牌定位、字符分割、字符识别五个关键环节[11]其基本工作如下： (1) 图像采集：使用摄像头、照相机拍摄采集图像。 (2) 图像预处理：把图像转换成便于定位的二值化图像，需要经过图像灰度化、图像 增强、边缘提取、二值化操作。 车牌定位：利用车牌的边缘、形状等特征，再结合Roberts 算子边缘检测、数字 图像、形态学等技术对车牌进行定位。 字符分割：以二值化后的车牌部分进行寻找连续有文字的块，若长度大于设定的 阈值则切割，从而完成字符的分割。 字符识别：运用模板匹配算法将分割后的字符二值化并将其尺寸大小缩放为模 板库中字符的大小，然后与所有的模板进行匹配，准确地识别车牌。输出识别 结果，并进行数据存储。 由于纹理特征车牌灰度图像的边缘、图像水平方向上的方差、水平方向上的梯度等比较稳定而且易于提取，所以本系统车牌定位算法采用纹理特征作为车牌的主要特征。在汽车号牌字符识别中，由于汉字的复杂性所以本设计的模板库字符包含5个汉字，26个大写英文字母及10个阿拉伯数字。首字符为汉字，第2-6个字符为英文字母或数字。本系统采用的是边缘检测的方法实现定位的，寻找连续有文字的块的方法实现字符分割，模板匹配法来确定最终的识别结果。下图.1流程图简要的概述基本步骤： 图.1 图.2 图.3 图.4 图.5 图.6 图.7 图.8 图.9 图.10 由于本系统设计只限用于车牌底色为蓝色的车牌，对于其他颜色如黄色、白色等为底色的车牌则不成功。所以本系统具有一定的局限性。下面是分割后的车牌图： 图.11 图.12 下图是字符的分割与归一化的流程图： 图.13 本系统设计采用的方法是寻找连续有文字的块，若长度大于设定的阈值，则认为该块有两个字符组成，需要分割。 图.14 分割出来的字符可能存在一定的大小差距，所以要进行进一步的处理，以便接下来的字符识别能准确的识别出字符。本系统设计对分割出来的字符进行了归一化处理，归一化切割出来的字符图像的大小为40*20，与模板中字符图像的大小相匹配。 图.15 本系统的模板匹配的字符识别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。模板匹配的主要特点是实现简单，当字符较规整时对字符图像的缺损、污迹干扰适应力强且识别率相当高。流程图如下： 图.16 本系统设计采用相减的方法找到出分割字符与模板库中的字符相似度最大的字符，然后输出。汽车号牌的字符一般有七个，大部分车牌第一位是汉字，通常代表车辆所属省份，接着的是字母与数字。车牌字符汉字共约50多个，大写英文字母26个，数字10个。为了提高系统的识别率与实验的