基于MATLAB汽車牌照識(shí)別探究

《基于MATLAB汽車牌照識(shí)別探究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。

1、基于MATLAB汽車牌照識(shí)別探究【摘要】通過(guò)對(duì)基于MATLAB的字符識(shí)別研究，以汽車牌照的識(shí)別與設(shè)計(jì)為例，簡(jiǎn)要的介紹了字符識(shí)別的相關(guān)原理。整個(gè)汽車牌照識(shí)別的過(guò)程分為預(yù)處理、邊緣檢測(cè)、車牌定位、字符分割、字符識(shí)別五個(gè)方面，具體介紹了車牌自動(dòng)識(shí)別的原理，并用MATLAB軟件編程來(lái)實(shí)現(xiàn)每一個(gè)部分，最后識(shí)別出汽車牌照。在研究的同時(shí)對(duì)其中出現(xiàn)的問(wèn)題進(jìn)行了具體分析，處理。尋找出對(duì)于具體的汽車牌照識(shí)別過(guò)程的最好的方法。【關(guān)鍵詞】MATLAB；數(shù)字圖像處理；車牌識(shí)別1.引言車牌識(shí)別系統(tǒng)作為數(shù)字?jǐn)z像、計(jì)算機(jī)信息管理、圖像分割和圖形識(shí)別技術(shù)在智能交

2、通領(lǐng)域的應(yīng)用，是智能交通管理系統(tǒng)中重要的組成部分。車牌識(shí)別技術(shù)可應(yīng)用于道路交通監(jiān)控、交通事故現(xiàn)場(chǎng)勘察、交通違章自動(dòng)記錄、高速公路超速管理系統(tǒng)、小區(qū)智能化管理等方面[1],為智能交通管理提供了高效、實(shí)用的手段。目前世界各國(guó)都在進(jìn)行適用于本國(guó)汽車牌照的自動(dòng)識(shí)別研究，美、日、韓等國(guó)已有相關(guān)系統(tǒng)（基于傳感器）問(wèn)世。引進(jìn)這些系統(tǒng)費(fèi)用比較高、而且由于各國(guó)車牌和實(shí)際的交通環(huán)境不同，引進(jìn)的系統(tǒng)往往無(wú)法滿足我國(guó)城市的需求，而國(guó)內(nèi)市場(chǎng)上雖然已有產(chǎn)品投入使用，但是在后續(xù)處理時(shí)很大程度上仍然需要人工識(shí)別，所以對(duì)車牌識(shí)別技術(shù)的研究依然是目前高科技領(lǐng)域的熱

3、門課題之一。2?基于MATLAB圖像處理的汽車牌照識(shí)別系統(tǒng)1.1系統(tǒng)組成基于MATLAB圖像處理的汽車牌照識(shí)別系統(tǒng)主要包括車牌定位、字符車牌分割和車牌字符識(shí)別三個(gè)關(guān)鍵環(huán)節(jié)。其識(shí)別流程圖如圖1所示。2.2圖像預(yù)處理圖像在形成傳輸或變換過(guò)程中，受多種因素的影響，因此在圖像處理之前必須進(jìn)行預(yù)處理，包括去除噪音、邊界增強(qiáng)、增加亮度等等。輸入的彩色圖像包含大量顏色信息，會(huì)占用較多的存儲(chǔ)空間，且處理時(shí)也會(huì)降低系統(tǒng)的執(zhí)行速度，因此對(duì)圖像進(jìn)行識(shí)別等處理時(shí)，常將彩色圖像轉(zhuǎn)換為灰度圖像，以加快處理速度。對(duì)圖像進(jìn)行灰度化處理、邊緣提取、再利用形態(tài)學(xué)方

4、法對(duì)車牌進(jìn)行定位［2］。具體步驟如下：首先對(duì)圖像進(jìn)行灰度轉(zhuǎn)換，二值化處理,然后采用4X1的結(jié)構(gòu)元素對(duì)圖像進(jìn)行腐蝕，去除圖像的噪聲。采用25X25的結(jié)構(gòu)元素，對(duì)圖像進(jìn)行閉合應(yīng)算使車牌所在的區(qū)域形成連通。再進(jìn)行形態(tài)學(xué)濾波去除其它區(qū)域。通過(guò)對(duì)比原始圖片，我們可以發(fā)現(xiàn)形態(tài)濾波后的圖像已經(jīng)很接近正確的車牌位置了，因此后期處理將通過(guò)這張圖來(lái)找出車牌位置。2.3車牌定位觀察經(jīng)過(guò)預(yù)處理后得到的圖像發(fā)現(xiàn)車牌位置有明顯的矩形圖樣，通過(guò)對(duì)矩形區(qū)域的定位即可獲得具體的車牌位置。2.4字符分割在汽車牌照自動(dòng)識(shí)別過(guò)程中，字符分割有承前啟后的作用。它在前期牌

5、照定位的基礎(chǔ)上進(jìn)行字符的分割，然后再利用分割的結(jié)果進(jìn)行字符識(shí)別。2.5建立字符模板數(shù)據(jù)庫(kù)模板庫(kù)的合理建造是字符識(shí)別準(zhǔn)確的關(guān)鍵之一，所以在字符識(shí)別之前必須把模板庫(kù)設(shè)置好。汽車牌照的字符一般有7個(gè)，大部分車牌第一位是漢字，通常代表車輛所屬省份，或是軍種警別等有特定含義的字符簡(jiǎn)稱；緊接其后的為字母與數(shù)字。車牌字符識(shí)別與一般文字識(shí)別的不同在于它的字符數(shù)有限，十個(gè)阿拉伯?dāng)?shù)字0?9,26個(gè)大寫英文字母A?Z以及相關(guān)的車牌用漢字：京、滬、蘇、臺(tái)、港、澳、甲、乙、丙、使、領(lǐng)、學(xué)、試、境、消、邊、警等，以及新式軍牌中的漢字南、蘭、廣、北、沈、濟(jì)、

6、空、海等；車牌顏色：藍(lán)、白、黑、黃等。所以建立字符模板庫(kù)也極為方便。通過(guò)前面實(shí)驗(yàn)獲取的幾幅不同的車牌圖片截取到的圖片加上使用PhotoShop制作的部分圖片。建立模板數(shù)據(jù)庫(kù)時(shí)必須對(duì)這些圖片進(jìn)行統(tǒng)一處理，因?yàn)閷?duì)前面處理分割后的車牌圖像的測(cè)量得知單個(gè)字符的最佳寬高比是1:2,所以將這些圖片歸一化為50X25大??；因?yàn)橹蟮淖址R(shí)別考慮使用神經(jīng)網(wǎng)絡(luò)算法進(jìn)行字符識(shí)別，所以再將上面歸一化后的模板圖像的樣本排列在一起構(gòu)成1250X18的矩陣樣本。2.6字符識(shí)別字符的識(shí)別目前用于車牌字符識(shí)別（OCR）中的算法主要有基于模板匹配的OCR算法以及

7、基于人工神經(jīng)網(wǎng)絡(luò)的OCR算法。基于模板匹配的OCR的基本過(guò)程是：首先對(duì)待識(shí)別字符進(jìn)行二值化并將其尺寸大小縮放為字符數(shù)據(jù)庫(kù)中模板的大小，然后與所有的模板進(jìn)行匹配，最后選最佳匹配作為結(jié)果。用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行字符識(shí)別主要有兩種方法：一種方法是先對(duì)待識(shí)別字符進(jìn)行特征提取，然后用所獲得的特征來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類器。識(shí)別效果與字符特征的提取有關(guān)，而字符特征提取往往比較耗時(shí)。因此，字符特征的提取就成為研究的關(guān)鍵。另一種方法則充分利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，直接把待處理圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動(dòng)實(shí)現(xiàn)特征提取直至識(shí)別。本文主要研究基于人工神經(jīng)網(wǎng)絡(luò)的方法來(lái)識(shí)別

8、車牌字符。1.總結(jié)在汽車車牌識(shí)別的整個(gè)過(guò)程中，查找了很多資料，綜合了各方面的信息。車牌實(shí)現(xiàn)的每一步都有許多的方法，各種方法都有其優(yōu)劣，但是對(duì)于具體的圖像處理，并不是每一種理論在實(shí)踐中都可以實(shí)現(xiàn)，即使實(shí)現(xiàn)了也很難說(shuō)哪一種方法最合適，還得在具體的實(shí)驗(yàn)中比較選擇。第二