matlab中liccode函数,基于matlab车牌识别系统设计与实现（最终版）

《基于matlab车牌识别系统设计与实现.doc》由会员分享，可在线阅读全文，更多相关《基于matlab车牌识别系统设计与实现(最终版)》请在www.woc88.com上搜索。

1、需要太多的处理过程就已经可以达到正确识别的目的。在此只进行了归一化处理，然后进行后期处理。即可以进行字符识别[]。车牌字符分割后的图像如图所示：图字符分割与归一化后的图像车辆号码牌的识别当字符分割完成后，就要对车牌号码进行识别这是车辆号码牌识别系统的最后一个步骤，目前车辆号码牌字符识别的方法有以下几种[]：()模板匹配字符识别算法。模板匹配字符识别算法的实现方法是计算输入模式车牌识别系统设计与实现与样本之间的相似性，取相似性最大的样本为输入模式的类别。该方法能够快速的识别字符，但是对噪点比较敏感。在实际应用中，为了提高正确率往往需要使用大的模板或多个模板进行匹配，处理时间则随着模板的增大以及模板个数的增加而增加。()神经网络字符识别算法。主要有两种方法：一种方法是先对待识别字符进行特征提取，然后用所获得的特征来训练神经网络分类器。其中，字符特征的提取是研究的关键，特征参数过多会增加训练时间，过少会引起判断上的歧义。另一种方法是充分利用神经网络的特点，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。这种网络互连较多，待处理信息量大，抗干扰性能好，识别率高。但是产生的网络结构比较复杂，输入模式维。

2、程序中归一化大小为*,此处演示word=imresize(word,[])；word=imresize(word,[])；word=imresize(word,[])；word=imresize(word,[])；word=imresize(word,[])；word=imresize(word,[])；word=imresize(word,[])；sublot(,,),imshow(word),title('')；sublot(,,),imshow(word),title('')；sublot(,,),imshow(word),title('')；sublot(,,),imshow(word),title('')；sublot(,,),imshow(word),title('')；sublot(,,),imshow(word),title('')；sublot(,,),imshow(word),title('')；imwrite(word,'jg')；imwrite(word,'jg')；imwrite(word,'jg')；imwrite(word,'jg')；imwrite(word,'jg')。含了字符行间距与字间的空白，甚至还会带有各种标点符号，这就需要采用一定的处理技术将文本中的一个个字符切分出来，形成单个字的图像阵列，以进行单字识别处理。这就需要两个步骤来完成，行切分和字切分。首先由行切分得到一行行文本，然后在每行文本中进行列切分得到一个个单独的字符。本次设计中主要用到字切分技术[]。字符分割流程图如图所示：图字符分割与归一化流程图字切分是从切分出的文本图像行中将单个的字符图像切分出来。字切分的正确与否排查白色像素点去除图像两边多余部分切割去除图形上下多余部分依据阈值切割分离出七个字符对切割的字符进行归一化车牌识别系统设计与实现直接影响识别结果，是字符识别系统中比较难的部分。我们还是以单个的汉字切分为例来说明。可以借助汉字图像行切分的思想，来确定字切分的主要方法：利用字与字之间的空白间隙在图像行垂直投影上形成的空白间隔将单个的字符图像切分出来。事实上，分析图像行的垂直投影可以发现，垂直投影上的空白间隔部分不仅没有行与行之间的空白间隔部分宽，而且分布也不均匀。是因为在汉字文本中一般汉字间距远不如行间距明显，同时汉字中有相当数量汉字是左、右结构或左、中、右结构的，这些汉字图像的垂直投影在一个单字的内部也会出现空白间隙，使得文本汉字的字切分比行切分困难。为了解决这个问题，可以利用汉字间的间隔一般大于汉字内间隔这一特点先进行汉字的粗切分，再根据汉字基本是个方块图形这一事实进行细切分。具体实现为：根据汉字的行切分，可以获得汉字的高度信息，从而可以估计出汉字的基本宽度；对粗切分出的每个汉字，以此宽度信息进行衡量，以粗切分的起始位置为出发点，向左右两方向进行搜索，对起始位置进行细微的调整，从而使得字的切分更准确。字符归一化分割出来的字符要进行进一步的处理，满足字符识别的需要。但是对于车牌的识别，并。

3、n,Automaticcarlicenselateextractionusingmodifiedgeneralizedsymmetytransformandimagewaring[J]inProcIEEEIntSymIndustrialElectronics,vol,,车牌识别系统设计与实现附录程序源代码：I=imread('C:\DocumentsandSettings\Administrator桌面\jg')；figure(),imshow(I)；title('原图')；I=rgbgray(I)；figure(),sublot(,,),imshow(I)；title('灰度图')；I=edge(I,'robert',,'both')；figure(),imshow(I)；title('robert算子边缘检测')；se=[；；]；I=imerode(I,se)；figure(),imshow(I)；title('腐蚀后图像')；se=strel('rectangle',[,])；I=imclose(I,se)；figure(),imshow(I)；title('平滑图像的轮廓')；I=bwarea。

4、rror(kmin:kmax)；MinError=min(Error)；findc=find(Error==MinError)；Code(l*)=liccode(findc()+kmin)；Code(l*)=''；l=l+；endfigure(),imshow(dw)；title(['车牌号码:',Code],'Color','b')；车牌识别系统设计与实现function[word,result]=getword(d)word=[]；flag=；y=；y=；whileflag==[m,n]=size(d)；wide=；whilesum(d(:,wide+))~=amamwideyd(:,[:wide])=；ifsum(sum(d))~=d=qiege(d)；%切割出最小范围elseword=[]；flag=；endelseword=qiege(imcro(d,[widem]))；d(:,[:wide])=；ifsum(sum(d))~=；d=qiege(d)；flag=；elsed=[]；endendend%endresult=d；functione=qiege(d)[m,n]=size(d)；to。计。该系统以matlab为平台，完成了对车辆和车牌的识别。本文对车牌识别系统的软件部分进行了研究，从图像预处理、车牌定位、字符分割以及字符识别等方面进行了系统的分析。主要工作内容及结论如下：()整理和总结了国内外在车牌定位、分割、字符识别方面的研究成果和发展方向。()在车牌定位我们采用基于灰度跳变的定位方法，采用先对图像进行预处理，再进行二值化操作的方法。实验表明本方法既保留了车牌区域的信息，又减少了噪声的干扰，从而简化了二值化处理过程，提高了后续处理的速度。它在车辆过路、交通流量控制指标的测量，车辆自动识别，不停车检查，汽车防盗，稽查和追踪车辆违规、违法行为，维护交通安全和城市治安，防止交通堵塞，提高收费路桥的服务速度，缓解交通紧张状况等方面有重要作用，有重要的现实应用意义。通过本次设计加深了自己对MATLAB软件图像处理功能的理解和运用，能够运用其功能对图片进行一些简单的处理工作。对今后的学习和工作有很大帮助。车牌识别系统设计与实现参考文献[]赵丹,丁金华基于Matlab的车牌识别[J]大连:大连大连理工学报,,():[]冀小平基于Matlab的车牌识别系统研究[J]北京:电子设计工程,,():[]徐辉基于Matlan实现汽车车牌自动识别系统[M]北京:国防工业出版社,[]王爱玲,叶明生等MATLABR图像处理技术与应用[M]北京:电子工业出版社,[]张德丰MATLAB模糊系统设计[M]北京：国防工业出版社,[]叶晨洲车辆牌照字符识别[J]上海交通大学学报,:[]ZhiWeiYuan,PanXiaoLouVehiclelicenselag=；word=[]；whileflag==[m,n]=size(d)；left=；wide=；whilesum(d(:,wide+))~=wide=wide+；。

5、定位出车牌区域后，就要对车牌进行字符分割，针对车牌字符串的特点提出了一种新的车牌字符分割算法。即基于改进的扫描线算法确定字符串上下边界，利用全局分割和局部调整的技术实现单个字符的分割。字符分割字符分割的任务是把多行或多字符图像中的每个字符从整个图像中分割出来，成为单个字符。由于字符字体存在着多样性，所以在一般的字符识别系统中，字符识别之前要先对图像进行阈值化，然后再进行行字切分，以分割出一个个具体的二值表示的字符图像点阵，作为单字符识别的输入数据。由于获得的文本图像不但包含了组成文本的一个个字符，而且包含了字符行间距与字间的空白，甚至还会带有各种标点符号，这就需要采用一定的处理技术将文本中的一个个字符切分出来，形成单个字的图像阵列，以进行单字识别处理。这就需要两个步骤来完成，行切分和字切分。首先由行切分得到一行行文本，然后在每行文本中进行列切分得到一个个单独的字符。本次设计中主要用到字切分技术[]。字符分割流程图如图所示：图字符分割与归一化流程图字切分是从切分出的文本图像行中将单个的字符图像切分出来。字切分的正确与否排查白色像素点去除图像两边多余部分切割去除图形上下多余部分依据阈值切割分离出七个字符对。

6、；imwrite(word,'jg')；imwrite(word,'jg')；liccode=char(['':'''A':'Z''苏豫陕鲁'])；%建立自动识别字符代码表SubBw=zeros(,)；l=；forI=:ii=intstr(I)；t=imread([ii,'jg'])；车牌识别系统设计与实现SegBw=imresize(t,[],'nearest')；ifl==%第一位汉字识别kmin=；kmax=；elseifl==%第二位A~Z字母识别kmin=；kmax=；elselgt=%第三位以后是字母或数字识别kmin=；kmax=；endfork=kmin:kmaxfname=strcat('字符模板\',liccode(k),'jg')；SamBw=imread(fname)；fori=:forj=:SubBw(i,j)=SegBw(i,j)SamBw(i,j)；endend%以上相当于两幅图相减得到第三幅图Dmax=；fork=:forl=:if(SubBw(k,l)gt|SubBw(k,l)lt)Dmax=Dmax+；endendendError(k)=Dmax；endError=。

7、数的增加可能导致网络规模庞大。()统计特征匹配法。统计特征匹配法的要点是先提取待识别模式的一组统计特征，然后按照一定的准则所确定的决策函数进行分类判决。实际应用中，当字符出现字符模糊、笔画融合、断裂、部分缺失时，此方法效果不理想，鲁棒性较差。这三种方法中，模板匹配是车牌字符识别最简单最常用的的方法，神经网络字符识别算法是目前比较流行的算法，本设计重点研究模版匹配算法。车辆号码牌识别的图像如图所示：图车牌号码识别后的图像车牌识别系统设计与实现结束语本文按照设计要求完成了基于matlab的车辆号码牌系统的设计。该系统以matlab为平台，完成了对车辆和车牌的识别。本文对车牌识别系统的软件部分进行了研究，从图像预处理、车牌定位、字符分割以及字符识别等方面进行了系统的分析。主要工作内容及结论如下：()整理和总结了国内外在车牌定位、分割、字符识别方面的研究成果和发展方向。()在车牌定位我们采用基于灰度跳变的定位方法，采用先对图像进行预处理，再进行二值化操作的方法。实验表明本方法既保留了车牌区域的信息，又减少了噪声的干扰，从而简化了二值化处理过程，提高了后续处理的速度。它在车辆过路、交通流量控制指标的测量，车辆自。需要太多的处理过程就已经可以达到正确识别的目的。在此只进行了归一化处理，然后进行后期处理。即可以进行字符识别[]。车牌字符分割后的图像如图所示：图字符分割与归一化后的图像车辆号码牌的识别当字符分割完成后，就要对车牌号码进行识别这是车辆号码牌识别系统的最后一个步骤，目前车辆号码牌字符识别的方法有以下几种[]：()模板匹配字符识别算法。模板匹配字符识别算法的实现方法是计算输入模式车牌识别系统设计与实现与样本之间的相似性，取相似性最大的样本为输入模式的类别。该方法能够快速的识别字符，但是对噪点比较敏感。在实际应用中，为了提高正确率往往需要使用大的模板或多个模板进行匹配，处理时间则随着模板的增大以及模板个数的增加而增加。()神经网络字符识别算法。主要有两种方法：一种方法是先对待识别字符进行特征提取，然后用所获得的特征来训练神经网络分类器。其中，字符特征的提取是研究的关键，特征参数过多会增加训练时间，过少会引起判断上的歧义。另一种方法是充分利用神经网络的特点，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。这种网络互连较多，待处理信息量大，抗干扰性能好，识别率高。但是产生的网络结构比较复杂，输入模式维数的增加可能导致网络规模庞大。()统计特征匹配法。统计特征匹配法的要点是先提取待识别模式的一组统计特征，然后按照一定的准则所确定的决策函数进行分类判决。实际应用中，当字符出现字符模糊、笔画融合、断裂、部分缺失时，此方法效果不理想，鲁棒性较差。这三种方法中，模板匹配是车牌字符识别最简单最常用的的方法，神经网络字符识别算法是目前比较流行的算法，本设计重点研究模版匹配算法。车辆号码牌识别的图像如图所示：图车牌号码识别后的图像车牌识别系统设计与实现结束语本文按照设计要求完成了基于matlab的车辆号码牌系统的设。

8、动识别，不停车检查，汽车防盗，稽查和追踪车辆违规、违法行为，维护交通安全和城市治安，防止交通堵塞，提高收费路桥的服务速度，缓解交通紧张状况等方面有重要作用，有重要的现实应用意义。通过本次设计加深了自己对MATLAB软件图像处理功能的理解和运用，能够运用其功能对图片进行一些简单的处理工作。对今后的学习和工作有很大帮助。车牌识别系统设计与实现参考文献[]赵丹,丁金华基于Matlab的车牌识别[J]大连:大连大连理工学报,,():[]冀小平基于Matlab的车牌识别系统研究[J]北京:电子设计工程,,():[]徐辉基于Matlan实现汽车车牌自动识别系统[M]北京:国防工业出版社,[]王爱玲,叶明生等MATLABR图像处理技术与应用[M]北京:电子工业出版社,[]张德丰MATLAB模糊系统设计[M]北京：国防工业出版社,[]叶晨洲车辆牌照字符识别[J]上海交通大学学报,:[]ZhiWeiYuan,PanXiaoLouVehiclelicenselag=；word=[]；whileflag==[m,n]=size(d)；left=；wide=；whilesum(d(:,wide+))~=wide=wide+；。

9、right=right；enddd=rightleft；hh=bottomto；e=imcro(d,[lefttoddhh])；车牌识别系统设计与实现致谢两年的大学生活已经接近尾声，我的毕业设计也终于顺利的完成了，在这里我首先向我的指导老师卢老师表示我最诚挚的感谢，同时也感谢那些帮助过我的老师和同学。正是有了这些老师和同学的帮助才使我取得了现在的成果。本设计是在我的导师卢峥老师的细心指导下进行的。每当遇到问题时卢老师总是不辞辛苦的为我讲解。从设计的选题到资料的搜集直至最后设计的修改的整个过程中，花费了卢老师大量的宝贵时间和精力。同时他严肃的科学态度，严谨的治学精神，精益求精的工作作风，深深地感染和激励着我，使我不断前行。在此谨向卢老师致以诚挚的谢意和崇高的敬意！同时也感谢两年来帮助我不断成长的老师同学,是你们让我找到了奋斗的方向,人生的坐标,谨此表示我最真挚的感谢！最后，我还要特别感谢支持和鼓励我的同学们，正是由于你们的帮助和支持，才给了我坚持下去的勇气，我才能克服一个一个的困难和疑惑，直至本文的顺利完成。符分割奠定了良好的基础，同时也使得本次设计顺利进行。车牌识别系统设计与实现车辆号码牌的字符分割在。ndifwideyflag=；word=tem；%WORDendd(:,[:wide])=；d=qiege(d)；endend%分割出第二个字符[word,d]=getword(d)；%分割出第三个字符[word,d]=getword(d)；%分割出第四个字符[word,d]=getword(d)；%分割出第五个字符[word,d]=getword(d)；%分割出第六个字符[word,d]=getword(d)；车牌识别系统设计与实现%分割出第七个字符[word,d]=getword(d)；sublot(,,),imshow(word),title('')；sublot(,,),imshow(word),title('')；sublot(,,),imshow(word),title('')；sublot(,,),imshow(word),title('')；sublot(,,),imshow(word),title('')；sublot(,,),imshow(word),title('')；sublot(,,),imshow(word),title('')；[m,n]=size(word)；%商用系统程序中归一化大小为*,此处演示word=imresize(word,[])；word=imresize(word,[])；word=imresize(word,[])；word=imresize(word,[])；word=imresize(word,[])；word=imresize(word,[])；word=imresize(word,[])；sublot(,,),imshow(word),title('')；sublot(,,),imshow(word),title('')；sublot(,,)。

10、切割的字符进行归一化车牌识别系统设计与实现直接影响识别结果，是字符识别系统中比较难的部分。我们还是以单个的汉字切分为例来说明。可以借助汉字图像行切分的思想，来确定字切分的主要方法：利用字与字之间的空白间隙在图像行垂直投影上形成的空白间隔将单个的字符图像切分出来。事实上，分析图像行的垂直投影可以发现，垂直投影上的空白间隔部分不仅没有行与行之间的空白间隔部分宽，而且分布也不均匀。是因为在汉字文本中一般汉字间距远不如行间距明显，同时汉字中有相当数量汉字是左、右结构或左、中、右结构的，这些汉字图像的垂直投影在一个单字的内部也会出现空白间隙，使得文本汉字的字切分比行切分困难。为了解决这个问题，可以利用汉字间的间隔一般大于汉字内间隔这一特点先进行汉字的粗切分，再根据汉字基本是个方块图形这一事实进行细切分。具体实现为：根据汉字的行切分，可以获得汉字的高度信息，从而可以估计出汉字的基本宽度；对粗切分出的每个汉字，以此宽度信息进行衡量，以粗切分的起始位置为出发点，向左右两方向进行搜索，对起始位置进行细微的调整，从而使得字的切分更准确。字符归一化分割出来的字符要进行进一步的处理，满足字符识别的需要。但是对于车牌的识别，并。

11、=；bottom=m；left=；right=n；%initwhilesum(d(to,:))==amamto=bottom=bottom；endwhilesum(d(:,left))==amamleftlt=nleft=left+；end车牌识别系统设计与实现whilesum(d(:,right))==amamrightgtatelocationalgorithm[J]Journalofkunminguniversityofscienceandtechnology,,()[]贺兴华,周媛媛,王继阳等MATLAB图像处理[M]北京:人民邮电出版社,:[]刘佐濂,邓荣标,孔嘉圆中国科技信息[J]北京:中国科技报,,():[]张禹,马驷良,韩笑车牌识别中的图像提取及分割算法[J]吉林大学学报,,():[]霍宏涛数字图像处理[M]北京:机械工业出版社,[]许志影,李晋平MATLAB极其在图像处理中的应用[J]计算机与现代化,,():[]雷英杰MATLAB遗传算法工具箱及应用[M]西安:西安电子科技大学出版社,[]张强,王正林精通MATLAB图像处理[M]北京:电子工业出版社,[]DSKimandSIChie 。

12、ndifwideyflag=；word=tem；%WORDendd(:,[:wide])=；d=qiege(d)；endend%分割出第二个字符[word,d]=getword(d)；%分割出第三个字符[word,d]=getword(d)；%分割出第四个字符[word,d]=getword(d)；%分割出第五个字符[word,d]=getword(d)；%分割出第六个字符[word,d]=getword(d)；车牌识别系统设计与实现%分割出第七个字符[word,d]=getword(d)；sublot(,,),imshow(word),title('')；sublot(,,),imshow(word),title('')；sublot(,,),imshow(word),title('')；sublot(,,),imshow(word),title('')；sublot(,,),imshow(word),title('')；sublot(,,),imshow(word),title('')；sublot(,,),imshow(word),title('')；[m,n]=size(word)；%商用系统,imshow(word),title('')；sublot(,,),imshow(word),title('')；sublot(,,),imshow(word),title('')；sublot(,,),imshow(word),title('')；sublot(,,),imshow(word),title('')；imwrite(word,'jg')；imwrite(word,'jg')；imwrite(word,'jg')；imwrite(word,'jg')；imwrite(word,'jg')；imwrite(word,'jg')；imwrite(word,'jg')；liccode=char(['':'''A':'Z''苏豫陕鲁'])；%建立自动识别字符代码表SubBw=zeros(,)；l=；forI=:ii=intstr(I)；t=imread([ii,'jg'])；车牌识别系统设计与实现SegBw=imresize(t,[],'nearest')；ifl==%第一位汉字识别kmin=；kmax=；elseifl==%第二位A~Z字母识别kmin=；kmax=；elselgt=%第三位以后是字母或数字识别kmin=；kmax=；endfork=kmin:kmaxfname=strcat('字符模板\',liccode(k),'jg')；SamBw=imread(fname)；fori=:forj=:SubBw(i,j)=SegBw(i,j)SamBw(i,j)；endend%以上相当于两幅图相减得到第三幅图Dmax=；fork=:forl=:if(SubBw(k,l)gt|SubBw(k,l)lt)Dmax=Dmax+；endendendError(k)=Dmax；endError=。