matlab 车牌汉字识别系统,基于MATLAB车牌自动识别系统设计毕业设计论文最新版...

《基于MATLAB车牌自动识别系统设计毕业设计论文.doc》由会员分享，可免费在线阅读全文，更多与《基于MATLAB车牌自动识别系统设计毕业设计论文》相关文档资源请在帮帮文库(www.woc88.com)数亿文档库存里搜索。

1、*大学本科生毕业设计(论文)第五章总结与展望总结本次设计通过在MATLAB软件中编写程序并经过仔细的调试和反复研究错误从而解决了大部分的问题，基本完成了车牌自动识别功能，。在整个编写程序的过程中，主要以车牌处理的基本步骤为指导，处理过程中关键在于各个处理环节的有效衔接，不仅要灵活的将MATLAB语言和C语言的有效融合，还要求能熟练掌握MATLAB的运行环境和操作界面，才能很好地实现整个系统的功能。本次毕业设计知识初涉车牌识别功能，并没有考虑在各种不同外界环境下的车牌识别的处理，因此还存在需要改进的地方。目前本车牌自动识别系统还有待改善的地方如下：．只实现了静止车牌的识别，对动态车牌识别没有研究。．没有考虑外部环境对车牌造成的污染影),title('行方向合理区域')；figure(),sublot(,,),imshow(dw),title('定位剪切后

2、(),(),(()当,yyxx时，dxdyxFyxfT),(),(),(()当),(),(yxFyxf时，dxdyyff),(,,()式()和()是输入字符的自相关函数，且当),),(YXTT时成立时，),yxT会在),(T处出现主峰，在另外的标准字符处出现副峰，然后根据选用的函数对主峰和副峰进行鉴别，图像与模板匹配的函数为：MmMnjiMmMnMmMnjinmsnmTnmTnmsjiR),(),(),(),(),(()其中),(jiR为互相关算子，S为待检测信号，jiS为待检测的子图，T为模板。将待识别的字符和所有模板进行匹配，并用上述相似度式子来计算车牌字符与每个模板字符的匹配程度，最相似的就是匹配结果，从而判断并识别出待识别的结果。图数字字符库**大学本科生毕业设计(论文)图字母库和部分汉

3、字库本章小结本章通过图像预处理、车牌定位以及分割、字符分割和识别为最终的车牌识别做了充分的准备工作，其效果直接影响到最终提取车牌号码的效果。**大学本科生毕业设计(论文)**大学本科生毕业设计(论文)第四章设计结果与分析设计结果本次课程设计选用的车牌图片是湘CLY，通过MATLAB编程实现对图片的每一步处理，最终获得的结果如下图所示：图识别结果图设计分析车牌自动识别的效果主要取决于系统前期图像预处理是否得当[]。对边缘检测处理后的图像进行X、Y方向的像素点统计来确定车牌位置；对分割出的车牌进一步处理去掉细小的杂色点，留下白色的字符以及黑色的背景，这是字符分割前的关键步骤；进行字符分割得到七个字符，再将字符归一化处理，进行模板匹配。整个系统使用MATLAB编程实现，可直接调用函数，不仅有效的缩短了实验时间还降低了变异的难度。**大学本科生毕业设计(论文)

4、式识别的基础，特别是其具有学习能力和容错能力，对不确定模式识别具有独到之处。用神经网络进行字符识别，主要有两种方法。()首先对待识别字符进行特征提取，然后用所获得的特征训练神经网络。这种网络的识别效果与字符特征的提取有关，而字符的特征提取往往耗时较长。()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。这种网络互联较多，待处理信息量较大。神经网络识别法具有抗噪声、容错、自学习能力强、自适应好等优点；融预处理和识别于一体，识别速度非常快，因而受到研究者的青睐，应用在车辆牌照识别系统技术中。其识别原理图如下所示：错误！嵌入对象无效。图神经网络识别原理图字符识别部分一般分为预处理、特征提取和神经网络构件组成，其中预处理就是试将原始数据中的无用信息删除，并对数据进行平滑等处理。在众多环境中，特征提取、神经网络构建就是整个识别的

5、d=imdilate(d,se)；endimwrite(d,'膨胀或腐蚀处理后jg')；figure(),sublot(,,),imshow(d),title('膨胀或腐蚀处理后')%寻找连续有文字的块，若长度大于某阈值，则认为该块有两个字符组成，需要分割d=qiege(d)；[m,n]=size(d)；figure,sublot(,,),imshow(d),title(n)k=；k=；s=sum(d)；j=；whilej~=nwhiles(j)==j=j+；**大学本科生毕业设计(论文)endk=j；whiles(j)~=amamj=round(n)[val,num]=min(sum(d(:,[k+:k])))；d(:,k+num+)=；%分割endend%再切割d=qiege(d)；%切割出个字符y=；y=；flag=；word=[]；whilef

6、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**大学本科生毕业设计(论文)Dmax=；fork=:forl=:if(SubBw(k,l)gt|SubBw(k,l)yd(:,[:wide])=；ifsum(sum(d))~=d=qiege(d)；%切割出最小范围elseword=[]；flag=；endelse**大学本科生毕业设计(论文)word=qiege(imcro(d,[widem]))；d(:,[:w

7、lot(,,),imshow(d),title('车牌二值图像')figure(),sublot(,,),imshow(d),title('中值滤波前')%滤波h=medfilt()；d=imbw(round(filter(h,d)))；imwrite(d,'中值滤波后jg')；figure(),sublot(,,),imshow(d),title('中值滤波后')%某些图像进行操作%膨胀或腐蚀%se=strel('square',)；%使用一个X的正方形结果元素对象对创建的图像进行膨胀%'line''diamond''ball'se=eye()；%eye(n)returnsthenbynidentitymatrix单位矩阵[m,n]=size(d)；ifbwarea(d)mngt=d=imerode(d,se)；elseifbwarea(d)mnlt

8、割在汽车车牌自动识别过程中，字符分割对字符的识别具有承前启后的作用。它以前期车牌定位为基础，再进行字符的分割，然后再利用分割的结果进行字符识别。字符识别的算法很多，因为车牌字符间间隔较大，不会出现字符粘连情况，所以此处采用的方法为寻找连续有文字的块，若长度大于某阈值，则认为该块有两个字符组成，需要分割。在分割之前首先对图像进行针对性的处理，即要对图像进行二值化处理，它的实质是将图像中的每个像素按照一定规则进行分类，也就是将图像转化成只有个等级(黑、白)的二值图像。字符分割可采用垂直投影法。由于字符块在垂直方向上的投影必然在字符间的间隙处取得局部最小值，因此字符的正确分割位置应该在上述最小值附近，并且这个位置应满足车牌的字符书写格式、字符尺寸限制和其他一些条件。垂直投影法处理过程是，对已切割出来的车牌在水平方向上从左至右检测各坐标的投影数值，检测到第一个

9、心。特征提取必须能够反映整个字符的特征，神经网络的输入是字符的特征向量，输出结果是文本格式的字符信息[]。最直接的字符识别方法是模板匹配法，其原理是计算输入模式和样本间的相似性，**大学本科生毕业设计(论文)取相似程度最大的作为输入模式类别种属。我国现有车牌由七个字符组成，车牌的标准格式为XXXXXXX,其中为各省、自治区和直辖市的简称，X为字母，X代表了车牌所属的市，XX为字母和阿拉伯数字的组合。根据我国车牌的特点，建立汉字、数字和字母模板库，X采用汉字库，X采用字母库，XXXXX采用数字库和字母库。最小欧式距离法是模板匹配法的基本算法，最小欧式距离法即对任意一个原型iZ，计算它与待匹配字符iX的欧式距离iD，iiZX，找到最小的iD，其对应的i就是识别出的字符。二维图像的模板匹配算法具体操作如下：dxdyyyyxxxFyxfyyxxT))(),

10、ide])=；ifsum(sum(d))~=；d=qiege(d)；flag=；elsed=[]；endendend%endresult=d；functione=qiege(d)[m,n]=size(d)；to=；bottom=m；left=；right=n；%initwhilesum(d(to,:))==amamto=bottom=bottom；endwhilesum(d(:,left))==amamleft=right=right；enddd=rightleft；hh=bottomto；e=imcro(d,[lefttoddhh])；X方向上的像素统计图图车牌分割的结果字符的识别车牌上的字符共有七个，第一个是汉字，其余的为数字和字母，理想情况下，数字和字母是连通域，汉字也能利用它的位置和太小信息完成连通域的合并。**大学本科生毕业设计(论文)字符的

11、彩色车牌图像')imwrite(dw,'dwjg')；[filename,fileath]=uigetfile('dwjg','输入一个定位裁剪后的车牌图像')；jg=strcat(fileath,filename)；a=imread('dwjg')；b=rgbgray(a)；imwrite(b,'车牌灰度图像jg')；**大学本科生毕业设计(论文)figure()；sublot(,,),imshow(b),title('车牌灰度图像')g_max=double(max(max(b)))；g_min=double(min(min(b)))；T=round(g_max(g_maxg_min))；%T为二值化的阈值[m,n]=size(b)；d=(double(b)gt=T)；%d:二值图像imwrite(d,'车牌二值图像jg')；figure()；su

12、影值部位的坐标可是为首字符的左边界，从该坐标向右检测到的第一个投影值为的坐标可是为首字符的右边界，其余字符的边界坐标相同处理可得。图字符识别前的预处理图**大学本科生毕业设计(论文)图字符的分割结果字符的识别车牌字符识别目前最常用的方法是基于模板匹配和神经网络的方法。模板匹配是一种最经典、最直接的模式识别方法，先对待识别字符进行二值化，并归一化为模板的大小，最后选最佳的匹配作为分类结果。模板匹配方法的缺点是抗干扰能力差，识别能力低，任何有光光照、字符清晰和大小的变化都会影响模板匹配的正确率。神经网络理论自世纪中叶提出以来，取得了一系列的研究成果。近年来，随着非线性科学和计算机技术的发展，关于神经网络理论的研究进入一个新的高潮。其应用已经渗透到各个领域，并且取得了巨大的进步。神经网络所具有的信息分布式存储、大规模自适应并行处理以及高度的容错性等是它们用于