基于BP神经网络的车牌识别系统（Matlab代码实现）

荔枝科研社

已于 2022-10-31 15:07:08 修改

阅读量673

点赞数

分类专栏：神经网络预测预测与分类图像处理(Matlab代码及讲解) 文章标签：神经网络 matlab 机器学习

于 2022-10-31 15:05:50 首次发布

本文链接：https://blog.csdn.net/weixin_46039719/article/details/127615766

版权

神经网络预测预测与分类同时被 2 个专栏收录

136 篇文章 57 订阅

订阅专栏

图像处理(Matlab代码及讲解)

118 篇文章 31 订阅

订阅专栏

💥💥💥💞💞💞欢迎来到本博客❤️❤️❤️💥💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

💥1 概述

在交通管理中,车牌识别起着重要的作用。车牌识别是一个复杂的过程,主要涉及到车牌的检测和车牌字符的识别。在一些文献中，利用灰度直方图和模板匹配来进行车牌的定位和识别[1.2↓这些方法虽然对车牌识别取得了一些成果,但也有局限性,没有充分利用车牌固有的特征,没有考虑到分割符对字符分割的影响,对于污损的车牌和不同型号的车牌识别效果并不理想等。本文利用车牌的先验知识进行定位引进双阈值进行字符分割,利用13段特征提取法提取特征向量作为神经网络的输入向量[3]对上述问题提出了新的解决方法。

📚2 运行结果

部分代码：

function [sbw,angle]=rotateimg(sbw1)
%%
%Step6 计算车牌水平投影，并对水平投影进行峰谷分析
histcol1=sum(sbw1); %计算垂直投影
histrow=sum(sbw1'); %计算水平投影
% figure,subplot(2,1,1),bar(histcol1);title('垂直投影（含边框）');%输出垂直投影
% subplot(2,1,2),bar(histrow); title('水平投影（含边框）');%输出水平投影
% figure,subplot(2,1,1),bar(histrow); title('水平投影（含边框）');%输出水平投影
% subplot(2,1,2),imshow(sbw1);title('车牌二值子图');%输出二值图
%对水平投影进行峰谷分析
meanrow=mean(histrow);%求水平投影的平均值
minrow=min(histrow);%求水平投影的最小值
levelrow=(meanrow+minrow)/2;%求水平投影的平均值
count1=0;
l=1;
hight=size(sbw1,1);
for k=1:hight
if histrow(k)<=levelrow
count1=count1+1;
else
if count1>=1
markrow(l)=k;%上升点
markrow1(l)=count1;%谷宽度（下降点至下一个上升点）
l=l+1;
end
count1=0;
end
end
markrow2=diff(markrow);%峰距离（上升点至下一个上升点）
[~,n1]=size(markrow2);
n1=n1+1;
markrow(l)=hight;
markrow1(l)=count1;
markrow2(n1)=markrow(l)-markrow(l-1);
% l=0;
for k=1:n1
markrow3(k)=markrow(k+1)-markrow1(k+1);%下降点
markrow4(k)=markrow3(k)-markrow(k);%峰宽度（上升点至下降点）
markrow5(k)=markrow3(k)-double(uint16(markrow4(k)/2));%峰中心位置
end
%%
%Step7 计算车牌旋转角度
%(1)在上升点至下降点找第一个为1的点
[m2,n2]=size(sbw1);%sbw1的图像大小
[m1,n1]=size(markrow4);%markrow4的大小
maxw=max(markrow4);%最大宽度为字符
if markrow4(1) ~= maxw%检测上边
ysite=1;
k1=1;
for l=1:n2
for k=1:markrow3(ysite)%从顶边至第一个峰下降点扫描
if sbw1(k,l)==1
xdata(k1)=l;
ydata(k1)=k;
k1=k1+1;
break;
end
end
end
else %检测下边
ysite=n1;
if markrow4(n1) ==0
if markrow4(n1-1) ==maxw
ysite= 0; %无下边
else
ysite= n1-1;
end
end
if ysite ~=0
k1=1;
for l=1:n2
k=m2;
while k>=markrow(ysite) %从底边至最后一个峰的上升点扫描
if sbw1(k,l)==1
xdata(k1)=l;
ydata(k1)=k;
k1=k1+1;
break;
end
k=k-1;
end
end
end
end
%(2)线性拟合，计算与x夹角
fresult = fit(xdata',ydata','poly1'); %poly1 Y = p1*x+p2
p1=fresult.p1;
angle=atan(fresult.p1)*180/pi; %弧度换为度，360/2pi, pi=3.14
%(3)旋转车牌图象
subcol = imrotate(sbw1,angle,'bilinear','crop'); %旋转车牌图象
sbw = imrotate(sbw1,angle,'bilinear','crop');%旋转图像
% figure,subplot(2,1,1),imshow(subcol);title('车牌灰度子图');%输出车牌旋转后的灰度图像标题显示车牌灰度子图
% subplot(2,1,2),imshow(sbw);title('');%输出车牌旋转后的灰度图像
% title(['车牌旋转角: ',num2str(angle),'度'] ,'Color','r');%显示车牌的旋转角度