基于MATLAB的車牌識別系統(tǒng)設(shè)計

1、-PAGE . z.本科畢業(yè)設(shè)計題目基于MATLAB的車牌識別系統(tǒng)設(shè)計作 者： 鄒思凡 專 業(yè)： 自動化(本一) 指導(dǎo)教師： 徐一鳴 完成日期： 2016年6月1日 原創(chuàng)性聲明本人聲明：所呈交的論文是本人在導(dǎo)師指導(dǎo)下進(jìn)展的研究成果。除了文中特別加以標(biāo)注和致的地方外，論文中不包含其他人已發(fā)表或撰寫過的研究成果。參與同一工作的其他同志對本研究所做的任何奉獻(xiàn)均已在論文中作了明確的說明并表示了意。 簽 名：日 期：本論文使用授權(quán)說明本人完全了解大學(xué)有關(guān)保存、使用學(xué)位論文的規(guī)定，即：學(xué)校有權(quán)保存論文及送交論文復(fù)印件，允許論文被查閱和借閱；學(xué)?？梢怨颊撐牡娜炕蚓植咳?。的論文在解密后應(yīng)遵守此規(guī)定學(xué)生簽名

2、：指導(dǎo)教師簽名：日期： -. z南 通 大 學(xué)畢 業(yè) 設(shè) 計論文題目： 基于MATLAB的車牌識別系統(tǒng)設(shè)計 姓 名： 鄒思凡指導(dǎo)教師： 徐一鳴專 業(yè)： 自動化(本一) 大學(xué)電氣工程學(xué)院2016 年6月1日-PAGE . z摘 要近幾年，隨著現(xiàn)代社會的開展，汽車數(shù)量越來越多，研究智能交通系統(tǒng)是勢在必行。其應(yīng)用場合包括：違章車輛抓拍、不停車自動收費(fèi)、交通流量檢測、停車場車輛管理、失竊車輛查詢等方面，具有巨大的市場前景及商業(yè)價值。車牌識別系統(tǒng)在智能交通系統(tǒng)中的地位舉足輕重?；贛ATLAB的車牌識別系統(tǒng)需要識別車牌圖像，其中要涉及到圖像處理技術(shù)、人工神經(jīng)網(wǎng)絡(luò)、模式識別技術(shù)。本文簡要介紹了國外車牌識別

3、系統(tǒng)的研究現(xiàn)狀和開展趨勢，并結(jié)合車牌識別的各模塊，選擇了相應(yīng)的算法。利用MATLAB軟件仿真到達(dá)了圖像預(yù)處理、車牌定位、車牌字符分割和車牌字符識別四大模塊的效果。 仿真結(jié)果證明，本次設(shè)計的車牌識別系統(tǒng)根本能夠?qū)崿F(xiàn)車牌識別、車牌定位、字符分割及字符識別的功能。本實驗共對60車牌圖片進(jìn)展了識別，其中總共包含了420個字符，識別中錯誤字符38個，正確率到達(dá)了90.5% 。本系統(tǒng)根本可以滿足車牌識別的各個功能，可以應(yīng)用于實際生活中。關(guān)鍵詞：車牌識別，車牌定位，字符識別，字符分割，MATLABABSTRACTLast few years, with the development of modern s

4、ociety, the increase of city vehicles is rapid and the further research of the Intelligent Transportation System is increasingly important. Its applications include: electronic policeman, electronic toll collection system, traffic flow control, parking lot management, stolen vehicle inquiry, etc. It

5、 has a broad market prospects and mercial value. The License Plate Recognition System plays a pivotal role in the Intelligent Transportation System. The License Plate Recognition System based on MATLAB needs to recognize the license plate and it involves image processing, artificial neural networks,

6、 pattern recognition technology and some other fields.This article introduces the current research situation, the development trend of domestic and foreign license plate recognition system and selects the appropriate algorithms bined with each module of the license plate recognition system. We use t

7、he MATLAB software simulator and achieve good effects of four modules which are the image preprocessing, license plate location, license plate character segmentation and license plate character recognition.The simulation result shows that this license plate recognition system designed basically achi

8、eved the function of the license plate recognition, license plate location, character segmentation and character recognition. In this study, a total of 420 license plate images are identified, which contains 38 wrong characters, with the correct rate reaching to 90.5%. The system can basically meet

9、the various functions of license plate recognition and it can be applied to real life.Key words: license plate location, character recognition, character segmentation, MATLAB目錄TOC o 1-3 h u HYPERLINK l _Toc2831 摘 要 PAGEREF _Toc2831 I HYPERLINK l _Toc11960 ABSTRACT PAGEREF _Toc11960 II HYPERLINK l _T

10、oc26427 第一章 緒論 PAGEREF _Toc26427 1 HYPERLINK l _Toc27945 1.1課題背景及意義 PAGEREF _Toc27945 1 HYPERLINK l _Toc16171 1.2 智能交通系統(tǒng)概述 PAGEREF _Toc16171 1HYPERLINK l _Toc1843 1.3 車輛識別技術(shù)簡介 PAGEREF _Toc1843 2 HYPERLINK l _Toc30885 1.4 車牌識別系統(tǒng)組成與設(shè)計 PAGEREF _Toc30885 3 HYPERLINK l _Toc31909 1.5本論文主要研究容 PAGEREF _Toc3

11、1909 5 HYPERLINK l _Toc2257 第二章 車牌圖像預(yù)處理 PAGEREF _Toc2257 6 HYPERLINK l _Toc30775 2.1 引言 PAGEREF _Toc30775 6 HYPERLINK l _Toc6388 2.2 圖像格式轉(zhuǎn)換及尺寸歸一化 PAGEREF _Toc6388 6 HYPERLINK l _Toc10720 2.3 圖像灰度化 PAGEREF _Toc10720 7 HYPERLINK l _Toc7654 2.4 邊緣檢測 PAGEREF _Toc7654 9 HYPERLINK l _Toc3303 2.5 圖像的二值化 PA

12、GEREF _Toc3303 10 HYPERLINK l _Toc24662 2.6 數(shù)學(xué)形態(tài)學(xué)處理 PAGEREF _Toc24662 14 HYPERLINK l _Toc16292 第三章 車牌定位及字符分割 PAGEREF _Toc16292 16 HYPERLINK l _Toc9243 3.1 引言 PAGEREF _Toc9243 16 HYPERLINK l _Toc511 3.2 車牌定位算法簡介 PAGEREF _Toc511 16 HYPERLINK l _Toc20261 3.3 本文車牌定位算法 PAGEREF _Toc20261 17 HYPERLINK l _T

13、oc22833 3.4車牌傾斜矯正 PAGEREF _Toc22833 17 HYPERLINK l _Toc13507 3.5 車牌邊框的去除 PAGEREF _Toc13507 20 HYPERLINK l _Toc2651 3.6 車牌字符分割 PAGEREF _Toc2651 20 HYPERLINK l _Toc4190 3.6.1 車牌的規(guī)格 PAGEREF _Toc4190 20 HYPERLINK l _Toc27361 3.6.2車牌分割算法 PAGEREF _Toc27361 21 HYPERLINK l _Toc21218 第四章 車牌字符識別 PAGEREF _Toc2

14、1218 23 HYPERLINK l _Toc15545 4.1引言 PAGEREF _Toc15545 23 HYPERLINK l _Toc16470 4.2 車牌字符識別常用方法 PAGEREF _Toc16470 23 HYPERLINK l _Toc15880 4.2.1基于模板匹配的字符識別算法 PAGEREF _Toc15880 23 HYPERLINK l _Toc1926 4.2.2 基于支持向量機(jī)的字符識別算法 PAGEREF _Toc1926 24 HYPERLINK l _Toc3775 4.2.3 基于人工神經(jīng)網(wǎng)絡(luò)的字符識別算法 PAGEREF _Toc3775 2

15、5 HYPERLINK l _Toc2984 4.3 BP神經(jīng)網(wǎng)絡(luò)的構(gòu)造 PAGEREF _Toc2984 26 HYPERLINK l _Toc25630 4.4 BP神經(jīng)網(wǎng)絡(luò)在車牌識別中的應(yīng)用 PAGEREF _Toc25630 27 HYPERLINK l _Toc6234 4.4.1 特征提取 PAGEREF _Toc6234 27 HYPERLINK l _Toc320 4.4.2 BP 神經(jīng)網(wǎng)絡(luò)的構(gòu)造與設(shè)計 PAGEREF _Toc320 28 HYPERLINK l _Toc14962 4.4.3 網(wǎng)絡(luò)訓(xùn)練 PAGEREF _Toc14962 28 HYPERLINK l _To

16、c25888 4.5實驗結(jié)果 PAGEREF _Toc25888 29 HYPERLINK l _Toc3192 第五章 總結(jié)與展望 PAGEREF _Toc3192 34 HYPERLINK l _Toc31681 5.1 總結(jié) PAGEREF _Toc31681 34 HYPERLINK l _Toc11571 5.2 展望 PAGEREF _Toc11571 34 HYPERLINK l _Toc29567 參考文獻(xiàn) PAGEREF _Toc29567 35 HYPERLINK l _Toc17700 致 PAGEREF _Toc17700 36-. z第一章緒論1.1課題背景及意義伴隨

17、著經(jīng)濟(jì)的持續(xù)開展，人民生活質(zhì)量的日益改善，汽車數(shù)量的急速增加導(dǎo)致道路交通越來越擁擠。在這種情況下，僅僅依靠投入大量的資金到公路等交通根底設(shè)施的建立之中，已經(jīng)遠(yuǎn)遠(yuǎn)不能解決交通擁堵、交通事故發(fā)生率居高不下、環(huán)境污染等一些日益嚴(yán)重的問題。此外，由于城市空間的限制、修建新的道路所需要的巨額資金以及環(huán)境的壓力，建立更多根底設(shè)施必然受到嚴(yán)格的限制。因此，如何改善道路交通現(xiàn)狀已經(jīng)成為現(xiàn)代交通系統(tǒng)中刻不容緩的問題。所以，要想從根本上解決問題必須利用高新技術(shù)如計算機(jī)、網(wǎng)絡(luò)、通信技術(shù)、自動化技術(shù)等來改造現(xiàn)有的道路運(yùn)輸系統(tǒng)及其管理體系。此時，智能交通系統(tǒng) (Intelligent Traffic System，簡稱

18、ITS)順應(yīng)時代要求出現(xiàn)了，它大改善了道路交通的現(xiàn)狀。1.2 智能交通系統(tǒng)概述起初，智能交通系統(tǒng)Intelligent Transportation Systems , ITS是由智能車輛道路系統(tǒng)Intelligent Vehicle Highway System , IVHS開展而來。智能交通系統(tǒng)是一個實時的綜合管理系統(tǒng)，它涉及了計算機(jī)技術(shù)、控制技術(shù)、信息技術(shù)等領(lǐng)域的知識，應(yīng)用于各種場合1。自20世紀(jì)80年代開場，人們就已經(jīng)開場利用圖像處理技術(shù)領(lǐng)域的相關(guān)知識來解決車牌識別的問題，只不過此時的研究還處于起步階段，未能到達(dá)理想的效果。直到20世紀(jì)90年代初，隨著計算機(jī)視覺的開展，ITS才開場成為

19、一個正式的具有一定意義的名詞。進(jìn)入90年代后，美國、歐洲、日本、加拿大、國、新加坡和等國家和地區(qū)為了改善越來越嚴(yán)峻的道路交通情況，開場投入巨額資金和大量精力到ITS的開發(fā)和研究中，這一舉措極推動了ITS的深入研發(fā)。在當(dāng)今世界的世界交通領(lǐng)域里，智能交通系統(tǒng)的開展始終代表著最先進(jìn)的課題研究方向，興旺國家正在深入研究和開發(fā)車牌識別系統(tǒng)，目的是治理交通問題并改善環(huán)境，運(yùn)用傳感器、計算機(jī)等領(lǐng)域的知識解決難題更好地實現(xiàn)現(xiàn)代道路交通系統(tǒng)的智能化2。不可防止地，我國也正在大力地深入研發(fā)智能交通系統(tǒng)，并將其作為交通運(yùn)輸領(lǐng)域的長期的研究課題。智能交通系統(tǒng)被廣泛地應(yīng)用于各種公共場所，例如停車場、機(jī)場、公路實時管理系

20、統(tǒng)等等。ITS在全世界圍都被大量應(yīng)用，其中包括一些興旺國家和地區(qū)，例如美、日、歐、北上廣國的、。ITS是一個融合了多個子系統(tǒng)的綜合性體系，其中包括了監(jiān)控系統(tǒng)、控制系統(tǒng)、運(yùn)營管理系統(tǒng)等。從起初開場研究智能交通系統(tǒng)，美國和歐洲等一些興旺國家和地區(qū)就很關(guān)注ITS的開展。美國和歐洲是全世界最興旺的國際和地區(qū)，已經(jīng)對ITS的體系框架進(jìn)展了整體設(shè)計，并取得了長足的進(jìn)步，因此在美、歐地區(qū)ITS的開展和應(yīng)用最為先進(jìn)和完備。在亞洲，日本人口眾多但國土面積不夠，迫切的需要研發(fā)出更為先進(jìn)的智能交通系統(tǒng)并將其應(yīng)用于各種公共場所之中。國和新加坡也不斷加大投資本錢，用于研究和開發(fā)適合本國國情的智能交通系統(tǒng)。其中國政府曾投

21、入75億的巨資來建立7個智能交通系統(tǒng)的子系統(tǒng)。國早在上個世紀(jì)就投入到了智能系統(tǒng)的研究，當(dāng)時被稱為交通工程。在國大量的研究人員一直致力于開發(fā)出一套先進(jìn)且高效的ITS，現(xiàn)在已經(jīng)取得了可觀的成果。在全世界圍，美國的ITS覆蓋率和應(yīng)用率毋庸置疑的是最高，保守統(tǒng)計至少在百分之八十甚至不止。因為智能交通系統(tǒng)極緩解交通問題而且還帶來了可觀的利益回報，所以世界各國紛紛斥資研發(fā)智能交通系統(tǒng)3。ITS的開展極推動了經(jīng)濟(jì)的持續(xù)開展，ITS業(yè)甚至成為一個重要的經(jīng)濟(jì)增長點。1.3 車輛識別技術(shù)簡介在很多公共場合，車牌識別系統(tǒng)被大量的應(yīng)用，例如測速系統(tǒng)、收費(fèi)系統(tǒng)等等。目前可使用的汽車圖像檢測方法有很多，其中利用率比擬高的

22、是：使用紅外探測裝置進(jìn)展檢測的方法、使用超聲波裝置識別的方法、使用感應(yīng)線圈檢測等等4。在國外研究人員的深入研發(fā)，車牌識別技術(shù)自提出到開展至今，已經(jīng)形成了比擬完備的體系并得到了廣泛的應(yīng)用。但是由于外部環(huán)境的影響、攝像技術(shù)有待提高、清晰度不夠帶來的問題、破損污舊車牌識別難度較大、車牌缺乏統(tǒng)一的標(biāo)準(zhǔn)等不利條件的影響，導(dǎo)致車牌識別難以到達(dá)預(yù)想的識別效果，而且由于通常需要大量數(shù)值計算，難以滿足實時性上的要求。國外研究人員很早就開場致力于研發(fā)車牌識別系統(tǒng)，目前國研發(fā)出的ITS還不如國外的先進(jìn)。直到今天，國外研發(fā)出的ITS已經(jīng)比擬完備，例如日本開發(fā)的VICS系統(tǒng)以，的Asia Vision Technolo

23、gy公司推出的VECON，新加坡Optasia公司設(shè)計的VLPRS系列，以色列的Hi.Tech公司開發(fā)的See/Car System等。我國的汽車牌照中包含漢字、大寫的英文字母和阿拉伯?dāng)?shù)字，識別難度比國外的汽車牌照高得多，所以國外的車牌識別系統(tǒng)不能適用于我國的車牌識別。我國研究車牌識別系統(tǒng)比國外晚了將近20年左右，但是我國的研究成果也不容小覷，郭杰，施鵬飛研制出了一種精準(zhǔn)的定位算法，這種方法借助車牌的顏色信息和紋理特征實現(xiàn)功能；學(xué)春，戚飛虎采用顏色信息對待分割物體進(jìn)展字符分割，研究出了一種高效的自動識別技術(shù)。此外，國的許多科研單位已經(jīng)開發(fā)出了比擬完備的車牌識別系統(tǒng)，例如亞洲視覺科技，弗雷德科技

24、等。近年來，在國，有一些大學(xué)和科研機(jī)構(gòu)也對于本課題的研究進(jìn)展了嘗試。從目前已經(jīng)發(fā)表了的論文來看，主要有交大、浙大、同濟(jì)大學(xué)等院校正在研究這一課題。伴隨著模式識別和信息技術(shù)的開展，車牌識別系統(tǒng)的開展日臻完善，本論文采用了一些近幾年才提出的算法，例如利用數(shù)學(xué)形態(tài)學(xué)算法對車牌進(jìn)展邊緣檢測，采用BP神經(jīng)網(wǎng)絡(luò)等等。但是因為該課題研究存在著一定的難度，并且車牌易受噪聲和光照等干擾條件的影響，所以到現(xiàn)在為止，還未研發(fā)出一套極為完備且識別率高達(dá)百分百的算法。隨著對車牌識別系統(tǒng)迫切需求的不斷增加，人們對車牌識別率的期望值也不斷變高，目前，對該領(lǐng)域的研究仍然很活潑。根據(jù)目前已應(yīng)用車牌識別系統(tǒng)的場合的反應(yīng)情況來看，

25、其存在的缺乏之處主要是車牌識別時，執(zhí)行時間太長導(dǎo)致實時性不高以及識別效果不理想。因此，車牌識別率的上下和執(zhí)行時間的長短是未來車牌識別技術(shù)中亟待解決的問題和兩個重點研究技術(shù)。它們是衡量ITS的性能優(yōu)劣的重要指標(biāo)，它們受系統(tǒng)的硬件性能和識別算法的制約。鑒于本文研究的基于軟件仿真根底的車牌識別技術(shù)，所以只需考慮綜合優(yōu)化的算法來改善系統(tǒng)性能即本文研究的關(guān)鍵技術(shù)就是車牌的識別率和執(zhí)行速度。1.4 車牌識別系統(tǒng)組成與設(shè)計車牌識別技術(shù)是一門圖像處理、數(shù)據(jù)壓縮以及模式識別等方法的綜合性技術(shù)，其核心技術(shù)就是把準(zhǔn)確地提取出圖像中的車牌，并且正確地識別出車牌。ITS涉及到原始圖像識別、圖像預(yù)處理、車牌區(qū)域的定位、車

26、牌區(qū)域的字符分割以及車牌區(qū)域的字符識別等幾個模塊，本論文研究的基于MATLAB的車牌識別系統(tǒng)設(shè)計的識別流程如圖1.1所示5。圖1.1 車牌識別流程圖本文通過MATLAB軟件設(shè)計了一個車牌識別的仿真系統(tǒng)，該程序成功地到達(dá)了準(zhǔn)確識別實際車輛照片中的車牌的目的，其中不包括硬件采集局部。本仿真系統(tǒng)所需實現(xiàn)的功能分別為 ： 圖像預(yù)處理：可以利用智能手機(jī)自帶的相機(jī)功能在各種不同的環(huán)境下拍攝車牌照從而獲得待識別的汽車牌照的圖像，這一過程不可防止地存在著一定的噪聲等不確定的干擾因素，為此，必須采用車牌圖像預(yù)處理技術(shù)對車牌進(jìn)展處理，如灰度化、濾波、灰度拉伸、二值化、矯正等，為下一步定位車牌做好充分的準(zhǔn)備； (2

27、)車牌定位：包含車牌的粗定位和準(zhǔn)確定位，以及裁剪出車輛圖像中的車牌區(qū)域的圖像的功能，這一步比擬重要，正確的定位有助于識別率的提高。 (3)字符分割：車牌中的字符可能出現(xiàn)不同程度的傾斜，所以必要時需要對傾斜的車牌進(jìn)展矯正處理，然后把車牌中的字符精準(zhǔn)地分割成單個的獨立字符。 (4)字符識別：將分割處理后的所有獨立字符逐一識別，使它們從原來的圖像字符變成文本字符。通過編寫程序?qū)崿F(xiàn)功能，最終顯示出車牌。其中每個過程都有不同的算法，不同的算法實現(xiàn)的效果都不盡一樣。本論文研究的車牌識別系統(tǒng)是在MATLAB軟件上進(jìn)展仿真實現(xiàn)識別功能的。系統(tǒng)設(shè)計構(gòu)造圖如圖1.2所示。圖1.2 系統(tǒng)設(shè)計構(gòu)造圖1.5本論文主要研

28、究容是論文的緒論，主要介紹了本課題的研究背景與開展情況，并提出了本課題的研究容。是車牌原始圖像預(yù)處理的局部。主要介紹了車牌圖像格式轉(zhuǎn)化、灰度化、二值化等預(yù)處理容。是車牌定位和字符分割。這一章介紹了幾種常見的定位算法和字符分割算法，并進(jìn)展了車牌位置矯正和車牌邊框去除。為字符識別的局部，是整個系統(tǒng)中最核心的環(huán)節(jié)。本章簡單介紹了三種識別算法。第二章 車牌圖像預(yù)處理2.1 引言本章首先闡述了數(shù)字圖像的容和概念，然后詳細(xì)介紹了車牌圖像尺寸轉(zhuǎn)換、灰度化、邊緣檢測、形態(tài)學(xué)處理等多方面的算法，并采用了這些算法中的最優(yōu)算法組合，力圖實現(xiàn)最優(yōu)的識別效果。原始的車牌圖像要通過采集才可以得到，圖像采集主要是利用攝像頭

29、、數(shù)碼相機(jī)等采集設(shè)備拍攝車牌圖像來獲取的。所以原始圖像通常是彩色的，其中不可防止地包括了大量的顏色信息，不僅需要很大的存儲空間而且尺寸不一，所以在處理時也會降低系統(tǒng)的執(zhí)行效率，此外還不可防止地存在著或多或少的無關(guān)識別的信息，因而需要把彩色圖像轉(zhuǎn)變成灰度圖像；同時因為圖像采集的過程中環(huán)境的多變性和車輛的速度等多種因素的影響，以致車牌圖像的質(zhì)量不高，存在著不同程度的干擾及噪聲，給后面的定位、分割和識別工作帶來困難，直接影響到后續(xù)工作的開展和整個系統(tǒng)的性能。因此，在車牌圖像的定位前，對圖像質(zhì)量進(jìn)展提高而進(jìn)展圖像預(yù)處理的工作，不僅能消除噪聲、改善圖像質(zhì)量，而且還可以有效地減少系統(tǒng)存儲空間的需要6。圖1

30、.3給出了具體流程圖。圖2.1 圖像預(yù)處理2.2 圖像格式轉(zhuǎn)換及尺寸歸一化預(yù)處理的第一步是要對圖像的格式進(jìn)展轉(zhuǎn)換及尺寸進(jìn)展歸一化處理，圖像預(yù)處理能減少提取圖像特征時的計算量，并且能防止存儲空間的浪費(fèi)，提高利用率和實時性。圖像格式轉(zhuǎn)換和尺寸變換有幾種方法：方法一是單純用手工操作圖像處理類的專業(yè)軟件來調(diào)整格式和大??；方法二是參加相應(yīng)的處理模塊到系統(tǒng)中，然后根據(jù)需要系統(tǒng)自動處理完成。因為不同的圖像處理類的軟件采用的算法不完全一樣，所以處理出的效果雖然外表看不出什么差異，但是其在特征匹配時的差異非常大，有的時候甚至可能導(dǎo)致圖像失配。因此，應(yīng)該盡可能采用統(tǒng)一的尺寸變換和格式轉(zhuǎn)換算法。2.3 圖像灰度化通

31、常情況下，用相機(jī)拍攝的車牌圖像都是彩色的，所以為了識別速度快，需要先對圖像進(jìn)展灰度化操作。彩色圖像又被稱為圖像，它是用、來表示一個像素的顏色的，、分別代表紅色、綠色、藍(lán)色，通過組合這三個根本顏色就可以合成出任意的顏色7。則，對于一個大小為的彩圖而言，就需要一個 的三維數(shù)組來存儲該圖像。彩色圖像中存在不少顏色信息，不僅需要較大的空間進(jìn)展存儲，還會大大延長系統(tǒng)的識別時間，使實時性不達(dá)標(biāo)。因為彩圖的每個像素都包含著、三種不一樣的分量，識別時，不需要使用其中很多無關(guān)信息，這也不利于進(jìn)一步識別。所以，在進(jìn)一步地處理圖像之前，需要將圖像由彩色轉(zhuǎn)換為灰度，目的就是為了加快處理的速度和節(jié)省存儲的空間。在的模型

32、中，假設(shè)、三個值都相等，則它代表一種灰度的顏色，而相等的那個值就被稱為灰度值8。上面介紹的這個將彩圖變?yōu)榛叶葓D的過程就是這一小節(jié)的重點對圖像進(jìn)展灰度處理。將采集到的車牌圖像進(jìn)展灰度化處理后，此時的車牌圖像值包含亮度信息，不包含彩色信息9。一個二維的數(shù)據(jù)矩陣就可以實現(xiàn)存儲和處理一個灰度圖像的功能，矩陣中的所有獨立元素代表相應(yīng)像素的灰度值?；叶鹊膱D像的像素色是，彩色的圖像的像素色是，彩色圖像的顏色可分解為、。、取值的圍和灰度圖像的轉(zhuǎn)換方法如下：(l)最大值法：取、中的最大值并將其賦給其他兩個分量，即:(2.1)(z)平均值法：使、的值等于三個值的和的平均值，即: (2.2)(3)加權(quán)平均值法：按照

33、*一指標(biāo)給、賦權(quán)值、，并使、的值等于它們的值的加權(quán)平均值，其中、為，和，即：(2.3)一般情況下，人類的雙眼最容易區(qū)分出綠色，較容易三個分辨出紅色，但是不容易區(qū)分出藍(lán)色，所以我們通常利用第三種方法進(jìn)展灰度化處理。經(jīng)轉(zhuǎn)換后的圖像只包含強(qiáng)度信息，因此灰度模型不能重新轉(zhuǎn)換為模型。經(jīng)灰度化處理之后的彩色圖像保存了圖像的主要信息，不會喪失車牌的主要特征信息，同時圖像經(jīng)灰度化處理后為車牌的字符分割提供了簡單的處理對象。車牌灰度化處理前后圖如下：圖2.2 原始車牌圖像圖2.3 灰度圖像2.4 邊緣檢測車牌識別系統(tǒng)需要處理的是灰度圖像和二值圖像，在處理時需要利用車牌字符的邊緣特征。邊緣就是指圖像中出現(xiàn)的灰度值

34、不連續(xù)的點，將它們連起來就形成了物體的邊。車牌圖像的邊緣是區(qū)域與區(qū)域之間的交界10。所以能否準(zhǔn)確檢測出字符邊緣就直接影響到最后識別結(jié)果的準(zhǔn)確度。邊緣檢測的作用就是檢測并突出圖像的邊緣局部、灰度值跳變局部和紋理突變局部。車牌中包含很多的邊緣信息，可以通過邊緣檢測的算法來提取出車牌的特征信息。邊緣檢測是對*一領(lǐng)域的灰度變化的考察，邊緣檢測局部算子法利用邊緣鄰近的一階導(dǎo)數(shù)和二階導(dǎo)數(shù)的值來判定邊緣，一階算子梯度算子可以檢測一個像素是否是算子，二階算子拉普拉斯算子可以判定一個像素是在邊緣的亮側(cè)還是暗側(cè)。目前可使用的邊緣檢測算子有很多種，本文由于篇幅和時間限制，僅對四種較為常用的檢測算子進(jìn)展簡要介紹，分別

35、是Robert算子、Prewitt算子、Sobel算子和Canny算子等11。和和和和(a)Robert算子 (b)Prewitt算子 (c)Sobel算子 (d)Canny算子圖2.4 邊緣檢測算子Roberts算子的檢測速度比擬快，邊緣定位準(zhǔn)確，但是易受噪聲干擾，從而喪失一些邊緣信息。Prewitt算子和Sobel算子都是加權(quán)平均，對圖像質(zhì)量要求不高，但是邊緣檢測效果不好。Canny算子對邊緣檢測的精度較高，且具有很好的信噪比，所以被廣泛應(yīng)用于邊緣檢測中。Canny 算子檢測圖像邊緣例如如圖2.5所示。圖2.5 邊緣檢測2.5 圖像的二值化在研究車牌識別系統(tǒng)時需要屢次利用灰度圖像的二值化算

36、法，如圖像灰度化后的圖像增強(qiáng)階段、對車牌區(qū)域進(jìn)展粗定位階段、精定位之后的字符分割階段等，可以使用不同的二值化算法。二值圖像指圖像的灰度值只有0和255的圖像，不存在其他灰度值。原因有兩方面：一、一些待處理的圖像本身就是二值圖像，如工程圖像、指紋圖像等；二、盡管有些圖像是灰度的，我們?yōu)榱颂岣咛幚硭俣龋矔⑵滢D(zhuǎn)化為二值化的圖像。此外，二值圖像能應(yīng)用幾何學(xué)中的特征描述，具有巨大的優(yōu)勢。圖像的二值化是根據(jù)圖像中待提取目標(biāo)與背景之間灰度差異計算出一個閾值，然后圖像中的各個像素的灰度值與這個閾值的大小進(jìn)展比擬，然后將大于閾值的像素歸為一類并用1來表示，小于閾值的則為另一類用0表示12。這種理論基于背景與

37、物體的灰度值存在差異。因而，閾值分割的算法分為兩步：一是計算出閾值；二是做比照然后取值。確定閾值是以上步驟中關(guān)鍵的一步，恰當(dāng)?shù)剡x取好閾值，可以有效地除去噪聲，并且可以將圖像中的目標(biāo)和背景分割開，從而大大減少信息量并提高處理速度。目前確定閾值的方法有多種，依據(jù)閾值的應(yīng)用圍常用的有以下三種方法：1、直方圖技術(shù)如果在一幅圖像中，背景是淺灰色的，但其中包含一個深色像素的物體，這類圖像的雙峰直方圖如圖2.6所示?；叶燃壍膬煞逯g存在一個灰度級的數(shù)量極少的一個局部，從而產(chǎn)生了谷，以谷值作為灰度閾值。圖2.6 雙峰直方圖二值化公式如下： 2.4全局閾值法全局閾值法，就是選擇一個常數(shù)作為閾值并將其作用于整幅圖

38、像中的每一個像素。其中，比選定閾值大的像素標(biāo)記為背景，反之為物體。這種方法處理速度快，尤其適用于背景單一的圖像，但是當(dāng)圖像的背景復(fù)雜時，就不能很好地到達(dá)預(yù)設(shè)的目標(biāo)了。(l)極小值點閾值如果把圖像所對應(yīng)的灰度直方圖看成是曲線，則可以借助求取曲線的極小值來選取直方圖的谷。設(shè)表示圖像的灰度直方圖，則極小值點應(yīng)該滿足以下兩個條件:和 2.5(2)迭代閾值分割取灰度中值作為初始值，借助下面的公式進(jìn)展迭代計算: (2.6)在公式2.6中，的含義是指灰度取值為k的像素的數(shù)目，k的取值圍為0到L。當(dāng)Ti+1=Ti時迭代完畢，將此時的Ti值為閾值。OTSU法Ostu法是最常用的全局閾值法，該方法的主要思想是：首

39、先利用閾值T將二值化處理后得到的車牌圖像的灰度值分為兩類，然后計算出相應(yīng)的類間方差和類方差，將兩者相比并求出最大的比值，以此確定出閾值T13。如果將二值化處理后得到的車牌圖像的灰度值有L個取值圍，并且將此時相應(yīng)的閾值假設(shè)為T，則灰度就可以分為兩類，其中將小于T的灰度值設(shè)為類1，顯然，大于T的灰度值設(shè)為類214。則此時，可以利用相應(yīng)的公式和值分別計算出均值和方差。在對車牌圖像的灰度值進(jìn)展分類之前，如果假設(shè)所有灰度值的平均取值為，則此時的類方差可以利用公式2.7計算求得。 (2.7)類間方差由下式計算: (2.8)將公式2.7和公式2.8計算所得的值相比即，要想在類方差保持不變的情況下得到最大的比

40、值，就必須盡量取到的最大值，此時對應(yīng)的像素值就是希望得到的閾值T。局部閾值法一般來說，在經(jīng)過二值化處理后得到的車牌灰度圖像中，圖像的背景的像素值是不是固定不變的，當(dāng)然圖像中的物體的像素值和背景的像素值的比值也不是一成不變的15。正是因為這個原因，閾值T也會隨之改變，這時就不能再采用全局閾值法來處理了，這時就得采用局部閾值法了。局部閾值法是對所有像素取一個閾值，并且保證所取閾值只與其周圍的像素有關(guān)。因為車牌圖像中的所有像素都要確定一個閾值T，所以最后的識別效果比擬理想，適用圍廣，但是執(zhí)行時間長實時性不好。對圖像進(jìn)展局部二值化處理，有一個不可防止且難以克制的問題就是圖像容易不連通16。(1)Nib

41、lack這是一個行之有效并且非常簡便的方法，借助計算車牌圖像中局部位置像素的均值和方差來確定中心位置的像素的閾值。例如，對一個中心位置為的的局部圖像而言，可以很輕松地計算出它的像素的均值和方差值：，則該像素的點的閾值為： (2.9)的大小非常敏感，假設(shè)太大，圖像的細(xì)節(jié)容易被刪去，反之，假設(shè)太小，圖像會存在很多噪聲。(2)Bernsen對中心為的的窗口，其最大和最小像素值為，假設(shè)，則其相應(yīng)閾值為： 2.10)否則該窗口屬于同一類。目前可使用的二值化算法有很多，本文僅就其中幾種做了簡單介紹，每種方法各有優(yōu)缺點。當(dāng)采用全局二值化方法來處理圖像時，Ostu法是最常用且效果還不錯的一種方法。因此本次畢業(yè)

42、設(shè)計，就應(yīng)用了Ostu法進(jìn)展圖像二值化處理，這也為后續(xù)的車牌識別等過程提供了一個高質(zhì)量的車牌圖像。圖2.7是本此設(shè)計中仿真出的二值化車牌圖像。圖2.7 二值化圖像2.6 數(shù)學(xué)形態(tài)學(xué)處理在車牌識別系統(tǒng)中，利用形態(tài)學(xué)的知識和相關(guān)算法可以排除一些直觀上的干擾因素，有利于準(zhǔn)確定位車牌位置。它的原理是首先找到一個有一定形態(tài)的構(gòu)造元素，接下來利用它對車牌圖像中的相關(guān)形狀進(jìn)展量度和提取，從而實現(xiàn)對車牌圖像的分析和識別的功能17。數(shù)學(xué)形態(tài)學(xué)主要采用了領(lǐng)域運(yùn)算形式，可以簡化圖像數(shù)據(jù)，保存圖像中的有用信息，去除無關(guān)信息。最根本的形態(tài)學(xué)運(yùn)算子有膨脹運(yùn)算、腐蝕運(yùn)算以及二者組合而成的開運(yùn)算和閉運(yùn)算等。(1)膨脹運(yùn)算膨脹

43、運(yùn)算的根本原理是將與物體接觸的局部背景點合并到物體中18。經(jīng)過圖像膨脹，圖像邊界變大，元素面積相應(yīng)增加，而且圖像膨脹可以填充圖像中的空隙和連接斷續(xù)點，使其成為連通區(qū)域。膨脹運(yùn)算的公式如下： (2.11)(2)腐蝕運(yùn)算腐蝕運(yùn)算的根本原理是在構(gòu)造元素的制約下，刪減物體的邊界點和邊界上的突出局部，使其向收縮。其主要應(yīng)用于消除分割圖像時產(chǎn)生的微小且無意義的點。腐蝕運(yùn)算的公式如下： (2.12)(3)開運(yùn)算開運(yùn)算也就是對待處理圖像進(jìn)展腐蝕操作和膨脹操作的過程。它的作用是在不改變物體面積的條件下，濾除圖像中的細(xì)小孤立點、毛刺，擦除在兩塊區(qū)域的之間的連接小點，平滑圖像的大致輪廓。同時在保證圖像面積根本不變和

44、相對完整地保存構(gòu)造元素點的條件下，不改變圖像總的位置和形狀。(4)閉運(yùn)算閉運(yùn)算即先膨脹后腐蝕。該運(yùn)算可以在不影響圖像中的明亮細(xì)節(jié)的條件下，去除暗細(xì)節(jié)局部。經(jīng)閉運(yùn)算后，圖像中的細(xì)小空隙得以填充，連通圖像中臨近的物體，圖像邊界更為平滑，在不明顯改變物體面積的情況下，圖像總的位置和形狀保持不變。本論文中對字符區(qū)域進(jìn)展形態(tài)學(xué)腐蝕運(yùn)算，去除圖像中不連續(xù)的邊界點，再應(yīng)用形態(tài)學(xué)閉運(yùn)算，連通圖像中的小塊區(qū)域，最后刪除干擾因子初步定位車牌區(qū)域19。確定車牌區(qū)域的流程圖如下：圖2.8 確定車牌區(qū)域的流程圖第三章 車牌定位及字符分割3.1 引言車牌定位是整個車牌識別系統(tǒng)中對圖像處理較為重要的第一步，能否正確定位出車

45、牌位置直接影響到車牌識別率。車牌定位就是從原始的車輛照片上根據(jù)車輛牌照的長寬比和顏色組合信息等特征來檢測出面積盡可能小而完全包圍車牌區(qū)域的圖像，并將其從原始圖像中分割出來?，F(xiàn)實環(huán)境下，不同的光照以及不同的拍攝距離、角度的影響，采集到的車牌圖像可能模糊不清甚至文字筆畫不連續(xù)，所以要排除干擾，準(zhǔn)確地定位出車牌位置有一定的難度。3.2 車牌定位算法簡介目前常用的車牌定位算法有數(shù)學(xué)形態(tài)學(xué)法、邊緣檢測法、小波分析法、灰度值法20?；跀?shù)學(xué)形態(tài)學(xué)的定位算法基于數(shù)學(xué)形態(tài)學(xué)的定位算法就是利用腐蝕運(yùn)算和閉運(yùn)算處理二值化圖像，確定出目標(biāo)，濾除噪聲，實現(xiàn)車牌的定位。其中腐蝕運(yùn)算可以刪去圖像中的邊界點和邊界上的突出局

46、部，閉運(yùn)算可以連通圖像中的小塊區(qū)域，最后依據(jù)車牌圖像的特征知識來實現(xiàn)功能。這種方法可以自動調(diào)整閾值，從而適應(yīng)光照等外界因素的干擾，并且可以快速定位。在本文中的2.6節(jié)詳細(xì)解釋了數(shù)學(xué)形態(tài)學(xué)的算子。基于邊緣檢測的定位算法邊緣是指圖像中灰度級發(fā)生階躍變化的局部，由于邊界的灰度值和物體的灰度值有差異，所以可以根據(jù)車牌部字符的邊緣特征，找出車牌的大致區(qū)域。這種方法有一定的局限性，就是對圖像的質(zhì)量要求較高，如果圖像中的干擾太多，就有可能發(fā)生誤判，將干擾強(qiáng)的邊緣標(biāo)記為車牌邊界。在本輪中的2.4節(jié)，已經(jīng)較為詳細(xì)的介紹了幾種邊緣檢測算子，本系統(tǒng)中采用的是Canny算子?；谛〔ǚ治龅亩ㄎ凰惴ㄐ〔ǚ治龅亩ㄎ凰惴ńY(jié)

47、合了數(shù)學(xué)形態(tài)學(xué)的一局部知識，先用小波提取邊緣邊緣中的小塊區(qū)域，在不同的分辨率層次上分割圖像；再利用形態(tài)學(xué)運(yùn)算濾除噪聲，從而實現(xiàn)準(zhǔn)確定位，這種方法計算量較大，定位速度較慢?；诨叶戎档亩ㄎ凰惴ɑ诨叶戎档亩ㄎ凰惴ú捎昧司€段探針?biāo)阉鞫ㄎ卉嚺茀^(qū)域，其根本原理是利用車牌底色、邊框顏色以及背景顏色在灰度化之后產(chǎn)生的灰度值有差異，形成了灰度值階躍變化的邊界。車牌的邊框灰度值比背景灰度值高，并且邊框為平行四邊形，可以使用邊緣檢測算法，將車牌區(qū)域提取出來。3.3 本文車牌定位算法本文采用數(shù)學(xué)形態(tài)學(xué)方法實現(xiàn)車牌定位的效果，由于車牌定位的準(zhǔn)確度受到選擇的構(gòu)造元素的制約，太大的構(gòu)造元素使車牌的區(qū)域粘連成連通域，會帶

48、入一定的噪聲；而太小的構(gòu)造元素則不能將車牌字符區(qū)域粘連在一起，以至于無法準(zhǔn)確定位出車牌區(qū)域，所以必須將數(shù)學(xué)形態(tài)學(xué)定位算法和其他算法結(jié)合起來。邊緣檢測可以去除大量的噪聲，突出車牌的邊緣局部，此時再采用數(shù)學(xué)形態(tài)學(xué)算法處理圖像，就可以很好地將車牌區(qū)域粘連成連通域，再根據(jù)車牌的固有特征，實現(xiàn)功能21。該方法的具體思路如下列圖所示：圖3.1 車牌定位算法流程圖3.4車牌傾斜矯正通常情況下，車牌的形狀是一個比例固定的矩形，但是由于拍攝角度和車輛位置的不同，實際拍攝出的車牌往往會產(chǎn)生畸變，這對接下來的字符分割和字符識別產(chǎn)生了一定的影響。通常車牌傾斜了之后，會產(chǎn)生下列圖中出現(xiàn)的三種情況。圖3.2 水平傾斜的兩

49、種情況圖3.3 垂直傾斜的兩種情況圖3.4 水平垂直傾斜的兩種情況圖3.2所示就是車牌圖像發(fā)生水平傾斜時出現(xiàn)的兩種位置，此時車牌上的字符幾乎沒有發(fā)生傾斜，車牌的坐標(biāo)軸與圖像的坐標(biāo)軸間相差的傾斜角度為，求出的值為，主要將圖像旋轉(zhuǎn)度就可以矯正好車牌。車牌垂直傾斜的兩種情況如圖3.3所示，此時的傾斜事實上是同一行上的像素的偏移，求出傾斜角度然后進(jìn)展矯正。車牌水平垂直傾斜的兩種情況如圖3.4所示，此時車牌圖像即發(fā)生了水平傾斜又發(fā)生了垂直傾斜。這種傾斜情況是最常見的。在我國研究車牌識別技術(shù)時，使用率較高的矯正算法有：Hough變換法、旋轉(zhuǎn)投影法和Radon變換法22。Hough變換法是利用車牌的上下邊沿

50、與水平夾角的傾斜角度，來實現(xiàn)車牌位置的矯正的。但是在現(xiàn)實情況下，受到噪聲和車牌邊框不夠突出等干擾因素的影響，Hough變換法應(yīng)用起來困難重重，所以計算量大而且矯正效果不夠理想。為此，應(yīng)該在矯正車牌前，先對車牌進(jìn)展二值化和邊緣檢測處理，使得車牌輪廓清楚，以便于接下來的矯正處理。旋轉(zhuǎn)投影法是利用反復(fù)旋轉(zhuǎn)車牌圖像的方法，將旋轉(zhuǎn)后的圖像投影到坐標(biāo)軸上，通過尋找旋轉(zhuǎn)后的投影最大值，試探性地求出傾斜角度從而實現(xiàn)車牌位置矯正。盡管旋轉(zhuǎn)投影法可以較好地防止干擾，但是實時性不夠高，所以本文并未采用這種方法。Radon變換法是這三種方法中相對較好的一種，這種算法也需要先對二值圖像進(jìn)展邊緣檢測，然后再對車牌做形態(tài)學(xué)

51、處理，接著計算水平邊的傾斜角，最后利用如下所示的公式進(jìn)展Radon變換。Radon變換不僅檢測了水平傾斜角還檢測了垂直傾斜角，然后將車牌旋轉(zhuǎn)*一給定角度從而矯正車牌水平位置,并使用雙線插值的方法來實現(xiàn)車牌垂直方向的矯正。 3.1本文采用Hough變換法，通過檢測上下兩條邊框來實現(xiàn)矯正車牌位置的效果，圖3.5就是傾斜車牌位置矯正的算法流程圖。圖3.5 車牌矯正算法流程圖3.5 車牌邊框的去除在實際操作時，由于客觀因素的干預(yù)，待識別的車牌圖像中字符背景往往比擬復(fù)雜，包含了很多的干擾信息。當(dāng)車牌經(jīng)過二值化之后，仍然會保存一些噪聲如邊框和鉚釘?shù)?。在進(jìn)展車牌字符分割之前需要將車牌上的干擾信息去除，否則勢

52、必會影響接下來的字符分割和識別過程。車牌圖像經(jīng)過二值化后，可以明顯地看出車牌邊框與車牌字符區(qū)域的明暗跳變次數(shù)的差異，車牌字符區(qū)域黑白跳變頻繁，可以利用這個特征來去除車牌的邊框。顯而易見地，可以通過觀察發(fā)現(xiàn)字符區(qū)域和邊框中存在間隙，所以可以搜索并刪去間隙，保存字符區(qū)域?？梢詫ΤC正后的車牌進(jìn)展行掃描，從車牌的上邊框水平向下掃描，當(dāng)掃描到車牌的1/4處時，發(fā)現(xiàn)車牌的黑白跳變次數(shù)大于*一設(shè)定閾值時，停頓掃描，并刪去這1/4的區(qū)域，此區(qū)域是車牌上邊框。對于左右邊框和下邊框也可以采用同樣的方法來去除。去除上邊框的算法流程圖如下：圖3.6 去除上邊框算法流程圖3.6 車牌字符分割3.6.1 車牌的規(guī)格本系統(tǒng)

53、中設(shè)計的識別軟件針對的是小功率汽車。這種車牌的邊框長度為450mm，寬度為150mm，其中包含了7個字符。在車牌中第一個位置上的字符是漢字，代表的是地區(qū)，在車牌中第二個位置上的字符是大寫的英文字母，代表的含義是發(fā)證機(jī)關(guān)，在車牌中第三個位置上的字符到第五個位置上的字符有可能是大寫的英文字母，也可能是阿拉伯?dāng)?shù)字，在車牌中第六個位置上的字符和第七個位置上的字符是阿拉伯?dāng)?shù)字。根據(jù)我國國家規(guī)定，所有車輛的汽車牌照上的字符必須到達(dá)409mm的長度，而每個獨立字符必須到達(dá)45mm的寬度和90mm的高度，第二個位置上的字符與第三個位置上的字符間相距34mm，而其他字符間相隔12mm的距離。所以在進(jìn)展車牌識別技

54、術(shù)的研究時，可以利用這些先驗知識來到達(dá)車牌字符分割的目的。3.6.2車牌分割算法車牌的字符分割就是指將車牌的7個字符從定位出的車牌圖像中一個一個地分割并提取出來。字符分割的依據(jù)是字符邊緣、字符的高寬比、字符間間距等特征信息。這里簡要介紹投影法和模板匹配法。投影法包括水平投影法和垂直投影法，通常情況下，使用垂直投影法來進(jìn)展車牌字符分割。垂直投影法就是將字符在垂直方向進(jìn)展投影，然后利用在該方向上的投影，字符間和字符的間隙能取得局部最小值的方法，切割局部最小值附近，就可以實現(xiàn)字符分割。水平投影的方法就是對圖像從上至下進(jìn)展逐行掃描，當(dāng)掃描到的像素點開場出現(xiàn)白色時，記錄此時的位置，然后再從下往上掃描，同

55、樣地，當(dāng)遇到第一個白點時，記錄位置，從而根本可以確定出圖像的高度圍。用同樣的方法，左右方向掃描可以確定出圖像的寬度圍。這種方法程序簡單，計算量小，執(zhí)行速度快，但是不能很好地解決字符粘連等問題。模板匹配法是根據(jù)車牌字符的排列規(guī)則，利用已有模板與豎直積分投影曲線進(jìn)展匹配，計算出匹配位置的最優(yōu)值，從而實現(xiàn)車牌分割的功能。其匹配程度由匹配偏移量來決定，匹配偏移量的計算公式如下： 3.2其中為豎直積分投影曲線，如圖3.7所示。隨著偏移量的值不斷變小，匹配的程度會變得越來越高。圖3.7 字符分割模板在本系統(tǒng)中采用圖3.8的局部垂直投影的字符分割法。圖3.8 車牌字符分割流程圖第四章 車牌字符識別4.1引言

56、車牌識別系統(tǒng)中車牌字符識別模塊是最為重要的核心局部23。車牌字符識別就是要將分割出的字符圖像識別成文本字符并將其輸出，它包括了字符預(yù)處理、字符特征提取、分類匹配判決三個環(huán)節(jié)，其中分類匹配判決最為重要。車牌字符識別不同于普通的字符識別，車牌有自己獨特的特征，如高寬比、每個位置出現(xiàn)的字符包括了漢字、阿拉伯?dāng)?shù)字和大寫的英文字母。目前，國外可使用的車牌字符識別方法有：模板匹配法、神經(jīng)網(wǎng)絡(luò)法以及SVM等算法24。本文將對這些算法進(jìn)展簡單地闡述。4.2 車牌字符識別常用方法4.2.1基于模板匹配的字符識別算法模板匹配法是幾種常用字符識別方法中，在根本原理上較為簡單的算法之一。模板匹配法的根本思想是：將待識

57、別字符與已建立的模板庫中的字符進(jìn)展比擬，假設(shè)哪個字符相似度最高，那就把其作為待識別的字符的識別結(jié)果。在建立模板庫和選擇相似度函數(shù)時，應(yīng)參考車牌字符的高寬比等特征。模板匹配法的根本工作原理是計算待識別字符和模板庫中的字符的差值，這個差值越小，匹配度越高，即待識別字符就是這個模板字符。圖4.1的模板匹配法的算法流程圖大體上描述了識別過程?；叶然蟮能嚺谱址投祷蟮能嚺谱址伎梢岳媚０迤ヅ浞ǖ姆椒ǖ竭_(dá)車牌字符識別的效果。當(dāng)識別的是灰度化后的車牌字符時，可以利用歐式距離代表差值函數(shù)來計算差值D，公式如下：4.1當(dāng)D最小時，匹配度最高，此時的模板即待識別字符，因為灰度圖像的灰度級從0到255變化，

58、所以此時采用模板匹配法來識別灰度圖像中的字符，計算量略大。為了解決計算量大的問題，可以使用二值化后的車牌字符進(jìn)展識別，此時可以利用公式4.2。4.2雖然執(zhí)行時間縮短了，但是二值化后的車牌圖像喪失了一些信息，使得字符識別效果不理想?？傊@種識別方法執(zhí)行速度快，但是只有噪聲少、車牌位置正、字符分割準(zhǔn)確的情況下，才可以準(zhǔn)確地識別出字符，識別率很難提高，不利于系統(tǒng)的整體性能提升。圖4.1 模板匹配法的算法流程圖4.2.2 基于支持向量機(jī)的字符識別算法統(tǒng)計識別的根本方法是先提取字符特征再建立特征向量訓(xùn)練集，然后確定分割邊界并將樣本分類。這種方法可以分為兩種，一種是概率統(tǒng)計法，還有一種就是幾何分類法。而

59、支持矢量機(jī)(support vector machines，SVM)屬于集合分類法。支持向量機(jī)在統(tǒng)計識別中20，起步較晚，是一類新型機(jī)器學(xué)習(xí)方法25。SVM算法的根本原理就是在構(gòu)造風(fēng)險最小化和線性可分的條件下，采用線性算法來尋求最優(yōu)分類超平面，從而實現(xiàn)最優(yōu)分類26。目前，基于支持向量機(jī)的字符識別算法仍然處于不斷開展之中，它可以極好地改善分類器的泛化能力。更為重要的是，當(dāng)圖像噪聲多且訓(xùn)練樣本不夠多時，支持向量機(jī)算法依舊可以較好地準(zhǔn)確識別出車牌字符。這種方法可以防止由于字符相似而導(dǎo)致的錯誤識別字符的情況的發(fā)生，而且也不受擬合現(xiàn)象的干擾。圖4.2的字符識別的算法流程圖就根本上概括出了SVM算法的識別

60、過程。圖4.2 字符訓(xùn)練與識別結(jié)果4.2.3 基于人工神經(jīng)網(wǎng)絡(luò)的字符識別算法目前，基于人工神經(jīng)網(wǎng)絡(luò)的字符識別算法使用圍比擬廣泛而且識別效果較好。本工程就是利用了人工神經(jīng)網(wǎng)絡(luò)的字符識別算法來實現(xiàn)字符識別的功能的。人工神經(jīng)網(wǎng)絡(luò)Artificial Neural Networks的本質(zhì)就是用機(jī)器語言來試圖模擬人類做出判斷和決策。神經(jīng)網(wǎng)絡(luò)的字符識別算法可以分為兩個過程：學(xué)習(xí)期和工作期。具體來說就是將輸入設(shè)置為字符圖片，輸出設(shè)置為對應(yīng)的文本字符，反復(fù)訓(xùn)練，通過神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)，最后得到一個網(wǎng)絡(luò)；然后，進(jìn)入工作期，將神經(jīng)網(wǎng)絡(luò)的輸入設(shè)置為待識別字符圖片，利用網(wǎng)絡(luò)連接權(quán)值不變，得出輸出量即正確的文本字符。人工神