基于matlab的汽车车牌识别.doc

基于matlab的汽车车牌识别 车辆牌照自动识别技术是智能交通系统中的关键技术之一，它可广泛应用于交通流量检测，交通控制与诱导，机场、港口、小区的车辆管理，不停车自动收费，闯红灯等违章车辆监控以及车辆安全防盗等领域，具有广阔的应用前景。 车牌字符识别系统的字量小，包括50多个汉字，24个大写英文字母，10个数字，总共仅80多个字符。而且车牌的制作有国家统一的标准，字符的大小一致，字型统一。相对于普通的字符识别，难度降低了。但从实用的角度看，车辆牌照识别系统应该是一个全自动的、实时的系统，因此要求有较高的识别速度和正确率。完整的车牌识别系统包括图像采集、图像处理、车牌定位、字符分割、字符识别、数据库、数据库支持模块等模块。 本文应用图像处理技术、车牌分割技术、字符特征提取方法、神经网络识别技术，模板匹配的方法来解决车辆牌照识别问题，首先将图像进行灰度化、灰度拉伸、中值滤波的预处理方法，消除图像的噪音，强化纵向纹理区；通过对车牌特征和定位技术的深入研究，提出了基于水平扫描和垂直投影法的车牌定位方法，能够很准确地搜索到车牌区域；基于车辆牌照的一些结构特点及先验知识，完成了基于投影直方图的车牌字符分割域；最后对神经网络的构成以及相关的理论进行了讨论，着重分析了在字符识别中的应用方法。 1 图像处理： 拍得照片原图如下所示 图1 原图 （1）.格式转换 图像采集设备采集的图像一般为彩色图片，由于彩色图片占用存储容量大，处理时间长，需要对图像进行压缩。一般采用的方法是将彩色图像转为灰度图像，灰度图像只含亮度信息，需要的存储的空间少，处理速度快，也为图像后续二值化，其他的处理带来方便。 灰度图像转换公式为： Y=0.299R+0.578G+0.114B 式中Y是灰度值。式中R、G、B分别表示每个像素的红、绿、蓝3种分量值。 Matlab 灰度图像转换命令： gray_image= rgb2gray(I);%将I转换为灰度图像 图2 灰度图 （2）图像增强 图像增强是数字图像处理过程中经常采用的一种方法。为了改善视觉效果或者便于人和机器对图像的理解和分析，根据图像的特点或存在的问题采取的改善方法或者加强特征的措施称为图像增强。 获取和传输图像的过程往往会发生图像失真，所得到图像和原始图像有某种程度的差别。这种差异如果太大，就会影响人和机器对图像的理解。在许多情况下，人们不清楚引起图像降质的具体物理过程及其数学模型，但却能根据经验估计出使图像降质的一些可能原因，针对这些原因采取简便有效的方法，改善图像质量。例如，图像信号变弱会使人们无法看清图像的细节，而采用增强对比度的方法可使图像清晰一些;图像的噪声干扰也容易使图像质量变差，运用平滑技术可以消减噪声;还有一些物理器件或系统工作原理可等效为一积分过程，信号经过这样的器件或系统后要变模糊，这时可使用微分运算突出边界或其他变化的部分，使图像增强。 由于所拍摄的车辆图像的质量受天气、光照、观察点等的影响，车牌图像往往会产生对比度不足的弊端，使图像细节分辨不清，影响识别率。因此，需要将牌照图像进行图像灰度扩展，以便改善图像的观察质量，提高字符识别率。可采用对比度增强和灰度均衡等技术。 对比度增强 基于点操作的增强方法也叫做灰度变换。使用灰度变换的主要目的就是提高图像的对比度，即增强原图像各部分的反差。 图像增强的目的是采用一系列技术，改善图像的效果或将图像转换为为一种更适合计算机处理的形式。主要是指按照需要进行适当的变换，突出某些有用的信息、去除或是消弱无用的信息。图像增强的方法有：中值滤波、直方图均衡，灰度拉伸、通天滤波、高斯滤波、多图像平均、领域平均。腐蚀膨胀等 （3）图像的去噪： 由于在图像的采集过程中，受硬件或是各种因素的影响，图像中会出现随机的或是非线性的噪声，使得图像受到污染，因此图像的去噪是必须的。对车牌图像进行处理，通常采用空间域法对车牌图像滤波，目的是去除图像中的噪声，通常使用2种方法：线性滤波、中值滤波。线性滤波可以去除图像中某些类型的噪声，如采用邻域平均法的均值滤波器就非常适用于去除通过扫描得到的图像中的颗粒噪声。经邻域平均后，噪声的均值不变，噪声方差变小，说明噪声强度减弱了，即抑制了噪声。邻域平均法也平滑了图像信号，特别是可能使图像目标区域的边界变得模糊。可以证明，对图像进行邻域平均处理相当于图像信号通过一低通滤波器。中值滤波是空间域法中的一种非线性信号处理方法，它被用来抑制图像中的噪声。二维中值滤波的窗口形状和尺寸对滤波效果影响较大。不同的图像内容和不同的应用要求，往往采用不同的窗口形状和尺寸。常用的窗口形状有线状、方形、圆形、十字形以及圆环形等。窗口的尺寸一般先用3再取5逐点增大，直到其滤波效果满