MATLAB在汽车牌照识别系统中应用.docVIP

MATLAB在汽车牌照识别系统中的应用 　　摘 要: 汽车牌照识别系统是交通管理领域和数字图像处理领域里的热点问题。本文介绍了MATLAB在汽车牌照图像处理识别系统中的应用。该系统通过调用MATLAB函数,综合使用多种方法提高系统的有效识别能力。运用该系统识别出汽车牌照其整个处理过程分为图像预处理、边缘提取、车牌定位、宇符分割、字符识别。 　　关键词: MATLAB 图像处理 汽车牌照识别 字符分割 字符识别 　　 　　1.引言 　　车牌识别(License Plate Recognition,LPR),系统是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一,是智能交通系统(Intelligent Transportion System,ITS)的重要组成部分。车牌识别系统整个处理过程由车牌图像获取、车牌图像预处理、车牌定位、车牌字符分割和字符识别五个部分组成,用MATLAB软件编程来实现每一个部分处理工程,最后识别出汽车牌照。 　　2. MATLAB及其图像处理工具概述 　　MATLAB是MATrix LABoratory(矩阵实验室)的缩写,是Math Works公司开发的一种功能强、效率高、简单易学的数学软件。MATLAB的图像处理工具箱功能十分强大,支持的图像文件格式丰富,几乎涵盖了图像处理的所有技术方法,是学习和研究图像处理的人员难得的宝贵资料和加工工具箱。MATLAB还着重在图形用户界面(GUI)的制作上作了很大的改善,对这方面有特殊要求的用户也可以得到满足。本文将给出MATLAB的图像处理工具箱中的图像处理函数实现图像处理与分析的应用技术实例。 　　3.系统的实现 　　3.1系统组成 　　基于MATLAB图像处理的汽车牌照识别系统主要包括车牌定位、字符车牌分割和车牌字符识别三个关键环节。其识别流程图如图1所示。 　　3.2图像预处理 　　图像在形成、传输或变换过程中,受多种因素的影响,如:光学系统失真、系统噪声、曝光不足或过量、相对运动等,往往会与原始景物之间或图像与原始图像之间产生某种差异,这种差异称为降质或退化。因此在图像处理之前必须进行预处理,包括去除噪音、边界增强、增加亮度,等等。 　　因为噪声主要是一些含高频的突变成分,所以可以通过一个低通滤波器来消除图像中包含的噪声,并使低频成分得到增强。滤波的方式有两种:一种是空???域滤波,一种是频率域滤波。在空间域,常见的滤波方式有两种方式,均值滤波和中值滤波。空间域滤波主要有巴特沃斯滤波器。在车牌边缘提取之前,两种滤波方式都采用,并与未进行滤波的边缘进行比较。 　　3.3车牌定位 　　在自然环境下,汽车图像背景复杂,光照不均匀,在自然背景中准确地确定牌照区域是整个图像识别过程中的关键。我们首先应对采集到的图像进行大范围相关搜索,找到符合汽车牌照特征的若干区域作为候选区,然后对这些侯选区域做进一步分析、评判,最后选定一个最佳区域作为牌照区域。将其从图像中分割出来,同时要考虑车牌倾斜问题。算法流程如下: 　　3.3.1对二值图像进行区域提取。计算并比较区域特征参数,提取车牌区域。 　　3.3.2计算包含所标记区域的最小宽和高,并根据先前知识,提取并显示更接近的车牌二子值图。 　　3.3.3通过计算车牌旋转角度解决车牌倾斜问题。由于车牌倾斜导致投影效果峰谷不明显,需车牌矫正处理。我们应采取线性拟合方法,计算出车牌上边或下边图像值为1的点拟合直线与水平X轴的夹角。用MATLAB函数的旋转车牌图像函数Imrotate,计算车牌旋转角度和经旋转、二值化后的车牌二值子图处理结果如图2所示。 　　3.4字符分割 　　完成牌照区域的定位后,再将牌照区域分割为单个字符,一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值,并且该位置应满足牌照的字符书写格式、字符、尺寸限制等条件。利用垂直投影法实现复杂环境下汽车图像中的字符分割效果较好。通过分析计算字符的水平投影和垂直投影,可获得车牌字符高度、字符顶行与尾行、字符宽度、每个字符的中心位置,以方便提取分割字符。然后计算车牌垂直投影,去掉车牌垂直边框,获取车牌及字符平均宽度。最后计算车牌每个字符的中心位置和最大字符宽度,提取分割字符,其算法流程如图3所示。通过程序算法计算的车牌字符高度和宽度及分割的字符,如图4所示。 　　3.5字符识别 　　目前用于车牌字符识别(OCR)中的算法主要有:基于模板匹配的OCR算法和基于人工神经网络的OCR算法。基于模板匹配的OCR的基本过程是:首先对待识别字符进行二值化并将其尺寸大小缩放为字符数据库中模板的大小,然后与所有的模板进行匹配,最后选最佳匹配作为结果。用人工神经网络OCR进行字符识别主要有两种方法:一