车牌字符识别的混合特征提取方法

2003年3月

沈阳工业学院学报 V ol

.22N o .1

第22卷第1期　JOURNA L OF

SHE NY ANG

I NSTIT UTE

OF

TECH NO LOGY

M ar.2003

文章编号:1003-1251(2003)01-0030-04

车牌字符识别的混合特征提取方法

王　璞,董慧颖

(沈阳工业学院信息科学与工程分院,辽宁沈阳110016)

摘　要:分析了特征维数与分类错误概率的关系,提出了增加新特征,采用混合特征提取

方法进行分类器设计.结果表明增加的新特征可以提高分类器的性能,并能使识别率明显提高.在问题的概率结构完全已知的情况下,增添新特征不会增加Bayes 风险.

关键词:模式识别;混合特征提取;车牌字符识别中图分类号:TP391.4 文献标识码:A

收稿日期:2002-07-12

作者简介:王璞(1978—

),女,内蒙鄂尔多斯人,硕士研究生1 汽车牌照字符识别是模式识别的一项重要应

用.它在高速公路管理站以及各大小型停车场管理中越来越显示出其重要性.目前,国内有关部门及许多高校已经意识到车辆牌照自动识别软硬件系统开发的广泛前景,并开始投入人力物力从事此项目的开发,但是因为车牌是存在于复杂的实际环境中的,在其识别过程中会遇到各种各样预料不到的问题,例如车牌受损、变形、字迹褪色脱落等,而现有的算法不能很好的解决这些问题.本文提出了采用混合特征提取方法解决这类问题.

1　特征抽取

特征抽取的目的是获取一组“少而精”的分类

特征[1],即获取特征数目少且分类错误概率小的特征向量.

特征抽取常常分几步进行:第一步:特征形成　根据被识别的对象产生一组原始特征.它们可以是传感器的直接测量值[2],也可以是将传感器的测量值作某些计算后得到的值.

第二步:特征选择　由特征形成过程得到的原始特征可能很多,如果把所有的原始特征都作为分类特征送往分类器,不仅使得分类器复杂,分类计算判别量大,而且分类错误概率也不一定小.因此需要减少特征数目.减少特征数目的方法有两种,一种是特征选择,另一种是特征提取.

特征选择就是从L 个度量值集合{X 1,X 2,…X L }中,按某一准则(挑出一些最有效的特征)选

出供分类用的子集,作为降维(m 维,m

第三步:特征提取　特征提取是另一种减少特征数目的方法.它是使(X 1,X 2,…X i …,X L )通过某种数学变换产生m 个特征(y 1,y 2,…y i …y m ),即通过映射(或变换)的方法把高维的特征向量变换为低维的特征向量[3].它们的目的都是为了在尽可能保留识别信息的前提下,降低特征空间的维数,以达到有效分类.

2　特征维数与错误概率的关系

在实际应用中,遇到的不仅是低维特征,常常

会碰到50维或100维特征,尤其是二值特征时[4],更是如此,而每个特征至少在作某几种判别时是有用的.对于这些特征,如果各特征都是统计独立的,则从理论上的研究结果可以指出获得优良分类性能的可能性.例如在对二类别多维正态问题[5]分析

时,设P (X |ωj )～N (μ1,∑),j =1,2.并设先验概率相等,则这时Bayes [6]判别的错误概率是

P (e )=

12π∫

∞

r

2

exp (-12u 2

)d u (1)其中

r 2=(μ1-μ2)

T

∑

-1

(μ1-μ2)

(2)

是Mahalanobis 距离的平方.所以错误概率将随γ的

增大而减少,当γ→∞时,错误概率将趋于零.在特

征独立的情况下,∑=diag (δ21,δ

2d ),且γ2

=∑d

i =1

μi 1

-μi 2

δi 2

(3)

式(3)表明每个特征都可以使分类错误概率减

少.而最有用的特征是其均值之差相对于标准差来说比较大的那些特征.但是只要某个特征在两个类

中的均值不一样,那么这个特征就总是有用的.减少分类错误的一个显而易见的办法是增加新的独立特征.每一新特征对式(1)中的γ贡献不一定很大,但他们的混合使用若能保证γ无限增加的话,那么错误概率势必变得任意小.

3　混合特征提取方法

本文采用了5种特征提取方法.3.1　随机流动方法

图1是一字符图的内部点、边界点分布情况

.

图1　内部点和边界点

约定M i 表示内部点而B i 表示边界点.现在假设,若

在任一个内部点M i 的位置上放置一个动点,它就将随机的向M i 的4个邻点方向“游动”,游动的规律如下:

①若M i 的4个邻点灰度与M i 相同,则动点向4个方向游动的概率都是1/4=0.25.

②若动点倾向于游到灰度变化最小的方向,或者说,M i 的某邻点灰度与M i 相差越小时,动点游向该邻点的概率越大.

③边界上各点的游动概率为零.当一动点游动到边界点上时,它便被“吸收”而不再游动.

现在,假定在图像的每个内部点M i 处都放一个动点,这个动点向它周围上下左右四个方向游动的概率为:P A =12/25,P B =6/25,P L =4/25,P R =3/25,令它们从M i 开始随机游动,直到它们遇到某个边界并被边界吸收为止.当全体动点(个数等于图像内部点数)都停止游动后,分别计算被上下左右边界吸收的点数S A ,S B ,S L ,S R ,令Δx =S R -S L ,Δy =S A -S B ,再令m =

[(Δx )2+(Δy )2]1/2

,α=arctan Δy/Δx ,于是m 和α可以作为图像的纹理特征.M 称为梯度模而α称为梯度方向角.

3.2　基于总的类间离差矩阵S B 进行D K LT [7]的

特征提取方法

这种方法实质上是从各类的中心提取分类信

息,它对类间距离比类内距离大得多的情况很有效.具体方法是:求出S B 的非零特征值λi 和其相

应的特征矢量μi (i =1,2…)按次序λ1Ελ2Ε…λ(c -1)选取前d 个较大的特征值对应的特征矢量构

成变换矩阵,可实现特征的选取.类间离差矩阵

(S B )反映了各类中心到总体中心的平均平方距离,

依据S B 进行DK LT 的目的是使各类的中心在新的

坐标系某些轴上的投影距离变得较远,相应于这些轴上的分量具有更好的可分性.3.3　投影特征提取方法

采用基于二值化字符图像(图2a )的向下投影.即从字符上边缘向下扫描,遇到白点(象素点值是255)做投影统计,图2b 是做向下投影后得到的字符特征.对得到的投影特征进行峰谷判断,记录峰谷比例,这里的峰谷判断可以根据取大于平均值或大于总高2/3等方法确定,实验结果表明后者的准确率较高.然后用得到的投影特征与预先设置的投影特征模板匹配

,进行加减权值处理,作为分类器的一个分类特征.此外,还可以进一步采用向下、向左、向右投影,以得到字符的各个方向上的投影特征,这样可以避免因噪音或其他原因引入的干扰,全面的衡量后提取出最接近字符本质(最不失真)的特征.此方法对英文字母和数字的特征提取是很有效的.

图2　车牌字符二值化及投影特征

3.4　横纵向笔画特征提取方法

对标准化后的二值化图像(图3),逐行从上至

下逐点从左至右扫描,记下每行每个笔画的起止位置.每行不相连的笔画区域个数也即亮跳变(起始即为亮点除外)或暗跳变(终止为暗点除外)的个数.如图3a ,3b ,3c 均为三个笔画.

?

13?第1期 王　璞等:车牌字符识别的混合特征提取方法

图3　横向笔画特征选取

每个笔画的亮暗跳变位置就是笔画的起止位置.如果此行从左至右扫描遇到的第一个跳变是暗

跳变,则这一行的起始位置就是此行第一个笔画的起始位置,同样,如果此行从左至右扫描遇到的最后一个跳变是亮跳变,那么这一行的终止位置就是此行最后一个笔画的终止位置.这样就找出了每个字符的横向特征,用同样的方法可以提取其纵向特征.仅取1000个样本用此方法分别提取其横纵向特征,用概率统计的方法,做出一个横纵向特征的统计模板.

3.5　邻点梯度差值提取方法

在待检测角点的边界点P 0(x 0,y 0)的附近选

出另外两个边界点P 1,P 2,它们在P 0的两侧,与P 0等距,且这个距离r 很小.设这三点的梯度方向分

别为θ(P i ),i =0,1,2,若|θ(P 1)-θ(P 2)|>阈值,则认为P 0为角点.在实施上述算法时,也可以要求上述三个点的灰度值相等,此时需要解f (x ,

y )=f (x 0,y 0)与(x -x 0)2+(y -y 0)2=r 2

的交点而得出P 1和P 2.

4　实例

取1000幅汽车样本图像进行识别,表1列出了采用不同的特征提取方法得到的不同的识别结果.

表1　采用不同特征提取方法识别结果比较表

采用的特征识别率

随机游动92%

随机游动+类间离差92.8%(数字的识别率上升显著)随机游动+类间离差+投影特征94.2%(数字、英文字母识别率上升显著)随机游动+类间离差+横纵向笔画特征93.4%(英文字母的识别率上升显著)随机游动+类间离差+投影特征+横纵向笔画特征94.7%(数字的识别率上升显著)随机游动+类间离差+投影特征+横纵向笔画特征+邻点梯度

95.3%(数字、英文字母识别率上升显著,

汉字的识别率也有小幅度上升)

可以看出,采用不同的混合特征提取方法,对汉字、数字、英文字母的识别情况就会不同,最后的识别率也不同.采用哪种混合特征提取方法,要根据实际情况进行取舍,例如在车牌字符中,数字和英文字母所占的比例很大,那么就可以在保证识别率不会大幅度降低的情况下尽量选择那些能使数字和英文字母识别率提高的特征.

5　结束语

增加一些有助于把容易混淆的类别分开的特征,可以提高分类器性能.尽管特征的增加会加大特征抽取器和分类器的成本和复杂性,但如果问题

的概率结构完全已知的话,则增添新特征不会增加Bayes 风险.但是,在实际问题中常常发现,增加特

征超过了某一限度会导致分类器的性能变坏而不

是变好.产生这个问题的根源是因为用以设计分类器的样品数目是有限的.然而分析这个问题是困难的、微妙的,简单的情况显示不出实验观察的现象,而实际情况又难于分析,采用神经网络方法进行特征提取会是一种解决方法.

参考文献:

[1]黄凤岗,宋克欧1模式识别[M]1哈尔滨:哈尔滨工业大学出版

社,19971

?23?沈阳工业学院学报 2003年

[2]边肇祺.模式识别[M].北京:清华大学出版社,1987.

[3]蔡元龙.模式识别[M].西安:西北电讯工程学院出版社,1986.[4]黄智.图像处理与识别实用程序库[M].天津:天津科学技术出

版社,1987.

[5]沈清,汤霖.模式识别导论[M].长沙:国防科技大学出版社,

1991.

[6]周冠雄.计算机模式识别统计方法[M].武汉:华中工学院出版

社,1984.

[7]孙即祥.模式识别中的特征提取与计算机视觉不变量[M].北

京:国防工业出版社,2001.

[8]朱小燕,史一凡,马少平.手写体字符识别研究[J ].模式识别与

人工智能,2000,13(2):1732180.

Extracting Method of Mixed Features for C ar License 2Plate Characters R ecognition

WANG Pu ,DONG Hui 2ying

(Faculty of In formation Science and Engineering ,Shenyang Institute of T echonolgy ,Shenyang 110016,China )

Abstract :This paper analyzes the relationship between dimensions of feature and the probability of classification mis 2takes.New features are added to increase the recognition rate.The classifier is designed by using mixed features ex 2tracting methods.The results show that the newly added features can im prove the performances of the classifier obvi 2ously.And the recognition rate is higher than that it was before.I f the probability structure of problem is com pletely known ,the new features will not increase the Bayes risk.

K ey w ords :patten recognition ;mixed features extracting method ;car license 2plate recognition

(上接第16页)

参考文献:

[1]李华.MCS 251系列单片机实用接口技术[M].北京:北京航空航

天大学出版社,2000.

[2]张毅刚,彭喜源,谭晓钧.单片机应用设计[M].哈尔滨:哈尔滨

工业大学出版社,1997.

[3]余永权.ATE M L89系列(MCS 251兼容)F LASH 单片机原理及应

用[M].北京:电子工业出版社,1997.

Long 2Distance Monitor and Control System in Oil Field Production

ME NGLi 2rong ,CHU Bo ,LI Zhe

(Development G eneral C om pany ,Shenyang Institute of T echnology ,Shenyang 110015,China )

Abstract :In this paper ,the hardware circuits of data transmission device of oil well based on the AT89C2051and the receiving 2displaying device based on the AT89C51are introduced.Then ,the w orking principle and s oftware im ple 2mentation of the m onitor and control system are stated.A fter that ,the flow 2diagram of the program is given.K ey w ords :m odulated transmission ;receiving dem odulation ;MC U

?

33?第1期 王　璞等:车牌字符识别的混合特征提取方法

车牌自动识别操作系统使用说明

车牌自动识别操作系统 使用说明 Company number：【0089WT-8898YT-W8CCB-BUUT-202108】

车牌自动识别操作系统使用说明 使用车牌识别的优势在哪里 车牌自动识别系统的优势在于可以把卡和车对应起来，使管理提高一个档次，卡和车的对应的优点在于长租卡须和车配合使用，杜绝一卡多车使用的漏洞，增加停车费的收取；同时自动比对进出车辆，防止偷盗事件的发生，无须人工干扰,作为档案保存，可以为一些纠纷提供有力的证据。 对固定车管理而言，“车牌识别”解决了以下问题： 解决了一卡多车的情况 解决了卡未携带进出小区受阻的情况 解决了卡丢失、损坏带来的换卡，补卡的 解决了因为卡安装摆放位置不同带来的刷卡不灵敏的问题 对临时车管理而言，“车牌识别”解决了以下问题： 1、解决了临时收费过程中，收费人员偷钱的机会； 2、解决了入口发卡机的卡容量有限的问题，入口需要配备工作人员。入口发卡机往往需要安排专人在“入口发卡机”和“临时车”之间传递“临时卡”，严重偏离了“节省人力资源的根本要求”。而临时车往往停得距离发卡机较远，是人们害怕撞到发卡机和道闸的下意识正常反映，是经常发生的情况； 3、解决了有个别临时车混出停车场，同时损失临时卡和停车费的情况； 4、解决了有个别的固定车在入场的时候恶意取走临时卡，造成临时卡不断流失的情况自动对大车，小车进行车型区分，执行不同的收费标准； 车牌识别对整个停车场领域带来了哪些便利 一、车牌识别对物业管理人员的适应性分析 1）物业管理人员不用担心卡流失后再补卡、卡注册、卡授权、卡挂失、卡解挂等繁琐的卡操作。 2）物业管理人员不用担心一卡多用带来的收益流失。 下面是车牌识别系统操作说明

车牌识别地matlab程序

( 附录 车牌识别程序 clear ; close all; %Step1 获取图像装入待处理彩色图像并显示原始图像 Scolor = imread('');%imread函数读取图像文件 %将彩色图像转换为黑白并显示 Sgray = rgb2gray(Scolor);%rgb2gray转换成灰度图 " figure,imshow(Scolor),title('原始彩色图像');%figure命令同时显示两幅图 figure,imshow(Sgray),title('原始黑白图像'); %Step2 图像预处理对Sgray 原始黑白图像进行开操作得到图像背景s=strel('disk',13);%strel函数 Bgray=imopen(Sgray,s);%打开sgray s图像 figure,imshow(Bgray);title('背景图像');%输出背景图像 %用原始图像与背景图像作减法，增强图像 Egray=imsubtract(Sgray,Bgray);%两幅图相减 ￥ figure,imshow(Egray);title('增强黑白图像');%输出黑白图像 %Step3 取得最佳阈值，将图像二值化 fmax1=double(max(max(Egray)));%egray的最大值并输出双精度型 fmin1=double(min(min(Egray)));%egray的最小值并输出双精度型 level=(fmax1-(fmax1-fmin1)/3)/255;%获得最佳阈值 bw22=im2bw(Egray,level);%转换图像为二进制图像 bw2=double(bw22); %Step4 对得到二值图像作开闭操作进行滤波 、 figure,imshow(bw2);title('图像二值化');%得到二值图像 grd=edge(bw2,'canny')%用canny算子识别强度图像中的边界

数字图像处理之车牌提取

车牌提取 本文介绍了车牌定位的各种算法及发展，并利用matlab软件对一幅车头照片进行了车牌区域的定位。 一、前言 数字图像处理技术的发展十分迅速，最初应用在空间探索及医学领域，如今，它已经成为工程学、计算机科学、信息科学、统计学、物理学、化学、生物学甚至社会科学等领域学习和研究的对象。同时，随着我国经济的高速发展，交通变得日益繁忙，对智能交通系统的研究变得十分迫切。利用了图像处理技术的车牌自动识别系统己成为智能交通系统的重要组成部分。 要实现交通智能化，首先要能获得道路交通状况和车辆情况的相关数据，因此车辆牌照的识别智能交通领域的一个重要研究课题之一，是实现交通智能化的一个重要环节。要想准确识别出车牌的数字，首先必须要能在含有车牌的图像中定位出车牌的位置，才能进行进一步的数字分析识别，所以，车牌的定位技术是车牌识别的基础。 二、相关理论介绍 （一）车辆牌照的特点 现在我国车牌有4种类型： （1）小功率汽车使用的蓝底白字牌照； （2）大功率汽车使用的黄底黑字牌照； （3）军、警用的白底黑字、红字牌照； （4）国外驻华机构使用黑底白字牌照。 这些牌照的长度均为45cm，宽为15cm，共有字符7个。一般民用牌照第一个字符为汉字，且是各省市的简称；第二个字符为大写英文字母，如“E”；第三个字符是英文字母或阿拉伯数字，第四至第七个字符为阿拉伯数字，如“沪E 30265”就是最典型的车牌符号。车牌的位置一般在汽车的下方。 （二）车牌定位算法的发展现状 车牌定位算法分为图像的预处理、车牌的搜索和车牌鉴别定位三部分。 图像预处理就是要获得有用的图像的边缘，并将其二值化；车牌搜索则是搜索整幅图像以得到有可能包含车牌的若干感兴趣区域；车牌定位则是根据车牌的特征对提取出的感兴趣的区域进行鉴别和剔除假的车牌, 从而提取到真正的车牌。 相较于车身其他位置，车牌区域有其自身特点，主要有车牌底色与车身颜色，字符颜色有较大差异；车牌的矩形区域内存在较丰富的边缘，呈现出规则的纹理特征；车牌内字符之间的间隔比较均匀，字符和牌照底色在灰度上存在跳变；图像中牌照长宽比的变化有一定范围等。这些都为车牌定位分割提供了先验知识。但是，摄像机获得的图像含有丰富的自然背景及车身背景信息，易受照明、天气条件及运动失真和模糊的影响，同时由于在野外环境下使用，车牌会有不同程度的磨损、污迹干扰、变形等，这些问题给车牌定位带来了难度。 目前较为成熟的车牌区域定位算法有自适应边界搜索法、区域生长法、灰度图像数学形态学运算法、基于纹理或颜色的分割方法以及模糊聚类法等。 这些方法都有各自的优点，但是在实际应用中也存在着一些不足之处。例如，对于基于纹理的分割方法，图像中很可能不止一个区域具有车牌区域类似的纹理特征，难以准确找到

基于图像处理技术的车牌识别方法研究

龙源期刊网 https://www.wendangku.net/doc/c02799409.html, 基于图像处理技术的车牌识别方法研究 作者：朱明秀 来源：《信息记录材料》2019年第03期 【摘要】近几年，智能化在我国各行各业中都应用极广，在交通系统中应用也非常多，车牌识别技术则是其中之一，如何在车辆正常行使状态下完成车牌自动识别？本文将从车牌识别现状入手进行分析，找到现有识别方式的一些问题，再吸取经验，从车牌定位、车牌字符分割、车牌字符识别几方面对基于图像处理技术的车牌识别方法进行探讨。 【关键词】图像处理技术车牌识别方法抓取识别 【中图分类号】TP274 【文献标识码】A 【文章编号】1009-5624（2019）03-0224-03 1 引言 随着经济和科技的发展，我国国民生活水平也日益提高，汽车成为每家每户常见的交通工具，这虽然带动了我国经济的发展，但也使交通管理工作量变大，在这种情况下，再依靠传统的办法根本无法完成交通管理工作，这就需要我们依靠信息化、智能化的技术去辅助完成交通管理工作。对于车辆来讲其主要识别是依靠车牌来的，因此我们必须将这种智能化、信息化技术应用到车牌识别中来，使之能服务于我国的车辆管理工作，使车辆管理工作能更加高效的运行。 2 车牌识别技术概述 2.1 车牌识别技术现状 近年来我国的车牌智能识别技术发展也非常快，现有的识别技术普遍有两种，一种是将车牌信息收集储存于IC卡或者条形码，通过无线电频率鉴别系统来识别汽车车牌号码，这种识别技术相对准确度比较高，但整套设备存在2个实际操作的问题：①十分复杂，不利于异型作业，而且需要所有车牌按照全国统一标准来制定，执行难度很大。②对扫描的工具要求非常高，这导致整套设备价格成本过高，而且虽能进行扫描，但无法核实车和卡是否一致，这也是个目前尚未突破的技术问题，这些问题都导致通过IC卡或条形码来进行识别的技术无法得到很好的推广。另一方面是直接通过突破来进行识别，因为这种识别方法能在无任何信号发送设备的情况下抓取到不同状态车辆的车牌，并通过非接触性信息菜系系统来进行智能识别，这种方法近年来使用很多，其相对IC卡和条形码来讲，能有效降低从成本，提高经济效益，而且起能通过图像抓取和人为参与结合来解决系统中的识别错误问题，有效提高。 2.2 车牌识别技术的研究意义

(完整版)车牌识别系统的设计

车牌识别系统的设计 1．摘要： 汽车牌照自动识别系统是制约道路交通智能化的重要因素,包括车牌定位、字符分割和字符识别三个主要部分。本文首先确定车辆牌照在原始图像中的水平位置和垂直位置,从而定位车辆牌照,然后采用局部投影进行字符分割。在字符识别部分,提出了在无特征提取情况下基于支持向量机的车牌字符识别方法。实验结果表明,本文提出的方法具有良好的识别性能。随着公路逐渐普及，我国的公路交通事业发展迅速，所以人工管理方式已经不能满着实际的需要，微电子、通信和计算机技术在交通领域的应用极大地提高了交通管理效率。汽车牌照的自动识别技术已经得到了广泛应用。 2．设计目的： 1、使学生在巩固理论课上知识的同时，加强实践能力的提高，理论联系实践。 2、激发学生的研究潜能，提高学生的协作精神，锻炼学生的动手能力。 3．设计原理 由于车辆牌照是机动车唯一的管理标识符号，在交通管理中具有不可替代的作用，因此车辆牌照识别系统应具有很高的识别正确率，对环境光照条件、拍摄位置和车辆行驶速度等因素的影响应有较大的容阈，并且要求满足实时性要求。 图1 牌照识别系统原理图 该系统是计算机图像处理与字符识别技术在智能化交通管理系统中的应用，它主要由图像的采集和预处理、牌照区域的定位和提取、牌照字符的分割和识别等几个部分组成，如图1 所示。其基本工作过程如下： （1）当行驶的车辆经过时，触发埋设在固定位置的传感器，系统被唤醒处于工作状态；一旦连接摄像头光快门的光电传感器被触发，设置在车辆前方、后方和侧面的相机同时拍摄下车辆图像；

（2）由摄像机或CCD 摄像头拍摄的含有车辆牌照的图像通视频卡输入计算机进行预处理，图像预处理包括图像转换、图像增强、滤波和水平较正等； （3）由检索模块进行牌照搜索与检测，定位并分割出包含牌照字符号码的矩形区域； （4）对牌照字符进行二值化并分割出单个字符，经归一化后输入字符识别系统进行识别。4．详细设计步骤 4.1 提出总体设计方案。 车辆牌照识别整个系统主要是由车牌定位和字符识别两部分组成，其中车牌定位又可以分为图像预处理及边缘提取模块和牌照的定位及分割模块；字符识别可以分为字符分割与特征提取和单个字符识别两个模块。 为了用于牌照的分割和牌照字符的识别，原始图象应具有适当的亮度，较大的对比度和清晰可辩的牌照图象。但由于该系统的摄像部分工作于开放的户外环境，加之车辆牌照的整洁度、自然光照条件、拍摄时摄像机与牌照的矩离和角度以及车辆行驶速度等因素的影响，牌照图象可能出现模糊、歪斜和缺损等严重缺陷，因此需要对原始图象进行识别前的预处理。 牌照的定位和分割是牌照识别系统的关键技术之一，其主要目的是在经图象预处理后的原始灰度图象中确定牌照的具体位置，并将包含牌照字符的一块子图象从整个图象中分割出来，供字符识别子系统识别之用，分割的准确与否直接关系到整个牌照字符识别系统的识别率。 由于拍摄时的光照条件、牌照的整洁程度的影响，和摄像机的焦距调整、镜头的光学畸变所产生的噪声都会不同程度地造成牌照字符的边界模糊、细节不清、笔划断开或粗细不均，加上牌照上的污斑等缺陷，致使字符提取困难，进而影响字符识别的准确性。 因此，需要对字符在识别之前再进行一次针对性的处理。 车牌识别的最终目的就是对车牌上的文字进行识别。主要应用的为模板匹配方法。 因为系统运行的过程中，主要进行的都是图像处理，在这个过程中要进行大量的数据处理，所以处理器和内存要求比较高，CPU要求主频在600HZ及以上，内存在128MB及以上。 系统可以运行于Windows98、Windows2000或者Windows XP操作系统下，程序调试时使用matlab。 4.2 预处理及边缘提取

车牌识别的matlab程序

附录 车牌识别程序 clear ; close all; %Step1 获取图像装入待处理彩色图像并显示原始图像 Scolor = imread('3.jpg');%imread函数读取图像文件 %将彩色图像转换为黑白并显示 Sgray = rgb2gray(Scolor);%rgb2gray转换成灰度图 figure,imshow(Scolor),title('原始彩色图像');%figure命令同时显示两幅图 figure,imshow(Sgray),title('原始黑白图像'); %Step2 图像预处理对Sgray 原始黑白图像进行开操作得到图像背景 s=strel('disk',13);%strel函数 Bgray=imopen(Sgray,s);%打开sgray s图像 figure,imshow(Bgray);title('背景图像');%输出背景图像 %用原始图像与背景图像作减法，增强图像 Egray=imsubtract(Sgray,Bgray);%两幅图相减 figure,imshow(Egray);title('增强黑白图像');%输出黑白图像 %Step3 取得最佳阈值，将图像二值化 fmax1=double(max(max(Egray)));%egray的最大值并输出双精度型fmin1=double(min(min(Egray)));%egray的最小值并输出双精度型level=(fmax1-(fmax1-fmin1)/3)/255;%获得最佳阈值 bw22=im2bw(Egray,level);%转换图像为二进制图像 bw2=double(bw22); %Step4 对得到二值图像作开闭操作进行滤波 figure,imshow(bw2);title('图像二值化');%得到二值图像 grd=edge(bw2,'canny')%用canny算子识别强度图像中的边界 figure,imshow(grd);title('图像边缘提取');%输出图像边缘 bg1=imclose(grd,strel('rectangle',[5,19]));%取矩形框的闭运算 figure,imshow(bg1);title('图像闭运算[5,19]');%输出闭运算的图像

车牌识别(字符切割)大作业

图像处理技术

目录一．引言 (1) 二．目的和意义 (1) 三．设计原理 (1) 四.字符分割程序 (2) 五.结果 (4) 六.测试代码 (5) 七.系统的不足 (5) 八.总结 (5) 九.心得体会 (5) 十.致谢 (6) 十一.参考文献 (6)

一．引言 随着人们生活水平的不断提高,机动车辆数量大幅度增加，与之相配套的高速公路，城市路网及停车场越来越多，显著提高了人们对交通控制方面的要求。由于计算机技术的发展，信息处理水平的提高使智能交通系统成为世界交通领域研究的重要课题。其中车牌识别是智能交通系统的重要组成部分。车牌识别系统能够自动、实时地检测车辆、识别汽车车牌，从而监控车辆的收费、闯关、欠费以及各种舞弊现象。本系统为基于蓝色车牌的车牌识别系统，它能够识别非蓝色车辆的蓝底白字车牌。该系统通过车牌提取、车牌定位、预处理、字符分割、字符识别五个模块组成车牌识别系统。 二．目的和意义 通过对车牌识别系统的研究，自己开发小型车牌识别系统，虽有一定的局限性与不完整性，但可以使自己更加的熟悉MATLAB语言，激发对研究的兴趣，拓宽知识面，为自己以后的研究打下基础。在提升自身科研能力的同时，还能提高团队合作精神，清楚团队成员的分工，协调成员间的工作，为今后的团队合作研究积累经验。 三.设计原理 字符分割在此系统中有着承前启后的作用。它在前期车牌定位的基础上进行字符的分割，然后利用分割的结果进行字符的识别。字符识别的算法很多，应为车牌字符间间隔较大，不会出现字符粘连的情况，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，则认为组成该块有两个字符，需要分割。一般分割出来的字符要进行进

matlab车牌识别课程设计报告(附源代码)

Matlab程序设计任务书

目录 一．课程设计目的 (3) 二．设计原理 (3) 三．详细设计步骤 (3) 四. 设计结果及分析 (18) 五. 总结 (19) 六. 设计体会 (20) 七. 参考文献 (21)

一、课程设计目的 车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。 二、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。 三、详细设计步骤:

1. 提出总体设计方案: 牌照号码、颜色识别 为了进行牌照识别，需要以下几个基本的步骤： a.牌照定位，定位图片中的牌照位置； b.牌照字符分割，把牌照中的字符分割出来； c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。 牌照识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与牌照识别互相配合、互相验证。 (1）牌照定位: 自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频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，最后选定一个最佳的区域作为牌照区域，并将其从图象中分割出来。 流程图:

基于matlab的车牌识别(含子程序)

基于matlab的车牌识别系统 一、对车辆图像进行预处理 1.载入车牌图像： function [d]=main(jpg) [filename, pathname] = uigetfile({'*.jpg', 'JPEG 文件(*.jpg)'}); if(filename == 0), return, end global FILENAME %定义全局变量 FILENAME = [pathname filename]; I=imread(FILENAME); figure(1),imshow(I);title('原图像');%将车牌的原图显示出来结果如下：

2.将彩图转换为灰度图并绘制直方图： I1=rgb2gray(I);%将彩图转换为灰度图 figure(2),subplot(1,2,1),imshow(I1);title('灰度图像'); figure(2),subplot(1,2,2),imhist(I1);title('灰度图直方图');%绘制灰度图的直方图结果如下所示： 3. 用roberts算子进行边缘检测： I2=edge(I1,'roberts',0.18,'both');%选择阈值0.18，用roberts算子进行边缘检测 figure(3),imshow(I2);title('roberts 算子边缘检测图像'); 结果如下：

4.图像实施腐蚀操作： se=[1;1;1]; I3=imerode(I2,se);%对图像实施腐蚀操作，即膨胀的反操作figure(4),imshow(I3);title('腐蚀后图像'); 5.平滑图像 se=strel('rectangle',[25,25]);%构造结构元素以正方形构造一个se

基于数字图像处理的车牌识别系统

基于数字图像处理的车牌识别系统 言经官 电气学院电子112 摘要：车牌识别系统（License Plate Recognition 简称LPR）技术基于数字图像处理，是智能交通系统中的关键技术，同时他的发展也十分迅速，已经逐渐融入到我们的现实生活中。文章介绍了车牌识别系统的意义、图像去噪处理以及图像二值化方法,并通过仿真试验模拟了图像处理的过程。本文所做的工作在于前期的图像预处理工作。本次设计着重在于图像识别方面, 中心工作都为此而展开,文中没有进行车牌的定位处理,而是采用数码相机直接对牌照进行正面拍照,获取原始车牌图像。之后利用Matlab编程对图片进行了大小的调整、彩色图片转化成灰度图片、图片去噪、以及图片二值化等工作。其中,去噪与二值化是关系图像识别率的关键。 关键字：车牌识别系统；图像预处理；字符识别；Matlab；去噪；二值化 引言 智能交通系统（ITS）是当今世界交通管理体系发展的必然趋势，而作为智能交通系统中的重要组成部分之一的车牌自动识别技术，目前已被广泛应用于城市道路监控、高速公路收费与监控、小区与停车场出入口管理、公安治安卡口等场合，成为研究的热点。 伴随我国国民经济的高速发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制，安全管理的要求也日益提高。因此迫切需要采用高科技手段,对违法违章车辆牌照进行登记, 在这种情况下，作为信息来源的自动检索，图像识别技术越来越受到人们的重视。车牌识别系统的出现成为了交通管制必不可少的有力武器。 1 车牌识别系统的目标 利用计算机等辅助设备进行的自动汽车牌照自动识别就是在装备了数字摄像设备和计算机信息管理系统等软硬件平台的基础之上，通过对车辆图像的采集，采用先进的图像处理、模式识别和人工智能技术，在图像中找到车牌的位置，提取出组成车牌号码的全部字符图像，再识别出车牌中的文字、字母和数字，最后给出车牌的真实号码。国外的车牌识别研究始于80 年代，90 年代始已有不少成套的产品出现。由于我国车牌的组成及组合的方式与国外的车牌不一致，使得我们不能直接使用国外的车辆牌照识别系统，而必须针对我国车牌重新设计相应的车辆牌照识别系统。车牌识别的使用环境、背景各有差异，目前还没有一种算法能在不同环境、各种复杂背景条件下达到非常高的车牌识别率，因而车牌识别技术仍然是研究的重点。 2 MATLAB 及其图像处理工具概述 MATLAB 是MAT rix LABora tory( 矩阵实验室) 的缩写, 是Ma thWorks 公司开发的一种功能强、效率高、简单易学的数学软件。MATLAB 7. 1 是一套功能十分强大的工程计算及数据分析软件, 其应用范围涵盖了数学、工业技术、电子科学、医疗卫生、建筑、金融、数字图像处理等各个领域。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, 如* .BMP、* . JPG、* . JPEG、* . GIF、* . ti;f% 95% 94、* . ti;f%95%94F、* . PNG、* . PCX、* . XWD、* . HDF、* . ICO、* .CUR 等。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。

车牌识别系统的研究背景意义及国内外研究现状

车牌识别系统的研究背景意义及国内外研究现状 1车牌识别系统的背景 1.1 车牌识别系统的背景及研究意义 1.2 车牌识别系统简介 2 车牌识别系统的国内外现状 3车牌识别难点 1车牌识别系统的背景 1.1 车牌识别系统的背景及研究意义 随着经济社会的迅猛发展，人们的生活水平的提高，机动车辆的数量也越来越多。为了提高车辆的管理效率，缓解公路上的交通压力，我们必须找到一种解决方案。而作为汽车“身份证”的汽车车牌，是在公众场合能够唯一确定汽车身份的凭证。我们可以以此为依据，设计一种车牌识别系统监控各个车辆的情况。为此，我国交通管理部门对汽车车牌的管理非常重视并制定了一套严格的管理法规。其中对汽车车牌的制作、安装、维护都要求由制定部门统一进行管理。在此基础上，如果研制出一种能在公众场合迅速准确地对汽车牌照进行自动定位识别的系统(CPR)，那么这将是一件非常有意义的工作，并将极大地提高汽车的安全管理水平及管理效率。 车辆牌照定位与识别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, 该技术应用范围非常广泛, 其中包括: (1) 交通流量检测； (2)交通控制与诱导；(3) 机场、港口等出入口车辆管理；(4) 小区车辆管理； (5) 闯红灯等违章车辆监控；(6) 不停车自动收费；(7) 道口检查站车辆监控； (8) 公共停车场安全防盗管理；(9) 计算出行时间；(10) 车辆安全防盗、查堵指定车辆等。其潜在市场应用价值极大，有能力产生巨大的社会效益和经济效益。如图1所示，LPR[1]的部分应用： 图1 LPR在收费口、道路监控和停车管理中的应用 近些年,计算机的飞速发展和数字图像技术的日趋成熟，为传统的交通管理

课程设计报告-车牌识别系统的设计

车牌识别系统的设计 一、摘要: 随这图形图像技术的发展，现在的车牌识别技术准确率越来越高，识别速度越来越快。无论何种形式的车牌识别系统，它们都是由触发、图像采集、图像识别模块、辅助光源和通信模块组成的。车牌识别系统涉及光学、电器、电子控制、数字图像处理、计算视觉、人工智能等多项技术。触发模块负责在车辆到达合适位置时，给出触发信号，控制抓拍。辅助光源提供辅助照明，保证系统在不同的光照条件下都能拍摄到高质量的图像。图像预处理程序对抓拍的图像进行处理，去除噪声，并进行参数调整。然后通过车牌定位、字符识别，最后将识别结果输出。 二、设计目的和意义: 设计目的： 1、让学生巩固理论课上所学的知识，理论联系实践。 2、锻炼学生的动手能力，激发学生的研究潜能，提高学生的协作精神。 设计意义： 车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。 三、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。 四、详细设计步骤:

车牌识别的matlab程序(程序-讲解-模板)

车牌识别的matlab程序(程序-讲解-模板)

clc clear close all I=imread('chepai.jpg'); subplot(3,2,1);imshow(I), title('原始图像'); I_gray=rgb2gray(I); subplot(3,2,2),imshow(I_gray),title('灰度图像'); %====================== 形态学预处理====================== I_edge=edge(I_gray,'sobel'); subplot(3,2,3),imshow(I_edge),title('边缘检测后图像'); se=[1;1;1]; I_erode=imerode(I_edge,se); subplot(3,2,4),imshow(I_erode),title('腐蚀后边缘图像'); se=strel('rectangle',[25,25]); I_close=imclose(I_erode,se); %图像闭合、填充图像 subplot(3,2,5),imshow(I_close),title('填充后图像

for i=1:size(location_of_1,1) %寻找所有白点中，x坐标与y坐标的和最大，最小的两个点的位置 temp=location_of_1(i,1)+location_of_1(i,2); if tempmaxi maxi=temp; b=i; end end first_point=location_of_1(a,:); %和最小的点为车牌的左上角 last_point=location_of_1(b,:); %和最大的点为车牌的右下角 x1=first_point(1)+4; %坐标值修正 x2=last_point(1)-4; y1=first_point(2)+4;

车牌识别系统是如何实现的

车牌识别系统是如何实现的 智能交通中一个重要的技术就是车牌识别技术，对于拍到的车辆图像或录像,如果能够准确及时的返回车牌的号码,这样即方便了车辆管理,又可以及时对违章车辆进行处罚,同时由于识别的即时性和准确性,这一系统在军事上也有极其重要的意义。车牌自动识别技术自提出以来,受到了人们的广泛关注,它可以应用于公路和桥梁收费站、公路流量观测站、城市监控系统、港口和机场、停车场、以及军事要塞的入口等车牌认证实际交通系统中,以提高交通系统的车辆监控和管理的自动化程度。由于其在智能化交通控制管理中发挥着越来越重要的作用,目前西方发达国家的科研工作者对其进行广泛的研究,目前己有众多的算法,一般的车牌识别系统总体构架图恤口图所示,经过这些年的研究,有些已应用于交叉路口、车库管理、路口收费、高速公路等场合。但是由于需适应各种复杂背景,加之要识别的车辆种类繁多,颜色变化多端,以及检测时要适应不同天气变化导致的不同光照条件。因此,目前的系统都或多或少地存在着一些问题。随着计算机性能的提高和理论技术的发展,这种技术必将日趋成熟。以下对我们设计的车牌自动识别系统的构成作简单介绍。 一个完整的车牌自动识别系统通常由图像采集,车牌定位,车牌牌字符分割和车牌字符识别部分组成。 车牌自动识别系统是一个以微处理器为核心,基于图像处理、模式识别等技术的高度智能的电子系统,这个系统主要有摄像头、视频采集接口、辅助照明装置、计算机和识别软件组成。 在自然光较暗或夜间影响识别效果时,自动开启辅助照明装置提供摄像光源。当车辆通过关卡,经过车体位置传感器的敏感区域时,传感器发送一个信号给图像采集控制部分。采集控制部分控制摄像机采集一幅汽车图像送至图像预处理模块,由预处理模块对输入图像进行预处理后送入计算机内。计算机内的软件模块从输入图像中找到牌照的位置,对牌照作字

数字图像处理实验_汽车牌照自动识别

贵州大学实验报告 学院：计算机学院专业：网络工程班级：101 姓名学号实验组实验时间12.11 指导教师戴丹成绩 实验项目名称实验四汽车牌照自动识别 实 验目的 1.分析汽车牌照的特点，正确获取整个图像中车牌的区域，并识别出车牌号。 2.将图像预处理、分割、分析等关键技术结合起来，理论与实践相结合，提高图像处理关键技术的综合应用能力。 实验原理 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。 实 验步骤 a.牌照定位，定位图片中的牌照位置； b.牌照字符分割，把牌照中的字符分割出来； c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。 实验数据getword.m function [word,result]=getword(d) word=[];flag=0;y1=8;y2=0.5; while flag==0 [m,n]=size(d); wide=0; while sum(d(:,wide+1))~=0 && wide<=n-2 wide=wide+1; end temp=qiege(imcrop(d,[1 1 wide m])); [m1,n1]=size(temp);

车牌识别设计报告

课程综述 课程名称车牌识别 班级08电子《2》班 姓名张宝平 学号0805070198 日期2011-11-15 指导教师王保云

车牌识别系统的设计 一、摘要 随着公路逐渐普及，我国的公路交通事业发展迅速，所以人工管理方式已经不能满着实际的需要，微电子、通信和计算机技术在交通领域的应用极大地提高了交通管理效率。汽车牌照的自动识别技术已经得到了广泛应用。汽车牌照自动识别整个处理过程分为预处理、边缘提取、车牌定位、字符分割、字符识别五大模块，其中字符识别过程主要由以下3个部分组成：①正确地分割文字图像区域；②正确的分离单个文字；③正确识别单个字符。用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照。在研究的同时对其中出现的问题进行了具体分析，处理。 二、设计目的和意义 目的： 1、让学生巩固理论课上所学的知识，理论联系实践。 2、锻炼学生的动手能力，激发学生的研究潜能，提高学生的协作精神。 意义： 车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。 三、设计原理 由于车辆牌照是机动车唯一的管理标识符号，在交通管理中具有不可替代的作用，因此车辆牌照识别系统应具有很高的识别正确率，对环境光照条件、拍摄位置和车辆行驶速度等因素的影响应有较大的容阈，并且要求满足实时性要求。 图1 牌照识别系统原理图 该系统是计算机图像处理与字符识别技术在智能化交通管理系统中的应用，它主要由牌照图像的采集和预处理、牌照区域的定位和提取、牌照字符的分割和识别等几个部分组成，如图1 所示。其基本工作过程如下： （1）当行驶的车辆经过时，触发埋设在固定位置的传感器，系统被唤醒处于工作状态；一旦连接摄像头光快门的光电传感器被触发，设置在车辆前方、后方和侧面的相机同时拍摄下车辆

基于Matlab的车牌识别(完整版)

基于Matlab的车牌识别 摘要:车牌识别技术是智能交通系统的重要组成部分，在近年来得到了很大的发展。本文从预处理、边缘检测、车牌定位、字符分割、字符识别五个方面，具体介绍了车牌自动识别的原理。并用MATLAB软件编程来实现每一个部分,最后识别出汽车车牌。 一、设计原理 车辆车牌识别系统的基本工作原理为：将摄像头拍摄到的包含车辆车牌的图像通过视频卡输入到计算机中进行预处理，再由检索模块对车牌进行搜索、检测、定位，并分割出包含车牌字符的矩形区域，然后对车牌字符进行二值化并将其分割为单个字符，然后输入JPEG或BMP格式的数字，输出则为车牌号码的数字。车牌自动识别是一项利用车辆的动态视频或静态图像进行车牌号码、车牌颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些车牌识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的车牌识别系统应包括车辆检测、图像采集、车牌识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。车牌识别单元对图像进行处理，定位出车牌位置，再将车牌中的字符分割出来进行识别，然后组成车牌号码输出。 二、设计步骤 总体步骤为：

基本的步骤： a.车牌定位，定位图片中的车牌位置； b.车牌字符分割，把车牌中的字符分割出来； c.车牌字符识别，把分割好的字符进行识别，最终组成车牌号码。 车牌识别过程中，车牌颜色的识别依据算法不同，可能在上述不同步骤实现，通常与车牌识别互相配合、互相验证。 (1）车牌定位: 自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定车牌区域是整个识别过程的关键。首先对采集到的视频图像进行大范围相关搜索，找到符合汽车车牌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，最后选定一个最佳的区域作为车牌区域，并将其从图象中分割出来。 流程图: （2）车牌字符分割 : 完成车牌区域的定位后，再将车牌区域分割成单个字符，然后进行识别。字符分割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的附近，并且这个位置应满足车牌的字符书写格式、字符、尺寸限制和一些其他条件。利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的效果。

数字图像处理-常用车牌定位方法的介绍和分析

车牌识别LPR(License Plate Recogniti ON)技术作为交通管理自动化的重要手段和车辆检测系统的一个重要环节，能经过图像抓拍、车牌定位、图像处理、字符分割、字符识别等一系列算法运算，识别出视野范围内的车辆牌照号码；它运用数字图像处理、模式识别、人工智能技术对采集到的汽车图像进行处理，能够实时准确地自动识别出车牌的数字、字母及汉字字符，并以计算机可直接运行的数据形式给出识别结果，使得车辆的电脑化监控和管理成为现实。 车牌识别技术的任务是处理、分析摄取的视频流中复杂背景的车辆图像，定位、分割牌照字符，最后自动识别牌照上的字符。为了保证汽车车牌识别系统能在各种复杂环境下发挥其应有的作用，识别系统必须满足以下要求: (1)鲁棒性:在任何情况下均能可靠正常地工作，且有较高的正确识别率。 (2)实时性:不论在汽车静止还是高速运行情况下，图像的采集识别系统必须在一定时间内识别出车牌全部字符，达到实时识别。 车牌识别技术的关键在于车牌定位、字符分割和字符识别三部分，其中车牌定位的准确与否直接决定后面的字符分割和识别效果，是影响整个LPR系统识 别率的主要因素，是车牌识别技术中最为关键的一步。目前车牌定位的方法多种多样, 归纳起来主要有基于纹理特征分析的方法、 基于边缘检测的方法、 基于数学形态学定位、基于小波分析定位以及基于彩色图像定位等，这些方法各有所长。

1、车牌目标区域特点 车牌定位方法的出发点是利用车牌区域的特征来判断牌照，将车牌区域从整幅车辆图像中分割出来。车牌自身具有许多的固有特征，这些特征对于不同的国家是不同的。从人的视觉角度出发，我国车牌具有以下可用于定位的特征: (1)车牌底色一般与车身颜色、字符颜色有较大差异; (2)车牌有一个连续或由于磨损而不连续的边框; (3)车牌内字符有多个，基本呈水平排列，在牌照的矩形区域内存在丰富的边缘，呈现规则的纹理特征; (4)车牌内字符之间的间隔较均匀，字符和牌照底色在灰度值上存在较大的跳变，字符本身和牌照底内部都有比较均匀的灰度; (5)不同图像中牌照的具体大小、位置不确定，但其长宽比在一定的变化范围内，存在1个最大值和1个最小值。 以上几种特征都是概念性的，各项特征单独看来都非车牌图像所独有，但将它们结合起来可以唯一地确定车牌。在这些特征中，颜色、形状、位置特征最为直观，易于提取。纹理特征比较抽象，必须经过一定的处理或者转换为其他特征才能得到相应的可供使用的特征指标。通常文字内容特征至少需要经过字符分割或识别后才可能成为可利用的特征，一般只是用来判断车牌识别正确与否。

车牌识别系统用户操作说明书

深圳来吉智能科技有限公司 纯车牌识别系统用户操作说明书

目录 目录 (2) 第一章系统概述 (3) 1.1）系统简介 (3) 1.2）系统拓朴 (4) 1.3）系统安装流程图 (5) 1.4）注意事项 (6) 1.4.1）车道宽度要求 (6) 1.4.2）管理软件要求 (6) 1.4.3）摄像机抓拍图片要求 (6) 第二章产品功能及特点 (9) 2.1）出入口控制器（LKP623） (9) 2.1.1）产品特点 (9) 2.1.2）技术参数 (10) 2.1.3）接线图 (11) 2.2）网络摄像机（LK-210） (12) 2.2.1）产特特点 (12) 2.2.2）技术参数 (13) 2.3）补光灯（LK-214） (14) 2.3.1）产品特点 (14) 2.3.2）技术参数 (14) 2.4）车辆检测器（LD16） (15) 2.4.1）产品特点 (15) 2.4.2）技术参数 (16) 第三章软件、数据库安装 (17) 3.1）M ICROSOFT SQL SERVER 2008数据库 (17) 3.1.1）数据库安装 (17) 3.1.2）数据库设置 (35) 3.2）车牌识别软件安装程序 (37) 3.2.1）运行环境安装 (37) 3.2.2）软件安装 (39) 3.2.3）软件设置 (44) 3.3）附表一收费标准详细说明 (77) 3.4）附表二支架安装 (79) 3.5）附表三车道布设图 (80) 第四章NET FRAMEWORK 4.0安装失败解决 (82) 4.1）安装程序 (82) 4.2）方法/步骤 (82) 第五章NET FRAMEWORK 3.5安装失败解决 (92)

车牌识别(附源代码)

车牌识别 电子1301 孙洪江 20 一、目的与要求 车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力 二、设计原理: 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。三、详细设计步骤: 为了进行牌照识别，需要以下几个基本的步骤： a.牌照定位，定位图片中的牌照位置； b.牌照字符分割，把牌照中的字符分割出来； c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。 牌照识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与牌照识别互相配合、互相验证。 (1）牌照定位: 自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频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，最后选定一个最佳的区域作为牌照区域，并将其从图象中分割出来。 （2）牌照字符分割 :