高精度车牌识别系统的研制
摘 要随着我国车辆不断增多，智能化的车辆管理成为了当前的发展趋势。车牌识别系统能够实现对车辆牌照的有效识别，从而提升车辆管理效率。本文针对车牌识别系统进行研究，并对其中的车牌定位、字符识别以及字符分割进行研究。通过MATLAB模式进行实现，验证其效果。经过设计、测试以及验证之后，使本文所设计的车牌识别系统具有逻辑简单、设计方便、操作便捷以及识别精度高的特点，能够满足当前交通运输行业的实际需求。
目 录
引言 1
一、总体设计 1
二、图像预处理 2
（一）基本流程 2
（二）图像灰度化 3
（三）灰度校正 3
（四）平滑处理 4
（五）边缘检测 4
三、车牌定位与分割 5
（一）基本流程 5
（二）车牌定位 5
（三）车牌分割 5
（四）定位后的进一步处理 6
（五）Matlab仿真结果与分析 6
四、字符分割 9
（一）基本流程 9
（二）字符分割 10
（三）字符归一化 10
五、字符识别 11
（一）基本流程 11
（二）基本算法及实现 12
（三）Matlab仿真结果与分析 12
六、整体组装说明 15
七、功能调试 16
（一）调试结果说明 16
（二）遇到的问题及解决办法 17
总结 19
致谢 20
参考文献 21
附录一 电路原理图22
附录二 部分程序23 引言
我国交通运输不断发展，车辆管理，尤其是自动化的车辆管理系统越来越被人们所重视。如何通过计算机和电子信息技术对车牌进行有效、快速的识别，是当前交通系统中的研究重点。通过计算机处理技术、自动控制技术以及传感和牌照技术的有效结合和运用，可以实现对车牌的自动识别，并将其称之为车牌识别系统。该系统可以有效实现对车牌的采集和输出，从而为车辆智能管理提供重要依据。当前，由于车辆情况的复杂性以及道路环境的多样性，使得车牌识别系统存在着较大的不足。尤其对于 *好棒文|www.hbsrm.com +Q: &351916072&
我国而言，一方面我国人口基数大、车辆拥有数量急剧上升，对车牌识别系统的精度和速度要求更高；另一方面我国车牌包括字母、汉字及数字，使得车牌的识别系统有着更高的要求。所以，针对当前我国车牌识别系统的实际需求以及当前在运行的车牌识别系统中的不足，对该系统进行更加深入的研究，设计一款精度高、识别效果好以及实用性强的高精度车牌识别系统是十分有必要的。
本文对车牌识别系统进行研究，在结合具体情况和相关案例的基础上，通过三大模块来完成车牌识别系统的实现。这三大模块分别是车牌定位模块、字符分割模块以及字符识别模块。车牌定位通过边缘检测技术予以实现，车牌分割采用投影分割技术予以实现。经过设计、测试以及验证之后，使本文所设计的车牌识别系统具有逻辑简单、设计方便、操作便捷以及识别精度高的特点，能够满足当前交通运输行业的实际需求。
一、总体设计
针对当前车牌识别系统中普遍存在的车牌图像识别速度慢、准确性差、图像处理技术有待提高等问题，本文利用数字图像处理技术能够分析和解决较多问题的优势，来完成对车牌识别系统高精度的设计要求。
图11为本次设计的流程框图。从中可以看出，该系统主要包括触发牌照、图像采集和处理、字符定位、分割、识别以及结果输出等主要单元。当车辆经过时，首先利用成熟的触发自动拍照功能，对车牌进行拍照，并通过图像采集功能采集车牌信息。针对所采集车牌图像存在噪声干扰、存在杂质等问题，通过预处理系统对车牌图形进行噪声的去除工作，增加车牌图像的识别功能。之后，通过车牌定位、字符分割以及字符识别技术对完成的车牌中字符信息的提取和识别，是车牌识别系统准确性的重要保证，也是本论文的设计重点。最后，通过系统处理之后将识别结果输出，并保存相关数据。
图11车牌识别系统工作流程图
需要指出的是，车牌识别系统的整体性能依赖于每个模块和步骤的良好运行。一旦其中有一点出错，必然会影响其结果的准确性，甚至会造成无法工作的结果。因此，在设计和实现过程中，对每一个模块和程序都必须进行严谨的设计和完善。
图像预处理
（一）基本流程
图21预处理及边缘提取流程图
如图21所示，为车牌识别系统中预处理及边缘提取流程。该流程包括输入车牌图像、灰度校正、平滑处理以及边缘提取四大部分。由于在车牌图像采集过程中，难免会由于各种外界原因导致车牌图像存在杂质。因此需要通过预处理系统进行有效处理，提升车牌图像的质量，为之后的车牌定位和字符识别提供重要基础。
（二）图像灰度化
图像灰度化的主要目的是为了将车牌图像中的彩色信息提出，只保留灰度图的亮度变化信息，通过灰度图中的亮度来对图形进行识别。本文通过采用灰度化的算法，将彩色图像中的红（R）、绿（G）以及蓝（B），予以消除，并将灰度最高值即白色，设置为255，最低值即黑色设置为0。通过加权平均值对图像进行灰度化计算，具体算法如公式21、所示。
（21）
其中 、 、分别代表红色、绿色以及蓝色的权值，并且根据人眼对色彩分辨率的差别，将权值大小设置为> >。根据相关要求，权值取=0.299 、=0.587 、=0.114 ，此时可以得到较好、易识别的灰度图。
（三）灰度校正
图像灰度化之后，由于实际情况和灰度图中的灰度值存在一定偏差，需要对灰度的图像进行进一步的校正，即灰度校正。通过灰度校正可以有效处理灰度图像中灰度失真、曝光不足以及灵敏度差异较大等问题，从而增加灰度图像的对比度和分辨率。本文通过图22所示的灰度线性变换，对车牌灰度图像的兑取范围进行增大，并将原灰度范围由r=(50,200)调整为s=(0,255)，具体过程如公式22、公式23以及公式24所示。
图22灰度线性变换
（22）
目 录
引言 1
一、总体设计 1
二、图像预处理 2
（一）基本流程 2
（二）图像灰度化 3
（三）灰度校正 3
（四）平滑处理 4
（五）边缘检测 4
三、车牌定位与分割 5
（一）基本流程 5
（二）车牌定位 5
（三）车牌分割 5
（四）定位后的进一步处理 6
（五）Matlab仿真结果与分析 6
四、字符分割 9
（一）基本流程 9
（二）字符分割 10
（三）字符归一化 10
五、字符识别 11
（一）基本流程 11
（二）基本算法及实现 12
（三）Matlab仿真结果与分析 12
六、整体组装说明 15
七、功能调试 16
（一）调试结果说明 16
（二）遇到的问题及解决办法 17
总结 19
致谢 20
参考文献 21
附录一 电路原理图22
附录二 部分程序23 引言
我国交通运输不断发展，车辆管理，尤其是自动化的车辆管理系统越来越被人们所重视。如何通过计算机和电子信息技术对车牌进行有效、快速的识别，是当前交通系统中的研究重点。通过计算机处理技术、自动控制技术以及传感和牌照技术的有效结合和运用，可以实现对车牌的自动识别，并将其称之为车牌识别系统。该系统可以有效实现对车牌的采集和输出，从而为车辆智能管理提供重要依据。当前，由于车辆情况的复杂性以及道路环境的多样性，使得车牌识别系统存在着较大的不足。尤其对于 *好棒文|www.hbsrm.com +Q: &351916072&
我国而言，一方面我国人口基数大、车辆拥有数量急剧上升，对车牌识别系统的精度和速度要求更高；另一方面我国车牌包括字母、汉字及数字，使得车牌的识别系统有着更高的要求。所以，针对当前我国车牌识别系统的实际需求以及当前在运行的车牌识别系统中的不足，对该系统进行更加深入的研究，设计一款精度高、识别效果好以及实用性强的高精度车牌识别系统是十分有必要的。
本文对车牌识别系统进行研究，在结合具体情况和相关案例的基础上，通过三大模块来完成车牌识别系统的实现。这三大模块分别是车牌定位模块、字符分割模块以及字符识别模块。车牌定位通过边缘检测技术予以实现，车牌分割采用投影分割技术予以实现。经过设计、测试以及验证之后，使本文所设计的车牌识别系统具有逻辑简单、设计方便、操作便捷以及识别精度高的特点，能够满足当前交通运输行业的实际需求。
一、总体设计
针对当前车牌识别系统中普遍存在的车牌图像识别速度慢、准确性差、图像处理技术有待提高等问题，本文利用数字图像处理技术能够分析和解决较多问题的优势，来完成对车牌识别系统高精度的设计要求。
图11为本次设计的流程框图。从中可以看出，该系统主要包括触发牌照、图像采集和处理、字符定位、分割、识别以及结果输出等主要单元。当车辆经过时，首先利用成熟的触发自动拍照功能，对车牌进行拍照，并通过图像采集功能采集车牌信息。针对所采集车牌图像存在噪声干扰、存在杂质等问题，通过预处理系统对车牌图形进行噪声的去除工作，增加车牌图像的识别功能。之后，通过车牌定位、字符分割以及字符识别技术对完成的车牌中字符信息的提取和识别，是车牌识别系统准确性的重要保证，也是本论文的设计重点。最后，通过系统处理之后将识别结果输出，并保存相关数据。
图11车牌识别系统工作流程图
需要指出的是，车牌识别系统的整体性能依赖于每个模块和步骤的良好运行。一旦其中有一点出错，必然会影响其结果的准确性，甚至会造成无法工作的结果。因此，在设计和实现过程中，对每一个模块和程序都必须进行严谨的设计和完善。
图像预处理
（一）基本流程
图21预处理及边缘提取流程图
如图21所示，为车牌识别系统中预处理及边缘提取流程。该流程包括输入车牌图像、灰度校正、平滑处理以及边缘提取四大部分。由于在车牌图像采集过程中，难免会由于各种外界原因导致车牌图像存在杂质。因此需要通过预处理系统进行有效处理，提升车牌图像的质量，为之后的车牌定位和字符识别提供重要基础。
（二）图像灰度化
图像灰度化的主要目的是为了将车牌图像中的彩色信息提出，只保留灰度图的亮度变化信息，通过灰度图中的亮度来对图形进行识别。本文通过采用灰度化的算法，将彩色图像中的红（R）、绿（G）以及蓝（B），予以消除，并将灰度最高值即白色，设置为255，最低值即黑色设置为0。通过加权平均值对图像进行灰度化计算，具体算法如公式21、所示。
（21）
其中 、 、分别代表红色、绿色以及蓝色的权值，并且根据人眼对色彩分辨率的差别，将权值大小设置为> >。根据相关要求，权值取=0.299 、=0.587 、=0.114 ，此时可以得到较好、易识别的灰度图。
（三）灰度校正
图像灰度化之后，由于实际情况和灰度图中的灰度值存在一定偏差，需要对灰度的图像进行进一步的校正，即灰度校正。通过灰度校正可以有效处理灰度图像中灰度失真、曝光不足以及灵敏度差异较大等问题，从而增加灰度图像的对比度和分辨率。本文通过图22所示的灰度线性变换，对车牌灰度图像的兑取范围进行增大，并将原灰度范围由r=(50,200)调整为s=(0,255)，具体过程如公式22、公式23以及公式24所示。
图22灰度线性变换
（22）
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/txgc/721.html
