vc++的车牌识别系统的研究与开发(附件)
摘要：车牌识别系统是现代智能交通系统中重要组成部分，是专于计算机视觉的系统。车牌识别系统的应用可有效解决在高速公路收费、超速车辆布控、城市卡口、停车场管理和社区管理中的问题，为管理带来极大的便利。本文基于VC++对车牌识别系统中的图像预处理、车牌定位、字符分割和字符识别等涉及到的技术和算法作了全面的论述和分析，以采集到的多幅具有代表性的汽车图片作为样本图片，使用该系统进行车牌定位和车牌字符的自动识别测试，并以可视化界面的形式展现出来，具有较高的成功率。
目录
摘要 1
关键词 1
Abstract 1
Keywords 1
1 绪论 2
1.1 课题研究的背景及意义 2
1.2 国内外的研究现状 2
1.3 车牌识别技术的研究特点 2
2 车辆图像的预处理 3
2.1 图像灰度化 3
2.2 图像增强 4
2.2.1 均衡化 4
2.2.2 降噪 4
2.3 图像边缘检测 5
2.4 二值化 6
3 车牌定位 7
3.1 生成边缘点图 7
3.2 车牌定位 7
4 车牌字符识别 8
4.1 车牌字符识别预处理 8
4.1.1字符分割 8
4.1.2 归一化处理 8
4.1.3 字符细化 9
4.2 车牌字符识别 10
4.2.1 特征提取 10
4.2.2 模板匹配 10
5车牌识别系统 12
5.1 系统结构 12
5.2 系统开发环境 12
6 总结 12
致谢 13
参考文献 14
基于VC++的车牌识别系统的研究与开发
网络工程学生 马伟
引言
1 绪论
1.1 课题研究的背景及意义
自20世纪以来，随着国民经济的飞速发展，机动车辆规模和流量的大幅度增加，迫切需求高新技术
*好棒文|www.hbsrm.com +Q: 3_5_1_9_1_6_0_7_2
对高速公路和城市公路进行高效管理。车牌识别系统是交通管理智能化的重要环节，车牌识别系统的应用可有效解决在高速公路收费、超速车辆布控、城市卡口、停车场管理和社区管理中的问题，为管理带来极大的便利。
车牌识别技术的根本性作用在于自动识读出车辆的唯一身份证车牌号码，摆脱了人工查看图片识读车牌号码的工作，由于这一智能化的技术，顿时使车辆管理的技术水平跨上了一个新台阶。与此同时，车牌识别技术降低了人工劳动的强度，提高管理效率，降低人为错误，使得车辆的电子监控和管理成为现实。
具体应用主要有：
（1）交通监控 利用摄像设备，可以直接监视对应路段的交通情况，获得车辆的交通信息，防范交通事故发生。它也可以同雷达测速器等其他的检测设备一起使用，来检测违归的车辆。
（2）车辆定位 因为能自动识别车牌号码，并且通过摄像头获得车辆的行驶位置，从而能够找到被盗车辆的具体位置。这样就可以追踪犯罪的车辆，保护重要车辆的安全，对城市的安全起着重要的作用。
（3）出入车辆管理 利用摄像设备获取的汽车图片，自动进行汽车车牌识别。将识别出的车牌与可通行车牌库进行对比，来控制车辆的出入情况。
（4）监测报警 对于纳入“黑名单”的车辆，将车牌号码输入到识别系统中，系统将识别所有通过车辆的牌照号码并与系统中违规车辆号码进行比对，一旦发现指定车辆就发出相应的报警信息。
1.2 国内外的研究现状
车牌识别技术在国外起步较早，国外的研究人员很早就开始着手于对车牌识别的相关研究。早期的车牌定位技术都是主要对灰度图像进行处理。主要的定位方法包括：R.Parisi提出的基于水平线的车牌定位法；Robertson提出基于DFT变换的频域分析法；Barroso的基于Niblack二值化算法和自适应边界的定位方法；Kanayama K,Fujikawa y提出的基于扫描行的车牌定位方法等。又引入数学工具，相继出现了基于权重模板匹配的定位方法、基于动态投影翘曲的定位方法[1]、基于形态学和投影分析的车牌识别系统[2]、基于小波变频，中值滤波，SVM（Support Vector Machine）等运用数学方法的车牌定位技术。随着科技的飞速发展，利用车牌彩色信息进行定位的方法也逐一被研究出来。主要有：基于相关颜色分析的车牌定位；利用神经网络对图像进行颜色分割，然后投影分析的定位方法等。
我国高校研究室也进行了大量该方面的研究，如西安交通大学的图像处理和识别研究室，清华大学人工智能研究室，浙江大学的自动化系等在车牌识别方面的技术都有自己的独立研究[3]。
各种方法的出现为车牌识别提供了丰富的理论知识，同时也由于它们的局限性，对精确度和稳定性提出更高的要求。
1.3 车牌识别技术的研究特点
车牌识别主要分为两大关键技术：一是车牌的定位；二是车牌字符的识别。
（1）车牌定位。车牌定位算法方面的研究比较成功，先前是大量对灰度图像进行处理，又由于数学方法的引入，相继出现了彩色图像直接识别的算法。各种算法都各有特点，也存在不足之处。
（2）字符识别。字符识别实际上就是对车牌上的汉字、字母、数字进行准确。能否正确识别不仅关乎文字识别技术，还要考虑其车牌区域的影响。图片的清晰度、车牌的整洁度、车牌区域的倾斜角度及周围环境等因素的影响使车牌中的字符可能出现比较严重的模糊、歪斜、污迹干扰等情况，这些问题都会给字符识别带来了难度。
2 车辆图像的预处理
2.1 图像灰度化
由彩色转换为灰度的过程叫做灰度化处理。目前，汽车图像样本大都是通过摄像机、相机等拍摄获得的，所以要对获得的彩色图像进行预处理。彩色图像是利用R、G、B三个分量表示一个像素的颜色，其中R、G、B分别代表红、绿、蓝3种不同的颜色，可以通过红绿蓝三基色可以合成出任意颜色。
灰度图像一般只有强度信息，没有具体的颜色信息。灰度图像的存储需要一个相应的数据矩阵，矩阵的每个元素对应该位置的像素的相应的灰度值。R、G、B的取值范围是0255。将彩色图像转化为灰度图像常采用如下的经验公式：
gray = 0.30 × R + 0.59 × G + 0.11 × B (2.1)
式中，gray为灰度值，R、G、B分别为红色、绿色和蓝色分量。这是经验公式，通过人眼对颜色敏感度的强弱获得系数比，最好得到灰度值，这样得到的灰度图像是较为合理、清晰。
图21a为320×240汽车BMP彩色图像，将彩色图像用公式（2.1）转化，得到灰度化后的图像如图21b。
目录
摘要 1
关键词 1
Abstract 1
Keywords 1
1 绪论 2
1.1 课题研究的背景及意义 2
1.2 国内外的研究现状 2
1.3 车牌识别技术的研究特点 2
2 车辆图像的预处理 3
2.1 图像灰度化 3
2.2 图像增强 4
2.2.1 均衡化 4
2.2.2 降噪 4
2.3 图像边缘检测 5
2.4 二值化 6
3 车牌定位 7
3.1 生成边缘点图 7
3.2 车牌定位 7
4 车牌字符识别 8
4.1 车牌字符识别预处理 8
4.1.1字符分割 8
4.1.2 归一化处理 8
4.1.3 字符细化 9
4.2 车牌字符识别 10
4.2.1 特征提取 10
4.2.2 模板匹配 10
5车牌识别系统 12
5.1 系统结构 12
5.2 系统开发环境 12
6 总结 12
致谢 13
参考文献 14
基于VC++的车牌识别系统的研究与开发
网络工程学生 马伟
引言
1 绪论
1.1 课题研究的背景及意义
自20世纪以来，随着国民经济的飞速发展，机动车辆规模和流量的大幅度增加，迫切需求高新技术
*好棒文|www.hbsrm.com +Q: 3_5_1_9_1_6_0_7_2
对高速公路和城市公路进行高效管理。车牌识别系统是交通管理智能化的重要环节，车牌识别系统的应用可有效解决在高速公路收费、超速车辆布控、城市卡口、停车场管理和社区管理中的问题，为管理带来极大的便利。
车牌识别技术的根本性作用在于自动识读出车辆的唯一身份证车牌号码，摆脱了人工查看图片识读车牌号码的工作，由于这一智能化的技术，顿时使车辆管理的技术水平跨上了一个新台阶。与此同时，车牌识别技术降低了人工劳动的强度，提高管理效率，降低人为错误，使得车辆的电子监控和管理成为现实。
具体应用主要有：
（1）交通监控 利用摄像设备，可以直接监视对应路段的交通情况，获得车辆的交通信息，防范交通事故发生。它也可以同雷达测速器等其他的检测设备一起使用，来检测违归的车辆。
（2）车辆定位 因为能自动识别车牌号码，并且通过摄像头获得车辆的行驶位置，从而能够找到被盗车辆的具体位置。这样就可以追踪犯罪的车辆，保护重要车辆的安全，对城市的安全起着重要的作用。
（3）出入车辆管理 利用摄像设备获取的汽车图片，自动进行汽车车牌识别。将识别出的车牌与可通行车牌库进行对比，来控制车辆的出入情况。
（4）监测报警 对于纳入“黑名单”的车辆，将车牌号码输入到识别系统中，系统将识别所有通过车辆的牌照号码并与系统中违规车辆号码进行比对，一旦发现指定车辆就发出相应的报警信息。
1.2 国内外的研究现状
车牌识别技术在国外起步较早，国外的研究人员很早就开始着手于对车牌识别的相关研究。早期的车牌定位技术都是主要对灰度图像进行处理。主要的定位方法包括：R.Parisi提出的基于水平线的车牌定位法；Robertson提出基于DFT变换的频域分析法；Barroso的基于Niblack二值化算法和自适应边界的定位方法；Kanayama K,Fujikawa y提出的基于扫描行的车牌定位方法等。又引入数学工具，相继出现了基于权重模板匹配的定位方法、基于动态投影翘曲的定位方法[1]、基于形态学和投影分析的车牌识别系统[2]、基于小波变频，中值滤波，SVM（Support Vector Machine）等运用数学方法的车牌定位技术。随着科技的飞速发展，利用车牌彩色信息进行定位的方法也逐一被研究出来。主要有：基于相关颜色分析的车牌定位；利用神经网络对图像进行颜色分割，然后投影分析的定位方法等。
我国高校研究室也进行了大量该方面的研究，如西安交通大学的图像处理和识别研究室，清华大学人工智能研究室，浙江大学的自动化系等在车牌识别方面的技术都有自己的独立研究[3]。
各种方法的出现为车牌识别提供了丰富的理论知识，同时也由于它们的局限性，对精确度和稳定性提出更高的要求。
1.3 车牌识别技术的研究特点
车牌识别主要分为两大关键技术：一是车牌的定位；二是车牌字符的识别。
（1）车牌定位。车牌定位算法方面的研究比较成功，先前是大量对灰度图像进行处理，又由于数学方法的引入，相继出现了彩色图像直接识别的算法。各种算法都各有特点，也存在不足之处。
（2）字符识别。字符识别实际上就是对车牌上的汉字、字母、数字进行准确。能否正确识别不仅关乎文字识别技术，还要考虑其车牌区域的影响。图片的清晰度、车牌的整洁度、车牌区域的倾斜角度及周围环境等因素的影响使车牌中的字符可能出现比较严重的模糊、歪斜、污迹干扰等情况，这些问题都会给字符识别带来了难度。
2 车辆图像的预处理
2.1 图像灰度化
由彩色转换为灰度的过程叫做灰度化处理。目前，汽车图像样本大都是通过摄像机、相机等拍摄获得的，所以要对获得的彩色图像进行预处理。彩色图像是利用R、G、B三个分量表示一个像素的颜色，其中R、G、B分别代表红、绿、蓝3种不同的颜色，可以通过红绿蓝三基色可以合成出任意颜色。
灰度图像一般只有强度信息，没有具体的颜色信息。灰度图像的存储需要一个相应的数据矩阵，矩阵的每个元素对应该位置的像素的相应的灰度值。R、G、B的取值范围是0255。将彩色图像转化为灰度图像常采用如下的经验公式：
gray = 0.30 × R + 0.59 × G + 0.11 × B (2.1)
式中，gray为灰度值，R、G、B分别为红色、绿色和蓝色分量。这是经验公式，通过人眼对颜色敏感度的强弱获得系数比，最好得到灰度值，这样得到的灰度图像是较为合理、清晰。
图21a为320×240汽车BMP彩色图像，将彩色图像用公式（2.1）转化，得到灰度化后的图像如图21b。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/wljs/727.html
