基于matlab車牌識別系統設計與實現畢業(yè)設計(論文)(編輯修改稿)

　

【文章內容簡介】 最重要的成分是函數，其一般形式為 [a,b,c， ...]=fun(d,e,f,...),即一個函數由函數名，輸入變量 d,e,f,...和輸出變量 a,b,c,...組成，同一函數名 F，不同數目的輸入變量（包括無輸入變量）及不同數目的輸出變量，代表著不同的含義（有點像面向對象中的多態(tài)性）。這不僅使 MATLAB 的庫函數功能更豐富，而且大大減少了需要的磁盤空間看，使得 MATLAB 編寫的 M文件簡單、短小而高效。 （ 6）方便的繪圖功能 MATLAB 的繪圖是十分方便的，它有 一系列繪圖函數（命令），例如線性坐標、對數坐標、半對數坐標及極坐標，均只需調用不同的繪圖函數（命令），在圖上標出圖題、XY 軸標注，格（柵）繪制也只需調用相應的命令，簡單易行。另外，在調用繪圖函數時調整自變量可繪出不變顏色的點、線、復線或多重線。這種為科學研究著想的設計是通用的編程語言所不能及的。 圖像預處理及其 MATLAB 實現 圖像在形成、 傳輸或處理過程中，由于獲取圖像工具的影響，獲取圖像無法完全體現原始圖像的全部信息。受多種因素的影響，如系統噪聲、光學系統失真、曝光不足或過量、相對運動等， 往往會與原始景物之間或圖像與原始圖像之間產生了某種差異，這種差異稱為降質或退化。因此要改善圖像數據，抑制不需要的變形或者增強。對于后續(xù)車牌識別系統設計與實現 6 處理來說，以提取圖像特征為目的的圖像預處理在圖像處理過程中顯得非常重要。 車輛號碼牌定位 牌照的定位是牌照識別系統的關鍵技術之一，其主要目的是在經圖象預處理后的原始灰度圖象中確定牌照的具體位置 。 在采集到的圖像中車輛號碼牌均在自然背景下，在自然背景中準確地確定牌照所在區(qū)域是整個識別過程的關鍵。首先對采集到的圖像進行全面搜索，找到符合汽車牌照特征的若干區(qū)域作為候選區(qū)， 然后對這些侯選區(qū)域分析、評判，最后選定一個最佳的區(qū)域作為牌照區(qū)域，并將其從圖象中分割出來。車輛定位流程圖如圖 2 所示： 圖 2 車牌定位流程圖 車輛號碼牌的字符分割 完成車輛號碼牌定位后，再將號碼牌區(qū)域分割成單個字符，然后進行識別。 針對車牌字符串的特點， 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間或字符內的間隙處取得局部最小值的附近，并且這個位置應滿足牌照的字符書寫格式、字符、尺寸限制和一些其他條件。利用垂直投影法對復雜環(huán)境下的汽車圖像中的字符 分割有較好的效果。車輛號碼牌字符分割流程圖 如圖 3 所示 ： 圖 3 車輛號碼牌字符分割流程圖 車輛號碼牌的識別 目前用于車牌字符識別中的算法主要有兩種，分別是基于模板匹配的字符識別算法以及基于人工神經網絡的字符識別算法。基于模板匹配的字符識別的基本過程是：首先對待識別字符進行二值化并將其尺寸大小縮放為字符數據庫中模板的大小；然后與所有的模板進行匹配；最后選最佳匹配作為結果。用人工神經網絡字符識別進行字符識別主要有兩種方法：一種方法是先對待識別字符進 行特征提取，然后用所獲得的特征來訓練神經網絡分類器。識別效果與字符特征的提取有關，而字符特征提取往往比較耗時。因此，字符特征的提取就成為研究的關鍵。另一種方法則充分利用神經網絡的特點，直接把待處理圖像輸入網絡，由網絡自動實現特征提取直至識別。實際應用中，牌照識別系統的識別率與牌照質量和拍攝質量密切相關。牌照質量會受到各種自然因素的影響，如 輸入 圖像 車牌 定位 開閉 運算 邊緣 處理 圖像 預處理 水平投 影校正 去掉車 牌外框 切割 字符 尋找字 符中心 車牌識別系統設計與實現 7 字體褪色、牌照被遮擋、牌照傾斜、高亮反光、多牌照、假牌照等等；實際拍攝過程也會受到環(huán)境亮度、拍攝亮度、車輛速度等等因素的影響。這些影響因素降低了牌照識別的識別率，也正是牌照 識別系統的困難和挑戰(zhàn)所在。在本次設計中我們選用的方法就是基于模板匹配的字符識別的方法，這種方法雖然工作量較大，但是本方法相對而言容易實現。 3 圖像預處理及其 MATLAB實現 利用攝像頭拍攝到的車輛圖像往往存在很多噪點，因此在進行識別前要進行車輛圖像的預處理。常用的圖像預處理方法包括圖像的灰度變換，圖像平滑等處理方法。車輛圖像的預處理主要目的是使車輛圖像尤其是牌照區(qū)域的圖像的質量得到改善，同時保留和增強車牌中紋理和顏色的信息，去除可能影響牌照區(qū)域紋理和顏色信息的噪點，為牌照定位提供方便。同時圖像預處理是整個 系統的首個處理過程對以下一系列的處理過程奠定了基礎。其流程圖 如圖 4 所示 ： 圖 4 圖像預處理流程圖 圖像的讀取 在 MATLAB 中，使用函數 imread 來讀取圖像文件，函數的調用格式如下： imread(39。filename39。) 車輛圖像讀入 灰度校正 提取邊緣 平 滑處理 車牌識別系統設計與實現 8 Imread所支持的圖像格式有很多，我們在此為大家呈現一些重要的圖像格式。 如表 1所示 [5]: 表 1 imread所支持的一些常見圖像格式 格式名稱 描 述 可識別擴展符 TIFF 加標識的圖形文件格式 .tif,.tiff JPEG 由聯合圖像專家組開發(fā)的圖像格式 .jpg,.jpeg GIF 圖形交換格式 .gif BMP Windows位圖 .bmp PNG 可移植網絡圖形 .png XWD X Windows轉儲 .xwd 圖像的灰度化處理 灰度圖像即指黑白圖像，即只包含亮度信息，不包含色彩信息的圖像。真彩色圖像都是由三基色 R,G,B圖像合成后顯示的，其原理是自然界中客觀存 在的任一種顏色都可由 3種相互獨立的顏色按一定的比例混合而成 ——R（紅）， G，（綠）， B（藍）。對于灰度圖來說 0代表黑， 255代表白， 1254的每個值分別代表了介于黑色與白色之間的所有深淺不同的灰色色調。在 MATLAB中用函數 rgb2gray實現圖像灰度化的轉換，通過加權法平均法，平均值法，最大值法三種方法，實現彩色圖像的灰度化處理 [6]。三種算法的計算過程如下： （ 1）加權平均值法：按照一定的權值，對 R、 G、 B 的值加權平均，即： 3/)( BGRBGR BGR ??? ????? 其中 , R? 、 G? 、 B? 分別為 R、 G、 B 的權值。 （ 2） 平均值法：使轉化后 R、 G、 B 的值為轉化前 R、 G 、 B 的平均值 3/)( BGRBGR ????? （ 3） 最大值法：使轉 化后 R、 G、 B 的值等于轉化前 3 個值中最大的一個，即： )( BGRM A XBGR 、??? BGR ??? 、 去不同的值會得到不同的灰度圖。 經過函數的計算我們就可以將讀入圖片進行灰度化處理，本次設計中所需圖片的原圖和灰度圖如圖 5和 圖 6所示： 車牌識別系統設計與實現 9 圖 5 車輛原圖 圖 6 車輛灰度圖 圖像的邊緣檢測及提取 圖像的邊緣信息是重要的圖像信息，圖像邊緣是指圖像局部強度變化最顯著的部分，主要存在于目標物體、目標物體與背景、區(qū)域與區(qū)域（包括不同的色彩）之間，是圖像分割、形態(tài)分析等圖像分析的重要基礎，因此邊緣檢測的方法是圖像分析與識別領域中的一個十分引人關注的課題。所謂邊緣，是指其周圍像素灰度有變化的那些像素的集合。圖像中目標的邊緣是由灰度不連續(xù)性反應的。 車牌識別系統設計與實現 10 邊緣檢測的主要作用是精確定位邊緣和抑制噪點，基本思想是利用邊緣增 強算子，凸顯出圖像中的局部邊緣，然后再定義像素的 “邊緣強度 ”，通過設置門限來提取邊緣點集。圖像中車輛牌照具有比較顯著特征的一塊圖象區(qū)域，其特征是：該圖像是近似水平的矩形區(qū)域；其字符串都是水平方向排列的；在整體圖象中的位置固定。由于牌照圖象的這些特點，經過適當的圖象變換和處理，其在整幅圖像中可以明顯地呈現出其邊緣。以達到邊緣提取的目的。 MATLAB圖像處理工具箱也專門提供了邊緣檢測的函數，即 edge函數。 edge函數支持 5中邊緣檢測算子，它們分別是 Roberts 邊緣算子、 Prewitt 算子、 Sobel 算子、拉普拉斯高斯算子、 Canny算子，此外還有過零點算子方法。 Prewitt算子和 Sobel算子都是一階的微分算子，前者是平均濾波，后者是加權平均濾波且檢測的圖像邊緣大于 2個像素。這兩種算子對灰度逐漸變低的圖像有較好的檢測效果，但是對于混合多復雜噪聲的圖像處理效果就不理想 [7]。 本次設計中采用 Roberts 邊緣算子，因為 Robert算子定位較精確，但由于不包括平滑處理，所以對噪聲比較敏感。經過 Roberts 邊緣算子檢測的圖像如圖 7所示： 圖 7 邊緣檢測后圖像 圖像的平滑處理 圖像 的平滑處理屬于空間域濾波增強的手段 ,在圖像的獲取和傳輸過程中原始圖像會受到各種噪聲的干擾，使圖像質量下降。為了抑制噪聲、改善圖像質量，要對圖像進行平滑處理。抑制或消除這些噪聲而改善圖像質量的過程稱為圖像的平滑。圖像平滑的目的是為了消除噪聲。一般情況下，減少噪聲的方法可以在空間域或頻率域進行處理，主要有鄰域平均法、中值濾波法、低通濾波法等，鄰域平均法即通過提高信噪比，取得較好的平滑效果；空間域低通濾波采用低通濾波的方法去除噪聲；以及頻域低通濾波法通過除去其高頻分量就能去掉噪聲，從而使圖像得到平滑。圖像的平滑是 一種實用的數車牌識別系統設計與實現 11 字圖像處理技術，一個較好的平滑處理方法應該既能消除圖像噪聲，又不使圖像邊緣輪廓和線條變模糊，這就是研究數字圖像平滑處理要追求的目標 [8]。 車牌圖像往往存在一些噪點。在汽車牌照圖像處理初期，若不能有效抑制或者去除這些噪點，將影響車牌定位的準確性或者造成無法定位。在本次設計中我們使用MATLAB軟件中的 imclose函數對圖像進行平滑處理，其主要作用是對圖像實現閉運算，閉運算也能平滑圖像的輪廓，但與開運算相反，它一般融合窄的缺口和細長的彎口，去掉小洞，填補輪廓上的縫隙。對圖像進行平滑處理后的圖形如 圖 8 所示： 圖 8 平滑處理后圖像 除此之外，圖像平滑處理后，可能會有多個閉合區(qū)域，對于不是車牌區(qū)域的必須予以刪除，在圖像預處理中還需要用到 imerode函數和 bwareaopen函數分別對圖像進行腐蝕處理和刪除小對象處理，其主要是對圖像進行更加細膩的處理，為后面的車牌定位、字符分割等功能的實現做好前期鋪墊 [15]。 對圖像進行腐蝕處理和刪除小對象處理后的圖像 如圖 9所示 ： 圖 9 腐蝕處理后圖像 車牌識別系統設計與實現 12 對圖像進行腐蝕處 理和刪除小對象處理后的圖像 如圖 10 所示 ： 圖 10 移除小對象處理后圖像 4 車輛號碼牌定位 車牌定位：從預處理后的汽車圖像中分割出車牌圖像。即在一幅車輛圖像中找到車牌所在的位置。即通過運算得到圖像的邊緣，然后計算邊緣圖像的投影面積，大概確定車牌的位置，再計算圖像連通域的寬高比，刪除不在閾值范圍內的連通域，最后得到車牌區(qū)域。進而對車輛號碼牌進行定位。 目前已有不少學者在這方面進行了研究。總結起來主要有如下幾類方法 [9]： (1) 基于車牌顏色特征的定位方法，這種方法主要是應用車牌的紋理特征、形 狀特征和顏色特征即利用車牌字符和車牌底色具有明顯的反差特征來排除干擾進行車牌的定位。 (2) 基于變換域的車牌定位方法，這種方法是將圖像從空域變換到頻域進行分析，例如采用小波變換等。 (3) 基于水平灰度變化特征的方法，這種方法主要在車牌定位以前，需要對圖像進行一系列預處理，將彩色圖像轉換為灰度圖像，利用車牌區(qū)域水平方向的紋理特征進行車牌定位。 (4) 基于 Hough 變換的車牌定位方法，這種方法是利用車牌邊框的幾何特征，采取尋找車牌邊框直線的方法進行車牌定位。 以上這些方法各有優(yōu)缺點，要實現快速、準確地定位車牌，應該綜合利用車牌的各種特征，僅靠單一特征很難奏效。本文結合車牌紋顏色與數學形態(tài)學兩方面的特征對車牌進行定位，對于提高車牌定位準確率提供更有利的保障。 車輛號碼牌的區(qū)域分割 針對我國車牌的特點，識別難度較大，我國車牌主要特點有以下方面 : 車牌識別系統設計與實現 13 （ 1）我國汽車牌照的規(guī)范懸掛位置不唯一。 （ 2）我國標準汽車牌照是由漢字、英文字母和阿拉伯數字組成，漢字識別與字母和數字的識別有很大的區(qū)別，漢字的識別增加了識別的難度 。 （ 3）由于