基于matlab的車牌分割及數字識別系統畢業設計論文-資料下載頁

　　

【正文】 lett((t1)*5+t2)=sum(Atemp)。 endendlett=((100lett)./100)。lett=lett39。%%%%%%%%%%%%%%%%%%%%function img = myimgpreprocess(I)Igray = rgb2gray(I)。Ibw = im2bw(Igray,graythresh(Igray))。Iedge = edge(uint8(Ibw))。se = strel(39。square39。,3)。Iedge2 = imdilate(Iedge, se)。 Ifill= imfill(Iedge2,39。holes39。)。 南湖學院畢業設計（論文）28[Ilabel num] = bwlabel(Ifill)。Iprops = regionprops(Ilabel)。Ibox = []。Ibox = reshape(Ibox,[4 50])。Ic = []。Ic = reshape(Ic,[2 50])。Ic = Ic39。Ic(:,3) = (mean(Ic.^2,2)).^(1/2)。Ic(:,4) = 1:50。Ic2 = sortrows(Ic,2)。for t = 1:5 Ic2((t1)*10+1:t*10,:) = sortrows(Ic2((t1)*10+1:t*10,:),4)。endIc3 = Ic2(:,1:2)。ind = Ic2(:,4)。for t = 1:50 img{t} = imcrop(Ibw,Ibox(:,ind(t)))。end%%%%%%%%%%%%%%%%%%%%%%function bw2 = myimgcrop(bw)[y2temp x2temp] = size(bw)。x1=1。y1=1。x2=x2temp。y2=y2temp。tB=1。while (sum(bw(:,tB))==y2temp) x1=x1+1。 tB=tB+1。endtB=1。while (sum(bw(tB,:))==x2temp) y1=y1+1。 tB=tB+1。 南湖學院畢業設計（論文）29endtB=x2temp。while (sum(bw(:,tB))==y2temp) x2=x21。 tB=tB1。endtB=y2temp。while (sum(bw(tB,:))==x2temp) y2=y21。 tB=tB1。endbw2=imcrop(bw,[x1,y1,(x2x1),(y2y1)])。%%%%%%%%%%%%%%%%%%%%%%%function = mycreatenn(P,T)alphabet = P。targets = T。[R,Q] = size(alphabet)。[S2,Q] = size(targets)。S1 = 10。 = newff(minmax(alphabet),[S1 S2],{39。logsig39。 39。logsig39。},39。traingdx39。)。{2,1} = {2,1}*。{2} = {2}*。 = 39。sse39。 = 。 = 20。 = 5000。 = 。 P = alphabet。T = targets。[,tr] = train(,P,T)。 南湖學院畢業設計（論文）30 仿真結果與分析圖 識別結果圖 數字樣本由上述各圖結果顯示可知，當車牌原始圖像采集良好時，即沒有明顯的破損與垢漬，曝光度良好等高清晰，則該系統能夠進行正常的字符識別。為了驗證該系統的可用性與實用性，在自然條件下獲取的部分車牌樣本，對 BP 神經網絡進行訓練，對每一個車牌進行仿真識別，樣本與訓練結果如圖 所示： 南湖學院畢業設計（論文）31圖 車牌樣本圖 BP 網絡訓練結果（1）圖 BP 網絡訓練結果（2） 南湖學院畢業設計（論文）32全部的仿真結果顯示，其中 2 副車牌的字符分割與識別發生錯誤，余下的車牌都能進行正常的識別。在識別的仿真過程中可以看到，識別隨著樣本數目改變的同時，也受到了樣本的質量選取的問題。在 BP 神經網絡的訓練過程中，對該識別算法的識別率統計結果如表 41 所示：表 41 識別率數據統計正確識別率樣本數=5 樣本數=10 樣本數=15% % %由于受到時間以及其他一些客觀條件的限制，本次樣本的正確率約 87%，且對于一些比較相似的字符識別產生失誤，例如“8”與“B” ， “7”與“2” ， “1”與“I”等。增加對該神經網絡的訓練，可以在一定程度上解決該問題。此外，BP 神經網絡的具有比其他方法高的并行性和容錯性。由此可知，BP 神經網絡的具有它的理論價值與實用價值。 南湖學院畢業設計（論文）335 總結與展望 總結車牌識別技術是智能交通管理中最為關鍵的技術之一，與此同時，車牌識別的技術和方法也在其他檢測、識別領域也發揮著它重要的作用。由此可知，車牌識別技術已然成為目前研究的熱點、重點問題之一。本文結合我國車牌的特殊性，對車牌識別系統所涉及的算法做了深入的研究，在基于前人的研究成果上提出了自己的改進。尤其是在字符識別部分，根據我國車牌的特殊組成提出了基于改進 BP 神經網絡的多分類器。該分類器由 3 個子 BP 神經網絡組成，即漢字網絡、字母網絡以及字母數字網絡。與此同時，對于本文中所提及的算法都進行了相應的仿真，并對多得到的仿真結果做了分析。最后，綜合對車牌識別系統的相關算法研究，在其基礎上實現了一個小的車牌識別系統，根據仿真、測試結果表明，該系統具有實際應用的價值，甚至可以投入生產。盡管本次車牌識別系統得到改進，且效果顯著，卻仍然需要不斷地改進，還需要大量提高算法的準確度和提高算法運行的速度。 展望車牌識別技術是基于數字圖像處理和模式識別高度融合的一項技術，同時也是智能交通的一個重點、難點。由于受車牌特征的多樣性、車牌本身的新舊程度原始圖像的模糊程度、原始圖像背景復雜性、以及一些人為的、客觀的因素干擾，導致車牌識別系統設計的難度大大提高。至今，尚沒有一個完全通用的車牌識別系統問世。本文中也還有許多不足的、有待改善的地方：（1）對于車牌圖像模糊不清、背景復雜、光線不足等情況下，車牌定位的準確性較低，還有待提高；（2）本文所研究的車牌識別系統雖然可以對多車牌原始圖像識別進行了研究，但其多車牌識別率比單車牌識別率低許多，這也就希望未來的研究對此能有更大的進展；（3）目前，所設計的車牌識別系統，只能針對于靜止的圖像進行識別，由于運動中的圖像車牌識別處理比較復雜，故而希望在未來的車牌識別研究中能夠深入研究視頻中的車牌識別。 南湖學院畢業設計（論文）34參考文獻[01] 張方櫻，巢佰崇，陳雪豐．車牌自動識別系統[J] ．武漢大學， 2022，3(3)：4950．[02] 歐陽文衛，羅三定，車牌定位算法研究[J]．湖南工業職業技術學院學報，2022，6(4)：3335．[03] 林立，何為，韓力群，汽車牌照自動識別技術的現狀與發展[J] ．北京輕工業學院學報，2022，19(l)：3640 ．[04] 袁卉平．基于 MATLAB 的車牌識別系統的設計與研究[J]．廣西：廣西工學院工業控制計算機，2022．[05] 胡小峰，趙輝．Visual Ｃ++/MATLAB 圖像處理與識別案例精選[M] ．人民郵電出版社，2022．58－81．[06] 許錄平．數字圖像處理（MATLAB 版）[M]．北京：科學出版社，2022．[07] N Ostu. A threshold selection method from graylevel histogram[J]. IEEE Trans Systems Man Cyberic, 1978, 8:6265.[08] JuneLee Dong, WhanLee Secong. A new Methodology for GraySeale Character Segmentation and Recognition[J]. IEEE Trans on Pattern Analysis and Machine Intelligence,1996,18(10):526527.[09] 陳永超．基于數字圖像處理的車牌識別研究：［D］ ．武漢：武漢理工大學控制理論與控制工程，2022．[10] 趙陽．基于圖像工程與框架理論識別人體細胞的智能技術研究：[D]．內蒙古：內蒙古科技大學激光先進制造技術．2022．[11] 張鐵弓．基于 DSP 的微光視頻圖像實時處理研究：［D ］ ．武漢：武漢理工大學檢測技術與自動化裝置，2022．[12] 崔江，王友仁．車牌自動識別方法中的關鍵技術研究[J] ．計算機測量與控制，2022，11（4）：260－262．[13] SUN Dongwei, ZHU Chenghui, ’Skew Angle Detection of the Vehicle License Plate Image and Correct Based on Radon’ Transformation[J]. Microputer Applications China, , 2022, .[14] 賈曉丹，李文舉，王海姣．一種新的基于 Radon 變換的車牌傾斜校正方法[J]．計算機工程與應用．2022，44(3)：245148 ．[15] 劉同焰．車牌識別的相關算法研究與實現[D]．廣州：華南理工大學應用數學．2022．[16] Y Liu. A novel approach of segmenting touching and kerned character[A].In: Proceeding 8th International Conference on Neural Information Processing[8],2022.[17] 熊哲源，樊曉平，黎燕．基于數學形態學邊緣檢測的車牌字符分割算法．計算機應用．，2022．[18] 周景超，陳鋒，陳為多，王家捷．車牌字符分割的研究和實現．計算機工程， 2022，32(5) ：238243．[19] 陳黎，黃心漢，王敏等．基于聚類分析的車牌字符分割方法．計算機工程與應用，2022，38(6) ：221256．[20] 李文舉，梁德群．質量退化的車牌字符分割方法[J] ．計算機輔助設計與圖形學報， 2022，6(5)：697700．[21] 葉晨洲，廖金周，梅帆．車輛牌照字符識別系統[J] ．計算機系統應用， 1999（5）：1013． 南湖學院畢業設計（論文）35[22] 石偉，孫永榮．BP 神經網絡在車牌識別技術中的應用 [J]．工業控制計算機．2022．23(4)：1719． [23] 楊艷群，標準尚未統一，技術仍需完善，我國車輛牌照自動識別技術發展綜述[N]．中國交通報，202292．[24] 李一舒．車牌字符識別的改進算法研究[D]．浙江：浙江大學．2022．[25] 叢爽．面向 MATLAB 工具箱的神經網絡理論與應用．合肥：中國科技大學出版社．1998，4572．[26] 陳容紅，劉玉娟，陶砂等．車牌識別系統中字符分割技術研究[J] ．制造業自動化，2022，32(5)，5155．[27] 陳超．MATLAB 應用實例精講 [M]．北京：電子工業出版社，2022．473480． 南湖學院畢業設計（論文）36致 謝本文的研究工作是在我的指導老師吳建輝副教授的精心指導和悉心關懷下完成的，在就讀于湖南理工學院南湖學院本科四年里，吳建輝老師淵博的知識和謙虛的品德，使得我在科學、創新、求實、嚴謹的學習氛圍學習并成長，這也為我步入研究生學習中奠定的夯實的基礎。特別是吳建輝老師嚴以待己、寬以待人、認真負責的對待教育事業崇高品質為我樹立了良好的榜樣，是我畢生學習的楷模。在此，對劉老師在我學術上的指導以及生活上的關心，致以最真摯的謝意。感謝張映輝老師、齊琦老師、黃泰明老師等所有任課老師在學習上給我很大的幫助，感謝劉月星老師、喻立平老師、蔣新老師等系輔導員在生活上給予我莫大的幫助，在此，向所有幫助過我、教過我、我遇過的老師致以最真誠的祝福與最深的感謝。感謝我的同學王帥、鄧校武、吳曉璇、張海雪等，謝謝你們對我的生活和學習上的幫助，因為你們我的本科生活變得更加的充實與快樂。感謝我的室友范安妮、謝玲、鄧建平四年來的照顧，相聚在同一片藍天下，有你們生活才更加精彩。感謝所有幫助過我的老師和同學，感謝你們給予的關心與支持。感謝我的父母以及哥哥，對年來給予我生活上的關心和學業上的支持，你們的鼓勵是我不斷前進的動力。你們對我多年的教育讓我樹立了正確的人生觀、學習觀和事業觀，是我一生中最大的財富，我永遠感激和敬愛你