毕业设计（论文）车牌图像的字符匹配设计与实现.doc

湖 南 农 业 大 学全日制普通本科生毕业论文车牌图像的字符匹配设计与实现Vehicle images character matching design and implementation学生姓名：学 号：年级专业及班级：2007级信息工程（1）班指导老师及职称： 学 院：信息科学技术学院湖南·长沙 提交日期：2011年05月 湖南农业大学全日制普通本科生毕业论文诚 信 声 明本人郑重声明：所呈交的本科毕业论文（设计）是本人在指导老师的指导下，进行研究工作所取得的成果，成果不存在知识产权争议。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体在文中均作了明确的说明并表示了谢意。本人完全意识到本声明的法律结果由本人承担。 毕业论文作者签名： 年 月 日 目 录 1 绪论61.1 研究背景61.1.1 研究的主要内容61.1.2 图像匹配技术介绍71.2 国内外研究现状81.3 本文内容与组织结构92 车牌识别系统92.1.车牌识系统处理流程92.2 车牌识别系统评价的指标102.2车牌识别系统的实际配置112.3车牌识别系统中的难点122.4 车牌定位132.5车牌字符分割143 车牌字符匹配算法143.1 直接匹配法153.2 特征法153.3 高级特征算法154 实验结果及分析154.1 车牌匹配算法实现154.2 实验结果164.3 实验结果分析195 本文主要工作总结195.1 研究结果195.2结论195.3展望20参考文献20致 谢22附录：23车牌字符图像的匹配设计与实现 学 生： 指导老师： (湖南农业大学信息科学技术学院，长沙 410128)摘 要：车牌识别系统在交通的智能监视和管理中有着重要的应用,是近几年发展起来的。基于图像和字符识别技术的车牌字符识别系统也是目前国内外模式识别应用研究领域的一个热点。车牌字符识别系统LRP(License Plate Recognition)的关键技术包括数字图像处理、车牌定位、车牌字符分割和字符识别技术。关键词：MATLAB.车牌定位.字符识别DIGITAL IMAGE DIVISION OF TECHNICAL DISCUSSIONS AND STUDIESAuthor: Tutor: (College of Information Science and Technology, Hunan Agricultural University,Changsha 410128, China)Abstract: The license plate recognition system,developed in recent years,has an important application in the intelligent traffic surveillance and management.At the same time, based on the image and character recognition technology,the license plate character recognition system is a hot area of research in the application of pattern recognition at home and abroad.the key technology of License plate character recognition system includes digital image processing,license plate location,license plate character segmentation and character recognition technology. Key Words:MATLAB.License plate localization.Character recognition1 绪论 1.1 研究背景 随着社会经济的发展,车辆的数量在急剧的增加,交通问题日益突出,这使得智能交通(Intelligent Transportation System,简称ITS)系统成为研究的热点领域,受到了广泛的关注。车牌识别系统(License Plate Recognition,简称LPR)是智能交通领域中重要的研究课题之一本文根据车牌图像特点采用模板匹配法对车牌字符进行识别。因为有些字符形状在垂直方向上在主峰峰值上接近,但在水平方向上存在着比较大的差异,所以在对垂直方向做匹配效果不明显的时候,对水平方向再进行匹配。1.1.1 研究的主要内容车牌识别系统是以特定目标一一车辆牌照为对象的专用计算机视觉系统。该系统能够从一幅图像中自动提取车辆牌照，进行字符分割，进而对分割出的字符图像进行识别。一个典型的车牌识别系统包括图像采集、车牌定位、字符分割、字符识别以及结果输出五个功能模块，其原理流程如图1-1 所示：图1 车牌识别系统流程图 Fig l license plate recognition system flow chart 系统的工作原理：当车辆通过检测区域时，检测装置将车辆的通过信号传送到图像采集设备；图像采集设备采集车辆图像，并将图像传送到计算机；计算机对车牌进行自动定位和识别并将识别结果送至监控中心或收费处等应用场所。系统的核心部分为图像采集、车牌定位、字符分割、字符识别。下面简述各部分的主要功能： (1)图像采集部分:当系统发现有车辆通过时(通过检测器检测或是通过视频中运动目标的检测)，触发图像采集系统，一般采用CCD摄像机摄取车牌前视图或后视图，由光照检测装置控制现场的光照，位置检测装置控制摄像机的拍摄角度。 (2) 图像预处理部分:需要对采集到的图像进行图像增强、平滑、恢复等操作，目的是突出车牌的主要特征，以便更好地提取车牌。(3)车牌定位：车牌的定位是一个寻找最符合车牌特征区域的过程，从本质上讲，就是一个在参量空间寻找最优定位参量的问题。车牌定位算法需要挖掘并提取车牌区域的独有特征，从而将车牌图像分割提取出来。在车牌定位过程中，由于采集到的图像中军牌区域经常是倾斜的，为避免后续的字符分割和字符识别的失败，必须对车牌行倾斜校正。 (4) 字符分割:即从定位得到的车牌图像中分离出单个字符(包括汉字、字 母和数字等)的图像，以便于字符识别。 (5) 字符识别:对分割得到的字符图像进行归一化处理，进行字符识别，转换为文本存入数据库或直接显示出来。1.1.2 图像匹配技术介绍图像匹配是指通过一定的匹配算法在两幅或多幅图像之间识别同名点，如二维图像匹配中通过比较目标区和搜索区中相同大小的窗口的相关系数，取搜索区中相关系数最大所对应的窗口中心点作为同名点。其实质是在基元相似性的条件下，运用匹配准则的最佳搜索问题。图像匹配主要可分为以灰度为基础的匹配和以特征为基础的匹配。1.灰度匹配 灰度匹配的基本思想:以统计的观点将图像看成是二维信号，采用统计相关的方法寻找信号间的相关匹配。利用两个信号的相关函数，评价它们的相似性以确定同名点。 灰度匹配通过利用某种相似性度量，如相关函数、协方差函数、差平方和、差绝对值和等测度极值，判定两幅图像中的对应关系。 最经典的灰度匹配法是归一化的灰度匹配 法，其基本原理是逐像素的把一个以一定大小的实时图像窗口的灰度矩阵，与参考图像的所有可能的窗口灰度阵列，按某种相似性度量方法进行搜索比较的匹配方法，从理论上说就是采用图像相关技术。 利用灰度信息匹配方法的主要缺陷是计算量太大，因为使用场合一般都有一定的速度要求，所以这些方法很少被使用。现在已经提出了一些相关的快速算法，如幅度排序相关算法，FFT相关算法和分层搜索的序列判断算法等。2.特征匹配 特征匹配是指通过分别提取两个或多个图像的特征（点、线、面等特征），对特征进行参数描述，然后运用所描述的参数来进行匹配的一种算法。 基于特征的匹配所处理的图像一般包含的特征有颜色特征、纹理特征、形状特征、空间位置特征等。 特征匹配首先对图像进行预处理来提取其高层次的特征，然后建立两幅图像之间特征的匹配对应关系，通常使用的特征基元有点特征、边缘特征和区域特征。 特征匹配需要用到许多诸如矩阵的运算、梯度的求解、还有傅立叶变换和泰勒展开等数学运算。 常用的特征提取与匹配方法有：统计方法、几何法、模型法、信号处理法、边界特征法、傅氏形状描述法、几何参数法、形状不变矩法等。 基于图象特征的匹配方法可以克服利用图象灰度信息进行匹配的缺点，由于图象的特征点比较象素点要少很多，大大减少了匹配过程的计算量;同时，特征点的匹配度量值对位置的变化比较敏感，可以大大提高匹配的精确程度;而且，特征点的提取过程可以减少噪声的影响，对灰度变化，图象形变以及遮挡等都有较好的适应能力。所以基于图象特征的匹配在实际中的应用越来越广泛。所使用的特征基元有点特征(明显点，角点，边缘点等)，边缘线段等。1.2 国内外研究现状随着图像处理技术的不断发展，图像分割技术在各个方面也有很大的进步，但是当前国内外主要的图像分割技术主要有：1、阀值分割方法，阈值分割方法的历史可追溯到近40年前，现已提出了大量算法，对灰度图像的取阈值分割就是先确定一个处于图像灰度取值范围之中的灰度阈值，然后将图像中各个象素的灰度值都与这个阈值相比较，并根据比较结果将对应的象素分为两类这两类象素一般分属图像的两类区域，从而达到分割的目的。2、基于边缘的分割方法，图像最基本的特征是边缘，它是图像局部特性不连续(或突变)的结果例如，灰度值的突变、颜色的突变、纹理的突变等边缘检测方法是利用图像一阶导数的极值或二阶导数的过零点信息来提供判断边缘点的基本依据。3、基于区域分割方法，区域分割的实质就是把具有某种似性质的像素连通起来，从而构成最终的分割区域它利用了图像的局部空间信息，可有效的克服其它方法存在的图像分割空间不连续的缺点，但它通常会造成图像的过度分割在此类方法中，如果从全图出发，按区域属性特征一致的准则，决定每个像元的区域归属，形成区域图，这常称之为区域生长的分割方法；如果从像元出发，按区域属性特征一致的准则，将属性接近的连通像元聚集为区域是区域增长的分割方法；若综合利用上述两种方法，就是分裂合并的方法区域生长法的基本思想是将具有相似性质的象素合起来构成区域，具体做法是选给定图像中要分割的目标物体内的一个小块或者说种子区域，再在种子区域的基础上不断将其周围的象素点以一定的规则加人其中，达到最终将代表该物体的所有象素点结合成一个区域的目的，该方法的关键是要选择合适的生长或相似准则生长准则一般可分为3种：基于区域灰度差准则、基于区域内灰度分布统计性质准则和基于区域形状准则分裂合并法是先将图像分割成很多的一致性较强的小区域，再按一定的规则将小区域融合成大区域，达到分割图像的目的。1.3 本文内容与组织结构本文主要从讨论与研究出发，然后通过各种分割技术的模拟仿真进行一个对比，找出每种分割技术适合分割的图片，搞清楚在分割什么样的图片时，应该用什么样的分割技术，使得所分割的效果达到最佳。第一章介绍研究背景、国内外研究现状以及论文的内容与组织结构。第二章主要对阀值分割法进行研究和讨论。第三章是对边缘检测进行研究和讨论。第四章主要介绍了区域法的讨论与研究。第五章是对本文中各种分割技术的一个对比，找出它们的优劣。第六章是对全文的一个总结。2 车牌识别系统 从技术上评价一个车牌识别系统有三个指标，即识别率、识别速度和后台管理系统。 2.1.车牌识系统处理流程 2.2 车牌识别系统评价的指标 从技术上评价一个车牌识别系统有三个指标，即识别率、识别速度和后台管理系统。 1.识别率 一个车牌识别系统是否实用，最重要的指标是识别率。国际交通技术作过专门的识别率指标论述，要求是24 小时全天候全牌正确识别率为85%95%。为了测试一个车牌识别系统的识别率，需要将该系统安装在一个实际应用环境中，全天候运行24 小时以上，采集至少1000 辆自然车流通行时的车牌照进行识别，并且需要将车辆牌照图像和识别结果保存下来，以便调取查看。然后，还需要得到实际通过的车辆图像以及正确的人工识别结果，之后便可以统计出以下识别率（1）自然交通流量的识别率=全牌正确识别总数/实际通过的车辆总数；（2)人工可识别车牌的百分率=人工正确读取的车牌总数/实际通过的车辆总数；（3）系统可识别车牌的识别率=全牌正确识别总数/人工正确读取的车牌总数；这三个指标决定了车牌识别系统的识别率，诸如可信度、误识率等都是车牌识别过程中的中间结果。必须认识到的一点是系统的识别率达到100%是不可能的，因为车牌照污损、模糊、遮挡，或者恶劣的天气情况(下雪、冰雹、大雾等)都会影响到系统的识别率。 2. 识别速度识别速度决定了一个车牌识别系统是否能够满足实时应用的要求。一个识别率很高的系统，如果需要几秒钟，甚至几分钟才能识别出结果，那么这个系统就会因为满足不了实时要求而毫无实用价值。例如，在高速公路收费中车牌识别系统的作用之一是减少通行时间，处理速度是这一类应用减少通行时间，避免车道堵车的有力保障。国际交通技术提出的识别速度是1 秒以内，越快越好。3. 后台管理体系 一个车牌识别系统的后台管理体系，决定了这个车牌识别系统是否好用。后台管理体系的功能应该包括: （1）识别结果和车辆图像数据的可靠存储。当多功能的系统操作使得网络出差错时，后台管理系统应能保护图像数据不会丢失，同时便于事后人工排查。 （2）有效的自动比对和查询技术。识别出的车牌号码应能够同数据库中成千 上万的车牌号码自动比对和提示报警。如果车牌号码没有被正确读取时，可采用模糊查询技术以得出相对"最佳"的比对结果。 （3）完善的系统功能。一个好的车牌识别系统不仅可联网运行，还需要提供实时通信、网络安全、远程维护、动态数据交互、数据库自动更新、硬件参数设置、系统故障诊断等功能。2.2车牌识别系统的实际配置 即便是一个达到实用标准的车牌识别系统，由于所选择的技术路线，软硬件体系结构以及触发方式不同，要发挥其有效的功能，还需要根据实际的应用需求确定相应的系统配置。 1.车牌识别技术。路线系统中车辆图像的采集方式决定了车牌识别的技术路线。目前国际通行的两条主流技术路线是自然光和红外光图像采集识别。自然光和红外光不会对人体产生不良的心理影响，也不会对环境产生新的电子污染，属于绿色环保技术。 自然光路线是指白天利用自然光线，夜间采用辅助照明光源，用彩色摄像机采集车辆真彩色图像，用彩色图像处理方法识别车牌。自然光技术路线与人眼感习惯一致，并且真彩色图像能够反映车辆及其周围环境真实的图像信息，不仅可以用来识别汽车牌照，而且可以用来识别车牌颜色、车流量、车型、车体颜色等车辆特征。红外光路线是指利用车牌反光和红外光的光学特性，用红外摄像机采集车辆灰度图像，由于红外特性，车辆图像上儿乎只能看见车牌，然后用黑白图像处理方法识别车牌。 950nm 的红外照明装置可抓拍到很好的反光车牌照图像。因红外光是不可见光，它不会对驾驶员产生视觉影响。另外，红外照明装置提供的是不变的光，所抓拍的图像都是一样的，不论是在一天中最明亮的时候,还是在一天中最暗的时候，唯一的例外是在白天，有时会看到一些牌照周围的细节，这是因为晴朗天气下太阳光的外光波的影响。采用红外灯的缺点就是所捕获的车辆牌照图像不是彩色的，不能获取整车图像，并且严重依赖车牌的反光材料。2.软硬件体系结构。一个车牌识别系统的基本硬件配置是由摄像机、主控机、采集卡、照明装置组成的，而软件是由一个具有车牌识别功能的图像分析和处理软件，以及一个满足具体应用需求的后台管理软件组成。车牌识别系统于是出现了两种产品形式,一种是软硬件一体，或者用硬件实现了识别功能的模块，形成一个全硬件的车牌识别器，例如DSP。另外一种形式是开放式的软、硬件体系，即硬件采用标准工业产品，软件作为嵌入式软件。两种产品形式各有优缺点。开放式体系的优点是由于硬件采用标准工业产品，运行维护容易掌握，备品备件采购可以从任何一家供应商获得，不必担心因为一家供应商倒闭或供货不足而出现产品永久失效或采购困难的问题。3.触发方式。车牌识别系统有两种触发方式，一种是外设触发，另一种是视频触发。外设触发工作方式是指采用线圈、红外或其他检测器检测车辆通过信号，车牌识别系统接收到车辆触发信号后，采集车辆图像，自动识别车牌，以及进行后续处理。视频触发方式是指车牌识别系统采用动态运动目标检测和图像序列处理技术，实时检测车道上车辆的运动状况，发现车辆通过时捕捉车辆图像，识别车辆牌照，并进行后续处理。视频触发方式不需借助线圈、红外或其他硬件车辆检测器。2.3车牌识别系统中的难点 车牌识别系统在实验室里已经取得了令人满意的效果，但很难应用于实际工程中，这是因为实验室的环境是处于理想状态的，而在自然环境里，由于受到天气等因素的影响，识别率很难达到要求。我们大致的把这些因素归纳为三类： (1)汽车牌照本身的特征。牌照缺乏统一的标准。根据中华人民共和国公共安全行业标准对机动车辆牌照的有关规定，车牌的规格、颜色和适用范围各有不同。由于缺乏统一的标准，使得车牌识别过程中字符的分割难度较大，缺乏统一的模式规则的指导作用。牌照的质量无法保证。有些牌照被污损，而有些牌照的字符模糊不清，对光线的散射性不好，这些不确定性极大地影响了识别的准确率。车牌附近环境恶劣。车牌附近往往有复杂的外形或挡车器等，不利于车牌的定位和分割。 (2)外部环境的特征。外界光照条件各不相同，白天和晚上光照不同。光照对图像质量影响很大。不同的光照角度，对车牌光照的均匀度影响也较大。不同时间，不同气候条件，以及背景光、车牌反光程度决定了车牌区域的亮度特征。 外界背景的复杂程度也影响着车牌的定位准确率。背景中与车牌区域特征相似区域的大小反映了背景的噪声程度。例如与车牌字符相似的背景远处的广告语容易影响车牌的粗定位。 (3)车牌识别系统应用方案的特征。不同实际工程其摄像方位和角度不一样。实际工程中摄像方位相对于车辆行驶的方向一般是正上方、左侧和右侧，摄像角度一般在1530度之间。相对来说，摄像角度越小，车牌在平面图像中变形越小，识别效果越好。摄像方位和角度对车牌字符分割影响较大，对车牌校正方法的校正能力的要求也更高了。 光线较暗时，不同的人工光照角度、方位和亮度对车牌识别系统影响也不一样。尽管规范车牌对光的散射能力较强，但人工光照的方位角度不会影响车牌的亮度。亮度不均匀对车牌照二值化算法的适应性提出了更高的要求。不同的实际工程，图像的分辨率要求也不同。分辨率大小影响车牌识别系统的识别速度和字符的识别率。分辨率过高时，整个识别系统的处理时间会明显增多，特别是在车牌分割，车牌二值化的处理中时间会显著增加。分辨率过低，字符识别率会下降，字符中的汉字二值化效果较差，车牌识别系统的识别率会下降。 除了这三点客观因素外，对于本文的而言，从各种干扰中得到车牌区域，把倾斜的车牌校正，以及把粘连的车牌字符分割开都是系统成败的关键。而如何准确且快速地实现系统要求更是系统设计的难点。2.4 车牌定位 车牌定位方法的出发点是通过车牌区域的特征来判断车牌，所利用的车牌的特征主要包括： (1)车牌区域的几何特征，即在某个相对固定的拍照位置拍得的图像上车辆牌照子图像区域l每度和宽度一定，并且宽高比例一定。 (2)纹理特征，目前车辆牌照是由一个省份汉字(军警牌除外)后跟字母或阿拉伯数字组成的7个字序列。除第1个汉字外，字母和数字的笔画在竖直方向都是连通的，且其之间有一定的间隔。 (3)颜色特征，现有车牌有四种类型：小型汽年的蓝底白字车牌，大型汽年的黄底黑字车牌，军警车的白底黑字、红字车牌，外籍汽车的黑底白字车牌。牌照矩形区域内的颜色一定是限定的四种色彩之一，特征明显。 目前，车牌定位方法可以分为两大类：(1)基于灰色图像的车牌定位方法，(2)基于彩色图像的车牌定位方法。2.5车牌字符分割车牌字符分割技术是指将定位后的车牌区域分割成单个字符区域。字符区域分割的准确与否将直接影响到下一步的字符识别，因此许多学者也对此进行了研究，提出了很多关于车牌字符分割的方法。分割方法实现方式虽然各式各样，但归结起来总是基于几个基本点： (1)车牌区域的垂直投影呈现明显的波峰和波谷，波峰即为字符区域，波谷基本上都是字符间的间隙。 (2)第一个字符为汉字由于左右偏旁汉字中会出现间隙，而第二个字符和第三个字符间隔较大，所以可由 此做分界线，分段分割。 (3)字符比例固定。车牌字符总长度为409mm，其中单个字符宽度为45mm高度为90mm，第二和三字符间间距为34mm，其中中间小圆点宽度为lOmm，与第二和三字符间间距为12mm，其余字符间间距为12mm；字符“l”的宽度约为135mm，与其它字符间间距约为225mm，连续两个字符“l”间间距约为385mm，第三字符为字符"1"时，与第二字符问问距约为445mm。标准字符不包含字符“I”，故可以不考虑这种情况。 (4)字符颜色与车牌底色具有固定的颜色搭配。如果单纯地使用颜色对特征点进行投影以精确定位车牌边界时，由于颜色判断的精确度的误差和颜色对干扰点的存在，本应连续的字符边缘可能会有断裂，而不应是字符边缘的却有可能存在干扰点。这时就会对分析造成很大的影响。而将车牌区域二值化后，由于字符颜色与车牌底色的强烈色彩反差，字符与底色呈现两极化。但是此时仍不适合于做投影分析，因为车牌区域图像内仍可能有干扰像素，如白色车辆的蓝白车牌(如图2-9(b)，此时如果得到的车牌区域包含了车身部分，则二值化后车身区域与字符属于同一颜色。对这样的图像进行投影得不到精确定位需要的信息。 3 车牌字符匹配算法配方法大致可以分为三大类：直接匹配法，特征法和高级特征算法。3.1 直接匹配法 直接利用原始图像的像素值进行匹配。可以充分利用图像的所有信息来高精度地区分不同对象，因此处理的信息量很大，计算复杂度提高。这类算法的特点是对图像之间的微小差别非常敏感。一个细微的变化(比如光照条件的微小变化而导致的图像灰度值的细微变换)就会对匹配算法的计算结果产生很大的影响，有可能导致匹配的失败。所以这种算法抗噪声，抗干扰的能力比较差，只能适用于两幅图像具有相同的外界条件的情况下作精细的匹配川。3.2 特征法 利用图像的物理形状特征(点、线)，如边缘，骨架线条，角点等等，需要进行相关计算的像素点数目有了明显的减少，并具有更强的适应能力。这种算法对于一些细微的干扰不太敏感，而是依赖于提取的图像特征。其关键是寻找易于识别和区分的特征，基于特征集之间的相似性度量来找到模板在图像中的匹配位置f8。3.3 高级特征算法 使用高级特征的算法。如基于约束的树搜索，可以利用深度优先搜索策略，依靠解释树寻找局部一致的匹配。基于多尺度特征作特性匹配，则是对图像信息引入多种级别的抽象，可遵循先轮廓后细节，先宏观后微观，先易于辨认的部分后较为模糊的部分的人类视觉匹配规律，能够提高图像匹配的可靠性。4 实验结果及分析4.1 车牌匹配算法实现 图 3 系统整体流程图 Fig 3 Overall system flow chart4.2 实验结果 图4分割出来的字符（1） 图5分割出来的字符（2） Fig4 Segmentation out of character Fig5 Segmentation out of character （one） （two） 图6分割出来的字符（3） 图7分割出来的字符（4） Fig6 Segmentation out of character Fig7 Segmentation out of character （three） （four） 图7分割出来的字符（5） 图8分割出来的字符（6） Fig7 Segmentation out of character Fig8 Segmentation out of character （five） （six） 图9分割出来的字符（7） Fig9 Segmentation out of character（7） 图10匹配后图片 Fig10 Matching image4.3 实验结果分析 实验较清晰的输出了结果，其中图4到图9都是分割出来的图片，图10是这次实验的关键，他说所有分割出来的字符图像与模板库里面比配后再将比配度最大的依次输出的结果。 5 本文主要工作总结5.1 研究结果本文首先从数字图像匹配技术在图像处理中的地位出发，从各个方面介绍了图像匹配技术的重要性。接着又从数字图像常用的匹配方法，在车牌识别中的应用在实验的过程中主要利用的是MATLAB为工具进行实验，然后围绕图像匹配技术在车牌字符匹配中的应用进行了以下几个方面的研究工作：对图像分割的概念进行详细的陈述。本次运用了MATLAB软件进行实验，展示实验效果，得到了较好的演示，根据实验现象对匹配技术在车牌字符识别技术进行实验。5.2结论通过研究分析，可以得到以下结论：车牌字符匹配的重点是对字符的匹配，因此该方法的关键是如何对字符进行匹配，怎样进行匹配如果匹配选择不合适，则影响了图像匹配出来的效果，同时也影响下一部车牌识别的效果。从实验现象可以看出，实验出来的图片效果和真实的图片非常接近。因此，此实验就效果而言，已经非常的不错了，至于在现实中的效果如何，就不得而知了。同样是匹配算法，不同的匹配算法对同一幅图像匹配出来的效果是不相同的，因为每一种我们要知道没有哪一种匹配算法的绝对合适，从以上实验现象可以看出，例如：这个匹配方法还是比较适合我们的实验的，将来在车牌识别系统中应该也是大有用处的。图像匹配法是将分割出来的车牌字符逐个与自己所建库里面的字符匹配将匹配度最高的库字符输出，每幅子图像的尺寸不能太小，否则统计处的结果无意义。每幅图像的匹配是任意的，所以我们要对字符进行固定大小： X= imresize(x,40 20);这样就可以与库里面的图片进行匹配了。通常对于每一幅图像的匹配，仅仅只用一种图像匹配方法是不够的，仅仅拥有依照匹配算法本身进行了完善归纳和分类的图像匹配理论也是远远不够的，每种方法都有它不足的地方，一次仅仅只用一种方法往往达不到很好的效果，可以运用其他的方法结合使用，互相弥补不足。结合自己先知的知识，研究符合具体图像特性的匹配模型，才是提高图像匹配的重要手段。尽管人们在图像匹配方面做了很多的研究，但是，迄今为止没有哪种方法是适合所有图像的，本文中提到的方法都有它的前提条件，因此，对于特定的图像匹配，最主要的是分析这幅图像的特性，针对这幅特定的图像的特点，制定适合它的方案，以达到最好的匹配效果。 5.3展望车牌识别技术是智能交通领域研究中的重要组成部分，随着经济的不断发展，车辆在人们工作生活中占据着越来越重要的地位，车辆数目的增多给车辆管理提出了更高的要求，因此车牌字符匹配技术有着广泛的应用前景。 近年来研究成果越来越多,但由于车牌识别技术本身所具有的难度,使研究没有大的突破性的进展.我们需要积极引进国外技术，使自己能有更好的发展 参考文献1乌凌超，莫玉龙. 基于独立分量分析的字符识别方法J. 上海大学学报(自然科学版).20032赵雪松，陈淑珍综合全局二值比与边缘检测的图像分割方法J计算机辅助设计与图形学学报，2001，l3(2)：ll81213靳宏磊，朱蔚萍，李立源二维灰度直方图的最佳分割方法J模式识别与人工智能，l999，l2(3)：3293334乐 宁，梁学军，翁世修图像过渡区算法及其改进fJ红外与毫米波学报，2001，20(3)：2l1215文乔农,王海瑞,危春波,车牌字符识别研究J. 科技广场,2007(5)：1351366潘中杰, 车牌自动识别技术的研究与实现,广东:中山大学,2007：1002327 陈兵旗, 孙明编著. Visual C+实用图像处理专业教程M 北京：清华大学出版社，20048 冈萨雷斯，数学图像处理(第二版).电子工业出版社.2007.89 丁贵广等编著. Visual C+ 6.0数字图像编码M 北京：机械工业出版社，200410 高守传，姚领田等编著. Visual C+实践与提高数字图像处理与工程应用篇A 北京：中国铁道出版社，200611 郁梅等，基于视觉的的车辆牌照检测，计算机应用研究，1999(5),P65P6712 朱学芳等，一种自适应细化方法，模式识别与人工智能，Vol.10.No.2.1997(6),P140P145.13 杨万山等，基于BP神经网络的工程图纸图形符号的识别.Vol.10.No.2,200014 刘阳，伊铁源等，数字图像处理应用于车辆牌照的识别 ，辽宁大学报，2004,P65P68. 15 许志影，李晋平，MATLAB及其在图像识别中的应用，计算机与现代化，2004(4)16崔江，王友仁.车辆自动识别方法中的关键技术研究，计算机测量与控制.2003.11(4)17 宋建才，汽车牌照的识别与研究J,工业控制计算机，2004，P44P45.18 韩勇强，李世祥，汽车牌照子图像的定位算法M.微型电脑运用，1990.P60P6519 张 引，潘云鹤，面向车辆牌照字符识别的预处理算法，计算机应用研究，1999(7),P85P8720 叶晨洲等，车辆牌照字符识别系统，计算机系统应用，1999(5),P10P13.21 Tran Duc Duan，Tran Le Hong Du，Tran Vinh PhuocBuilding an Automatic Vehicle LicensePlate Recognition SystemJComputer ScienceCan Tho，Vietnam 2005，02：2124 22Cheok Man WU，Kengchung NGAHigh Accurate Macau License Plate Recognition SystemJJournal of Macau University of Science and Technology，2008，2(1)：232823Otsu NA Threshold selection method from graylevel histogramsJIEEE Systems，Man and Cybernetics，l 979，9(1)：6266 致 谢在何老师的耐心指导和热情帮助下，经过自己努力本设计已经基本完成。在这段时间里，为我指点迷津，帮助我开拓思路，精心点拨，热忱鼓励。她严肃的教学态度，严谨的治学精神，精益求精的工作作风深深地感染和激励着我。何老师严谨谦和的生活态度和以及对工作的热情令我深深钦佩，她的指导使我受益非浅。大学四年,很多老师及同学在生活与学习中给过我很多的帮助,在此对何老师以及系里其他曾经教过我的老师表示深深的感谢！同时,也要感谢在论文写作过程中，帮助过我、并且共同奋斗四年的大学同学们，能够顺利完成论文，是因为一路上有你、有你们，再次衷心地感谢所有在我论文写作过程中给予过我帮助的人们，谢谢！附录：function d=main(jpg)I=imread('car.jpg');%figure(1),imshow(I);title('原图');I1=rgb2gray(I);%figure(2),subplot(1,2,1),imshow(I1);title('灰度图');%figure(2),subplot(1,2,2),imhist(I1);title('灰度图直方图');I2=edge(I1,'robert',0.08,'both');%figure(3),imshow(I2);title('robert算子边缘检测')se=1;1;1;I3=imerode(I2,se);%figure(4),imshow(I3);title('腐蚀后图像');se=strel('rectangle',40,40);%生成一个矩阵I4=imclose(I3,se); %闭运算%figure(5),imshow(I4);title('平滑图像的轮廓');I5=