课程设计报告车牌识别系统的设计.docx

车牌识别系统的设计 一、 摘要:随这图形图像技术的进展，此刻的车牌识别技术准确率愈来愈高，识别速度愈来愈快。不管何种形式的车牌识别系统，它们都是由触发、图像搜集、图像识别模块、辅助光源和通信模块组成的。车牌识别系统涉及光学、电器、电子操纵、数字图像处置、计算视觉、人工智能等多项技术。触发模块负责在车辆抵达适合位置时，给出触发信号，操纵抓拍。辅助光源提供辅助照明，保证系统在不同的光照条件下都能拍照到高质量的图像。图像预处置程序对抓拍的图像进行处置，去除噪声，并进行参数调整。然后通过车牌定位、字符识别，最后将识别结果输出。二、 设计目的和意义:设计目的：一、让学生巩固理论课上所学的知识，理论联系实践。二、锻炼学生的动手能力，激发学生的研究潜能，提高学生的协作精神。设计意义：车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培育必然的科研能力。三、 设计原理:牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一样包括触发设备、摄像设备、照明设备、图像搜集设备、识别车牌号码的处置机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判定车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像搜集、牌照识别等几部份。当车辆检测部份检测到车辆抵达时触发图像搜集单元，搜集当前的视频图像。牌照识别单元对图像进行处置，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。四、 详细设计步骤:1. 提出整体设计方案:牌照号码、颜色识别 为了进行牌照识别，需要以下几个大体的步骤：a.牌照定位，定位图片中的牌照位置；b.牌照字符分割，把牌照中的字符分割出来；c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。牌照识别进程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与牌照识别相互配合、相互验证。(1）牌照定位:自然环境下，汽车图像背景复杂、光照不均匀，如安在自然背景中准确地确信牌照区域是整个识别进程的关键。第一对搜集到的视频图像进行大范围相关搜索，找到符合汽车牌照特点的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个最佳的区域作为牌照区域，并将其从图象中分割出来。车牌定位 对图像开闭运算边缘提取图像预处理增强效果图像导入原始图像流程图: （2）牌照字符分割 :按左右宽度切割出字符分析垂直投影找到每个字符中心位置去掉车牌的框架计算水平投影进行车牌水平校正完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别。字符分割一样采纳垂直投影法。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值的周围，而且那个位置应知足牌照的字符书写格式、字符、尺寸限制和一些其他条件。利用垂直投影法对复杂环境下的汽车图像中的字符分割有较好的成效。 （3）牌照字符识别 :字符依次分析显示误差最小的图片名字分析之差最小的图片是哪张与数据库的图片相减切割出的字符送入库中字符识别方式目前要紧有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法第一将分割后的字符二值化,并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果。基于人工神经元网络的算法有两种：一种是先对待识别字符进行特点提取，然后用所取得特点来训练神经网络分派器；另一种方式是直接把待处置图像输入网络，由网络自动实现特点提取直至识别出结果。实际应用中，牌照识别系统的识别率与牌照质量和拍照质量紧密相关。牌照质量会受到各类因素的阻碍，如生锈、污损、油漆剥落、字体褪色、牌照被遮挡、牌照倾斜、高亮反光、多牌照、假牌照等等；实际拍照进程也会受到环境亮度、拍照亮度、车辆速度等等因素的阻碍。这些阻碍因素不同程度上降低了牌照识别的识别率，也正是牌照识别系统的困难和挑战所在。为了提高识别率，除不断的完善识别算法，还应该想方法克服各类光照条件，使搜集到的图像最利于识别。 2. 各模块的实现:输入待处置的原始图像:clear ;close all;%Step1 获取图像 装入待处置彩色图像并显示原始图像Scolor = imread('');%imread函数读取图像文件图原始图像图像的灰度化:彩色图像包括着大量的颜色信息，不但在存储上开销专门大，而且在处置上也会降低系统的执行速度，因此在对图像进行识别等处置中常常将彩色图像转变成灰度图像，以加速处置速度。由彩色转换为灰度的进程叫做灰度化处置。选择的标准是通过灰度变换后，像素的动态范围增加，图像的对照度扩展，使图像变得加倍清楚、细腻、容易识别。%将彩色图像转换为黑白并显示Sgray = rgb2gray(Scolor);%rgb2gray转换成灰度图figure,imshow(Sgray),title('原始黑白图像');图原始黑白图像对原始图像进行开操作取得图像背景图像:s=strel('disk',13);%strei函数Bgray=imopen(Sgray,s);%打开sgray s图像figure,imshow(Bgray);title('背景图像');%输出背景图像图背景图像原始图像与背景图像作减法，对图像进行增强处置:Egray=imsubtract(Sgray,Bgray);%两幅图相减figure,imshow(Egray);title('增强黑白图像');%输出黑白图像图黑白图像取得最佳阈值，将图像二值化:二值图像是指整幅图像画面内仅黑、白二值的图像。在实际的车牌处置系统中，进行图像二值变换的关键是要确信适合的阀值，使得字符与背景能够分割开来，二值变换的结果图像必需要具有良好的保形性，不丢掉有效的形状信息，可不能产生额外的空缺等等。车牌识别系统要求处置的速度高、本钱低、信息量大，采纳二值图像进行处置，能大大地提高处置效率。阈值处置的操作进程是先由用户指定或通过算法生成一个阈值，若是图像中某中像素的灰度值小于该阈值，则将该像素的灰度值设置为0或255，不然灰度值设置为255或0。fmax1=double(max(max(Egray);%egray的最大值并输出双精度型fmin1=double(min(min(Egray);%egray的最小值并输出双精度型level=(fmax1-(fmax1-fmin1)/3)/255;%取得最佳阈值bw22=im2bw(Egray,level);%转换图像为二进制图像bw2=double(bw22);figure,imshow(bw2);title('图像二值化');%取得二值图像图二值图像边缘检测:两个具有不同灰度值的相邻区域之间总存在边缘，边缘确实是灰度值不持续的结果，是图像分割、纹理特点提取和形状特点提取等图像分析的基础。为了对成心义的边缘点进行分类，与那个点相联系的灰度级必需比在这一点的背景上变换更有效，咱们通过门限方式来决定一个值是不是有效。因此，若是一个点的二维一阶导数比指定的门限大，咱们就概念图像中的次点是一个边缘点，一组如此的依据事前定好的连接准则相连的边缘点就概念为一条边缘。通过一阶的导数的边缘检测，所求的一阶导数高于某个阈值，则确信该点为边缘点，如此会致使检测的边缘点太多。能够通过求梯度局部最大值对应的点，并认定为边缘点，去除非局部最大值，能够检测出精准的边缘。一阶导数的局部最大值对应二阶导数的零交叉点，如此通过找图像强度的二阶导数饿的零交叉点就能够找到精准边缘点。grd=edge(bw2,'canny')%用canny算子识别强度图像中的边界figure,imshow(grd);title('图像边缘提取');%输出图像边缘图像边缘提取对取得图像作开操作进行滤波:数学形态非线性滤波，能够用于抑制噪声，进行特点提取、边缘检测、图像分割等图像处置问题。侵蚀是一种排除边界点的进程，结果是使目标缩小，孔洞增大，因此可有效的排除孤立噪声点；膨胀是将与目标物体接触的所有背景点归并到物体中的进程，结果是使目标增大，孔洞缩小，可填补目标物体中的空洞，形成连通域。先侵蚀后膨胀的进程称为开运算，它具有排除细小物体，并在纤细处分离物体和滑腻较大物体边界的作用；先膨胀后侵蚀的进程称为闭运算，具有填充物体内细小空洞，连接临近物体和滑腻边界的作用。对图像做了开运算和闭运算，闭运算能够使图像的轮廓线更为滑腻，它通经常使用来消掉狭小的中断和长细的鸿沟，排除小的孔洞，并弥补轮廓线中的断裂。bg1=imclose(grd,strel('rectangle',5,19);%取矩形框的闭运算figure,imshow(bg1);title('图像闭运算5,19');%输出闭运算的图像bg3=imopen(bg1,strel('rectangle',5,19);%取矩形框的开运算figure,imshow(bg3);title('图像开运算5,19');%输出开运算的图像bg2=imopen(bg3,strel('rectangle',19,1);%取矩形框的开运算figure,imshow(bg2);title('图像开运算19,1');%输出开运算的图像图2.7.1闭运算的图像 图2.7.2开运算的图像图2.7.3开运算的图像对二值图像进行区域提取，并计算区域特点参数。进行区域特点参数比较，提取车牌区域:a.对图像每一个区域进行标记，然后计算每一个区域的图像特点参数：区域中心位置、最小包括矩形、面积。L,num = bwlabel(bg2,8);%标注二进制图像中已连接的部份Feastats = imfeature(L,'basic');%计算图像区域的特点尺寸Area=;%区域面积BoundingBox=;%x y width height车牌的框架大小RGB = label2rgb(L, 'spring', 'k', 'shuffle'); %标志图像向RGB图像转换figure,imshow(RGB);title('图像彩色标记');%输出框架的彩色图像图2.8.1彩色图像b. 计算出包括所标记的区域的最小宽和高，并依照先验知识，比较谁的宽高比更接近实际车牌宽高比，将更接近的提取并显示出来。计算矩形的高度框架的宽度和高度的范围车牌的开始列车牌的开始行计算车牌长宽比获取车牌二值子图计算矩形的宽度 程序流程图 图2.8.2灰度子图和二值子图对水平投影进行峰谷分析:对水平投影进行峰谷分析,计算出车牌上边框、车牌字符投影、车牌下边框的波形峰上升点、峰下降点、峰宽、谷宽、峰间距离、峰中心位置参数。histcol1=sum(sbw1); %计算垂直投影histrow=sum(sbw1'); %计算水平投影figure,subplot(2,1,1),bar(histcol1);title('垂直投影（含边框）');%输出垂直投影subplot(2,1,2),bar(histrow); title('水平投影（含边框）');%输出水平投影图2.9.1垂直投影和水平投影figure,subplot(2,1,1),bar(histrow); title('水平投影（含边框）');%输出水平投影subplot(2,1,2),imshow(sbw1);title('车牌二值子图');%输出二值图对水平投影进行峰谷分析:求水平投影的最小值取阈值计算谷宽度计算峰距离计算下降点找到峰中心位置求水平投影的平均值图2.9.2水平投影和二值图 程序流程图计算车牌旋转角度:a.车牌倾斜的缘故致使投影成效峰股谷不明显，在那个地址需要做车牌矫正处置。那个地址采取的线性拟合的方式,计算出车牌上边或下边图像值为1的点拟合直线与水平X轴的夹角。求最大宽度为字符检测上边从顶边至第一个峰下降点扫描从底边至最后一个峰的上升点扫描找第一个为1的点标示出图像大小程序流程图%(2)线性拟合，计算与x夹角fresult = fit(xdata',ydata','poly1'); %poly1 Y = p1*x+p2p1=;angle=atan*180/pi; %弧度换为度，360/2pi, pi=%(3)旋转车牌图象subcol = imrotate(subcol1,angle,'bilinear','crop'); %旋转车牌图象sbw = imrotate(sbw1,angle,'bilinear','crop');%旋转图像figure,subplot(2,1,1),imshow(subcol);title('车牌灰度子图');%输出车牌旋转后的灰度图像题目显示车牌灰度子图subplot(2,1,2),imshow(sbw);title('');%输出车牌旋转后的灰度图像title('车牌旋转角: ',num2str(angle),'度' ,'Color','r');%显示车牌的旋转角度图2.10.1旋转后的灰度图像和旋转角度b.旋转车牌后从头计算车牌水平投影，去掉车牌水平边框，获取字符高度:histcol1=sum(sbw); %计算垂直投影histrow=sum(sbw'); %计算水平投影figure,subplot(2,1,1),bar(histcol1);title('垂直投影（旋转后）');subplot(2,1,2),bar(histrow); title('水平投影（旋转后）');图2.10.2垂直投影（旋转后）和水平投影（旋转后）figure,subplot(2,1,1),bar(histrow); title('水平投影（旋转后）');subplot(2,1,2),imshow(sbw);title('车牌二值子图（旋转后）');图2.10.3水平投影（旋转后）和车牌二值子图（旋转后）去水平（上下）边框,获取字符高度: a.通过以上水平投影、垂直投影分析计算，取得了车牌字符高度、字符顶行与尾行、字符宽度、每一个字符的中心位置，为提取分割字符具有了条件。maxhight=max(markrow2);findc=find(markrow2=maxhight);rowtop=markrow(findc);rowbot=markrow(findc+1)-markrow1(findc+1);sbw2=sbw(rowtop:rowbot,:); %子图为(rowbot-rowtop+1)行maxhight=rowbot-rowtop+1; %字符高度(rowbot-rowtop+1)b.计算车牌垂直投影，去掉车牌垂直边框，获取车牌及字符平均宽度histcol=sum(sbw2); %计算垂直投影figure,subplot(2,1,1),bar(histcol);title('垂直投影（去水平边框后）');%输出车牌的垂直投影图像subplot(2,1,2),imshow(sbw2); %输出垂直投影图像title('车牌字符高度： ',int2str(maxhight),'Color','r');%输出车牌字符高度%对垂直投影进行峰谷分析求垂直投影的最小值取阈值计算字符上升点计算谷宽度计算字符距离找到字符中心位置求垂直投影的平均值图垂直投影图像和车牌字符高度 程序流程图c.计算车牌上每一个字符中心位置，计算最大字符宽度maxwidthl=0;for k=1:n1 markcol3(k)=markcol(k+1)-markcol1(k+1);%字符下降点 markcol4(k)=markcol3(k)-markcol(k); %字符宽度（上升点至下降点） markcol5(k)=markcol3(k)-double(uint16(markcol4(k)/2);%字符中心位置end markcol6=diff(markcol5); %字符中心距离（字符中心点至下一个字符中心点）maxs=max(markcol6); %查找最大值，即为第二字符与第三字符中心距离findmax=find(markcol6=maxs);markcol6(findmax)=0;maxwidth=max(markcol6);%查找最大值，即为最大字符宽度d.提取分割字符,并变换为22行*14列标准子图l=1;m2,n2=size(subcol);figure;for k=findmax-1:findmax+5 cleft=markcol5(k)-maxwidth/2; cright=markcol5(k)+maxwidth/2-2; if cleft<1 cleft=1; cright=maxwidth; end if cright>n2 cright=n2; cleft=n2-maxwidth; end SegGray=sbw(rowtop:rowbot,cleft:cright); SegBw1=sbw(rowtop:rowbot,cleft:cright); SegBw2 = imresize(SegBw1,22 14); %变换为32行*16列标准子图 subplot(2,n1,l),imshow(SegGray); if l=7 title('车牌字符宽度： ',int2str(maxwidth),'Color','r'); end subplot(2,n1,n1+l),imshow(SegBw2); fname=strcat('F:MATLABworksamimage',int2str(k),'.jpg');%保留子图备选入样本库,并成立样本库 imwrite(SegBw2,fname,'jpg') l=l+1;end将计算计算获取的字符图像与样本库进行匹配，自动识别出字符代码:进行车牌识别前需要利用样本对神经网络进行训练，然后利用训练好的网络对车牌进行识别。其具体流程为:利用汉字、字母、字母数字、数字四个样本别离对四个子网络进行训练，取得相应的节点数和权值。对已经定位好的车牌进行图像预处置，逐个的特点提取，然后从相应的文件中读取相应的节点数和权值，把车牌字符别离送入相应的网络进行识别，输出识别结果。样本与数据库中图片相减计算误差找到误差最小图片依次识别并识别建立数据库程序流程图 图识别的车牌号码五、 设计结果及分析原始图像: 预处置后：车牌定位和提取： 字符的分割和识别： 从上面结果能够看出，这张车牌的识别失败了，将A误识别为4了。在识别中还可能犯错的有0和8，因此需要在其他方面做些弥补，最后达到识别成效。原始图像: 预处置： 车牌的定位和提取： 字符的分割和识别： 在车牌识别的进程中数字库的成立很重要,只有数字库的准确才能保证检测出来的数据正确。切割出来的数据要与数据库的数据作比较，因此数据库的数据尤其重要。六、 总结:实验对车牌识别系统的软件部份进行了研究，别离从图像预处置、车牌定位、字符分割和字符识别等方面进行了系统的分析。整理和总结了国内外在车牌定位、分割、字符识别方面的研究功效和进展方向，系统介绍了我国车牌的固有特点，和车牌识别的特点。在车牌定位咱们采纳基于灰度跳变的定位方式，采纳先对图像进行预处置，再进行二值化操作的方式。实验表明本方式既保留了车牌区域的信息，又减少了噪声的干扰，从而简化了二值化处置进程，提高了后续处置的速度。基于彩色分量的定位方式，运用基于蓝色象素点统计特性的方式对车牌是蓝色的车牌进行定位，实验表明，用该方式实现的车牌定位准确率较高。本设计用MATLAB编程运行结果能够得出，本设计采纳的图像预处置、CANNY边缘检测、开闭运算子5，19、车牌长宽比特点识别等对车牌的定位都是超级有效的，而本设计提出的二次水平投影分析和阈值技术有效检测了车牌图像的上下左右边框、旋转角度，准确实现的车牌字符的分割，对多个车牌进行实验，均有很高的正确率。本设计尽管只对蓝底白字车牌进行分割识别，对黑底白字车牌原则上整个算法可直接适用，对白底黑字车牌、黄底黑字车牌，需要对车牌定位算法进行调整，并将图像反转（0变一、1变0），而车牌字符的分割算法仍然行之有效。七、 体会通过几周的奋战我的课程设计终于完成了。在没有做课程设计以前感觉课程设计只是对这几年来所学知识的单纯总结，可是通过这次做课程设计发觉自己的观点有点太片面。课程设计不仅是对前面所学知识的一种查验，而且也是对自己能力的一种提高。通过这次课程设计使我明白了自己原先知识还比较欠缺。自己要学习的东西还太多，以前老是感觉自己什么东西都会，什么东西都懂，有点眼高手低。通过这次课程设计，我才明白学习是一个长期积存的进程，在以后的工作、生活中都应该不断的学习，尽力提高自己知识和综合素养。在这次课程设计中也使咱们的同窗关系更进一步了，同窗之间相互帮忙，有什么不懂的大伙儿在一路商量，听听不同的观点对咱们更好的明白得知识，因此在那个地址超级感激帮忙我的同窗。我的心得也就这么多了，总之，不管学会的仍是学可不能的的确感觉困难比较多，真是万事开头难，不明白如何入手。最后终于做完了有种如释重负的感觉。另外，还得出一个结论：知识必需通过应用才能实现其价值！有些东西以为学会了，但真正到用的时候才发觉是两码事，因此我以为只有到真正会用的时候才是真的学会了。在此要感激咱们的指导老师乔静老师对咱们悉心的指导，感谢老师给咱们的帮忙。在设计进程中，我通过查阅大量有关资料，与同窗交流体会和自学，并向老师请教等方式，使自己学到了很多知识，也经历了很多艰辛，但收成一样庞大。在整个设计中我知道了许多东西，也培育了我独立工作的能力，树立了对自己工作能力的信心，相信会对尔后的学习工作生活有超级重要的阻碍。而且大大提高了动手的能力，使我充分体会到了在制造进程中探讨的艰巨和成功时的喜悦。尽管那个设计做的也不太好，可是在设计进程中所学到的东西是这次课程设计的最大收成和财富，使我终身受益。八、 参考文献:1 沈美明、温东蝉IBM-PC汇编语言程序设计（第二版）清华大学出版社，200182 李红浅谈运算机病毒.山西大学财经学报，：527-5303 赵均宇强化科学治理机制光明日报，1999-3-24（4）4 , , . J.2005（23期）912.5 宋建才.汽车牌照识别技术研究J.工业操纵运算机,2004,4445.6 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，65.7 王枚、王国宏.基于伴生与互补颜色特点的车牌字符分割技术J.山东大学学报，2007。第37卷8 贺兴华、周媛媛、王继阳等.MATLAB 图像处置M.人民邮电出版社,100.9 龚声蓉、刘纯平、王强. 数字图象处置与分析M. 清华出版社 ,29.10刘阳，伊铁源等.数字图象处置应用于车辆牌照的识别.辽宁大学学报.2004，6568.11 张兴会, 刘玲, 杜升之.车牌照定位及倾斜校正方式研究J.系统工程与电子技术, 2004, 26(2): 237239.12 叶晨洲，杨杰，宣国荣.车辆牌照字符识别J.上海交通大学学报，2000，5(34)： 672675.13 魏武, 黄心汉, 张起森, 等.一种基于垂直字符边界特点的车牌定位方式,中国公路学报, 2000, (4) : 88-9014 叶晨洲等.车辆牌照字符识别J.上海交通大学学报，6.15刘智勇，刘迎建.车牌识别（LPR）中的图像提取及分割J.中文信息学报，2000,14(4):2934.16张禹、马驷良、韩笑、张忠波.车牌识别中的图像提取及分割算法J.吉林大学学报，2006.第44卷第3期，407410.16 章毓晋.数字图象处置和分析M.清华大学出版社.261.17 崔屹.图象处置与分析数学形态学方式及应用M.北京：科学出版社，2000.18 袁志伟，潘晓露.车辆牌照定位的算法研究J.昆明理工大学学报，2001，26(2): 5660.19 梁玮、罗剑锋、贾云得.一种复杂背景下的多车牌图像分割与识别方式D. 2003.20罗希平，田捷等.图象分割方式练述J.模式识别与人工智能，1999，12(3): 300312.