毕业设计（论文）车牌识别算法的研究与实现.doc

《毕业设计（论文）车牌识别算法的研究与实现.doc》由会员分享，可在线阅读，更多相关《毕业设计（论文）车牌识别算法的研究与实现.doc（43页珍藏版）》请在三一办公上搜索。

1、目 录摘要IABSTRACTI第一章 绪论11.1 引言11.2 车牌识别研究的应用及难点11.3 车牌识别技术发展与研究现状21.4 车牌识别技术概述31.5 MATLAB的概述41.6 本文研究内容与章节安排6第二章 车牌字符识别技术研究82.1 介绍车牌识别常用方法8 2.1.1结构模式识别8 2.1.2统计模式识别8 2.1.3 人工神经网络识别92.2 本文采用的识别方案11第三章 基于模板匹配的车牌识别详细设计133.1 图像采集133.2 图像预处理133.3 车牌定位154.4 倾斜校正163.5 字符分割173.6 字符识别183.6.1字符识别流程概述18 3.6.2本文字

2、符识别流程19第四章 车牌识别算法在MATLAB工具下的实现254.1实验环境254.2平台搭建254.3识别过程264.4实验数据及分析31第五章 总结与展望335.1总结335.2展望34参考文献 36致谢37代码38摘要随着我国经济的快速发展，社会信息化程度日益提高，车辆的数量在急剧的增加，交通问题日益突出，这使得智能交通系统(IntelligentTransportation Systeln，简称ITS)成为研究的热点领域，受到了广泛的关注。车辆牌照识别系统(LPRS)是智能交通管理系统(ITS)的重要组成部分，可用于各类车辆管理场所，以提高管理效率与水平，节省人力、物力，实现车辆管理

3、的科学化、规范化，因此有着广泛的应用前景。本文根据车牌图像特点，对车牌识别算法关键环节包括数字图像预处理，车牌定位，车牌字符识别等三部分一一进行了分析研究：(l)本文采用直方图变换、边缘检测、二值化等方法对车牌图像进行了预处理。(2)对车牌定位采用了一种基于灰度图像求取卷积能量极值区域的车牌定位方法。该方法充分利用车牌纹理复杂、对比度鲜明、外型规则等特征构造车辆图像的对比度能量图，然后通过选取包括极值行的连通域定位车牌。(3)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

4、匹配。本文采用了MATLAB来完成算法的实现。车牌识别率较高，适应性较强，实时性比较好。 关键词：车牌识别；车牌定位；图像预处理；模板匹配；字符识别ABSTRACTWith the high-speed development of our national economy, and Social informationization is increasing day by day ,the management of transportation shows a tendency,the number of vehicles increase fiercely. Traffic probl

5、ems have become increasingly prominent. This Intelligent Transportation Systems become a hot area of research. It has been widespread concerned.Vehicles license plate recognition (LPR) system is the main part of the Intelligent Transportation System (ITS), and it can be applied to various vehicle ma

6、nagement to improve managing efficiency and level, save manpower and material resources, realize scientific standard management and ensure traffic order. Therefore, it has comprehensive application prospect.This paper, based on image characteristics license plate, has a deeply research to thekey tec

7、hnologies of the vehicle license plate recognition system, which include three parts:digital image pre-processing, license plate location, license plate characters recognition. (1) In the vehicle images pre-procession, the paper use the methods of Histogram Transformation, Edge detection, binarizati

8、on. (2) In the license plate location, a new algorithm is presented, using complicated texture、contrast and exterior to get the contrast energy, based on extremum region of convolution energy. (3) The paper use pattern matching which method has been improved to recognize the characters. Some of the

9、characters closed to the main peak in vertical direction on the shape of the peak, but different in the level. So we can match the plate in the level .if the result which invertical is unsatisfactory.This paper adopts the MATLAB to complete algorithm implemented. License plate recognition rate is hi

10、gher, good adaptability, real-time better. Key Words: License plate identification; license plate location; image preprocessing; template matching; OCR第一章 绪论1.1 引言 随着科学技术与经济的发展，人们对于交通状况的要求也越来越高，在交通硬件取得了很大成就的同时，交通类软件的发展也引起了人们的广泛重视。一些发达国家近年来出现了很多这方面的理论研究成果和软件产品，我国在这方面的研究也具备了一定的规模。大量在公共场合的汽车需要得到监管，而目前在

11、各大城市欠费违章车辆招摇过市各种违章行为层出不穷；车辆盗窃案件也时常发生涉及机动车的各种经济和刑事案件屡禁不止给现代化的交通管理和公安刑侦等带来了众多问题。为了更好地进行管理，必须对车辆进行一种确认，而车牌识别就是其中最有效的确认方法，车牌识别LPR是License Plate Recognition的简称，它是智能交通系统(Intelligent Transportation Systems，ITS)的一个重要组成部分。车牌识别技术在高速公路收费站、路口监测(电子警察)、大型停车场等场所具有广阔的发展前景。1.2 车牌识别研究的应用及难点随着私有车辆的增多，公路上的车辆超速、超载以及日常丢车

12、的现象越来越严重，而车辆牌照是车辆的唯一身份标识，因此车牌识别系统的应用范围很广，包括：闯红灯等违章监控；机场、港口等出入车辆管理；小区车辆管理；交通控制与诱导；交通流量监测；不停车自动收费；道口检查站车辆监控；公共停车场安全防盗管理；计算出行时间等。车牌自动识别系统应用于这些地方，可以解决通缉车辆的自动稽查问题，可以解决车辆高峰期因出入车流瓶颈造成的路桥卡口、停车场交通堵塞问题，可以解决因工作人员作弊造成的路桥卡口、高速公路、停车场应收款流失的问题，还可以最简单的方式完成交通部门的车辆信息联网，解决数据统计自动化、模糊查询的问题。在车牌识别系统中，车牌识别技术的主要问题集中于软件算法的研发，

13、在设计中值得注意的是：（1） 车牌的预处理问题；（2） 牌照的定位分割问题；（3） 倾斜车牌的校正问题；（4） 字符切割及标准化问题；（5） 字符的特征提取和字符识别问题。其中，牌照定位和分割、倾斜车牌的校正以及字符识别是关键技术也是难点。在背景复杂（车灯、 散热片 、保险杠以及其他广告文字等）、光照复杂（环境关照不均引起图像亮度和对比度下降）、实时性（要求算法简介、高效率）的前提下，怎么实现车牌的定位、字符的分割和字符的识别是本设计的主要问题所在。1.3 车牌识别技术发展与研究现状车牌识别技术的研究国外起步比较早，在中国，第一次将LRS应用于交通的中是在2002年。用在高速公路的收费路口帮助

14、交通收费人员征收费用，效果明显。后来经过慢慢的发展，就开始应用于交通的其他领域当中。目前，国内外对汽车牌照识别技术进行了大量的研究，国内外有大量关于车牌识别方面的研究报道。国外在这方面的研究工作开展较早。在上世纪70年代，英国就在实验室中完成了“实时车牌检测系统”的广域检测和开发。同时代，诞生了面向被盗车辆的第一个实时自动车牌监测系统。发展到今日，国外对车牌检测的研究已经取得了一些令人瞩目的成就，如YuntaoCui提出了一种车牌识别系统，在车牌定位以后，利用马尔科夫场对车牌特征进行提取和二值化，对样本的识别达到了较高的识别率。Eun Ryung等利用图像中的颜色分量，对车辆牌照进行定位识别，

15、其中提到了三种方法：以Hough变换为基础的边缘检测定位识别；以灰度值变换为基础的识别算法；以HLS彩色模式为基础的车牌识别系统，识别率分别81.25%、85%、91.25%。日本对车牌图像的获取也做了大量的研究，并为系统产业化做了大量工作。Luis开发的系统应用于公路收费站，全天识别率达到了90%以上，即使在天气不好的情况下也达到了70%。国外对车牌识别的研究起步早，总体来讲其技术已比较领先，同时由于他们车牌种类单一，规范程度较高，易于定位识别，目前，已经实现了产品化，并在实际的交通系统中得到了广泛的应用。由于中国车牌的格式与国外有较大差异，所以国外关于识别率的报道只具有参考价值，其在中国的

16、应用效果可能没有在其国内的应用效果好，但其识别系统中采用的很多算法具有很好的借鉴意义。从车牌识别系统进入中国以来，国内有大量的学者在从事这方面的研究，提出了很多新颖快速的算法。中国科学院自动化所的刘智勇等开发的系统在一个样本量为3180的样本集中，车牌定位准确率为99.42%，切分准确率为94.52%，这套系统后来应用于汉王公司的车牌识别系统，取得了不错的效果。南京大学的熊军等提出了基于字符纹理特征的定位算法，准确率达95%。华中科技大学的陈振学等学者提出了一种新的车牌图像字符分割与识别算法，使用一维循环清零法，通过对垂直投影图进行一次扫描，有效的清除了杂点和间隔符，正确分割率达到了96.8%

17、。浙江大学的张引、潘云鹤等提出了彩色边缘算子ColorPrewitt和彩色边缘检测与区域生长相结合的牌照定位算法ColorLP，算法简单，且全面作用在颜色空间的三个分量上，检测出的牌照区域易于与背景剥离。但是计算量和存储量都比较大，难以满足实时性的要求。此外，当车辆区域的颜色和附近颜色相近时，定位失误率会增加。国内还有许多学者都在进行这方面的研究，并且取得了大量的研究成果。1.4 车牌识别技术概述智能交通管理系统( Intelligent Transport Systems , ITS)是21 世纪道路交通管理的发展趋势,而车牌识别(License Plate Recognition , LP

18、R) 是实现交通管理智能化的重要环节。LPR是一个以特定目标为对象的专用计算机视觉系统，它运用模式识别、人工智能等技术,对采集到的汽车图像进行处理，实时准确地识别出车牌的数字、字母及汉字字符,使得车辆的电脑化监控和管理成为现实。近几年来，汽车牌照智能识别的技术发展很快，就其识别基础，主要可分为间接法和直接法两种：间接法是基于IC卡（即无线电频率鉴别（REID）或基于条码的识别；直接法是基于图像的汽车牌照识别。间接法：是将车辆类型的信息存储在车上单元(如IC卡或条码)中长期存储，需要车辆信息时识别该单元即可。这种处理方法要比实时检测简单易行，识别准确度高，运行可靠，可以全天候作业，但它整套装置价

19、格昂贵，硬件设备十分复杂，不适合异地作业；条形码技术虽然具有识别速度快、准确度高、可靠性强以及成本较低等优点，但是对于扫描器要求很高。此外，二者都需要制定出全国统一的标准，并且无法核对车、卡(或条码)是否相符，也是技术上存在的缺点。而且，两种方法都存在作弊的缺点，比如在高费率车辆上换装低费率的车上单元。这都给大面积推广造成困难。直接法：即基于图像理解的车牌识别技术。与间接法识别系统相比有如下几个优点：首先这种系统节省了复杂设备安置及大量资金，从而提高了经济效益；其次，由于采用了先进的计算机应用技术，所以可以提高识别速度，较好的解决实时性要求；再次，它是根据图像进行识别的，所以可以通过人的参与解

20、决系统中的识别错误，而其他方法难以与人交互。目前，研究的车牌识别系统大部分都是基于直接法，该方法一般包含一下几个部分： 图像采集图像预处理车牌定位倾斜矫正字符分割与识别车牌 输出 图1.1车牌识别流程图(1)图像采集部分。当系统发现有车辆通过时(通过埋地感应圈或光束检测)，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加强、平滑滤波等操作，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。从人眼视觉的角度出发，并根据车牌的字符目标区域的特点，在灰度图像的基

21、础上提取相应的特征。车牌定位是车牌识别系统中的关键和难点，实际图像中的噪声、复杂背景等干扰都会使定位十分困难。车牌牌照的提取是一个寻找最符合牌照特征区域的过程。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。(4)倾斜校正。由于CCD摄像机采集车牌图像时，有时候会出现采集到的车牌图像里牌照区域是倾斜的。倾斜的牌照不利于后续的字符分割与识别，严重的还可能引起牌照内容的丢失，直接导致字符识别的失败。因此，在进行字符分割与识别之前，有必要对牌照进行倾斜校正。(5)字符分割。即是对获得的牌照分离出单个字符(包括汉字、字母和数字等)，以便于字符识别。(6)字符识别。则是对分割得到的字符归一化处理，

22、进行字符识别，转换为文本存入数据库或直接显示出来。本文车牌识别算法是基于直接法所编写的。1.5 MATLAB的概述MATLAB是用于算法开发、数据可视化、数据分析以及数值计算的高科技计算语言和交互式环境。它具有以下特点：1友好的工作平台和编程环境MATLAB由一系列工具组成。这些工具方便用户使用MATLAB的函数和文件，其中许多工具采用的是图形用户界面。包括MATLAB桌面和命令窗口、历史命令窗口、编辑器和调试器、路径搜索和用于用户浏览帮助、工作空间、文件的浏览器。随着MATLAB的商业化以及软件本身的不断升级，MATLAB的用户界面也越来越精致，更加接近Windows的标准界面，人机交互性更

23、强，操作更简单。而且新版本的MATLAB提供了完整的联机查询、帮助系统，极大的方便了用户的使用。简单的编程环境提供了比较完备的调试系统，程序不必经过编译就可以直接运行，而且能够及时地报告出现的错误及进行出错原因分析。2简单易用的程序语言 Matlab一个高级的矩阵/阵列语言，它包含控制语句、函数、数据结构、输入和输出和面向对象编程特点。用户可以在命令窗口中将输入语句与执行命令同步，也可以先编写好一个较大的复杂的应用程序（M文件）后再一起运行。新版本的MATLAB语言是基于最为流行的C语言基础上的，因此语法特征与C语言极为相似，而且更加简单，更加符合科技人员对数学表达式的书写格式。使之更利于非计

24、算机专业的科技人员使用。而且这种语言可移植性好、可拓展性极强，这也是MATLAB能够深入到科学研究及工程计算各个领域的重要原因。3强大的科学计算数据处理能力 MATLAB是一个包含大量计算算法的集合。其拥有600多个工程中要用到的数学运算函数，可以方便的实现用户所需的各种计算功能。函数中所使用的算法都是科研和工程计算中的最新研究成果，而前经过了各种优化和容错处理。在通常情况下，可以用它来代替底层编程语言，如C和C+ 。在计算要求相同的情况下，使用MATLAB的编程工作量会大大减少。MATLAB的这些函数集包括从最简单最基本的函数到诸如矩阵，特征向量、快速傅立叶变换的复杂函数。函数所能解决的问题

25、其大致包括矩阵运算和线性方程组的求解、微分方程及偏微分方程的组的求解、符号运算、傅立叶变换和数据的统计分析、工程中的优化问题、稀疏矩阵运算、复数的各种运算、三角函数和其他初等数学运算、多维数组操作以及建模动态仿真等。4出色的图像处理功能MATLAB自产生之日起就具有方便的数据可视化功能，以将向量和矩阵用图形表现出来，并且可以对图形进行标注和打印。高层次的作图包括二维和三维的可视化、图象处理、动画和表达式作图。可用于科学计算和工程绘图。新版本的MATLAB对整个图形处理功能作了很大的改进和完善，使它不仅在一般数据可视化软件都具有的功能（例如二维曲线和三维曲面的绘制和处理等）方面更加完善，而且对于

26、一些其他软件所没有的功能（例如图形的光照处理、色度处理以及四维数据的表现等），MATLAB同样表现了出色的处理能力。同时对一些特殊的可视化要求，例如图形对话等，MATLAB也有相应的功能函数，保证了用户不同层次的要求。另外新版本的MATLAB还着重在图形用户界面（GUI）的制作上作了很大的改善，对这方面有特殊要求的用户也可以得到满足。 5应用广泛的模块集合工具箱MATLAB对许多专门的领域都开发了功能强大的模块集和工具箱。一般来说，它们都是由特定领域的专家开发的，用户可以直接使用工具箱学习、应用和评估不同的方法而不需要自己编写代码。目前，MATLAB已经把工具箱延伸到了科学研究和工程应用的诸多

27、领域，诸如数据采集、数据库接口、概率统计、样条拟合、优化算法、偏微分方程求解、神经网络、小波分析、信号处理、图像处理、系统辨识、控制系统设计、LMI控制、鲁棒控制、模型预测、模糊逻辑、金融分析、地图工具、非线性控制设计、实时快速原型及半物理仿真、嵌入式系统开发、定点仿真、DSP与通讯、电力系统仿真等，都在工具箱（Toolbox）家族中有了自己的一席之地。 6使用的程序接口和发布平台新版本的MATLAB可以利用MATLAB编译器和C/C+数学库和图形库，将自己的MATLAB程序自动转换为独立于MATLAB运行的C和C+代码。允许用户编写可以和MATLAB进行交互的C或C+语言程序。另外，MATL

28、AB网页服务程序还容许在Web应用中使用自己的MATLAB数学和图形程序。MATLAB的一个重要特色就是具有一套程序扩展系统和一组称之为工具箱的特殊应用子程序。工具箱是MATLAB函数的子程序库，每一个工具箱都是为某一类学科专业和应用而定制的，主要包括信号处理、控制系统、神经网络、模糊逻辑、小波分析和系统仿真等方面的应用。 7.应用软件开发（包括用户界面）在开发环境中，使用户更方便地控制多个文件和图形窗口；在编程方面支持了函数嵌套，有条件中断等；在图形化方面，有了更强大的图形标注和处理功能，包括对性对起连接注释等；在输入输出方面，可以直接向Excel和HDF5进行连接。本文设计的系统采用MAT

29、LAB搭建车辆牌照识别系统，具有非常明显的优势：1）可以直接使用MATLAB的Image Acquisition Toolbox、Image ProcessingToolbox以及Neural Network Toolbox作为骨架来搭建整个系统。2）使用MATLAB的图形用户界面技术（GUI）编写牌照识别系统面板，可以达到与牌照定位切分程序及字符识别程序的无缝连接。3）使用专业工具箱，使得研究人员不必过于关心程序的细节问题，可以将主要的精力放在算法的研究、设计方面，极大地减少了工作量，为算法的研究改进提供了先决条件。1.6 本文研究内容与章节安排本算法总结了车牌识别技术的历史，分析了车牌识别

30、的研究现状，正对存在问题和意义提出了本设计的新方案。本设计处理的流程包括：图像采集-图像预处理-车牌定位-倾斜校正-字符分割-字符识别六个部分。(1)图像采集部分。所采集的图像一般是采用CCD摄像机摄取的车牌前视图或后视图，这些通过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而得到的。(2)图像预处理部分。需要对采集到的图像进行图像加强、平滑滤波等操作，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。从人眼视觉的角度出发，并根据车牌的字符目标区域的特点，在灰度图像的基础上提取相应的特征。车牌定位是车牌识别系统中的关键和难点，实际图像中的噪声、复杂背景等干扰都会使

31、定位十分困难。车牌牌照的提取是一个寻找最符合牌照特征区域的过程。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。(4)倾斜校正。由于CCD摄像机采集车牌图像时，有时候会出现采集到的车牌图像里牌照区域是倾斜的。倾斜的牌照不利于后续的字符分割与识别，严重的还可能引起牌照内容的丢失，直接导致字符识别的失败。因此，在进行字符分割与识别之前，有必要对牌照进行倾斜校正。(5)字符分割。即是对获得的牌照分离出单个字符(包括汉字、字母和数字等)，以便于字符识别。(6)字符识别。则是对分割得到的字符归一化处理，进行字符识别，转换为文本存入数据库或直接显示出来。本文的章节安排：第一章为绪论。介绍了课题的背景

32、和研究意义；对车牌自动识别系统做了概述；阐明了车牌自动识别技术的特点和难点；并对国内外车牌定位分割技术研究现状进行了综述；本章最后给出了论文的章节安排。第二章介绍了车牌识别的方法。包括车牌识别常用方法和本文所采用的方法。第三章为算法的设计，本章为本文重点。包括图形采集、图像预处理、车牌定位、倾斜校正、字符分割、字符识别。第四章为算法的实现。介绍了实验环境平台搭建、识别过程、实验数据及分析。第五章对所做的工作进行了总结并对未来的发展做了展望。 第二章 车牌识别方法 一个完整的车辆牌照识别系统是一个复杂的系统，应该包括图像采集、图像预处理、车牌定位、字符切分、字符识别以及图像编码、数码传输与更新等

33、步骤，基本可以分为硬件部分和软件部分，硬件部分主要完成车辆图像的摄取采集，软件部分主要完成对采集到的车辆图像进行车辆牌照定位、车牌字符切分与车牌字符识别等工作，这部分工作最为复杂，最后对识别结果进行数据传送和存储，将处理后的识别信息交给管理系统进行管理。整个系统的核心是软件部分的工作，能否通过牌照对车辆进行有效管理，很大程度上取决于软件部分识别车牌的准确性。2.1介绍车牌识别常用方法车牌识别的常用方法有很多种，如结构模式识别方法、统计模式识别、人工神经网络识别等等。下面分别介绍各种方法：2.1.1结构模式识别结构模式识别可能比较复杂，但都具有相当严格的规律性。换句话说，字符图像含有丰富的结构信

34、息。可以设法提取含有这种信息的结构特征及其组字规律作为识别的依据，这就是结构模式识别。结构模式识别是早期汉字识别研究的主要方法。其主要出发点是汉字的组成结构.从汉字的构成上讲，汉字是由笔划以及偏旁部首构成的;还可以认为汉字是由更小的结构基元构成的。由这些结构基元及其相互关系完全可以精确地对汉字加以描述，这种方法也叫句法模式识别。识别时，利用上述结构信息以及句法分析地方法进行识别，类似于一个逻辑推理器。基于这种方法来描述字符的结构在理论上是比较恰当的，其主要优点在于对字体变化的适应性强，区分相似字的能力强；但是，在实际应用中，其所面临的问题是抗干扰能力差，因为在实际得到的文本图像中存在各种干扰，

35、比如倾斜、断裂、粘连、污点等。这些因素直接影响到结构基元的提取。假如基元不能准确得到，后面的识别就成了无源之水。所以，在字符识别领域，纯结构模式识别方法己经逐渐衰落。2.1.2统计模式识别统计决策论发展较早，理论也比较成熟.其要点是提取待识别模式的一组统计特征，然后按照一定准则所确定的决策函数进行分类判决。 字符的统计模式识别是将字符点阵看作一个整体，其所用的特征是从这个整体上经过大量的统计而得到的.统计特征的特点是抗干扰能力强，匹配与分类的算法简单，易于实现.不足之处在于细分能力较弱，区分相似字的能力差一些。常见的统计模式识别方法有： 1.投影直方图法。利用字符图像在水平及垂直方向的投影作为

36、特征。这种方法是模式识别早期使用的方法。 2.利用变换特征方法。对图像进行变换，变换后对图像从空间域变到频域，特征的维数大大降低。但是这些方法总的特征就是运算量太大，运算复杂度高，难以满足实时处理的要求。 3.傅立叶描述子和Spline曲线近似。这两种方法都是针对字符图像轮廓的。傅立叶描述子是利用傅立叶函数模拟封闭的轮廓线，将傅立叶和函数的各个系数作为特征，该方法致命缺点是对于轮廓线不封闭的字符图像不适用。车牌字符本身所占象素点较少，常常会出现笔划断裂轮廓不封闭。Spline曲线是在轮廓上找到曲率大的折点，利用Spline曲线来近似相邻折点之间的轮廓线，该方法的缺点在于对旋转现象比较敏感。 4

37、.特征点方法。它的主要思想是利用字符点阵中一些有代表性的点作为特征来区分不同的字符。这些点包括端点、折点以及交叉点等等，获得了比较好的效果。其特点是对于内部笔划粘连的字符识别的适应性较强，直观性好，但是不易表示为矢量形式，不适合作为粗分类的特征，匹配难度大。5.基于微结构特征的方法。字符是由笔划组成的，笔划是由一定方向，一定位置关系和长宽比的矩形线段组成的。这些矩形则称为微结构。利用微结构及微结构之间的关系组成的特征对字符进行识别。其不足之处正好和特征点的方法相反，在内部笔划粘连时，微结构的提取会遇到困难。统计模式识别认为图像可能包含一个或多个物体，并且每个物体属于若干事先定义的类型、范畴或模

38、式之一。虽然模式识别可以用多种方法实现，但我们只关心用数字图像处理技术对它的实现。字符统计模式是把字符的点阵看成一个整体，通过做大量的统计得到所需要的特征。最常用的字符统计模式方法是模板匹配的字符识别方法。模板匹配的字符识别方法是通过一定准则确定决策函数，并进行分类判断的方法。模板匹配的字符识别方法是指度量输入模式与样本之间的某种相似性，取最相似者为输入模式所属类别。它根据字符的直观形象抽取特征，用相关匹配原理进行识别。这个方法不需要特征提取这个过程，字符图像直接作为特征与模板进行比较，相似度最高的模板即定为识别结果。它优点是可以并行处理，简单易行。缺点是如果进行简单的模板匹配，只能够识别同种

39、字体、同样大小的字符，对于笔划变粗、变细、倾斜的字符适应能力比较差，特别是模板与字符笔划的匹配失误时，会有很大的误差。2.1.3人工神经网络识别人工神经网络是模拟人脑思维方式的数学模型。神经网络是现代生物学研究人脑的组织成果基础上提出的，用来模拟人类大脑神经网络的结构和行为，它从微观结构和功能上对人脑进行抽象和简化。人工神经网络方法的特点和优点主要表现在如下的几个方面： 神经网络的特征：1,能逼近任意线性函数2,信息的并行分布式处理和存储3,可以多输入多输出4,便于用超大规模的集成电路或光学集成电路系统实现5,具有自学习的能力； 6,具有联想存储功能； 7,具有高速寻找优化解的能力.虽然人工神

40、经网络有上述的优点，并且在OCR中也取得了一些成果，但是在车牌字符的识别中仍然存在很大的缺陷： l，车牌字符象素点阵小，笔划常常出现断裂，通过学习规则，误差系数相差很小，容易出现误识；2，神经网络在进行学习时，每次迭代的梯度值都受样本中噪声干扰，影响较大，整个系统收敛速度较慢，不适合实时识别的要求。用于字符识别最常用的神经网络是BP神经网络，所谓BP神经网络是指误差反向传播神经网络，核心方法是梯度下降法，它采用梯度搜索技术，以期使网络的实际输出值与期望的均方差为最小。BP神经网络主要有两种形态：(l)前向传播：计算网络的输出。隐层神经元的输入为所有输入的加权之和，即 （式2.1） 隐层神经元的

41、输出井采用S函数激发x，得 （式2.2） 输出层神经元的输出为 （式2.3）误差性能指标函数为 （式2.4）(2)反向传播：采用占学习方法，调整各层间的权值根据梯度下降法，权值学习方法如下：输出层即隐层的连接权值W2、学习算法为 （式2.5） 式中 为学习速率。BP网络有以下优点：只要能保证有足够的隐层和隐层节点，就可以逼近任意的非线性映射关系;由于其学习方法属于全局逼近算法，具有较强的泛化能力;神经网络有较强的容错性。虽然BP神经网络有以上的优点，但因为其有收敛的速度比较慢;当按梯度下降学习法进行学习的时候很容易陷入局部的最小值;难以确定隐层和隐层节点的数目的缺点，所以在用于字符识别的过程中

42、，还需要做大量的修改。 2.2本文采用的识别方案本文采用的识别方案是基于模板匹配的车牌识别方案，模板匹配法就是将待识别字符与模板字符进行比对，从而确定字符内容。其大体步骤是:首先，制作模板并要求模板的大小必须统一。然后，对待识别字符进行图像的归一化操作，最后将字符与模板的每个像素点进行一一的对照，与所有模板比对完成之后，选取其中相似结果最高的，作为最终的识别结果。整个过程最重要的一步是模板的设计，它是后续工作的基础。模板的建立要针对字符的特征来进行，通常可以取笔画特征、几何特征还有图形的特征。模板匹配方法最大的优点是识别率很高，但是因为要逐点操作，所以效率比较低下。考虑到LRS对识别效果准确率

43、要求比较高，此种方法比较合适，但是怎么样能提高效率，这还是一个堕待解决的问题。算法实现总体设计方案中首先是要采集图片，而硬件设备采集到的图片要考虑其图像的存储格式。目前比较常用的图像格式有*.BMP、*.JPG、*.GIF、*.PCX等，本课题采集到的图片是*.JPG的格式。至于软件系统的选择，因为软件系统的编写大多采用VC或者MATLAB语言，本课题选用了MATLAB语言。整个软件系统是一个具有车牌识别功能的图像分析和处理软件。首先将采集到的汽车图像进行灰度化、灰度拉伸和滤波处理，以降低噪点、增加车牌部分的对比度。然后，通过对预处理后的图像进行小波变换分解提取图像边缘，并进行形态学处理，这时

44、，车牌的轮廓已经非常清晰，并且可以和非车牌区域明显区分开来了，接着，根据车牌的特点进行车牌初步定位，对车牌区域和伪车牌区域进行筛选后，采用投影法进行车牌二次定位，提取出车牌图像。将提取出的车牌图像进行二值化处理，根据投影图的特点查找倾斜的角度，采用坐标变换的方法进行车牌倾斜校正，并利用其垂直投影图中字符显示出的峰群的特点进行字符切分。最后完成了整个车牌字符的识别。最后搭建了一个测试平台，将上述三个部分进行了系统化，对系统的性能进行了测试和分析。整个软件系统的设计流程图如下图所示：开始输入汽车图像提取车牌边缘形态学处理一次定位是否有车牌进行二值化根据投影和坐标变换进行倾斜矫正根据垂直投影进行字符切分进行字符识别结果输出二次定位结束NOYES