论文部分内容阅读
【摘 要】基于matlab的汽车车牌识别系统，从预处理、边缘检测、车牌定位、字符分割、字符识别五个方面，介绍了车牌自动识别的过程。使用MATLAB实现系统的各个功能，然后通过模板匹配方法对车牌进行字符识别。
【关键词】车牌识别 matlab 模板匹配
一、引言
随着我国智能交通系统（Intelligent Traffic System，ITS）的不断发展，而作为ITS的一个重要组成部分，车牌识别对于交通管理的智能化起着重要的作用。车牌是车辆管理的唯一标识符号，车牌识别系统的研究在车管理方面具有十分重要的意义。
二、车牌识别流程
车牌识别系统由车牌定位和字符识别两部分组成，其中车牌定位又分为图像预处理和车牌的定位分割；字符识别可分为字符分割和字符识别两个模块。图1是系统流程图。
三、图像预处理
在实际的车牌处理系统中，进行图像二值变换的关键是要确定合适的阀值，使得字符与背景能够分割开来。阈值处理的原理是如果图像中某像素的灰度值小于该阈值，则将该像素的灰度值设置为0，否则灰度值设置为255。
两个具有不同灰度值的相邻区域之间总存在边缘，可以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，精确的检测出边缘。图像中车牌是具有显著特征的一块区域，表现在：近似水平的矩形区域，其中字符串都是按水平方向排列的，在整体图象中的位置较为固定。由于这些特点，它在整幅图像中可以呈现出明显地其边缘[2]。先腐蚀后膨胀的过程称为开运算，它具有消除细小物体，并在纤细处分离物体和平滑较大物体边界的作用；先膨胀后腐蚀的过程称为闭运算，具有填充物体内细小空洞，连接邻近物体和平滑边界的作用[2]。
四、车牌定位
车牌图象在原始图象中是是水平度较高的横向长方形，其灰度值与周边区域有明显的不同，在其边缘形成了灰度突变的边界，这样便于通过边缘检测来对图象进行分割。车牌图象经过了以上的处理后，车牌区域已经十分明显。再和二值图进行与操作就很得到车牌区域图。
车牌区域定位后须剪切下车牌，以便字符分割。本系统是基于边缘点像素统计的图像分割方法，通过边缘像素点统计与平均值比较确定剪切位置。用Sobel算子对图像边缘检测，统计X和Y方向的边缘像素点，并计算平均值。
车牌区域文字图像结构相对复杂，其边缘点数量也就比较多，分布也比较集中，车牌区域中行统计平均边缘点数量比非车牌区域中的多。虽然车牌区域中也存在着字符间的间隔，不能完全保证每一行的边缘点数量都比非车牌区域内的行边缘点数量多。但是从概率角度可以认为，车牌区域的每一行边缘点数量大于整幅图像边缘点数量的平均值，而非车牌区域则相反。
五、车牌字符分割与归一化
因车牌字符间间隔较大，不会出现字符粘连情况，采用统计列方向像素点灰度值的方法，若列方向灰度值累积和为0，即为字符间隔也就是切分位置，需要分割。列方向像素点灰度值累计和如图2：
初次分割的字符大小不一，无法识别，为满足下一步字符识别的需要，对分割后的字符进行了归一化处理，在此系统中对字符作了40*20归一化处理。
六、车牌字符识别
字符识别方法主要有模板匹配法和神经网络算法。模板匹配法是首先将分割后的字符尺寸缩放为字符模板库中的大小，然后与所有模板进行匹配，最后选取最佳匹配作为结果。此处采用相减的方法来得出字符与模板库中哪个字符最相似，找到相似度最大的输出。依次取待识别字符与样本进行匹配，即可识别出待识别字符。
七、结论
系统对车牌识别系统进行了研究，从图像预处理、车牌定位、字符分割以及字符识别等方面进行了分析。采用的图像预处理、Sobel边缘检测、开闭运算、车牌长宽特征识别等对车牌的定位都是非常有效的，使用阈值技术有效检测了车牌图像的上下左右边框，准确实现的车牌字符的分割。
参考文献：
[1]陈桂明、张明照、戚红雨.应用MATLAB语言处理数字信号与数字图像。科学出版社，2008.6
[2]罗军辉，Matlab7.0在图像处理中的应用，机械工业出版社， 2005.6
[3]胡小峰，Visual C++/Matlab在图像处理与识别实用案例精选，机械工业出版社， 2004.9
【关键词】车牌识别 matlab 模板匹配
一、引言
随着我国智能交通系统（Intelligent Traffic System，ITS）的不断发展，而作为ITS的一个重要组成部分，车牌识别对于交通管理的智能化起着重要的作用。车牌是车辆管理的唯一标识符号，车牌识别系统的研究在车管理方面具有十分重要的意义。
二、车牌识别流程
车牌识别系统由车牌定位和字符识别两部分组成，其中车牌定位又分为图像预处理和车牌的定位分割；字符识别可分为字符分割和字符识别两个模块。图1是系统流程图。
三、图像预处理
在实际的车牌处理系统中，进行图像二值变换的关键是要确定合适的阀值，使得字符与背景能够分割开来。阈值处理的原理是如果图像中某像素的灰度值小于该阈值，则将该像素的灰度值设置为0，否则灰度值设置为255。
两个具有不同灰度值的相邻区域之间总存在边缘，可以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，精确的检测出边缘。图像中车牌是具有显著特征的一块区域，表现在：近似水平的矩形区域，其中字符串都是按水平方向排列的，在整体图象中的位置较为固定。由于这些特点，它在整幅图像中可以呈现出明显地其边缘[2]。先腐蚀后膨胀的过程称为开运算，它具有消除细小物体，并在纤细处分离物体和平滑较大物体边界的作用；先膨胀后腐蚀的过程称为闭运算，具有填充物体内细小空洞，连接邻近物体和平滑边界的作用[2]。
四、车牌定位
车牌图象在原始图象中是是水平度较高的横向长方形，其灰度值与周边区域有明显的不同，在其边缘形成了灰度突变的边界，这样便于通过边缘检测来对图象进行分割。车牌图象经过了以上的处理后，车牌区域已经十分明显。再和二值图进行与操作就很得到车牌区域图。
车牌区域定位后须剪切下车牌，以便字符分割。本系统是基于边缘点像素统计的图像分割方法，通过边缘像素点统计与平均值比较确定剪切位置。用Sobel算子对图像边缘检测，统计X和Y方向的边缘像素点，并计算平均值。
车牌区域文字图像结构相对复杂，其边缘点数量也就比较多，分布也比较集中，车牌区域中行统计平均边缘点数量比非车牌区域中的多。虽然车牌区域中也存在着字符间的间隔，不能完全保证每一行的边缘点数量都比非车牌区域内的行边缘点数量多。但是从概率角度可以认为，车牌区域的每一行边缘点数量大于整幅图像边缘点数量的平均值，而非车牌区域则相反。
五、车牌字符分割与归一化
因车牌字符间间隔较大，不会出现字符粘连情况，采用统计列方向像素点灰度值的方法，若列方向灰度值累积和为0，即为字符间隔也就是切分位置，需要分割。列方向像素点灰度值累计和如图2：
初次分割的字符大小不一，无法识别，为满足下一步字符识别的需要，对分割后的字符进行了归一化处理，在此系统中对字符作了40*20归一化处理。
六、车牌字符识别
字符识别方法主要有模板匹配法和神经网络算法。模板匹配法是首先将分割后的字符尺寸缩放为字符模板库中的大小，然后与所有模板进行匹配，最后选取最佳匹配作为结果。此处采用相减的方法来得出字符与模板库中哪个字符最相似，找到相似度最大的输出。依次取待识别字符与样本进行匹配，即可识别出待识别字符。
七、结论
系统对车牌识别系统进行了研究，从图像预处理、车牌定位、字符分割以及字符识别等方面进行了分析。采用的图像预处理、Sobel边缘检测、开闭运算、车牌长宽特征识别等对车牌的定位都是非常有效的，使用阈值技术有效检测了车牌图像的上下左右边框，准确实现的车牌字符的分割。
参考文献：
[1]陈桂明、张明照、戚红雨.应用MATLAB语言处理数字信号与数字图像。科学出版社，2008.6
[2]罗军辉，Matlab7.0在图像处理中的应用，机械工业出版社， 2005.6
[3]胡小峰，Visual C++/Matlab在图像处理与识别实用案例精选，机械工业出版社， 2004.9