基于图像处理的汽车牌照的识别66360

《基于图像处理的汽车牌照的识别66360》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于图像处理的汽车牌照的识别摘要：以一幅汽车牌照的识别为例，具体介绍了车牌自动识别的原理。整个处理过程分为预处理、边缘提取、车牌定位、字符分割、字符识别五大模块，用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照。在研究的同时对其中出现的问题进行了具体分析，处理。寻找出对于具体的汽车牌照识别过程的最好的方法。关键词：汽车牌照车牌提取字符分割字符识别ThevehiclelicenserecognitionbasedontheimageprocessingAuthor:ChenQiujuTutor:LiFangzh

2、ou(SchoolofPhysicsandElectronicInformationWenZhouNormalCollege325027)Abstract：Withonevehiclelicenserecognition,theprincipleoftheautomobileLicenserecognitionisintroduced.Thisprocesswasdividedintopre-process,edgeextraction,vehiclelicenselocation,characterdivisiona

3、ndcharacterrecognition,whichisimplementedseparatedbyusingMATLAB.Thelicenseisrecognizedatlast.Atthesametime,theproblemsarealsoanalyzedAndsolvedintheprocess.Thebestmethodofrecognitiontotheveryvehiclelicenseisfound.Keywords:vehiclelicensevehiclelicenselocationchara

4、ctersegmentationCharacterrecognition1.引言1.1选题意义13汽车牌照自动识别系统是以汽车牌照为特定目标的专用计算机视觉系统，是计算机视觉和模式识别技术在智能交通领域应用的重要研究课题之一，是实现交通管理智能化的重要环节，它可广泛应用于交通流量检测，交通控制与诱导，机场、港口、小区的车辆管理，不停车自动收费，闯红灯等违章车辆监控以及车辆安全防盗等领域，具有广阔的应用前景。目前，发达国家LPR（汽车牌照识别技术LicensePlateRecognition，LPR，简称“车牌通”）系统

5、在实际交通系统中已成功应用，而我国的开发应用进展缓慢，车牌识别系统基本上还停留在实验室阶段。基于这种现状还有它广阔的应用前景，目前对汽车车牌的识别研究就有了深远的意义。1.2课题组成汽车车牌的识别过程主要包括车牌定位、字符车牌分割和车牌字符识别三个关键环节。其识别流程如下：字符识别字符分割车牌定位边缘提取图像预处理原始图像原始图像：由数码相机或其它扫描装置拍摄到的图像图像预处理：对动态采集到的图像进行滤波，边界增强等处理以克服图像干扰边缘提取：通过微分运算，2值化处理，得到图像的边缘车牌定位：计算边缘图像的投影面积，寻

6、找峰谷点，大致确定车牌位置，再计算此连通域内的宽高比，剔除不在域值范围内的连通域。最后得到的便为车牌区域。字符分割：利用投影检测的字符定位分割方法得到单个的字符字符识别：利用模板匹配的方法与数据库中的字符进行匹配从而确认出字符，得到最后的汽车牌照，包括英文字母和数字。本文以一幅汽车图像为例，结合图像处理各方面的知识，利用MATLAB编程，实现了从车牌的预处理到字符识别的完整过程。各部分的处理情况如下：2.预处理及边缘提取13图1汽车原图图像在形成、传输或变换过程中，受多种因素的影响，如：光学系统失真、系统噪声、暴光不足

7、或过量、相对运动等，往往会与原始景物之间或图像与原始图像之间产生了某种差异，这种差异称为降质或退化。这种降质或退化对我们的处理往往会造成影响。因此在图像处理之前必须进行预处理，包括去除噪音，边界增强，增加亮度等等。因为噪声主要是一些含高频的突变成分，因此可以通过一个低通滤波器来消除图像中包含的噪声，并使低频成分得到增强。滤波的方式有两种，一种是空间域滤波，一种是频率域滤波。在空间域，常见的滤波方式有两种方式，均值滤波和中值滤波。空间域滤波主要有巴特沃斯滤波器。在车牌边缘提取之前，两种滤波方式均采用了。并与未进行滤波的边

8、缘进行比较。以下是经处理后的一些图片。图2经均值滤波后提取的边缘图像13图3经巴特沃斯低通滤波后提取的边缘图像图4未滤波直接提取出的边缘信息13图5经高通滤波器增强后得到的边缘图像对比以上几幅图片，图2的边缘太粗，而图3的边缘已经模糊掉了。图5中包含的噪声太多，图4未经滤波直接提取出的边缘图像最清晰，所包含的有用信息最多。分析这种