車牌識別系統(tǒng)的設(shè)計(jì)課程設(shè)計(jì)報(bào)告

經(jīng)典word整理文檔，僅參考，雙擊此處可刪除頁眉頁腳。本資料屬于網(wǎng)絡(luò)整理，如有侵權(quán)，請聯(lián)系刪除，謝謝！一、摘要:3:32.1、設(shè)計(jì)目的：......................32.2、設(shè)計(jì)意義：......................2三、設(shè)計(jì)原理:2四、詳細(xì)設(shè)計(jì)步驟:24.1、提出總體設(shè)計(jì)方案:...............34.2、各模塊的實(shí)現(xiàn):...................4六、總結(jié):八、參考文獻(xiàn):1一、摘要:快。無論何種形式的車牌識別系統(tǒng)，它們都是由觸發(fā)、圖像采集、圖像識別模塊、輔助光源和通信模塊組成的。車牌識別系統(tǒng)涉及光學(xué)、電器、電子控制、數(shù)字圖像處理、計(jì)算視覺、人工智能等多項(xiàng)技術(shù)。觸發(fā)模塊負(fù)責(zé)在車輛到達(dá)合適位置時(shí)，給出觸發(fā)信號，圖像。圖像預(yù)處理程序?qū)ψヅ牡膱D像進(jìn)行處理，去除噪聲，并進(jìn)行參數(shù)調(diào)整。然后通過車牌定位、字符識別，最后將識別結(jié)果輸出。二、設(shè)計(jì)目的和意義:2.1、設(shè)計(jì)目的：1、鞏固理論課上所學(xué)的知識，理論聯(lián)系實(shí)踐。2、鍛煉學(xué)生的動(dòng)手能力，激發(fā)學(xué)生的研究潛能，提高學(xué)生的協(xié)作精神。3、通過本次二級項(xiàng)目的設(shè)計(jì)，能夠綜合運(yùn)用所學(xué)理論知識，拓寬知識面，系統(tǒng)地進(jìn)2.2、設(shè)計(jì)意義：車輛牌照在交通系統(tǒng)管理中有著重要的作用，通過它可以檢索車輛的各項(xiàng)重要信息，實(shí)現(xiàn)車輛的控制、運(yùn)輸安排、停車管理、自動(dòng)收費(fèi)、事故處理等功能，從而給交通系統(tǒng)的自動(dòng)管理提供極大的方便。計(jì)實(shí)現(xiàn)車牌識別系統(tǒng)，能夠提高學(xué)生分析問題和解決問題的能力，還能培養(yǎng)一定的科研能力。三、設(shè)計(jì)原理:牌照自動(dòng)識別是一項(xiàng)利用車輛的動(dòng)態(tài)視頻或靜態(tài)圖像進(jìn)行牌照號碼、牌照顏色自動(dòng)識別的模式識別技術(shù)。其硬件基礎(chǔ)一般包括觸發(fā)設(shè)備、攝像設(shè)備、照明設(shè)備、圖像采集設(shè)備、識別車牌號碼的處理機(jī)等，其軟件核心包括車牌定位算法、車牌字符分割算法和光學(xué)字符識別算法等。某些牌照識別系統(tǒng)還具有通過視頻圖像判斷車輛駛?cè)胍曇暗墓δ芊Q之為視頻車輛檢測。一個(gè)完整的牌照識別系統(tǒng)應(yīng)包括車輛檢測、圖像采集、牌照識別然后組成牌照號碼輸出。四、詳細(xì)設(shè)計(jì)步驟:2b.牌照字符分割，把牌照中的字符分割出來；c.牌照字符識別，把分割好的字符進(jìn)行識別，最終組成牌照號碼。牌照識別過程中，牌照顏色的識別依據(jù)算法不同，可能在上述不同步驟實(shí)現(xiàn)，通常與牌照識別互相配合、互相驗(yàn)證。(1）牌照定位:自然環(huán)境下，汽車圖像背景復(fù)雜、光照不均勻，如何在自然背景中準(zhǔn)確地確定牌照區(qū)域是整個(gè)識別過程的關(guān)鍵。首先對采集到的視頻圖像進(jìn)行大范圍相關(guān)搜索，找到符合汽車牌照特征的若干區(qū)域作為候選區(qū)，然后對這些侯選區(qū)域做進(jìn)一步分析、評判，最后選定一個(gè)最佳的區(qū)域作為牌照區(qū)域，并將其從圖象中分割出來。圖像預(yù)處理增強(qiáng)效果圖像般采用垂直投影法。由于字符在垂直方向上的投影必然在字符間或字符內(nèi)的間隙處取得局部最小值的附近，并且這個(gè)位置應(yīng)滿足牌照的字符書寫格式、字符、尺寸限制和一些其他條件。利用垂直投影法對復(fù)雜環(huán)境下的汽車圖像中的字符分割有較好的效果。分析垂直投影找到每個(gè)字符中心位置3一種是先對待識別字符進(jìn)行特征提取，然后用所獲得特征來訓(xùn)練神經(jīng)網(wǎng)絡(luò)分配器；另一種方法是直接把待處理圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動(dòng)實(shí)現(xiàn)特征提取直至識別出結(jié)果。實(shí)際應(yīng)用中，牌照識別系統(tǒng)的識別率與牌照質(zhì)量和拍攝質(zhì)量密切相關(guān)。牌照質(zhì)量會受到各種因素的影響，如生銹、污損、油漆剝落、字體褪色、牌照被遮擋、牌照傾斜、高亮反光、多牌照、假牌照等等；實(shí)際拍攝過程也會受到環(huán)境亮度、拍攝亮度、車輛速度等等因素的影響。這些影響因素不同程度上降低了牌照識別的識別率，也正是牌照識別系統(tǒng)的困難和挑戰(zhàn)所在。為了提高識別率，除了不斷的完善識別算法，還應(yīng)該想辦法克服各種光照條件，使采集到的圖像最利于識別。分析之差最小的圖片是哪張2.2圖像的灰度化:彩色圖像包含著大量的顏色信息，不但在存儲上開銷很大，而且在處理上也會降低系統(tǒng)的執(zhí)行速度，因此在對圖像進(jìn)行識別等處理中經(jīng)常將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，以加快處理速度。由彩色轉(zhuǎn)換為灰度的過程叫做灰度化處理。選擇的標(biāo)準(zhǔn)是經(jīng)過灰度變換后，像素的動(dòng)態(tài)范圍增加，圖像的對比度擴(kuò)展，使圖像變得更加清晰、細(xì)膩、容易識別。%將彩色圖像轉(zhuǎn)換為黑白并顯示=rgb2gray(Scolor);%rgb2gray轉(zhuǎn)換成灰度圖圖2.2原始黑白圖像2.3對原始圖像進(jìn)行開操作得到圖像背景圖像:s圖像5二值圖像是指整幅圖像畫面內(nèi)僅黑、白二值的圖像。在實(shí)際的車牌處理系統(tǒng)中，進(jìn)行圖像二值變換的關(guān)鍵是要確定合適的閥值，使得字符與背景能夠分割開來，二值變換的結(jié)果圖像必須要具備良好的保形性，不丟掉有用的形狀信息，不會產(chǎn)生額外的空缺等等。車牌識別系統(tǒng)要求處理的速度高、成本低、信息量大，采用二值圖像進(jìn)行處理，能大大地提高處理效率。閾值處理的操作過程是先由用戶指定或通過算法生成一個(gè)閾值，0或度值設(shè)置為255或0。兩個(gè)具有不同灰度值的相鄰區(qū)域之間總存在邊緣，邊緣就是灰度值不連續(xù)的結(jié)果，是圖像分割、紋理特征提取和形狀特征提取等圖像分析的基礎(chǔ)。為了對有意義的邊緣點(diǎn)6進(jìn)行分類，與這個(gè)點(diǎn)相聯(lián)系的灰度級必須比在這一點(diǎn)的背景上變換更有效，我們通過門限方法來決定一個(gè)值是否有效。所以，如果一個(gè)點(diǎn)的二維一階導(dǎo)數(shù)比指定的門限大，我們就定義圖像中的次點(diǎn)是一個(gè)邊緣點(diǎn)，一組這樣的依據(jù)事先定好的連接準(zhǔn)則相連的邊緣點(diǎn)就定義為一條邊緣。經(jīng)過一階的導(dǎo)數(shù)的邊緣檢測，所求的一階導(dǎo)數(shù)高于某個(gè)閾值，則確定該點(diǎn)為邊緣點(diǎn)，這樣會導(dǎo)致檢測的邊緣點(diǎn)太多。可以通過求梯度局部最大值對應(yīng)的點(diǎn)，并認(rèn)定為邊緣點(diǎn)，去除非局部最大值，可以檢測出精確的邊緣。一階導(dǎo)數(shù)的局部最大值對應(yīng)二階導(dǎo)數(shù)的零交叉點(diǎn)，這樣通過找圖像強(qiáng)度的二階導(dǎo)數(shù)餓的零交叉點(diǎn)就能找到精確邊緣點(diǎn)。數(shù)學(xué)形態(tài)非線性濾波，可以用于抑制噪聲，進(jìn)行特征提取、邊緣檢測、圖像分割等圖像處理問題。腐蝕是一種消除邊界點(diǎn)的過程，結(jié)果是使目標(biāo)縮小，孔洞增大，因而可有效的消除孤立噪聲點(diǎn)；膨脹是將與目標(biāo)物體接觸的所有背景點(diǎn)合并到物體中的過程，結(jié)果是使目標(biāo)增大，孔洞縮小，可填補(bǔ)目標(biāo)物體中的空洞，形成連通域。先腐蝕后膨脹的過程稱為開運(yùn)算，它具有消除細(xì)小物體，并在纖細(xì)處分離物體和平滑較大物體邊界的作用；先膨脹后腐蝕的過程稱為閉運(yùn)算，具有填充物體內(nèi)細(xì)小空洞，連接鄰近物體和平滑邊界的作用。對圖像做了開運(yùn)算和閉運(yùn)算，閉運(yùn)算可以使圖像的輪廓線更為光滑，它通常用來消掉狹窄的間斷和長細(xì)的鴻溝，消除小的孔洞，并彌補(bǔ)輪廓線中的斷裂。72.8區(qū)域:a.對圖像每個(gè)區(qū)域進(jìn)行標(biāo)記，然后計(jì)算每個(gè)區(qū)域的圖像特征參數(shù)：區(qū)域中心位置、最小包含矩形、面積。8==b.際車牌寬高比，將更接近的提取并顯示出來。&&&hight<50)%框架的寬度和高度的范圍startcol=BoundingBox((l-1)*4+1)-2;%開始列startrow=BoundingBox((l-1)*4+2)-2;%開始行%subcol1=Sgray(startrow:startrow+hight,startcol:startcol+width-1);%獲取車牌灰度子圖figure,subplot(2,1,1),imshow(subcol1);title('車牌灰度子圖');%輸出灰度圖像subplot(2,1,2),imshow(sbw1);title('車牌二值子圖');%輸出車牌的二值圖9框架的寬度和高度的范圍車牌的開始列圖2.8.2灰度子圖和二值子圖點(diǎn)、峰下降點(diǎn)、峰寬、谷寬、峰間距離、峰中心位置參數(shù)。圖2.9.1垂直投影和水平投影markrow(l)=k;%上升點(diǎn)markrow1(l)=count1;%谷寬度（下降點(diǎn)至下一個(gè)上升點(diǎn)）markrow2=diff(markrow);%峰距離（上升點(diǎn)至下一個(gè)上升點(diǎn)）markrow4(k)=markrow3(k)-markrow(k);%峰寬度（上升點(diǎn)至下降點(diǎn)）markrow5(k)=markrow3(k)-double(uint16(markrow4(k)/2));%峰中心位置%從底邊至最后一個(gè)峰的上升點(diǎn)掃描12求水平投影的平求水平投影的最取閾值找到峰中心位置程序流程圖2.10計(jì)算車牌旋轉(zhuǎn)角度:a.車牌傾斜的原因?qū)е峦队靶Ч骞晒炔幻黠@，在這里需要做車牌矯正處理。這里采取的線性擬合的方法,計(jì)算出車牌上邊或下邊圖像值為1的點(diǎn)擬合直線與水平X軸的夾角。13==圖2.10.2垂直投影（旋轉(zhuǎn)后）和水平投影（旋轉(zhuǎn)后）a.通過以上水平投影、垂直投影分析計(jì)算，獲得了車牌字符高度、字符頂行與尾行、字符寬度、每個(gè)字符的中心位置，為提取分割字符具備了條件。meancol=mean(histcol);%求垂直投影的平均值mincol=min(histcol);%求垂直投影的平均值1/4d.提取分割字符,并變換為22行*14列標(biāo)準(zhǔn)子圖=2.12將計(jì)算計(jì)算獲取的字符圖像與樣本庫進(jìn)行匹配，自動(dòng)識別出字符代碼:進(jìn)行車牌識別前需要使用樣本對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，然后使用訓(xùn)練好的網(wǎng)絡(luò)對車牌進(jìn)行訓(xùn)練，得到相應(yīng)的節(jié)點(diǎn)數(shù)和權(quán)值。對已經(jīng)定位好的車牌進(jìn)行圖像預(yù)處理，逐個(gè)的特征提取，然后從相應(yīng)的文件中讀取相應(yīng)的節(jié)點(diǎn)數(shù)和權(quán)值，把車牌字符分別送入相應(yīng)的網(wǎng)絡(luò)進(jìn)行識別，輸出識別結(jié)果。17'粵桂海云貴川京津滬']);%建立自動(dòng)識別字符代碼表=14]);%變換為22%==(>0|)18樣本與數(shù)據(jù)庫中圖片相減計(jì)算誤差圖2.12識別的車牌號碼五、設(shè)計(jì)結(jié)果及分析車牌定位和提?。簭纳厦娼Y(jié)果可以看出，這張車牌的識別失敗了，將京誤識別為H了。因此需要在車牌分割等方面做些彌補(bǔ)，最后達(dá)到識別效果。分割以及字符識別等方面進(jìn)行了系統(tǒng)的分析。整理和總結(jié)了國內(nèi)外在車牌定位、分割、字符識別方面的研究成果和發(fā)展方向，系統(tǒng)介紹了我國車牌的固有特征，以及車牌識別的特點(diǎn)。在車牌定位我們采用基于灰度跳變的定位方法，采用先對圖像進(jìn)行預(yù)處理，再進(jìn)行二值化操作的方法。實(shí)驗(yàn)表明本方法既保留了車牌區(qū)域的信息，又減少了噪聲的干擾，從而簡化了二值化處理過程，提高了后續(xù)處理的速度?；诓噬至康亩ㄎ环椒?，運(yùn)用基于藍(lán)色象素點(diǎn)統(tǒng)計(jì)特性的方法對車牌是藍(lán)色的車牌進(jìn)行定位，實(shí)驗(yàn)表明，用該方MATLAB圖像預(yù)處理、CANNY邊緣檢測、開閉運(yùn)算子[5，19]、車牌長寬比特征識別等對車牌的定位都是非常有效的，而本設(shè)計(jì)提出的二次水平投影分析和閾值技術(shù)有效檢測了車牌圖像的上下左右邊框、旋轉(zhuǎn)角度，準(zhǔn)確實(shí)現(xiàn)的車牌字符的分割，對多個(gè)車牌進(jìn)行實(shí)驗(yàn)，均有很高的正確率。本設(shè)計(jì)雖然只對藍(lán)底白字車牌進(jìn)行分割識別，對黑底白字車牌原則上整個(gè)算法可直接適用，對白底黑字車牌、黃底黑字車牌，需要對車牌定位算法進(jìn)行調(diào)整，并將圖像反轉(zhuǎn)（0變1、1變七、體會經(jīng)過幾周的奮戰(zhàn)我們的課程設(shè)計(jì)終于完成了。課程設(shè)計(jì)不僅是對前面所學(xué)知識的一種檢驗(yàn)，而且也是對自己能力的一種提高。通過這次課程設(shè)計(jì)我明白了我們在課本上學(xué)到的知識還比較欠缺。我們要學(xué)習(xí)的東西還太多，以前老是覺得什么都會，什么都懂，有點(diǎn)眼高手低。通過這次課程設(shè)計(jì)，我們才真正明白：學(xué)習(xí)是一個(gè)長期積累的過程，在以后的工作、生活中都應(yīng)該不斷的學(xué)習(xí)，努力提高我們的知識和綜合素質(zhì)。在這次課程設(shè)計(jì)中也使我們的同學(xué)關(guān)系更進(jìn)一步了，同學(xué)之間互相幫助、相互合作，有什么不懂的大家在一起商量，聽聽不同的看法對我們更好的理解知識。不管學(xué)會的還是學(xué)不會的的確覺得困難比較多，真是萬事開頭難，不知道如何入手。最后終于做完了有種如釋重負(fù)的感覺。此外，還得出一個(gè)結(jié)論：知識必須通過應(yīng)用才能實(shí)現(xiàn)其價(jià)值！有些東西以為學(xué)會了，但真正到用的時(shí)候才發(fā)現(xiàn)是兩回事，所以我認(rèn)為只有到真正會用的時(shí)候才是真的學(xué)會了。在設(shè)計(jì)過程中，我們通過查閱大量有關(guān)資料，與同學(xué)交流經(jīng)驗(yàn)和自學(xué)，并向老師請教等方式，使自己學(xué)到了不少知識，也經(jīng)歷了不少艱辛，但收獲同樣巨大。在整個(gè)設(shè)計(jì)中我們懂得了許多東西，也培養(yǎng)了我們獨(dú)立工作的能力，樹立了對我們工作能力的信心，相信會對今后的學(xué)習(xí)工作生活有非常重要的影響。而且大大提高了動(dòng)手的能力，使我們充分體會到了在創(chuàng)造過程中探索的艱難和成功時(shí)的喜悅。雖然這個(gè)設(shè)計(jì)做的也不太好，但是在設(shè)計(jì)過程中所學(xué)到的東西是這次課程設(shè)計(jì)的最大收獲和財(cái)富，使我們終身受益。八、參考文獻(xiàn):[1][2]李紅．淺談?dòng)?jì)算機(jī)病毒.山西大學(xué)財(cái)經(jīng)學(xué)報(bào)，2002.12：527-530[3]趙均宇．強(qiáng)化科學(xué)管理機(jī)制．光明日報(bào)，1999-3-24（4）[4]劉佐濂,鄧榮標(biāo),孔嘉圓.中國科技信息[J].2005（23期）9～12.22[5]宋建才.汽車牌照識別技術(shù)研究[J].工業(yè)控制計(jì)算機(jī),2004,44～45.[6][7]王枚、王國宏.基于伴生與互補(bǔ)顏色特征的車牌字符分割技術(shù)[J].山東大學(xué)學(xué)報(bào)，2007。第37卷[8]賀興華、周媛媛、王繼陽等.MATLAB圖像處理[M].人民郵電出版社,2006.96～100.[9]數(shù)字圖象處理與分析[M].清華出版社,2006.24～29.[10]劉陽，伊鐵源等.數(shù)字圖象處理應(yīng)用于車輛牌照的識別.遼寧大學(xué)學(xué)報(bào).2004，65～68.[11]張興會,劉玲,杜升之.車牌照定位及傾斜校正方法研究[J].系統(tǒng)工程與電子技術(shù),2004,26(2):237～239.[12]672～675.[13]魏武,黃心漢,張起森,等.一種基于垂直字符邊界特征的車牌定位方法,中國公路學(xué)報(bào),2000,(4):88-90[14葉晨洲等.車輛牌照字符識別[J].上海交通大學(xué)學(xué)