課程設(shè)計(jì)--matlab車牌識別系統(tǒng)

1、<p><b>　　課程設(shè)計(jì)報(bào)告</b></p><p><b>　　目錄</b></p><p>　　一．課程設(shè)計(jì)任務(wù)3</p><p>　　二．課程設(shè)計(jì)原理及設(shè)計(jì)方案3</p><p><b>　　1.系統(tǒng)簡述3</b></p><p&g

2、t;　　2.圖像預(yù)處理：4</p><p><b>　　3.車牌定位4</b></p><p><b>　　4.字符分割5</b></p><p><b>　　5.字符識別6</b></p><p>　　三.課程設(shè)計(jì)的步驟和結(jié)果6</p><p&g

3、t;<b>　　1.車牌定位6</b></p><p><b>　　2.字符分割10</b></p><p><b>　　3.字符識別12</b></p><p>　　四.設(shè)計(jì)GUI界面16</p><p>　　五．課程設(shè)計(jì)總結(jié)和體會17</p><

4、;p><b>　　六．參考文獻(xiàn)17</b></p><p>　　七．設(shè)計(jì)總代碼18</p><p>　　1.chepai_main.m18</p><p>　　2.chepaidingwei.m18</p><p>　　3.fenge.m19</p><p>　　4.rando_b

5、ianhuan.m21</p><p>　　5.zifushibie2.m21</p><p><b>　　一．課程設(shè)計(jì)任務(wù)</b></p><p>　　在交通管理過程中，通常采用視頻監(jiān)控方式對闖紅燈和超速等違章車輛進(jìn)行監(jiān)督。對違章車輛，需要自動(dòng)檢測車牌信息，提取車牌號碼，以便查找車主信息和監(jiān)督管理。國內(nèi)常用的一般車牌通常是是藍(lán)底白字，長寬

6、比3:1。</p><p>　　1、對車牌圖像進(jìn)行預(yù)處理，然后進(jìn)行車牌定位；</p><p><b>　　2、進(jìn)行字符分割；</b></p><p>　　2、對車牌中的數(shù)字、字母和漢字進(jìn)行提取和識別；</p><p>　　3、要求自行設(shè)計(jì)方案、編寫代碼實(shí)現(xiàn)上述功能，并設(shè)計(jì)車牌識別的軟件界面。</p><

7、;p>　　二．課程設(shè)計(jì)原理及設(shè)計(jì)方案</p><p><b>　　1.系統(tǒng)簡述</b></p><p>　　一個(gè)完整的車牌識別系統(tǒng)閉應(yīng)包括車輛檢測、圖像采集、圖像預(yù)處理、車牌定位、字符分割、字符識別等單元。當(dāng)車輛到達(dá)觸發(fā)圖像采集單元時(shí)，系統(tǒng)采集當(dāng)前的視頻圖像。車輛識別單元對圖像進(jìn)行處理，定位出牌照位置，再將車牌中的字符分割出來進(jìn)行識別，然后組成車牌號碼輸出。車牌

8、識別系統(tǒng)原理如圖l所示。</p><p>　　1）圖像預(yù)處理：對汽車圖像進(jìn)行圖像轉(zhuǎn)換、圖像增強(qiáng)等。</p><p>　　2）車牌定位：從預(yù)處理后的汽車圖像中分割出車牌圖像。即在一幅車輛圖像中找到車牌所在的位置。</p><p>　　3）字符分割：對車牌圖像進(jìn)行幾何校正、去噪、二值化以及字符分割以從車牌圖像中分離出組成車牌號碼的單個(gè)字符圖像</p>&l

9、t;p>　　4）字符識別：對分割出來的字符進(jìn)行預(yù)處理（二值化、歸一化），然后分析提取，對分割出的字符圖像進(jìn)行識別給出文本形式的車牌號碼。</p><p>　　為了用于牌照的分割和牌照字符的識別，原始圖象應(yīng)具有適當(dāng)?shù)牧炼?，較大的對比度和清晰可辯的牌照圖象。但由于該系統(tǒng)的攝像部分工作于開放的戶外環(huán)境，加之車輛牌照的整潔度、自然光照條件、拍攝時(shí)攝像機(jī)與牌照的矩離和角度以及車輛行駛速度等因素的影響，牌照圖象可能出現(xiàn)

10、模糊、歪斜和缺損等嚴(yán)重缺陷，因此需要對原始圖象進(jìn)行識別前的預(yù)處理。</p><p>　　牌照的定位和分割是牌照識別系統(tǒng)的關(guān)鍵技術(shù)之一，其主要目的是在經(jīng)圖象預(yù)處理后的原始灰度圖象中確定牌照的具體位置，并將包含牌照字符的一塊子圖象從整個(gè)圖象中分割出來，供字符識別子系統(tǒng)識別之用，分割的準(zhǔn)確與否直接關(guān)系到整個(gè)牌照字符識別系統(tǒng)的識別率。</p><p>　　由于拍攝時(shí)的光照條件、牌照的整潔程度的影響

11、，和攝像機(jī)的焦距調(diào)整、鏡頭的光學(xué)畸變所產(chǎn)生的噪聲都會不同程度地造成牌照字符的邊界模糊、細(xì)節(jié)不清、筆劃斷開或粗細(xì)不均，加上牌照上的污斑等缺陷，致使字符提取困難，進(jìn)而影響字符識別的準(zhǔn)確性。因此，需要對字符在識別之前再進(jìn)行一次針對性的處理。</p><p>　　車牌識別的最終目的就是對車牌上的文字進(jìn)行識別。識別方法目前主要有基于模板匹配算法和基于人工神經(jīng)網(wǎng)絡(luò)算法。</p><p><b&g

12、t;　　2.圖像預(yù)處理： </b></p><p>　　1）RGB轉(zhuǎn)為灰度圖像</p><p>　　輸入的彩色圖像包含大量顏色信息，會占用較多的存儲空間，且處理時(shí)也會降低系統(tǒng)的執(zhí)行速度，因此對圖像進(jìn)行識別等處理時(shí)．常將彩色圖像轉(zhuǎn)換為灰度圖像，以加快處理速度?？蓪D像進(jìn)行灰度化處理、提取背景圖像、增強(qiáng)處理、圖像二值化，邊緣檢測、濾波等處理。然后采用robert算子進(jìn)行邊緣檢測，再

13、用imopen和imclose對所得二值圖像作開、閉操作進(jìn)行濾波。</p><p>　　彩色圖像分為R、G、B三個(gè)分量，分別顯示出紅、綠、藍(lán)等各種顏色，灰度化就是使彩色的R、G、B 分量相等的過程?；叶戎荡蟮南袼攸c(diǎn)比較亮（像素值最大為255，為白色） ，反之比較暗（像素值最小為 0，是黑色） 。 </p><p>　　圖像灰度化的算法在matlab調(diào)用的格式為:I=rgb2gray(I0)

14、;</p><p>　　2） RGB轉(zhuǎn)換到HSV空間</p><p>　　表達(dá)顏色的彩色空間有許多種, 最常見的是 RGB 彩色空間, 但是在 RGB彩色模型中各像素值是由 R、 G、 B三種分量的亮度值疊加而成, 這三種亮度值隨光照強(qiáng)度的不同而改變, 而一般汽車圖像的光照強(qiáng)度是不定的, 所以用 RGB顏色模型進(jìn)行車牌識別是很困難的。HSV顏色模型對應(yīng)于畫家的配色模型, 它由色度 H、 飽

15、和度 S、 亮度 V三個(gè)分量組成。由于這種模型具有線性伸縮性, 可感知的色差與顏色分量的相應(yīng)樣值上的歐幾里德距離成比例, 因此 HSV顏色模型比 RGB顏色模型更直觀、 更容易接受。圖像RGB轉(zhuǎn)換到HSV 空間的算法在matlab調(diào)用的格式為:I=rgb2hsv(I0);但我們?nèi)∷牡诙ǖ繧=（：，：2）時(shí)可以去掉許多不必要的信息,非常有利于后續(xù)處理工作。</p><p><b>　　3.車牌定位&

16、lt;/b></p><p>　　在車牌定位中首先用顏色定位法，因?yàn)樵诓噬珗D像中，它分別由R，G，B三個(gè)分量合成的，在這種情況下，每個(gè)‘像素’由三個(gè)值來表征，并且可以表示為一個(gè)三維向量z=(z1,z2,z3)T，其分量是一個(gè)點(diǎn)的RGB彩色。當(dāng)我們想要從一副彩色圖像中提取具有指定顏色的所有區(qū)域，比如說，藍(lán)色。令a表示我們感興趣的平均藍(lán)色。基于這一參數(shù)來分割彩色圖像的一種方法是計(jì)算任意彩色點(diǎn)的z值和平均彩色a間

17、的距離測度D（z,a）。然后，我們按如下方式分割圖像：</p><p>　　1，D（z,a）《T</p><p><b>　　g=</b></p><p><b>　　0, 其它</b></p><p><b>　　這里T為一個(gè)閾值。</b></p><

18、p>　　用這樣的一種方法可以較好的，查找出車牌的大概區(qū)域，然后我們再用形態(tài)學(xué)操作進(jìn)行處理切割出車牌的水平區(qū)域，之后我們可以再用水平區(qū)域的圖像來確定車牌的垂直區(qū)域圖像，到此可以得到車牌的區(qū)域。但是可能這樣一個(gè)區(qū)域不太精細(xì)，可以在后續(xù)工作中把它更精細(xì)的定位到字符區(qū)域。</p><p><b>　　4.字符分割</b></p><p>　　完成牌照區(qū)域的定位后，再將牌

19、照區(qū)域分割為單個(gè)字符，可采用垂直投影法。在此設(shè)計(jì)中，對車牌字符的所有噪聲都能很好的去除，字符與字符之間的間隙沒有雜點(diǎn)和粘連，因此垂直投影時(shí)，七個(gè)峰值不會相連，所以查找切割字符時(shí)的步驟主要為如下： </p><p>　　從第一列開始查找，當(dāng)?shù)谝粋€(gè)投影值不為0時(shí)，記錄下第幾列，然后繼續(xù)查找投影值為0的點(diǎn)，記錄下第幾列，之后就可以切割出第一個(gè)字符來。其余字符的切割也一樣。</p><p><

20、;b>　　5.字符識別</b></p><p>　　在這個(gè)設(shè)計(jì)中，運(yùn)用神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行識別，準(zhǔn)確度較高。在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練中，需要足量的模板，建立好輸入，輸出量，其中輸入量就是每一字符樣本，輸出量就是一個(gè)樣本或一類樣本所要對應(yīng)的數(shù)據(jù)輸出。然后，建立訓(xùn)練網(wǎng)絡(luò)，設(shè)置好相應(yīng)的一些參數(shù)等，當(dāng)精確度到達(dá)一定程度時(shí)，就可以停止訓(xùn)練，至此網(wǎng)絡(luò)訓(xùn)練成功。當(dāng)進(jìn)行字符識別時(shí)，就可以調(diào)用已經(jīng)訓(xùn)練好的網(wǎng)絡(luò)，把每一個(gè)輸入

21、字符，與網(wǎng)絡(luò)中的函數(shù)進(jìn)行匹配，找到最匹配的進(jìn)行相對應(yīng)的數(shù)據(jù)輸出，就可以判斷究竟為那個(gè)字符。</p><p>　　神經(jīng)網(wǎng)絡(luò)的matlab代碼：</p><p>　　建立網(wǎng)絡(luò)：net=newff(pr,[850 1],{'logsig' 'purelin'},'traingdx','learngdm'); </p>

22、<p>　　訓(xùn)練網(wǎng)絡(luò)：net=train(net,p,t);P為輸入量，t輸出量</p><p>　　3）調(diào)用網(wǎng)絡(luò)：t=sim(net,p)</p><p>　　三.課程設(shè)計(jì)的步驟和結(jié)果</p><p>　　設(shè)計(jì)中主要分為三大塊：車牌定位，字符分割，字符識別，因此就以上三塊分別一一做一個(gè)方法講解。</p><p>　　此處以車牌1作

23、為示例圖像</p><p><b>　　1.車牌定位</b></p><p>　　主要分為：藍(lán)色區(qū)域查找，形態(tài)學(xué)操作，水平區(qū)域定位，垂直區(qū)域定位等部分。</p><p><b>　　1.1藍(lán)色區(qū)域查找</b></p><p>　　Y=imread（’1.jpg’）</p><p&

24、gt;　　R=Y(:,:,1);</p><p>　　G=Y(:,:,2);</p><p>　　B=Y(:,:,3);</p><p>　　[m,n]=size(R);</p><p><b>　　for i=1:m</b></p><p><b>　　for j=1:n</b&

25、gt;</p><p>　　if (R(i,j)>20&&R(i,j)<82)&&(G(i,j)>10&&G(i,j)<255)&&(B(i,j)>108&&B(i,j)<255)</p><p>　　A8(i,j)=1;</p><p><b&

26、gt;　　else</b></p><p>　　A8(i,j)=0;</p><p><b>　　end</b></p><p><b>　　end</b></p><p><b>　　end</b></p><p>　　figure,ims

27、how(A8)</p><p>　　從上圖可以看出進(jìn)過這樣的一種顏色查找法，可以很好的找出車牌區(qū)域。在這個(gè)算法中，最難的一點(diǎn)，就是如何確定R，G，B的范圍參數(shù)，說實(shí)在話，我的這個(gè)參數(shù)是進(jìn)過不斷嘗試才得到的，在網(wǎng)上和相關(guān)書籍中，都沒有人提出過一致的看法，參數(shù)各有不同，可見對于不同的圖片，參數(shù)范圍是不同的，并沒有一致的參數(shù)。</p><p><b>　　1.2形態(tài)學(xué)操作</b&

28、gt;</p><p>　　從以上的圖中，我們很明顯的知道，車牌區(qū)域以凸顯出來了，之后的操作一定就要想辦法如何去除雜點(diǎn)和‘豐富‘車牌區(qū)域了。</p><p>　　se=strel('disk',8,8); </p><p>　　bg1=imdilate(A8,se);figure ,imshow(bg1);</p><p>　

29、　I2 = imfill(bg1,'holes');figure,imshow(I2); </p><p>　　bw1=bwareaopen(I2,29000); figure,imshow(bw1) ; %去除面積小于29000的區(qū)域bw2=imclearborder(bw1);figure,imshow(bw2) ; %去除與邊界相連的區(qū)域</p><p>　　1.3

30、水平車牌區(qū)域切割</p><p>　　雖然我們看到上圖中，所有雜點(diǎn)都去除了，但是這只是一個(gè)特例，在其它大多數(shù)圖像中，到了以上那不，其實(shí)還有一些大于29000塊的區(qū)域還在的，但他們都有一個(gè)共同的特點(diǎn)，就是都在車牌的上方并且不與車牌相連，在車牌下方的區(qū)域，則是相當(dāng)‘干凈‘的。因此，我的想法是先從水平放向切割出車牌的水平區(qū)域，在進(jìn)行下一步打算。</p><p><b>　　for x=

31、1:m</b></p><p>　　X(x)=sum(bw2(x,:));</p><p><b>　　end</b></p><p>　　x=1:m;figure,plot(x,X(x));</p><p>　　for i=m:-1:1</p><p>　　if X(i)~=0<

32、;/p><p><b>　　PX2=i;</b></p><p><b>　　break;</b></p><p><b>　　end</b></p><p><b>　　end</b></p><p>　　for j=PX2-1:-1

33、:1</p><p>　　if X(j)~=0</p><p><b>　　continue;</b></p><p>　　else PX1=j;</p><p><b>　　break;</b></p><p><b>　　end</b></p&

34、gt;<p><b>　　end</b></p><p>　　DW1=Y(PX1:PX2,:,:);</p><p>　　figure,imshow(DW1)</p><p>　　1.4垂直車牌區(qū)域切割</p><p>　　這段代碼的原理與以上1.1到1.3步的原理一樣，代碼類似。</p>&

35、lt;p>　　R1=DW1(:,:,1);</p><p>　　G1=DW1(:,:,2);</p><p>　　B1=DW1(:,:,3);</p><p>　　[a,b]=size(R1);</p><p><b>　　for i=1:a</b></p><p><b>　　f

36、or j=1:b</b></p><p>　　if (R1(i,j)>20&&R1(i,j)<82)&&(G1(i,j)>10&&G1(i,j)<255)&&(B1(i,j)>108&&B1(i,j)<255)</p><p>　　A9(i,j)=1;</p

37、><p><b>　　else</b></p><p>　　A9(i,j)=0;</p><p><b>　　end</b></p><p><b>　　end</b></p><p><b>　　end</b></p>

38、<p>　　figure,imshow(A9);</p><p>　　se=strel('disk',8,8); </p><p>　　bg2=imdilate(A9,se);figure ,imshow(bg2)</p><p>　　I3 = imfill(bg2,'holes');figure,imshow(I3)<

39、;/p><p>　　bw3=bwareaopen(I3,29000) ; </p><p>　　figure,imshow(bw3)</p><p><b>　　for y=1:b</b></p><p>　　Y(y)=sum(bw3(1:a,y));</p><p><b>　　end&

40、lt;/b></p><p>　　y=1:b;figure,plot(y,Y(y));title('´¹Ö±Í¶Ó°');</p><p><b>　　for y=1:b</b></p><p>　　if Y(y)~=0</p>

41、<p><b>　　PY1=y;</b></p><p><b>　　break;</b></p><p><b>　　end</b></p><p><b>　　end</b></p><p>　　for y=b:-1:1</p>

42、<p>　　if Y(y)~=0</p><p><b>　　PY2=y;</b></p><p><b>　　break;</b></p><p><b>　　end</b></p><p><b>　　end</b></p>

43、<p>　　DW2=DW1(:,PY1:PY2,:);</p><p>　　figure,imshow(DW2);</p><p><b>　　1.5傾斜校正</b></p><p>　　使用雷登變換radon來進(jìn)行校正，主要步驟為：對圖像進(jìn)行1到180度的雷登變換，然后查找圖上每條直線的最大的角度進(jìn)行旋轉(zhuǎn)就是。具體代碼在文章尾給出的

44、全部代碼中可以找到。</p><p><b>　　2.字符分割</b></p><p>　　字符分割的設(shè)計(jì)主要有三大塊：去除鉚釘?shù)恼尺B和不必要的雜點(diǎn)，車牌的再次精細(xì)定位，字符分割。因此分別對以上的算法做一一的介紹。</p><p>　　2.1去除鉚釘?shù)恼尺B和不必要的雜點(diǎn)</p><p>　　此步的意義在于，使得我們的車牌

45、字符切割時(shí)變得較為‘干凈‘，并且運(yùn)用垂直投影法切割時(shí)可以，很好的判斷切割出來。</p><p>　　I1=rgb2gray(I);</p><p>　　J=rgb2hsv(I);J=J(:,:,2);figure,imshow(J); I20=im2bw(J,graythresh(J));figure ,imshow(I20); bg10=bwareaopen(I20,2000);figu

46、re,imshow(bg10);</p><p>　　[m,n]=find(bg10==1); </p><p>　　rowmin=min(m);</p><p>　　rowmax=max(m); </p><p>　　colummin=min(n);</p><p>　　colummax

47、=max(n);</p><p>　　bg20=I1(rowmin:rowmax,colummin:colummax);figure,imshow(bg20);</p><p>　　se=strel('disk',20);</p><p>　　bg0=imopen(bg20,se);</p><p>　　bg1=imsubtr

48、act(bg20,bg0);figure,imshow(bg1); bg1=imadjust(bg1);figure ,imshow(bg1);</p><p>　　I2=im2bw(bg1,0.7);figure ,imshow(I2);</p><p>　　II2=im2bw(bg1,graythresh(bg1));figure,imshow(II2); I2=imresize(I2

49、,[120,420]); II2=imresize(II2,[120,420]); </p><p>　　se=[1,1,1];bg00=imerode(I2,se); bw3=imclearborder(bg00); bg2=bwareaopen(bw3,200); se2=strel('disk',1);</p><p>　　II=im

50、dilate(bg2,se2);</p><p>　　[m,n]=find(II==1); </p><p>　　rowmin=min(m);</p><p>　　rowmax=max(m);</p><p>　　colummin=min(n); </p><p>　　colummax=max(n);<

51、/p><p>　　bg200=II(rowmin:rowmax,colummin:colummax);figure,imshow(bg200); </p><p>　　從以上可以看出，進(jìn)過這樣的處理后，右邊的車牌字符的鉚釘和雜點(diǎn)都去除的十分干凈，雖然有些字符斷裂了或丟失一部分，但切割字符時(shí)是以右邊的進(jìn)行垂直投影，而對左邊的車牌進(jìn)行切割的，所以不會使得字符丟失應(yīng)有的信息。</p>

52、<p>　　2.2車牌的再次精細(xì)定位和垂直投影</p><p>　　這步的操作主要在于把車牌高度的大小定位為與字符高度一樣，切割出的字符就可以大小相同</p><p>　　bg2000=II2(rowmin:rowmax,colummin:colummax);figure,imshow(bg2000);</p><p>　　[a,b]=size(bg200

53、);</p><p><b>　　for y=1:b</b></p><p>　　Y(y)=sum(bg200(1:a,y));</p><p><b>　　end</b></p><p>　　y=1:b;figure,plot(y,Y(y)); </p><p>　　這樣可

54、以從投影圖看出，到達(dá)此步時(shí)可以很容易的分割出每個(gè)字符了。</p><p><b>　　2.3字符分割</b></p><p>　　把分割出來的字符寫入當(dāng)前的目錄下，有利于下一步字符識別的調(diào)用。</p><p><b>　　k=1;</b></p><p><b>　　figure;<

55、/b></p><p><b>　　for i=1:7</b></p><p><b>　　for y=k:b</b></p><p>　　if Y(y)~=0;</p><p><b>　　PY1=y;</b></p><p><b>

56、　　break;</b></p><p><b>　　end</b></p><p><b>　　end</b></p><p>　　for x=PY1:b</p><p>　　if Y(x)==0;</p><p><b>　　PY2=x;</b

57、></p><p><b>　　break;</b></p><p><b>　　end</b></p><p>　　end </p><p><b>　　if i==7</b></p><p>　　bg4=bg2

58、000(:,PY1:b,:);</p><p>　　imwrite(bg4,strcat(num2str(7),'.jpg')) bg5=imresize(bg4,[90,40]); subplot(1,7,7),imshow(bg4);</p><p><b>　　break;</b></p><p><

59、b>　　end</b></p><p>　　bg4=bg2000(:,PY1:PY2,:); imwrite(bg4,strcat(num2str(i),'.jpg'));</p><p>　　bg5=imresize(bg4,[90,40]);</p><p>　　subplot(1,7,i),imshow(bg5);</p

60、><p><b>　　k=PY2+1;</b></p><p><b>　　end</b></p><p><b>　　3.字符識別</b></p><p>　　此部分采用的是BP神經(jīng)網(wǎng)絡(luò)，主要有以下幾步：建立字符訓(xùn)練樣本，建立BP網(wǎng)絡(luò)訓(xùn)練，字符檢測。</p><

61、;p>　　3.1建立字符訓(xùn)練樣本</p><p>　　字符庫在num文件夾內(nèi)，把字符讀入，進(jìn)行相關(guān)處理后，存在p矩陣中，然后對應(yīng)的輸出為t字符。在這里共有334個(gè)字符，包括漢字，字母和數(shù)字。</p><p><b>　　clear all</b></p><p><b>　　clc</b></p>&l

62、t;p>　　for kk= 0:333</p><p>　　p1=ones(10,10);</p><p>　　m=strcat('num\',int2str(kk),'.jpg');</p><p>　　x=imread(m);</p><p>　　rate=10/max(size(x)); </

63、p><p>　　I3=imresize(x,rate); </p><p>　　[i,j]=size(I3);</p><p>　　i1=round((10-i)/2);</p><p>　　j1=round((10-j)/2);</p><p>　　p1(i1+1:i1+i,j1+1:j1+j)=I3;</p&g

64、t;<p>　　for hh=1:10</p><p>　　p((hh-1)*10+1:(hh-1)*10+10,kk+1)=p1(hh,1:10);</p><p><b>　　end</b></p><p>　　switch kk</p><p>　　case {0,1,2,3,4,5,6,7,8,9

65、,10,11,12,13,14,15}</p><p>　　t(kk+1)=1;</p><p>　　case{16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34}</p><p>　　t(kk+1)=2;</p><p>　　case{35,36,37,38,39,40,41,4

66、2,43,44,45,46,47,48,49,50}</p><p>　　t(kk+1)=3;</p><p>　　case{51,52,53,54,55,56,57,58,59,60,61,62,63,64,65}</p><p>　　t(kk+1)=4;</p><p>　　case{66,67,68,69}</p><

67、;p>　　t(kk+1)=5;</p><p>　　case{70,71,72,73,74,75,76,77,78,79,80,81,82}</p><p>　　t(kk+1)=6;</p><p>　　case{83,84,85,86,87,88,89,90,91,92,93,94,95,96,97,98,99,100,101,102,103,104}<

68、;/p><p>　　t(kk+1)=7;</p><p>　　case{105,106,107,108,109,110,111,112,113,114,115,116,117,118,119}</p><p>　　t(kk+1)=8;</p><p>　　case{120,121,122,123,124,125,126,127,128,129,1

69、30,131,132,133}</p><p>　　t(kk+1)=9;</p><p>　　case{134,135,136,137,138,139,140,141,142,143,144,145,146,147,148,149,150,151,152}</p><p>　　t(kk+1)=10;</p><p>　　case{153,15

70、4,155,156,157,158,159,160,161,162,163,164,165,166,167,168,169,170,171,172,173,174,175,176,177,178,179,180,181,182,183,184,185,186,187}</p><p>　　t(kk+1)=11;</p><p>　　case{188,189,190,191,192,193,

71、194}</p><p>　　t(kk+1)=12;</p><p>　　case{195,196,197,198,199,200,201}</p><p>　　t(kk+1)=13;</p><p>　　case{202,203,204,205,206}</p><p>　　t(kk+1)=14;</p>

72、<p>　　case{207,208,209,210}</p><p>　　t(kk+1)=15;</p><p>　　case{211,212,213,214,215,216,217}</p><p>　　t(kk+1)=16;</p><p>　　case{218,219,220,221,222,223,224,225,22

73、6,227}</p><p>　　t(kk+1)=17;</p><p>　　case{228,229,230,231,232,233,234}</p><p>　　t(kk+1)=18;</p><p>　　case{235,236}</p><p>　　t(kk+1)=20;</p><p>

74、;　　case{237,238,239,240}</p><p>　　t(kk+1)=21;</p><p>　　case{241,242,243,244,245}</p><p>　　t(kk+1)=22;</p><p>　　case{246,247,248}</p><p>　　t(kk+1)=23;</p

75、><p>　　case{249,250,251}</p><p>　　t(kk+1)=24;</p><p>　　case{252,253,254}</p><p>　　t(kk+1)=26;</p><p>　　case{255,256,257,258,259}</p><p>　　t(kk+1)

76、=27;</p><p>　　case{260,261}</p><p>　　t(kk+1)=28;</p><p>　　case{262,263,264,265,266}</p><p>　　t(kk+1)=29;</p><p>　　case{267,268,269,270,271,272}</p>

77、<p>　　t(kk+1)=30;</p><p>　　case{273,274}</p><p>　　t(kk+1)=31;</p><p>　　case{275,276,277}</p><p>　　t(kk+1)=32;</p><p>　　case{278,279,280,281,282}</p

78、><p>　　t(kk+1)=33;</p><p>　　case{283,284}</p><p>　　t(kk+1)=34;</p><p>　　case{285,286,287,288}</p><p>　　t(kk+1)=35;</p><p>　　case{289,290,291,292,

79、293,294}</p><p>　　t(kk+1)=36;</p><p>　　case{295,296,297,298,299,300,301,302}</p><p>　　t(kk+1)=37;</p><p><b>　　case{303}</b></p><p>　　t(kk+1)=42

80、;</p><p>　　case{304,305}</p><p>　　t(kk+1)=39;</p><p><b>　　case{306}</b></p><p>　　t(kk+1)=41;</p><p><b>　　case{307}</b></p>&

81、lt;p>　　t(kk+1)=43;</p><p><b>　　case{308}</b></p><p>　　t(kk+1)=40;</p><p>　　case{309,310,311,312,313,314,315,316,317,318,319,320,321,322,323,324,325,326,327,328,329,33

82、0,331,332,333}</p><p>　　t(kk+1)=38;</p><p><b>　　end</b></p><p><b>　　end</b></p><p>　　save 51ET p t;</p><p>　　3.2建立BP網(wǎng)絡(luò)訓(xùn)練</p>

83、<p>　　在這里我們新建了一個(gè)BP神經(jīng)網(wǎng)絡(luò)，訓(xùn)練步數(shù)為10000，目標(biāo)精確度為0.001，學(xué)習(xí)率為0.00001等，然后train（net,p,t）進(jìn)行訓(xùn)練。當(dāng)達(dá)到目標(biāo)后自會停止。在當(dāng)前路徑下會出現(xiàn)的文件，表示訓(xùn)練成功。</p><p>　　load 51ET p t; </p><p>　　pr(1:100,1)=0;</p><p&

84、gt;　　pr(1:100,2)=1;</p><p>　　net=newff(pr,[850 1],{'logsig' 'purelin'},'traingdx','learngdm'); net.trainParam.epochs=10000; </p><p>　　net.trainParam.goal=0.001

85、; </p><p>　　net.trainParam.show=10; </p><p>　　net.trainParam.lr=0.00001 </p><p>　　net=train(net,p,t); </p><p>　　save ET51net net;</p><p

86、><b>　　3.3字符檢測</b></p><p>　　輸入字符，然后調(diào)用ET51net就可以進(jìn)行測試。測試的結(jié)果是否正確，要看你3.1步，每一個(gè)輸入的p是否對應(yīng)了t。比如；輸入為12，查到3.1中12這個(gè)數(shù)對應(yīng)輸出t應(yīng)該為1，所以輸出正確應(yīng)該為1才對。不然的話，要從新訓(xùn)練網(wǎng)絡(luò)，更改相關(guān)的參數(shù)，進(jìn)行訓(xùn)練，以達(dá)到最佳的效果。</p><p>　　liccode=

87、char(['0':'9' 'A':'Z' '桂粵冀瓊京吉津晉警蘭遼領(lǐng)魯蒙閩寧青黑陜使蘇皖湘新學(xué)渝豫云浙']); </p><p>　　load ET51net net; </p><p>　　for l=1:7 </p><p>　　I=imread(strcat(num2str

88、(l),'.jpg'));</p><p>　　p=zeros(100,1);</p><p>　　p1=ones(10,10); </p><p>　　rate=10/max(size(I)); </p><p>　　I3=imresize(I,rate); </p><p>　　[i,j]=s

89、ize(I3);</p><p>　　i1=round((10-i)/2);</p><p>　　j1=round((10-j)/2);</p><p>　　p1(i1+1:i1+i,j1+1:j1+j)=I3;</p><p>　　for hh=1:10</p><p>　　p((hh-1)*10+1:(hh-1)*

90、10+10,1)=p1(hh,1:10);</p><p><b>　　end </b></p><p>　　k=sim(net,p); y=round(k); </p><p>　　res=liccode(y);</p><p>　　shibiejieguo(1,l)=res;</p><

91、p><b>　　l=l+1;</b></p><p><b>　　end</b></p><p>　　msgbox(shibiejieguo,'識別結(jié)果 ');</p><p><b>　　四.設(shè)計(jì)GUI界面</b></p><p>　　五．課程設(shè)計(jì)總結(jié)和

92、體會</p><p>　　本次設(shè)計(jì)最得意的地方在車牌顏色定位方面，找到那些參數(shù)很容易把車牌初步找出來，并且開始這一步把許多不需要的信息都去除掉了，很利于后面的操作。但是此種方法也有缺點(diǎn)，對于藍(lán)色的車輛是找不到的。在整個(gè)算法中投影法分割思想都占據(jù)的極大的比重。對于識別的階段，一開始我使用的是，字符模板相減法，但是效果很不好，最終用了不太熟悉的神經(jīng)網(wǎng)絡(luò)法，對于神經(jīng)網(wǎng)絡(luò)還是許多不懂的，但是看了相當(dāng)?shù)某绦蚶雍妥约郝龑?shí)

93、踐摸索，雖然還是朦朦濃濃，但還是嘗試的做了出來，并且效果不錯(cuò)，真可謂功夫不負(fù)有心人！因?yàn)闀r(shí)間倉促，這個(gè)設(shè)計(jì)的代碼沒有進(jìn)行仔細(xì)的優(yōu)化，運(yùn)算起來相當(dāng)緩慢。</p><p>　　總之，理論只有應(yīng)用到實(shí)際中才能學(xué)著更有意義。學(xué)習(xí)是一個(gè)長期積累的過程，在后的工作、生活中都應(yīng)該不斷的學(xué)習(xí)，努力提高自己知識和綜合素質(zhì)。此次設(shè)計(jì)也大大提高了我的動(dòng)手能力，使我充分體會到了在創(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)目前實(shí)現(xiàn)了

94、少數(shù)的車輛牌照識別，但是在設(shè)計(jì)過程中所學(xué)到的學(xué)習(xí)方法是我最大收獲和財(cái)富，相信定會使我受益終身。</p><p><b>　　六．參考文獻(xiàn)</b></p><p>　　1.岡薩雷斯．?dāng)?shù)字圖像處理（第三版）．電子工業(yè)出版社</p><p>　　2.matlab神經(jīng)網(wǎng)絡(luò)編程  張德豐</p><p>　　3. ma

95、tlab數(shù)字圖像處理 張德豐</p><p>　　4. 周科偉. Matlab環(huán)境下基于神經(jīng)網(wǎng)絡(luò)的車牌識別 西安電子科技大學(xué)碩士學(xué)位論文</p><p><b>　　七．設(shè)計(jì)總代碼</b></p><p>　　1.chepai_main.m</p><p>　　%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

96、%%%%%%%</p><p>　　clear all;</p><p><b>　　clc;</b></p><p>　　% ==============測定算法執(zhí)行的時(shí)間，開始計(jì)時(shí)=================</p><p><b>　　tic</b></p><p&g

97、t;　　%=====================讀入圖片================================</p><p>　　[fn,pn,fi]=uigetfile('*.jpg','選擇圖片');</p><p>　　Y=imread([pn fn]);figure,imshow(Y);title('原始圖像');%顯

98、示原始圖像</p><p>　　A=chepaidingwei(Y);</p><p>　　B=rando_bianhuan(A);</p><p>　　fenge(B);%字符分割</p><p><b>　　%然后每個(gè)字符識別</b></p><p>　　shibiejieguo=zifush

99、ibie2( );</p><p>　　%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%</p><p>　　2.chepaidingwei.m</p><p>　　%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%</p><p

100、>　　unction A=chepaidingwei(I)</p><p><b>　　Y=I;</b></p><p>　　R=Y(:,:,1);</p><p>　　G=Y(:,:,2);</p><p>　　B=Y(:,:,3);</p><p>　　[m,n]=size(R);<

101、;/p><p><b>　　for i=1:m</b></p><p><b>　　for j=1:n</b></p><p>　　if (R(i,j)>20&&R(i,j)<82)&&(G(i,j)>10&&G(i,j)<255)&&(B

102、(i,j)>108&&B(i,j)<255)</p><p>　　A8(i,j)=1;</p><p><b>　　else</b></p><p>　　A8(i,j)=0;</p><p><b>　　end</b></p><p><b&

103、gt;　　end</b></p><p><b>　　end</b></p><p>　　%figure,imshow(A8)</p><p>　　se=strel('disk',8,8); </p><p>　　bg1=imdilate(A8,se);%figure ,imshow(bg1)

104、;title('膨脹');</p><p>　　I2 = imfill(bg1,'holes');%figure,imshow(I2);title('孔洞填充');%空洞填充</p><p>　　bw1=bwareaopen(I2,29000); %小于29000的面積去掉</p><p>　　%figure,im

105、show(bw1);title('小于29000的面積去掉');</p><p>　　bw2=imclearborder(bw1);%figure,imshow(bw2) ;title('去除邊界相通的區(qū)域'); %去除邊界相通的區(qū)域</p><p><b>　　for x=1:m</b></p><p>　　

106、X(x)=sum(bw2(x,:));</p><p><b>　　end</b></p><p>　　x=1:m;%figure,plot(x,X(x));title('水平投影');</p><p>　　for i=m:-1:1</p><p>　　if X(i)~=0</p><

107、p><b>　　PX2=i;</b></p><p><b>　　break;</b></p><p><b>　　end</b></p><p><b>　　end</b></p><p>　　for j=PX2-1:-1:1</p>

108、<p>　　if X(j)~=0</p><p><b>　　continue;</b></p><p>　　else PX1=j;</p><p><b>　　break;</b></p><p>　　%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%&l

109、t;/p><p><b>　　3.fenge.m</b></p><p>　　########################################################3</p><p>　　function []= fenge(I)</p><p>　　%此分割主要在于不斷的進(jìn)行形態(tài)學(xué)變換，把所有與

110、子符無關(guān)的區(qū)域去除</p><p>　　I1=rgb2gray(I);%figure,imshow(I1)</p><p>　　J=rgb2hsv(I);J=J(:,:,2);figure,imshow(J);title('HSV空間');%%%rgb轉(zhuǎn)換到HSV空間來進(jìn)行處理</p><p>　　I20=im2bw(J,graythresh(J))

111、;figure ,imshow(I20);title('二值化');</p><p>　　bg10=bwareaopen(I20,2000);figure,imshow(bg10);title('去除面積20000的區(qū)域');%%%%%去除面積為2000的區(qū)域</p><p>　　%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%<

112、/p><p>　　[m,n]=find(bg10==1); </p><p>　　rowmin=min(m);</p><p>　　rowmax=max(m); %%%這段代碼相當(dāng)于切割圖像,把原先粗定位好的車牌，再進(jìn)行精細(xì)定位</p><p>　　colummin=min(n);</p><p&

113、gt;　　colummax=max(n);</p><p>　　bg20=I1(rowmin:rowmax,colummin:colummax);figure,imshow(bg20);title('再次確定車牌區(qū)域');</p><p>　　%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%</p><p>　　se=

114、strel('disk',20);</p><p>　　bg0=imopen(bg20,se);%figure,imshow(bg0)</p><p>　　bg1=imsubtract(bg20,bg0);figure,imshow(bg1);title('頂帽變換后的圖');%%%%這三步主要在于把車牌進(jìn)行頂帽變換，以突出字符區(qū)（在書上433頁有原理）&l

115、t;/p><p>　　bg1=imadjust(bg1);figure ,imshow(bg1);title('字符區(qū)更加突出');</p><p>　　I2=im2bw(bg1,0.7);figure ,imshow(I2);title('閾值為0.7時(shí)的二值圖');</p><p>　　II2=im2bw(bg1,graythresh

116、(bg1));figure,imshow(II2);title('自動(dòng)閾值的圖，保留更多的信息');</p><p>　　%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%</p><p>　　I2=imresize(I2,[120,420]);%figure,imshow(I2) %%%對大小不一的車牌進(jìn)行歸一化，以便于在后續(xù)的形態(tài)學(xué)操作中&

117、lt;/p><p>　　II2=imresize(II2,[120,420]); %%%%較好的處理</p><p>　　%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%</p><p>　　se=[1,1,1];bg00=imerode(I2,se);%figure,imshow(bg00);title('腐

118、蝕后的圖');%%%%選擇se=[1,1,1]的結(jié)構(gòu)元主要是為了把與鉚釘相連的字符腐蝕開來，以利于垂直投影分割</p><p>　　bw3=imclearborder(bg00);%figure,imshow(bw3);</p><p>　　bg2=bwareaopen(bw3,200);%figure,imshow(bg2);</p><p>　　se2=

119、strel('disk',1);</p><p>　　II=imdilate(bg2,se2);%figure,imshow(II)%%%%%因?yàn)橐陨系母g操作后，造成車牌字符斷離，所以用膨脹操作以進(jìn)行恢復(fù)</p><p>　　%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%</p><p>　

120、　[m,n]=find(II==1); </p><p>　　rowmin=min(m);</p><p>　　rowmax=max(m);</p><p>　　colummin=min(n);%%%%%%%%%%%%%%%%%%%%%%%這段代碼主要是對車牌再次進(jìn)行精細(xì)分割，因?yàn)槲覀円呀?jīng)對鉚釘?shù)纫恍╇s點(diǎn)處理掉了</p><p>　

121、　colummax=max(n);%%%%%%%%%%%%%%%%%%%%%%%就可以把車牌完全定位在字符大小的區(qū)域，而沒有其余噪聲了</p><p>　　bg200=II(rowmin:rowmax,colummin:colummax);figure,imshow(bg200);title('沒有噪聲點(diǎn)的車牌區(qū)域');</p><p>　　bg2000=II2(rowmi

122、n:rowmax,colummin:colummax);figure,imshow(bg2000);title('有噪聲點(diǎn)的車牌區(qū)域');</p><p>　　%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%</p><p>　　%%%%%%%%%%%%%%%%%下面的代碼就是對字符進(jìn)行垂直投影分割，然后把每個(gè)

123、分割出來的字符，存放在當(dāng)前目錄下</p><p>　　%%%%%%%%%%%5%%%%%以利于下一步，字符的識別處理</p><p>　　[a,b]=size(bg200);</p><p><b>　　for y=1:b</b></p><p>　　Y(y)=sum(bg200(1:a,y));</p>

124、<p><b>　　end</b></p><p>　　y=1:b;figure,plot(y,Y(y));title('垂直投影');</p><p><b>　　k=1;</b></p><p><b>　　figure;</b></p><p>

125、<b>　　for i=1:7</b></p><p><b>　　for y=k:b</b></p><p>　　if Y(y)~=0;</p><p><b>　　PY1=y;</b></p><p><b>　　break;</b></p>

126、;<p><b>　　end</b></p><p><b>　　end</b></p><p>　　for x=PY1:b</p><p>　　if Y(x)==0;</p><p><b>　　PY2=x;</b></p><p>&l

127、t;b>　　break;</b></p><p><b>　　end</b></p><p>　　end </p><p><b>　　if i==7</b></p><p>　　bg4=bg2000(:,PY1:b,:);%figure,imsh

128、ow(bg4)</p><p>　　imwrite(bg4,strcat(num2str(7),'.jpg'));%在當(dāng)下文件夾存儲字符 </p><p>　　bg5=imresize(bg4,[90,40]);%字符大小規(guī)定化，以利于全部顯示時(shí)大小一致</p><p>　　subplot(1,7,7),imshow(bg4);</p>

129、<p><b>　　break;</b></p><p><b>　　end</b></p><p>　　bg4=bg2000(:,PY1:PY2,:);%figure,imshow(bg4)</p><p>　　imwrite(bg4,strcat(num2str(i),'.jpg'));&l

130、t;/p><p>　　bg5=imresize(bg4,[90,40]);</p><p>　　subplot(1,7,i),imshow(bg5);</p><p><b>　　k=PY2+1;</b></p><p><b>　　end</b></p><p>　　%%%%%