车牌识别系统设计及MATLAB仿真

高速公路车牌识别系统设计及MATLAB仿真 第二章 设计原理及系统概述

2.2.7字符识别

对于车牌字符识别，目前最常用的方法是基于神经网络和模板匹配的方法。基于神经网络的车牌字符识别方法对于分辨率较高（车牌高度不小于120个像素）和图像比较清晰的车牌能有效的识别车牌中的字符，但是对于较底分辨率和较为模糊的车牌则显得无能为力。现已有一种在模板匹配的基础上改进的方法进行字符识别，使对车牌字符的识别性能得到了改进。

1.选择字符识别方法 目前,字符识别的方法有使用人工神经网络数学模型和模板匹配两种。人工神经网络是通过模拟人脑的思维功能而建立的数学模型，尽管现在神经网络有了很大的发展，但其还存在应用相对复杂的缺点。范本匹配法虽然识别率相对较低，但其拥有实现简单，计算量小的优点，而且车牌字符不仅有阿拉伯数字，英文大写字母，还有部分汉字。字库量尽管不大，但字符较规整时，受图像的缺损及污迹干扰的影响较小且识别率相当高，因此本设计采用模板匹配法。 2.字符归一化

由于采集图像的像素值不同，分割出来的字符的大小也不同，所以在进行匹配前，必须首先对分割出来的字符进行字符归一化。使图像字符大小跟模板图像大小一致，在这里使用MATLAB里提供可以改变图像大小的函数imresize(I，Size，Model)，其中Model是插值运算法，这里选择‘nearest’即最近邻插值法。 3.字符匹配

字符匹配是建立在有一个可以与之相比较的字库表的基础上，然后再将已分割并归一化处理后的字符逐个进行匹配比较，接着将待识别的字符的特征值和模板字符相减，结果相差最小的即是匹配的最好的。字符识别的步骤如下图所示：

11

高速公路车牌识别系统设计及MATLAB仿真 第二章 设计原理及系统概述

建立字符库 读取分成出来的字符 第一个字符与字符库中 的模板进行匹配 待标识符元与模板字符做减法，结果越小就越相似，从而 找到最接近的 重复上述两步，依次对余下的6个字符进行匹配 完成字符的识别，输出相 应的字符

图 2.4 字符匹配框图

字符匹配的准确度决定车牌识别的准确性，所以建立一个精准有效的模板字库表是必不可少的。

12

高速公路车牌识别系统设计及MATLAB仿真 第三章 设计及MATLAB仿真步骤

第三章 高速公路车牌识别系统设计及MATLAB仿真步骤

3.1图像获取

在这个部分中我们利用在道路两侧安装的高分辨率摄像机对来往的车辆实施动态或者静态抓拍，然后经过图像采集器得到当前的图像，再形成相应的图像数据存储在计算机中，此时存储在计算机中的图像为彩色模式的。

3.2图像处理

3.2.1图像灰度转换及转换效果

由于使用MATLAB内的RGB转灰度图函数rgb2gray()，所以通过边缘检测方法，识别出临近区域灰度值相差大的分界区。

原始图像

灰度图像

图3.1 灰度图转换效果对比

13

高速公路车牌识别系统设计及MATLAB仿真 第三章 设计及MATLAB仿真步骤

经过图形的对比分析，原始图中车牌区域的灰度明显与其他区域不同，其中蓝底部分最为明显。通过程序运行出来的灰度图能够比较容易的识别出车牌的区域，达到了预期的灰度效果。 3.2.2图像边缘检测

使用MATLAB函数edge()进行边缘检测，效果如图3.1所示:

图3.2 边缘效果图

从上面边缘效果图可以看出，车牌轮廓在处理以后已经比较明显，车牌区域及汽车标志的边缘呈白色条纹状，基本上达到了边缘检测的效果。但是，由于车牌附近区域的影响，也有白色区域出现，因此图像还需要进一步的处理。 3.2.3灰度图腐蚀

在MATLAB中使用函数imerode()腐蚀后如图：

图3.3 腐蚀效果图

对图像进行腐蚀的目的就是要消除小且无意义的物体，通过边缘效果检测图与腐蚀效果图的比较可以看到，在边缘检测图中存在的小且无意义的区域已经被完全

14