基于MATLAB的车牌识别毕业设计(8)

图3.10闭运算后图像

3.8 车牌提取

对二值图象进行区域提取，并计算区域特征参数。进行区域特征参数比较，提取车牌区域，经根据先验知识和调节中的经验，设定了车牌长款的范围作为判断依据。

（1）首先对图像每个区域进行标记，然后计算每个区域特征参数：区域中心位置，最小包含矩形、面积。

（2）计算除包含所标记的区域的最小宽和高，并根据先验知识，比较谁的宽高比更接近实际车牌宽高比，经更接近的提取并显示出来。

31

第四章 字符的分割与识别

4.1 字符分割与归一化

[m，n]=size（d），逐排检查有没有白色像素点，设置1<=j

图4.1.字符分割与归一化流程图

（1）字符分割

字符分割将车牌区域分割成单个的字符区域，每个字符区域必须是包括单个字符的最小矩形区。切分越准确，则后面识别效果越好。车牌字符分割中常用的特征有：字符宽度、字符间距、字符中心间距、字符高度比、字符占有面积比等，可以充分利用车牌字符的这些特征为先验知识对牌照进行分割。

在汽车牌照自动识别过程中，字符分割有承前启后的作用。它在前期牌照定位的基础上进行字符的分割，然后再利用分割的结果进行字符识别。字符识别的算法很多，因为车牌字符间间隔较大，不会出现字符粘连情况，所以此处采用的方法为寻找连续有文字的块，若长度大于某阈值，则认为该块有两个字符组成，需要分割。

图4.2.分割出来的七个字符图像

（2）字符归一化

使图像的某些特征在给定变换下具有不变性质的一种图像标准形式。图像的

32

某些性质，例如物体的面积和周长，本来对于坐标旋转来说就具有不变的性质。在一般情况下，某些因素或变换对图像一些性质的影响可通过归一化处理得到消除或减弱，从而可以被选作测量图像的依据。例如对于光照不可控的遥感图片，灰度直方图的归一化对于图像分析是十分必要的。灰度归一化、几何归一化和变换归一化是获取图像不变性质的三种归一化方法。

由于汽车图像大小不一样，所以得到的牌照上的字符大小就不一样，为了便于字符识别，需要对字符进行归一化处理。归一化处理的目的就是使车牌字符同标准模板里面的字符特征一样。归一化处理分为倾斜校正和大小归一化，二倾斜度校正前面已经调用MATLAB工具箱中imrode函数，二大小归一是指在长度和宽度方向上分别乘以一个比例因子，使其等于标准模块的字符大小，大小归一化常用的方法有两种：一种是将整个牌照图像按线性比例放大或缩小到标准模块尺寸，这样字符就自然的变为标准模块尺寸；另一种是分别从水平投影和垂直投影两个方向上对字符象素的大小进行归一化处理。一般分割出来的字符要进行进一步的处理，以满足下一步字符识别的需要。但是对于车牌的识别，并不需要太多的处理就已经可以达到正确识别的目的。在此只进行了归一化处理，然后进行后期处理。

图4.3.归一化处理后的七个字符图像

4.2 字符的识别

标准的车牌共有7个字符，其中第一位为汉字，第二位为大写英文字母，第三位到第七位为阿拉伯数字。目前还有一定数量的个性化车牌，因为保有量较少，故可以忽略不计。所以总共需要识别的字符约为50个汉字，26个英文字母及10个阿拉伯数字。现在常用的字符识别主要是基于模板匹配和神经网络的方法，本次设计中所用的方法是模板匹配。

字符的识别目前用于车牌字符识别(OCR)中的算法主要有基于模板匹配的OCR算法以及基于人工神经网络的OCR算法。基于模板匹配的OCR的基本过程是:首先对待识别字符进行二值化并将其尺寸大小缩放为字符数据库中模板的大小，

33

然后与所有的模板进行匹配，最后选最佳匹配作为结果。用人工神经网络进行字符识别主要有两种方法:一种方法是先对待识别字符进行特征提取，然后用所获得的特征来训练神经网络分类器。识别效果与字符特征的提取有关，而字符特征提取往往比较耗时。因此，字符特征的提取就成为研究的关键。另一种方法则充分利用神经网络的特点，直接把待处理图像输入网络，由网络自动实现特征提取直至识别。

建立自动识别的代码表 读取分割出来的字 第一个字符与模板中的汉字模板进行匹配 第二个字符与模板中的字母模板进行匹配 后5个字符与模板中字母与数字模板进行匹配 待识别字符与模板字符相减，值越小相识度越大，找到最小的一个极为匹配的最好的 识别完成，输出此模板对应值 图4.4.字符识别流程图

模板匹配的主要特点是实现简单，当字符较规整时对字符图像的缺损、污迹干扰适应力强且识别率相当高。综合模板匹配的这些优点我们将其用为车牌字符识别的主要方法。

模板匹配是图象识别方法中最具代表性的基本方法之一，它是将从待识别的图像或图像区域f(i,j)中提取的若干特征量与模板T(i,j)相应的特征量逐个进行比较，计算它们之间规格化的互相关量，其中互相关量最大的一个就表示期间相似程度最高，可将图像归于相应的类。也可以计算图像与模板特征量之间的距离，用最小距离法判定所属类。然而，通常情况下用于匹配的图像各自的成像条

34

件存在差异，产生较大的噪声干扰，或图像经预处理和规格化处理后，使得图像的灰度或像素点的位置发生改变。在实际设计模板的时候，是根据各区域形状固有的特点，突出各类似区域之间的差别，并将容易由处理过程引起的噪声和位移等因素都考虑进去，按照一些基于图像不变特性所设计的特征量来构建模板，就可以避免上述问题。

图4.5.模板匹配图

此处采用相减的方法来求得字符与模板中哪一个字符最相似，然后找到相似度最大的输出。汽车牌照的字符一般有七个，大部分车牌第一位是汉字，通常代表车辆所属省份，或是军种、警别等有特定含义的字符简称；紧接其后的为字母与数字。车牌字符识别与一般文字识别在于它的字符数有限，汉字共约50多个，大写英文字母26个，数字10个。所以建立字符模板库也极为方便。为了实验方便，结合本次设计所选汽车牌照的特点，只建立了4个数字26个字母与10个数字的模板。其他模板设计的方法与此相同。

首先取字符模板，接着依次取待识别字符与模板进行匹配，将其与模板字符相减，得到的0越多那么就越匹配。把每一幅相减后的图的0值个数保存，然后找数值最大的，即为识别出来的结果。

图4.6.识别结果图

35

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库基于MATLAB的车牌识别毕业设计(8)在线全文阅读。