车牌识别系统的设计.doc

车牌识别系统的设计一、 大作业目的和意义可以巩固数字图像处理理论课上所学的知识，理论联系实践，用所学的知识去解决实际问题。锻炼我们的动手能力，激发的研究潜能，能够提高我们分析问题和解决问题的能力。二、 设计流程汽车车牌的识别过程主要包括车牌定位、车牌分割和字符识别三个关键环节。其识别流程如下：原始图像 ：数码相机拍摄到的图像图像预处理：对图像进行滤波、边界增强等处理以克服噪声干扰边缘提取 ：通过Robert算子，二值化处理，得到图像的边缘车牌定位 ：通过计算X和Y向的蓝色像素点来定位 字符分割 ：寻找连续有文字的模块，若长度大于某阈值，就认为该块有两个字符组成，则需要分割。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，包括汉字、英文字母和数字。三、 设计步骤1. 预处理2. 边缘提取边缘提取对车牌的定位是很有用的一步，所谓的边缘是指图像局部亮度变化显著的部分，是图像形状特征提取等图像分析的重要基础。所以在此我们要对图像进行边缘检测。图像中的车辆牌照具有比较显著特征，比如，近似水平的矩形区域；背景是蓝色的；其中字符串都是按水平方向排列的；在整体图像中的位置较为固定。正是由于牌照图像的这些特点，再经过适当的图像变换，它在整幅中可以明显地呈现出其边缘，进而初步定位车牌。此处边缘的提取采用的是Roberts算子。3. 牌照的定位和分割在整个识别处理的过程中，牌照的定位和分割是牌照识别系统的关键技术之一，其主要目的是在经图像预处理后的原始灰度图像中确定牌照的具体位置，并将包含牌照字符的一块子图像从整个图像中分割出来，供字符识别子系统识别之用，分割的准确与否直接关系到整个牌照字符识别系统的识别率。由于牌照图像在原始图像中是很有特征的一个子区域，确切说是水平度较高的横向近似的长方形，它在原始图像中的相对位置比较集中，而且其灰度值与周边区域有明显的不同，因而在其边缘形成了灰度突变的边界，这样就便于通过边缘检测来对图像进行分割。处理流程图如下：4. 二值化处理上面所得的图像还存在很多的噪声，则需要对其进行二值化、滤波、膨胀、腐蚀等处理，这样有利于的字符分割。5. 字符分割寻找连续有文字的模块，若长度大于某阈值，就认为该块有两个字符组成，则需要分割。6. 归一化处理为了更好地与模板字符图像进行匹配，一般对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。我在此只进行了归一化处理：7. 字符的识别首先就是建立自动识别的代码表，然后读取分割出来的字符图像，第一个字符与模板中的汉字进行匹配，第二个字符与模板中的字母进行匹配，第三个字符与模板中的字母与数字进行匹配，后四个字符与模板中的数字进行匹配，待识别字符与模板字符相减，所得的0值越多则相似度越大，即为匹配的最好的四、 设计结果和分析1、为了检验程序的准确性，我对多幅图进行了检测，虽然正确度不是很高，但是经过一定处理还是能达到预期的要求。下面是对另一幅图处理的结果： 2、分析本程序的正确率不是很高，主要还是因为程序本身比较简单，考虑的问题不周全，对于照片的要求较高。原始图像要拍得比较正，如果有较大的角度就会给识别带来偏差。车牌的定位不是特别准确，我用的是统计蓝色像素点的方法来定位的，所以背颜色的要求较高，而车牌的定位在本识别中占有很关键的作用。还有就是字符分割，我是根据横向阈值的变化情况来决定是否需要分割的，所以清晰的程度很重要。接下来就是字符匹配，字符识别过程使用的是模板匹配的方法，利用两幅图片相减的方法，找到相减后值最小的，即为相似程度最大的。模板的制作很重要，必须要用精确的模板，否则就不能正确的识别。对于识别错误情况的分析可知，主要原因：一是牌照自身的污渍等影响了图像的质量；二是牌照字符的分割失败导致的识别错误；再就是部分字符的形状相似性，比如，B 和8；A 和4 等字符识别结果可能发生混淆的情况。五、 总结和体会课程设计不仅是对前面所学知识的一种检验，而且也是对自己能力的一种提高。通过这次课程设计使我明白了自己原来知识还比较欠缺。这个课程设计让我学到了很多东西，涉及到方方面面的知识，在这整个过程中我们查阅了大量的资料，得到了老师和同学的帮助，我在此对他们表示谢意。在这期间遇到了很多困难，我知道做什么都不容易，只能塌下心来，一步一个脚印的去完成才行。这学期我们学习了数字图像处理这门课程，在这个课程设计中应用到了很多其中的知识。理论只有应用到实际中才能学着更有意义。学习是一个长期积累的过程，在后的工作、生活中都应该不断的学习，努力提高自己知识和综合素质。此外，还得出一个结论：知识必须通过应用才能实现其价值！有些东西以为学会了，但真正到用的时候才发现是两回事，所以我认为只有到真正会用的时候才是真的学会了。在整个设计中我懂得了许多东西，也培养了我独立工作的能力，树立了信心，相信会对今后的学习工作生活有非常重要的