车牌定位算法研究及实现

《车牌定位算法研究及实现》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、车辆自动识别技术（一）——车牌定位算法研究及实现(2010-07-1922:45:15)标签：杂谈分类：控制仿真类摘 要 随着我国交通事业的迅速发展，城市汽车容量的急速攀升，建立现代化的智能交通系统已经成为解决此类中诸多问题的焦点所在。汽车牌照识别系统是交通管理领域和数字图像处理领域里的热点问题，车辆是构成整个智能交通系统的最基本元素，而车辆牌照是我们标定车辆的唯一ID，所以说，车牌定位是实现车牌字符分割和字符识别的前提和关键。本文介绍了三种基于MATLAB的汽车牌照图像定位方法。这些算法充分利用了车牌纹理、颜色、宽高比等特征，经过灰度化

2、、运动区域定位、边缘提取、水平投影、自适应数学形态学处理、垂直投影、颜色判定、区域生长等一系列步骤，最终实现车牌定位。特别是边缘处理算子的改进、自适应数学形态学的引入以及小波分析的应用，对算法性能有着巨大影响，是本算法的关键所在。实验结果表明，所述的三种方法是有效的，能够定位所采集的车牌，虽然不能定位全部采集到的图片，但方法三相对前两种方法的准确率有很大的提高，达到了预期的目的。 关键词：车牌定位；纹理分析；边缘检测；数学形态学；小波分析    目 录摘 要Abstract第1章 绪论 11.1 课题研究背景及意义 11.2 课题研究目的

3、 21.3 国内及国外研究现状 21.3.1 国内研究现状 21.3.2 国外研究现状 41.4 本文的工作及基本结构 4第2章 图像处理技术基础 52.1 图像预处理 52.1.1 图像灰度化 52.1.2 图像二值化 62.1.3 图像小波变换 62.1.4 图像形态学处理 72.2 图像区域裁剪 9第3章 基于MATLAB的车牌定位算法实现 103.1 MATLAB及其图像处理工具 103.2 我国车牌特点及识别难点 103.2.1 我国车辆牌照特点 103.2.2 我国车辆牌照定位难点 113.3 图像的采集 113.4 基于不同

4、车牌特征的程序实现过程及结果图 133.4.1 基于车牌颜色特征的方法 133.4.2 基于数学形态学和边缘特征的方法 163.4.3 基于小波分析的方法 203.5 三种方法的结果比较 23第4章结束语 26参考文献 27致谢 28附录 29 第1章绪论1.1 课题研究背景及意义近年来，随着全球经济的发展，交通事业也快速发展起来，机动车辆的规模大幅度增加，整个社会对交通运输的需求也不断增大。无论是发达国家还是发展中国家，都不同程度的受交通问题的困扰。交通拥挤、事故、环境污染已成为最难消除的现代社会公害之一。面对日益严重的交通问题，各国专

5、家提出了多种解决办法，但这些办法或受到投资和资源的制约，或受到见效面狭窄、见效期长等限制，尤其是发达国家的公路网早已建成，不可能靠大量拆迁来增建和拓建交通设施。同时，人们越来越多的从保护环境、节约能源和谋求社会可持续发展的角度来考虑问题。因此，随着计算机处理能力的增强和数字图像处理技术、通讯技术、信息技术的飞速发展，将车辆、道路、使用者三者紧密集合起来，用系统的观点进行思考，把先进的技术运用于智能交通系统（IntelligentTransportationSystem简称ITS）的开发中来[1]。ITS的总体功能是通过改进（通常是实时地）

6、交通网络的管理者和其他用户的决策，从而改善整个运输系统的运行[2]，它是世界道路交通管理的发展趋势。车牌识别系统(LicensePlateRecognitionSystem)是ITS中一个非常重要的方向，主要由图像采集、车牌定位、字符分割以及字符识别四部分组成，己经越来越受到人们的重视。它具有良好的实际应用价值，目前主要应用于公路治安卡口、开放式收费站、车载移动查车、违章记录系统、门禁管理、停车场管理等场合[3]。   所谓车牌定位(LicensePlateLocation)，就是把车牌区域完整的从一幅具有复杂背景的车辆图像中分割出来。它

7、是进行车牌识别的首要任务和关键技术，能否将牌照的位置找出来，决定着车牌识别的后续工作能否继续进行，如果不能正确找到牌照的位置，那么就无法将它分割出来，字符分割和字符识别工作将无从谈起。同时，车牌定位的效率也直接影响着整个识别系统的效率，一个高效率的车牌识别系统首先必须是建立在高效的车牌定位算法的基础之上。因此，不论在学术界还是在业界，人们都对车牌定位技术给予了高度的重视，研究与开发车牌定位的算法具有十分重要的实用意义[4]。1.2 课题研究目的 通过对车牌定位算法的研究，进一步了解车牌识别系统(LicensePlateRecognitio

8、nSystem)中车牌定位的基本原理和实现过程，通过对MATLAB软件的学习，了解其功能丰富的图像处理工具，学习和掌握常用的图像处理技术，包括图像灰度化、边缘提取、颜色判定等，并学会利用MAT