英语原文共 4 页，剩余内容已隐藏，支付完成后下载完整资料

基于MATLAB和模糊PID的汽车牌照识别系统设计

邱成群

2 .盐城市师范大学物理与电子学院，江苏盐城市224051

摘要：针对车牌识别问题，提出了一种基于MATLAB和模糊PID的车牌识别方法。车牌识别是交通管理和数字图像处理领域的热点问题之一。介绍了一种基于MATLAB和模糊PID的车牌识别系统。该系统实现了车牌字符分割，具有精度高、速度快的特点。该过程分为预处理、边缘提取、车牌定位、字符划分和字符识别，分别用MATLAB和模糊PID实现。许可证终于被认可了。同时，对过程中出现的问题进行了分析和解决。提出了汽车牌照的识别方法。汽车试验表明，该系统工作有效、稳定。

Keywords：图像加工;车牌识别;MATLAB;模糊PID

1. 介绍

中国汽车工业协会发布的一份数据显示:2011年中国国内汽车产量再次跃居世界首位。为了提高汽车的安全性和管理水平，世界各国都在积极研究汽车牌照识别系统。提出了一种基于MATLAB和模糊PID的汽车牌照识别系统。

在系统中引入了数码相机和计算机信息管理技术。它采用先进的图像处理、模式识别和人工智能技术。车牌识别系统的整个过程分为预处理、边缘检测、车牌定位、字符分割、MATLAB中的字符识别和模糊PID五个模块。(1 - 8)

1. 基于MATLAB和模糊PID的汽车牌照识别系统
2. 汽车牌照识别系统的形式

本文采用CCD相机采集道路图像。基于MATLAB和模糊PID的汽车牌照识别系统。

它由车牌定位、车牌分割、车牌字符识别三个关键要素组成。原始图像:由数码相机或其他扫描设备拍摄的图像;图像预处理:进行滤波和边界增强，克服对图像的干扰;边缘检测:差分运算，二值化处理，获取图像边缘;车牌定位:计算车牌的边缘

图像投影面积，寻找峰谷点，大致确定车牌位置，然后计算纵横比内的连通性，不包括不在字段值内的连通域，最后得到车牌区域;字符分割:将投影检测器定位的字符进行分割，得到单个字符;字符识别:利用模板匹配的方法对数据库中的字符进行匹配，以识别出字符，得到最后的汽车牌照，包括字母和数字。它结合了图像处理的各个方面的知识，通过调用MATLAB图像函数，给出了从车牌预处理到字符识别的例子来完成整个过程。阐述了基于MATLAB图像处理和模糊PID的汽车牌照识别系统的特点。

1. 图像预处理和边缘检测

影响图像质量的因素很多，如:光学系统畸变、系统噪声、曝光不足或相对运动过大等。原始场景或图像与原始图像之间有一些不同之处。这种差异称为降级或降级。退化或退化往往对图像处理造成不利影响。因此，在图像处理前必须对图像进行预处理，包括去噪、边界增强等，以提高图像的亮度。由于噪声主要由含有高频突变的成分所控制，它可以通过低通滤波器消除图像中包含的噪声，提高低频分量。滤波有两种方式，一种是空间滤波，另一种是频域滤波。在空间域上有两种滤波方法，均值滤波和中值滤波。空间滤波主要有巴特沃思滤波。在车牌边缘检测之前，采用了两种滤波方法，并与边缘滤波进行了比较。图1为atomobile原始图像，分辨率为800times;600像素。图2为滤波器终端提取的边缘图像。图4是从均值滤波器中提取的边缘图像。

分析造成这种情况的原因可以归纳为三个方面:原始图像的清晰度,从而简化预处理,图像的平滑处理使图像边缘信息丢失,使图像变得模糊,图像的锐化可以增强图像的边缘轮廓的对象,但也让一些噪声增强。实验

2013 Fifth Conference on Measuring Technology and Mechatronics Automation

得出一开始并不是每种图像处理都适合于滤波和边框增强。为了在多次比较后保存更多有用的信息，选择图3作为后处理图像。二值化图像在车牌识别的后期并不能提高识别率，因此在后续的图像处理中不要使用二值化图像进行识别。(9-20)

图1所示。原子飞船的原始图像

图2。边缘图像提取滤波器的终端

图3。从均值滤波器中提取边缘图像

图4。二进制图像提取

1. 车牌提取

边缘提取的图像中平板区域在水平方向上灰度区域有明显的频繁变化。垂直方向上的面积投影具有峰谷峰特征。根据此峰谷特性，自动检测车牌面积的峰值定位方法来定位车牌的位置，并在车牌初始定位后进一步使用微定位技术。该方法包括三个部分:车牌水平定位;车牌的垂直定位;车牌的微定位。汽车本身具有一定的特性，在正常情况下，牌照都挂在缓冲器或附近。主要分割意图缩小许可证搜索范围，大致确定许可证的位置。汽车的边缘图像f (x, y)如图4所示。首先，进行水平方向的第一个差分算子，其中x、y分别为图像的行数和列数。然后将投影表T(i)沿水平方向累加到水平差分图像的像素上。

较大的投影值T(i)一般对应于车牌的位置，车牌下游的投影值较小，两者都有谷点存在。如果能找到这两个谷点，就能大致确定车牌的位置，缩小搜索车牌的范围。从图4可以看出，车牌下方T(i)值处的横条最大，且车牌位置应在附近。根据这些具体情况，可以将车牌定位在266至333线之间。用类似的方法，我们可以画出汽车的垂直区域的边缘的图像投影。汽车牌照同上栏位初始值在268 - 547之间。

识别微定位初步确认的牌照。微定位是一种对车牌图像的基本方位进行局部分析的方法，是为了进一步确定字符的范围，减少车牌的数量、左右和上下边界，

这有利于后续的许可证字符。具体实现如下:将车牌近似为一个矩形，上下边缘近似为一条直线，通过简单的灰度变化分析可以重新定位车牌图像的上下边界，在这种情况下适合倾角较小的车牌;对于有较大倾斜度的车牌，在水平位置前应进行相关的技术车牌校正(如霍夫变换技术)。确定左边缘:从左到右扫描，遇到灰度值大于设置值60时，停止扫描。上界也是这样得到的，这样就可以得到第一个字符的起始位置。重用许可证的大小，长宽比一般是先验的固定信息，可以确定许可证的具体位置。车牌在本设计中，纵横比为1:3。确定汽车牌照的具体位置。

1. 字符分割

在车牌识别中，字符分割起着承前启后的作用。它根据车牌前位置对字符进行分割，利用分割结果对字符进行识别。已有许多字符识别算法，常用的是垂直区域投影法。字符块在垂直方向上的投影必须得到字符或字符间隙中的局部值，且该位置应满足字符的书写格式、字符大小等车牌约束条件。图形很直观，投影出现8个空格，中间只有5个6个字母有空格，字符之间有3个空格。字符列的灰度值相对较高，字符的灰度值相对较低。基于此，很容易得到每个字符的起始和终止位置。第一个字符:1-36;第二个字符:36-74;第三个字:86-124;第四个字:124-161;第五个字:161-197;第六个字:197 -235;七个字:235-269。

列数被分成七组，分别暗指七个不同的数组，当不改变相同的行数时。由于模板的大小在字符模式识别中是统一的，所以改变七个变换数组的大小，并统一为26times;14的形式。图5为七个字符分割后的投影图像。分别命名为M1.jpg, M2。jpg, M3.jpg, M4.jpg, M5.jpg, M6。并使用imwrite函数将Jpg、M7.jpg写入到图像文件文件夹中，可以在后期直接调用。

由于图像中含有许多干涩的声音，因此桅杆滤波，然后归一化，处理仓。使最终图像和标准模板统一，其中只包含两个灰度值，即黑色和白色。

图5。投影图像分割了七个字符

1. 字符识别

目前用于车牌字符识别(OCR)的算法有:基于模板匹配的OCR算法和基于人工神经网络的OCR算法。基于模板匹配的OCR过程的基本过程:首先对识别的字符进行二值化处理，将模板的大小改变为字符数据库的大小缩放，然后对所有模板进行匹配，最后选择最佳匹配。人工神经网络OCR进行字符识别有两种方法。

一种方法是先从识别特征中提取特征，然后利用特征训练神经网络分类器。识别效果与字符特征提取有一定的关系，字符特征提取往往耗费较多的时间。因此，对人物特征提取的研究也就转向了批判。另一种方法是充分利用神经网络的特点，直接处理图像输入网络，提取特征，直到被网络自动识别为止。模板匹配的主要特点是简单，当字符规则时，能够较强地适应字符图像的缺陷和污迹干扰，识别率很高，是车牌字符识别的主要方法。在识别字符之前，必须设置模板库。汽车拍照一般有七个汉字，车牌的第一个座位是汉字，通常具有汉字的特定含义，指汽车属于省属，或军属、警属;然后是字母和数字。

车牌字符识别中,字符识别有区别的数量有限,十阿拉伯数字0到9,26个大写字母a - Z,和相关的车牌汉字:北京,上海,江苏,台湾,香港,澳门,贾,咦,垃圾桶,shi,凌,shi,精,肖,扁,,,,,月亮,和新军事汽车汉字nan,局域网,贝,沈,霁,海洋等等;车牌颜色:蓝、白、黑、黄等。因此，建立字符模板库是非常方便的。

1. 设计模板

分析了字符分割的图像和其他印版图像的特征，并设置了模板的大小、背景、字符边缘的颜色。使用绘图工具绘制汉字的字母、数字和字符的图像。并保存为m11.jpg s m12.jpg, s m13.jpg s m14.jpg。利用MATLAB对一幅粗糙图像进行处理。图像处理包括:利用二维数组的映射关系，删除所有外围像素的行(列)的起始行(列)和行(列)的结束行(列);提取模板边缘。其方法和自动边缘检测方法均采用梯度算子的均匀法。整个过程结束后，并且

将令状以图像库为标准模板，然后进行imwrite函数的编写。

模板库中的字符应该是预先设置好的，不能更改，而不能在实验过程中更改。绘图工具的方法是一步一步地实现模板设置。实验结果表明，该方法简单易行。字符识别中的模板匹配方法是实现离散输入模式分类的一种有效方法，其本质是输入量与样本具有一定的相似性。输入模式以最大类别的相似性为输入模式，根据字符的视觉图像提取特征，利用相关匹配原理进行识别，并在分类器中匹配输入字符和标准字符。

在函数运行时，对主函数识别的字符和模板进行相关操作。同时，求出相关运算的最大值和对应函数的位置。判别最大位置并返回字符的主程序。并在MATLAB窗口中显示。写作的结果。m函数大大简化了计算。每个被识别的字符都可以直接调用该函数，避免了重编程的时间和空间。MATLAB运行窗口显示车牌号码如下:Su, J, H, 7, 7, 7, 7, 7，准确识别车牌。

1. 结论

基于MATLAB和模糊PID的汽车牌照识别系统在很大程度上得益于MATLAB软件，MATLAB具有强大的功能，包括数值计算和符号计算。计算结果和编程结果直观。实验表明，该系统能够实现对汽车牌照的识别。汽车试验表明，该方法具有良好的应用前景。

1. 承认

该项目由江苏省教育厅自然科学基金(项目编号12KJD510015)资助，盐城大学优秀教师团队项目资助。

1. 参考文献

[1]高露洁我LynchKM。游泳力学与控制。海洋工程学报，2004,29(3):690 -673。

[2]王生，西施金德。图像分割与比例削减。基于遗传算法的遗传算法研究[j] .电子工程学报，2003,25(5):675-690。

[3]Sarkar S, Soundararajan P。大型感知组织的监督学习:图谱划分和学习自动机,一种基于遗传算法的遗传算法。

[4]J. Portilla, V. Strela, M. Wainwrightet al..小波域内高斯尺度混合图像去噪。IEEE反式。图像处理，2001,12(11):1338-1351。

[5]邱成群。基于大众帕萨特B5的can总线测试系统设计。数字制造与自动化的研究进展[j] .机电工程学报，2011,1(1):16-19。

[6]用于物体识别的弯曲形状构造。IEEE学报:理论与应用，2002,10(3):167-172。

[7]使用改进的鲁棒估计器和遗传算法将图像分割成平面和二次曲面。控制系统的设计与实现[j] .机电工程学报，2004,34(6):2303-2316。

[8]朱珊,马开旷提出了一种新的快速方块匹配运动估计的菱形搜索算法。IEEE反式。论图像处理，2000,9(2):287-290。

[9]帕洛马雷斯J M，冈萨雷斯J。一般对数图像处理卷积。图像处理技术在图像处理中的应用[j] .图像处理，2006,215(11):3602- 3608。

[10]邱成群。基于数学形态学和MATLAB的车道线边缘检测方法。IEEE海峡两岸-区域无线电科学与无线技术会议，2011,25(1):1266-1269。

[11]陆安涛，毛恩荣，宋政和等。一种复杂的拖拉机自动转向模糊控制技术。中国农业机械学会学报，2006,37(4):17-20。

[12]周军，季长英。基于机器视觉的轮式移动机器人横向预测模糊逻辑控制。中国农业机械学会学报，2002,33(6):76-79。(中文)

[13]刚棱，托马斯M G，吉里耶斯P.一种利用自组织模糊神

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[20210]，资料为PDF文档或Word文档，PDF文档可免费转换为Word