摘 要

我国的车牌识别技术起步较晚，20世纪末才开始有所起色。车牌识别技术所运用到的知识基本为图像处理技术，同时结合模式识别相关理论。目前，国内的车牌识别系统并不是特别完善，虽然在一些方面能够正常运行，然而在恶劣天气下受环境影响导致光照不足，获取的车牌图像分辨率低。上述这种情况会加大车牌定位的难度。

经对国内标准车牌研究分析，结合国外相关案例，优化了在天气条件比较恶劣情况下的车牌图像定位、字符分割和字符识别的问题，很大程度上提高了车牌识别系统在这种情况下识别的能力。

车牌识别首先是进行图像的采集，然后经过预处理之后对其定位，紧接着分割字符，最后对分割的字符进行识别工作。本文研究在恶劣天气下的车牌图像方法与仿真，主要问题是受环境的影响，其光照条件较差，影响车牌识别的准确性。如何提高准确性是本文研究的重点。

为了满足在恶劣天气下车牌识别的准确率，本篇文章主要对其中重要的定位跟分割字符两部分算法进行主要讨论。在本文中将投影法和形态学方法进行加工揉和，采用这两种的结合方法定位车牌,首先提取颜色和纹理特征，利用这些特征进行粗定位。然后用OTSU算法将图像二值化,接下来对倾斜的车牌进行矫正,之后进行精准定位。最后通过基于改进的垂直投影的字符分割算法对车牌字符进行切割,此方法能在天气条件较差时提高系统定位和字符分割的准确性。

本文使用一种基于BP神经网络的方法进行字符识别。先将字符归一化，包括位置及字符大小的归一化，接下来就是建立BP神经网络进行大量训练，对比实验前后数据，经过训练后能大大提高识别效率和准确率，完成任务要求。

关键词：车牌识别系统；车牌定位；字符分割。

Abstract

China's license plate recognition technology started late, the beginning of the 20th century began to pick up. License plate recognition technology used to the basic knowledge of image processing technology, combined with pattern recognition theory. At present, the domestic license plate recognition system is not particularly perfect, although in some areas to normal operation, but in adverse weather caused by environmental impact caused by lack of light, access to license plate image resolution is low. The above situation will increase the difficulty of license plate positioning.

License plate recognition is the first image acquisition, and then after the pretreatment of its positioning, followed by segmentation of characters, and finally the identification of the characters to work. This paper studies the license plate image method and simulation in the cloudy weather, the main problem is the impact of the environment, the light conditions are poor, affecting the accuracy of license plate recognition. How to improve the accuracy is the focus of this paper.

In order to meet the accuracy of license plate recognition in the cloudy weather, this article mainly discusses the important positioning and segmentation characters. In this paper, the projection method and the morphological method are processed and kneaded. The combination of these two methods is used to locate the license plate. First, the color and texture features are extracted, and these features are used for rough positioning. And then use the OTSU algorithm to binarize the image, and then correct the tilt of the license plate, and then accurate positioning. Finally, the characterization of the license plate characters is cut by the character segmentation algorithm based on the improved vertical projection. This method can improve the accuracy of system location and character segmentation when the weather conditions are poor.

This paper uses a method based on BP neural network for character recognition. First of all, the normalization of the characters, including the location and character size of the normalization, followed by the establishment of a large number of BP neural network training, contrast before and after the data, after training can greatly improve the efficiency and accuracy of recognition to complete the task requirements.

Key words: License plate recognition system；license plate location； character segmentation.

目录

摘要 I

Abstract II

第一章 绪论 1

1.1研究背景及意义 1

1.1.1车牌识别系统简介 1

1.1.2研究意义 1

1.2国内外研究现状 1

1.3国内车牌的特点 2

1.4本文讨论的主要问题 3

1.5本文的章节安排 3

第二章 理论知识和系统总体结构设计 4

2.1总体结构设计 4

2.1.1系统总体流程设计 4

2.1.2系统各部分技术概述 4

2.2系统的理论基础 4

2.2.1图像的去噪 4

2.2.2图像的增强 5

2.2.3图像的边缘检测 5

2.2.4车牌图像的二值化处理 7

2.3本章小结 7

第三章 恶劣天气下的车牌定位方法 8

3.1车牌定位方法简介 8

3.2算法分析 8

3.2.1预处理图像 8

3.2.2车牌定位算法介绍及选用 9

3.3应用算法介绍 10

3.3.1 OTSU算法 10

3.3.2粗定位车牌图像检验 11

3.3.3车牌的倾斜矫正 12

3.3.4精定位车牌 13

3.4本章小结 13

第四章 恶劣天气下的车牌字符分割 14

4.1字符分割算法介绍 14

4.2字符分割方法选取 16

4.3改进的车牌字符分割的算法 16

4.3.1去除车牌边界 16

4.3.2基于改进的垂直投影法的车牌字符分割的算法 16

4.4本章小结 17

第五章 恶劣天气下的字符识别 18

5.1车牌字符识别的介绍 18

5.2字符识别方法介绍 18

5.3本文字符识别算法选取及构建 19

5.4字符归一化处理 20

5.4.1字符位置归一化 20

5.4.2字符的大小归一化 20

5.5测试结果 21

第六章 系统的仿真与实现 22

6.1MATLAB简介 22

6.2Simulink简介 22

6.3系统仿真 22

6.3.1车牌识别系统的仿真模型及仿真结果 22

6.3.2车牌识别系统预处理的仿真 24

6.4本章小结 24

第七章 总结 25

致谢 26

参考文献 27

第一章 绪论

1.1研究背景及意义

1.1.1车牌识别系统简介

在智能交通系统中，车牌识别系统（License Plate Recognition System，LPRS）是其中一项主要理论技术，是一种新兴的高科技技术。它主要应用于对公路进行实时监测^[1]。相较于之前的公路监测手段，车辆识别系统更多地使用了数字图像采集，信息管理等先进技术。同时结合图像处理技术以及模式识别等应用技术，改善车辆在行驶过程中不能及时采集图像或采集图像模糊等问题，做到了在不影响车辆正常行驶的情况下，实时监控车辆信息。其核心内容是对车辆的唯一信息车牌进行识别以便于对车辆进行分类和统计[²]。

1.1.2研究意义

人们每天的出行都离不开使用交通工具，交通的通畅与否是人们迫切关心的问题。这就需要加强智能交通的建设。这种新型的管理方式能够解决传统模式下繁琐管理而带来的问题。于是人们为改变这一现状，提出了智能交通的相关理念。

智能交通系统改善了传统人工管理的一些弊端，提高了人们生活水平。而其中的车牌识别技术在管理公共交通以及高速收费等地方有显著的作用。目前他主要是进行自动提取图像信息、定位图像、分割字符等工作。运用的技术也是发展相对成熟的计算机技术以及图像处理技术。在生活中车牌识别技术已经开始投入使用，其中这些地方使用的最多[³]：(1)城市交通建设；(2)各大停车场管理；(3)高速路口检查点；(4)登记车辆信息等。现在不论是公共交通或者个人车辆管理方式已经在朝着智能化的方向产生了巨大变革，未来这项技术必定会更加完善，给社会带来的经济效益也会更加显著。

1.2国内外研究现状

在国外，车牌识别技术已经发展了很久了。有些国家已经有了系统的一套体系，其中比较有代表性的系统比如有VLPRS系统，这是新加坡针对自己国内现状开发的系统。该系统有较强的针对性，然而只适用于在新加坡，还有典型的是以色列的See/Car System系统，这套系统并不是完全创新而是建立在之前的系统研究上的改进，能够对车牌的特征进行提取，以此为基础进行识别。然而这个系统的应用前景并不广泛，其对汉字的识别率不甚理想，在中国使用此系统会产生很多问题。此外，每个国家的车牌识别系统不尽相同，但是这些系统都由很强针对性，并不能套用，移植性不高^[4][5][6]。