(完整版)基于数字图像处理的车牌识别本科毕业论文

本科生毕业论文（设计）

题目:

基于数字图像处理的车牌识别设计

**: ***

学院: 数理与信息工程学院专业: 电子信息工程

班级: 111

学号:

指导教师:

刘纯利职称: 教授

2014 年12 月24 日

安徽科技学院教务处制

目录

摘要 ....................................................................关键词 ..................................................................

1、设计目的 .............................................................

2、设计原理: ............................................................

3、设计步骤: ............................................................

4、实行方案 .............................................................

4.1. 总体实行方案:...................................................

4.2. 各模块的实现:...................................................

4.2.1输入待处理的原始图像: .......................................

4.2.2图像的灰度化并绘制直方图: ...................................

4.2.3 边缘检测....................................................

4.2.4图像的腐蚀操作：............................................

4.2.5平滑图像....................................................

4.2.6除去二值图像的小对象 ........................................

4.3车牌定位 .........................................................

4.4字符的分割与识别..................................................

4.4.1.车牌的再处理................................................

4.4.2字符分割....................................................

4.5车牌识别：........................................................

5、总结: ................................................................

6、致谢 .................................................................

7、参考文献: ............................................................

基于数字图像处理的车牌识别设计

电子信息工程专业学生周金鑫

指导教师刘纯利

摘要：车牌识别在人类社会交通系统中担当重要角色，一个设计优良

的车牌识别系统会给人们生活带来极大的方便，本文通过运用matlab和

数字图像处理的一些知识简单通过图像预处理，车牌定位，字符分割，采

用模板匹配法实现车牌字符的识别。

关键词：图像预处理边缘处理字符分割字符识别

1、设计目的

车牌识别系统主要是为了辨别所拍图片中的车牌部分，以此识别车

辆。通过车牌识别系统的设计，来实现经过我校西大门的车辆的识别。

2、设计原理:

设计的原理主要如下图所示：

3、设计步骤:

流程图如下:

4、实行方案

4.1. 总体实行方案:

用摄像机获取自然环境下的汽车彩色图像，将彩色图像用matlab软件处理成灰度图像并绘制直方图，然后进行边缘检测图像的腐蚀，平滑图像以及去除二值图像的小对象等操作，再进行车牌的定位和字符分割与识别最终达到识别车牌照的目的。

4.2. 各模块的实现:

4.2.1输入待处理的原始图像:

I=imread(‘car.jpg');

imshow(I);%显示车牌的原始图片，结果如下：

图4.2.1原始图像picture1

4.2.2图像的灰度化并绘制直方图:

彩色图像的存储器所需的成本高，且减缓系统的速度执行，所以，在图像识别处理彩色图像一般都转换成灰度图像，以加快图像信息的处理速度。从彩色图像到灰度图像的转换叫做灰度处理。灰度直方图的横坐标代表图片的像素数，从左到右由暗到亮,灰度直方图的纵轴就表示其所占有图片的面积，峰值越低就意味着该明暗值的像素数量越少，从图4.2.2可以看出峰值最高的即为车牌区域。

I1=rgb2gray(I);%灰度处理

subplot(1,2,1),imshow(I1);title('gray image');

subplot(1,2,2),imhist(I1);title('灰度图直方图');%绘制灰度图和直方图

显示结果图像如下：

图4.2.2灰度化并绘制直方图picture2

4.2.3 边缘检测

边缘是一定存在在两个拥有不一样灰度值的相邻的区域之间的，是灰度值不连续的一种表现，也是分割图象、纹理和形状特征提取等图像分析的基础。本文用Roberts算子来实现边缘检测，他是一种利用局部差分算子寻找边缘的算子,Robert算子图像处理后结果边缘不是很平滑，当然还需要后续的腐蚀，平滑图像以及去除二值图像的小对象操作来提高精度。

由于阈值越小检测的边缘越丰富，结合选取的灰度图选择阈值为0.16较为合适。

用roberts算子实行边缘检测：

I2=edge(I1,'roberts',0.16,'both');

imshow(I2);title('roberts operator edge detection image')；

结果如下：

图4.2.3边缘检测picture3

4.2.4图像的腐蚀操作：

腐蚀操作就是通过不断的删除图片上的像素，将图片缩小，以此来达到去除小点状图形的效果。

se=[1;1;1];

I3=imerode(I2,se);%图像腐蚀操作

imshow(I3);title('corrosion image');

图4.2.4图像腐蚀操作picture4

4.2.5平滑图像

图像平滑是去掉图像中的高频信息，使图像变的模糊，噪声一般都是高频信息，平滑的过程也就意味着除去图片噪声的过程。

se=strel('rectangle',[16,16]);%建立正方形结构元素

I4=imclose(I3,se);% 图像聚类和填充

imshow(I4);title('smothing image');

图2.5平滑图像picture5

4.2.6除去二值图像的小对象

除去二值图像的小对象就为了去掉面积较小无关的白色区域，将车牌所在的大面积白色区域凸显出来。

I5=bwareaopen(I4,1900);% 除去聚团灰度值在1900以下的部分

imshow(I5);title('remove the small objects'); %滤波后图像

显示结果如下：

图4.2.6除去二值图像的小对象picture6

4.3车牌定位

自然环境下，汽车图像背景十分复杂，受光照不均匀、污渍等影响，所以在自然背景下准确的将车牌区域确定下来是整个识别过程的关键，所以先要对原图像进行大范围横向（X），纵向（Y）像素点相关搜索，找到符合汽车牌照的候选区，然后对候选区做进一步的分析，判断，最终确定一个最佳的区域作为牌照区域。

代码显示如下：

[y,x,z]=size(I5);%返回I5各维的尺寸，存储在x,y,z中

myI=double(I5);%将I5转换成双精度

tic %tic计时开始，toc计时结束

Blue_y=zeros(y,1);%产生一个y*1的零阵

for i=1:y

for j=1:x

if(myI(i,j,1)==1)

%若myI的图像中坐标(i,j)的点值为1，则表示蓝色背景

%则Blue_y(i,1)的值加1

Blue_y(i,1)= Blue_y(i,1)+1;%蓝色像素点统计 end

end

end

[temp MaxY]=max(Blue_y);%Y方向车牌区域确定

% MaxY是yellow_y元素中最大值temp的索引

PY1=MaxY;

while ((Blue_y(PY1,1)>=5)&&(PY1>1))

PY1=PY1-1;

end

PY2=MaxY;

while ((Blue_y(PY2,1)>=5)&&(PY2

PY2=PY2+1;

end

IY=I(PY1:PY2,:,:);

%行方向车牌区域确定

%%%% X方向 %%%%

Blue_x=zeros(1,x);%x车牌区域方向的再判断

for j=1:x

for i=PY1:PY2

if(myI(i,j,1)==1)

Blue_x(1,j)= Blue_x(1,j)+1;

end

end

end

PX1=1;

while ((Blue_x(1,PX1)<3)&&(PX1

PX1=PX1+1;

end

PX2=x;

while ((Blue_x(1,PX2)<3)&&(PX2>PX1))

PX2=PX2-1;

end

PX1=PX1-1;%车牌区域校正

PX2=PX2+1;

dw=I(PY1:PY2-8,PX1:PX2,:);

t=toc;

subplot(1,2,1),imshow(IY),title('Line direction areas');%车牌行方向区域的确定

subplot(1,2,2),imshow(dw),title('positioning color images');%车牌已经定位后的区域显示如下：

图4.3.1车牌的定位picture7

4.4字符的分割与识别

4.4.1.车牌的再处理

划分彩色图像需经过灰度变换，二值化，均值滤波，腐蚀和膨胀到一个字符，并对分割字符进二值化、归一化等图像预处理使车牌图像的车牌号字符分割构成隔离，然后分析识别已经分割字符识的图像并用文本的车牌号的形式呈现出来。代码显示如下：

imwrite(dw,'dw.jpg');%把彩色车牌写入dw文件里

a=imread('dw.jpg');%读取车牌文件数据

b=rgb2gray(a);%把车牌图像变换为灰度图

imwrite(b,'gray licence plate.jpg');%把灰度图像写入文件里

subplot(3,2,1),imshow(b),title('车牌灰度图像')

g_max=double(max(max(b)));

g_min=double(min(min(b)));

T=round(g_max-(g_max-g_min)/3); % T 表示二值化的阈值

[m,n]=size(b);

d=(double(b)>=T); % d:二值图像

imwrite(d,'binary licence plate.jpg');

subplot(3,2,2),imshow(d),title('before filtering binary licence plate')

%均值滤波之前

% 滤波

h=fspecial('average',3);

%模板的尺寸：3*3，average：均值滤波，建立滤波算子

d=im2bw(round(filter2(h,d)));%用指定的滤波器h然后对其均值滤波即进行d

imwrite(d,'after average licence plate.jpg');

subplot(3,2,3),imshow(d),title('after average licence plate') % 操作某些图象

% 膨胀或腐蚀

% se=strel('square',3); %图片膨胀处理

% 'line'/'diamond'/'ball'...

se=eye(2); % eye(n) returns the n-by-n identity matrix 单位矩阵

[m,n]=size(d);

if bwarea(d)/m/n>=0.36

d=imerode(d,se);%假如大于0.36即图像进行腐蚀

elseif

bwarea(d)/m/n<=0.23

d=imdilate(d,se);%假如小于即实现膨胀操作

end

imwrite(d,'expansion or corrosion the licence plate.jpg');

subplot(3,2,4),imshow(d),title('expansion or corrosion the licence plate')；

运行结果显示如下：

图4.4.1字符分割与识别picture8

4.4.2字符分割

字符分割就是把已经定位好的车牌区域上的字符分别提取出来，我们知道中国的车牌上字符之间是存在间隙的，就是利用这个间隙来实现我们对定位区域的车牌分割，通过搜索连续在一起的字符块，若长度高于某一阈值，则为两个字符组成，要分割，对分割好的字符再进行归一化的处理。

%搜索连续在一起的字符块，若长度高于某一阈值，则为两个字符组成，要分割，对分割 %建立子函数qiege、getword，调用子程序，分割车牌字符并做归一化的处理

d=qiege(d);

[m,n]=size(d);

subplot(3,2,5),imshow(d),title(n)

k1=1;k2=1;s=sum(d);j=1;

while j~=n

while s(j)==0

j=j+1;

end

k1=j;

while s(j)~=0 && j<=n-1

j=j+1;

end

k2=j-1;

if k2-k1>=round(n/6.5)

[val,num]=min(sum(d(:,[k1+5:k2-5])));

d(:,k1+num+5)=0; % 分割车牌字符

end

% 进一步切割

d=qiege(d);

% 切割出 7七个字符

y1=10;y2=0.25;flag=0;word1=[];

while flag==0

[m,n]=size(d);

left=1;wide=0;

while sum(d(:,wide+1))~=0

wide=wide+1;

end

if wide

d(:,[1:wide])=0;

d=qiege(d);

else

temp=qiege(imcrop(d,[1 1 wide m]));

[m,n]=size(temp);

all=sum(sum(temp));

two_thirds=sum(sum(temp([round(m/3):2*round(m/3)],:)));

if two_thirds/all>y2

flag=1;word1=temp; % WORD 1

end

d(:,[1:wide])=0;d=qiege(d);

end

% 分割出第二个字符

[word2,d]=getword(d);

% 分割出第三个字符

[word3,d]=getword(d);

% 分割出第四个字符

[word4,d]=getword(d);

% 分割出第五个字符

[word5,d]=getword(d);

% 分割出第六个字符

[word6,d]=getword(d);

% 分割出第七个字符

[word7,d]=getword(d);

subplot(2,7,1),imshow(word1),title('1'); subplot(2,7,2),imshow(word2),title('2'); subplot(2,7,3),imshow(word3),title('3'); subplot(2,7,4),imshow(word4),title('4'); subplot(2,7,5),imshow(word5),title('5'); subplot(2,7,6),imshow(word6),title('6'); subplot(2,7,7),imshow(word7),title('7'); [m,n]=size(word1);

% 取40*20为归一化大小，如下

word1=imresize(word1,[40 20]);

word2=imresize(word2,[40 20]);

word3=imresize(word3,[40 20]);

word4=imresize(word4,[40 20]);

word5=imresize(word5,[40 20]);

word6=imresize(word6,[40 20]);

word7=imresize(word7,[40 20]);

subplot(2,7,8),imshow(word1),title('1'); subplot(2,7,9),imshow(word2),title('2'); subplot(2,7,10),imshow(word3),title('3'); subplot(2,7,11),imshow(word4),title('4'); subplot(2,7,12),imshow(word5),title('5'); subplot(2,7,13),imshow(word6),title('6'); subplot(2,7,14),imshow(word7),title('7'); imwrite(word1,'1.jpg');

imwrite(word2,'2.jpg');

imwrite(word3,'3.jpg');

imwrite(word4,'4.jpg');

imwrite(word5,'5.jpg');

imwrite(word6,'6.jpg');

imwrite(word7,'7.jpg');

运行结果显示如下：

图4.4.2字符分割picture9

4.5车牌识别：

在此采用相减的模板匹配法来判断字符和模板中哪一个字符最接近，再找到相似度最高的字符作为输出结果。通常车辆牌照的字符有7个，一般第一位是汉字，表示车辆所属的省份，而后的为字母和数字。车牌字符的识别较一般文字识别要简单些，主要是它的字符数是有限的，汉字一共约50多个，大写英文字母26个，数字10个。出于实验运算方便的考虑，本文仅建立了7个汉字26个字母与10个数字的模板。其他的模板算法与之相同。

第一步取字符模板，第二步依次取待识别字符与模板进行匹配，第

(完整版)基于数字图像处理的车牌识别本科毕业论文

本科生毕业论文（设计） 题目: 基于数字图像处理的车牌识别设计 **: *** 学院: 数理与信息工程学院专业: 电子信息工程 班级: 111 学号: 指导教师: 刘纯利职称: 教授

2014 年12 月24 日 安徽科技学院教务处制 目录 摘要 ....................................................................关键词 .................................................................. 1、设计目的 ............................................................. 2、设计原理: ............................................................ 3、设计步骤: ............................................................ 4、实行方案 ............................................................. 4.1. 总体实行方案:................................................... 4.2. 各模块的实现:................................................... 4.2.1输入待处理的原始图像: ....................................... 4.2.2图像的灰度化并绘制直方图: ................................... 4.2.3 边缘检测.................................................... 4.2.4图像的腐蚀操作：............................................ 4.2.5平滑图像.................................................... 4.2.6除去二值图像的小对象 ........................................

车辆牌照图像识别算法研究与实现本科毕设论文

Q260046902 专业做论文 西南科技大学 毕业设计（论文）题目名称：车辆牌照图像识别算法研究与实现

车辆牌照图像识别算法研究与实现 摘要：近年来随着国民经济的蓬勃发展，国内高速公路、城市道路、停车场建设越来越多，对交通控制、安全管理的要求也日益提高。因此，汽车牌照识别技术在公共安全及交通管理中具有特别重要的实际应用意义。本文对车牌识别系统中的车牌定位、字符分割和字符识别进行了初步研究。对车牌定位，本文采用投影法对车牌进行定位；在字符分割方面，本文使用阈值规则进行字符分割；针对车牌图像中数字字符识别的问题，本文采用了基于BP神经网络的识别方法。在学习并掌握了数字图像处理和模式识别的一些基本原理后，使用VC++6.0软件利用以上原理针对车牌识别任务进行编程。实现了对车牌的定位和车牌中数字字符的识别。 关键词：车牌定位；字符分割；BP神经网络；车牌识别；VC++

Research and Realization of License Plate Recognition Algorithm Abstract:In recent years, with the vigorous development of the national economy，there are more and more construct in the domestic expressway, urban road, and parking area. The requisition on the traffic control, safety management improves day by day. Therefore, license plate recognition technology has the particularly important practical application value in the public security and the traffic control. In the paper, a preliminary research was made on the license location, characters segment and characters recognition of the license plate recognition. On the license location，the projection was used to locate the license plate; On the characters segmentation, the liminal rule was used to divide the characters; In order to solve the problem of the digital characters recognition in the plate, BP nerve network was used to recognize the digital characters. After studying and mastering some basic principles of the digital image processing and pattern recognition, the task of license plate recognition was programmed with VC++ 6.0 using above principles. The license location and the digital characters recognition in the license plate were implemented. Keywords: license location, characters segmentation, BP nerve network, license plate recognition, VC++

车牌识别论文

人工智能在车牌识别系统中的应用 机动车闯红灯是日常交通管理中常见的交通违章现象，不仅扰乱了正常的交通秩序，也是造成机动车交通事故的主要原因之一。“电子警察”就是针对机动车路口闯红灯这种极易造成恶性事故的交通违章现象进行自动监测记录，做到了无人值守，不间断监测，证据充分正确。 车牌识别技术(Vehicle License Plate Recognition，VLPR)是计算机视觉和模式识别技术在现代智能交通系统中的一项重要研究课题，是实现交通管理智能化的重要环节。它是以数字图像处理、模式识别、计算机视觉等技术为基础的智能识别系统，它利用每一个汽车都有唯一的车牌号码，通过摄像机所拍摄的车辆图像进行车牌号码的识别。在不影响汽车状态的情况下，计算机自动完成车牌的识别，从而可降低交通管理工作复杂度。车牌自动识别技术在车辆过路、过桥全自动不停车收费，交通流量控制指标的测量，车辆自动识别，高速公路上的事故自动测报，不停车检查，车辆定位，汽车防盗，稽查和追踪车辆违规、违法行为，维护交通安全和城市治安，防止交通堵塞，提高收费路桥的服务速度，缓解交通紧张状况等方面将会起到积极的作用。 针对以往车牌识别算法的缺点和不足，例如识别率低、识别速度慢、车牌定位不准确等，本文提出了一种新的基于小波分析的改进车牌定位算法，同时将引入动量因子的BP神经网络应用到字符识别，加快了网络的训练过程。 2 基于小波变换和神经网络的车牌识别技术总体设计 2.1 车牌定位算法的基本思路 在某一个相位的红灯周期内，如果检测到有车辆通过，触发视频采集模块采集前端摄像机传送来的视频流，进行图像采集，采集到的图像是24位的真彩色图像，首先将图像进行灰度变换，转换为256色的灰度图。在车牌区域的局部图像内，字符笔画与车牌背景间的亮度反差形成明显而密集的边缘，上升缘与下降缘交替出现。利用车牌区域的这一高频特征，采用小波分析的多分辨率思想，进行水平方向上的小波变换，小波变换后的高频部分可以突出车牌区域，后继处理只需要对高频图像进行变换，即可定位出车牌。采用这种方法可以将运算量减少一半，大大缩短了车牌定位的时间。 接下来，利用局部阈值方法，将高频图像部分二值化。此时的图像可能含有一些干扰信息，因此要先对其进行中值滤波，以消除一些不必要的噪声。考虑到数学形态学的腐蚀和膨胀运算可以分别起到突出轮廓和填充空洞的作用，因此利用数学形态学的闭运算来突出车牌的轮廓和消除孤立的部分。然后根据对车牌的先验知识(例如长宽比在一定范围内等)提取车牌的候选区。最后，将车牌候选区域变换到HSI色彩空间，通过判断背景的颜色来确定准确的车牌区域。该算法的流程图表示见图1:

基于数字图像处理技术的车牌识别技术研究

基于数字图像处理技术的车牌识别技术研究 随着数字图像处理技术的发展，基于数字图像处理技术的车牌 识别技术已经越来越成熟。本文将从技术原理、发展历程、应用 前景等方面进行探讨。 一、技术原理 基于数字图像处理技术的车牌识别技术是通过图像获取、特征 提取、匹配识别等过程实现对车牌的快速准确识别和提取的技术。其核心技术是数字图像处理，主要包括以下几个方面： 1.图像获取：通过摄像机、高分辨率相机等设备获取车辆图片，然后对图片进行处理。 2.预处理：对图像进行灰度化、去噪、二值化、图像增强等操作，以提高图像的质量和清晰度。 3.特征提取：针对不同的车辆和车牌，提取不同的特征，比如 车牌号码、车牌颜色、车牌字体、大小等，以便后续处理和识别。 4.识别匹配：使用模式识别、人工智能、机器学习等技术对提 取的特征进行分析和识别，实现对车牌号码的准确识别。 二、发展历程

数字图像处理技术的应用在车牌识别领域可以追溯到上世纪90年代。在那个时候，人们只是简单地使用黑白相机和一些简单的 图像处理算法，提取车牌的高度和长度等信息，进行简单的识别。 随着技术的发展，2000年左右，出现了一些基于嵌入式系统的 车牌识别方案，可以在道路上实现对车辆的自动监测和识别。 2005年以后，随着数字图像处理技术的成熟，车牌识别技术得 到了极大地发展。这个时候已经有一些算法可以实现对车牌号码 的自动识别，并且具有一定的准确度和鲁棒性。 2010年至今，随着深度学习、人工智能等技术的发展，车牌识 别技术已经非常成熟，并且在现实生活中得到了广泛的应用，比 如智慧城市交通管理、车辆管理、车位管理等方面。 三、应用前景 基于数字图像处理技术的车牌识别技术具有广泛的应用前景。 以下是其中的一些方面： 1. 智慧城市交通管理：在城市交通治理中，车牌识别技术可以 帮助管理部门实现对违章车辆和黑车的自动监测和管理，提高交 通管理效率和管理水平。 2. 车位管理：车牌识别技术可以应用在停车场和小区停车场等 地方，实现对车位和车辆的自动识别和管理，帮助车主快速找到 空车位。

车牌识别毕业设计论文

本科毕业设计（论文） ( 2010 届) 题目：车牌号码识别仿真 分院:电子信息分院 专业:电子信息工程 班级:06电子本1 姓名:余俊杰 学号:0651035226 指导老师:孙跃 完成时间:2010年4月

摘要 车牌识别系统在交通的智能监视和管理中有着重要的应用，近几年发展非常迅速。基于图像和字符识别技术的车牌字符识别系统也是目前国内外模式识别应用研究领域的一个热点。尽管车牌的先验知识比较丰富，但是在复杂的背景下，车牌中的字符识别仍然比较困难。目前的车牌识别系统大多是针对简单场景、单一车牌。 车牌字符识别系统的关键技术包括数字图像处理、车牌定位、车牌字符分割和字符识别技术。本文对已定位好的车牌进行图像位图读取、图像二值化、字符分割、提取字符特征、BP神经网络设计等模块进行了初步的研究。 在字符分割方面，分析了牌照图像二值化与标准归一化以及几何校正的各种算法。借助牌照字符固定宽度、间距的固定比例关系等先验知识实现字符的分割。 在特征提取方面，将字符归一化，再采用13特征法进行字符特征提取。 在字符识别方面，分析比较了常用的字符识别方法。在此基础上详细分析基于BP神经网络的识别方法。实验结果证明，所采用的BP神经网络具有良好的性能满足在复杂环境下实时识别车牌的要求，具有一定的理论和实际意义。 关键词：车牌字符识别；特征提取；BP神经网络；MATLAB

ABSTRACT License plate recognition system has important applications in the intelligent traffic monitoring and management developed rapidly in recent years. Based on image and character recognition technology license plate recognition system pattern recognition at home and abroad is also a hot field of applied research. Although the license plate of the prior knowledge rich, but in a complex background, the license plate of the character recognition is still more difficult. Most of the current license plate recognition system is a simple scenario for a single plate. The key technologies of license plate recognition system include digital image processing, license plate location, license plate character segmentation technology. This article has been positioning for a good license plate reads the bitmap image, image binarization, character segmentation, feature extraction of characters, BP neural network design module for a more detailed study. In the character segmentation area. Analyze of the license plate image binarization with the standard normalization and geometric correction algorithms. With fixed-width character license, a fixed proportion of the relationship between the pitch prior knowledge to achieve segmentation of characters. In feature extraction. The character normalization, again using 13 features of character feature extraction method. In character recognition, analyze and compared of the common character recognition. On the basis of this detailed analysis based on BP neural networks recognition. The results show that BP neural network used good performance in a complex environment to meet real-time identification license plate requirements, with some theoretical and practical significance. Keywords:License plate character recognition;Feature Extraction;BP neural network; MATLAB.

基于数字图像处理的车牌识别技术研究

基于数字图像处理的车牌识别技术研究 数字图像处理技术的发展，推动了很多生活领域的发展，其中一个应用领域就是车牌识别技术。随着机器视觉技术的不断进步和成熟，车牌识别技术也得到了广泛应用，从而改变了人们的生活和工作方式。本文将从车牌识别技术的发展历程、技术原理和应用领域三个方面进行分析和探讨。 一、车牌识别技术的发展历程 车牌识别技术起初主要应用在警务、交通违法处理、停车场管理等方面。但随着技术的不断进步和应用需求的增加，车牌识别技术开始在一些商业领域得到广泛应用，如门禁系统、智慧停车场、道路收费系统等。 二、车牌识别技术的基本原理 车牌识别技术是一项集成计算机视觉和数字图像处理技术的综合性技术，其基本原理为：通过采集、处理和识别车辆行驶过程中的数字图像信息，实现对车辆的追踪、预警、识别、管理、控制等功能。 车牌识别技术的核心技术包括图像采集和预处理、车牌定位和分割、字符识别和数字识别等三个方面。 图像采集和预处理是车牌识别技术中最基本的环节，直接影响后续处理的质量和精度。采集过程需要保证光线的充足性和图像清晰度，同时要根据不同的场景和车速等因素调整采集参数，如曝光时间、快门速度等。 车牌定位和分割是车牌识别技术中比较重要的步骤，其主要任务是将图像中的车牌区域准确地划分出来。车牌定位和分割方法主要有颜色阈值法、边缘检测法和形状检测法等。其中，颜色阈值法是一种比较常用和简单的方法，其基本原理是设定一个基于颜色的阈值，将车牌区域和其他区域分割开来。

字符识别是车牌识别技术中最为核心的环节，其主要任务是对车牌上的字符进 行识别。车牌上的字符由数字和字母组成，因此字符识别主要分为数字识别和字母识别两种类型。字符识别的主要技术包括模式匹配、神经网络、支持向量机、卷积神经网络等方法。 三、车牌识别技术的应用领域 车牌识别技术广泛应用于智慧交通、安防监控、金融服务、互联网营销、智慧 城市建设等多个领域。其中，智慧交通是车牌识别技术的主要应用领域之一。 在智慧交通方面，车牌识别技术主要应用于车牌自动识别、车辆追踪、路况监 测等方面。例如，在城市交通流量大、道路交通拥堵的情况下，使用车牌识别技术可以实现车辆的自动计费和优化路况，从而提高交通效率。 在安防监控方面，车牌识别技术可以通过识别车辆的车牌号码实现对车辆的追 踪和监管，并通过车牌号码对车辆进行分类分析，对于违法犯罪行为的打击也具有非常重要的意义。 在金融服务方面，车牌识别技术可以与金融服务软件相结合，实现车辆的实时 定位和追踪，对于货车等重型车辆的贷款审批、车辆租赁等业务场景也具有一定的应用前景。 总之，车牌识别技术作为一项广泛应用的技术，不仅可以提高人们的工作效率，还可以对公共生活和经济发展产生积极的影响。未来，随着数字图像处理技术和机器视觉技术的进一步发展，车牌识别技术还将有着广阔的应用前景和发展空间。

车牌识别系统论文

安康学院学年论文（设计） 华北水利水电大学 研究生结课论文 姓名高阳 学号9 专业计算机技术 性质国家统招（√）单考（） 工程硕士（）同等学力（） 科目计算机视觉与模式识别 任课老师杨阳蕊 成绩 第1 页共 5 页

一种简易车牌识别算法及其探究 【摘要】：本文介绍了一种标准车牌中简易的识别算法。与传统的数字识别方法相比较，其效率较高。该算法利用对字符二值化后的图像作特征向量，并用最近邻法实现字母的识别。利用该方法时，由于图像是不规则的，则需对识别字符进行规整提取处理，减少了因图片不规则而引起的误识，降低了（对字符作特征向量时）算法复杂度。经试验验证，效果良好。 【关键字】：字符识别；二值化；特征向量；最近邻；欧氏距离 1引言 随着人们生活水平的不断提高,机动车辆数量大幅度增加，与之相配套的高速公路，城市路网及停车场越来越多，显著提高了人们对交通控制方面的要求。由于计算机技术的发展，信息处理水平的提高使智能交通系统成为世界交通领域研究的重要课题。其中车牌识别是智能交通系统的重要组成部分。 本文主要探究车牌中非汉字的字符识别。在有关字符识别的大型系统中，通常采用的是神经网络算法，但这种算法计算量比较大，实现起来较复杂。而车牌中，非汉字字符个数有限，利用神经网络算法识别车牌中非汉字字符则显得大材小用，而很多字符识别算法又需要大量的预处理运算,包含图片二值化、去噪、规整、细化、轮廓提取、模板匹配等,使得识别的运算量大大增加。本文主要使用相应字符形状特点来构建字符的特征向量，通过对待识别对象进行特征提取，利用最近邻法,通过比对模板特征向量和待选字符特征向量之间的距离，即可对车牌非汉字字符快速准确的识别，并降低了算法复杂度。 2实现方法 2.1 设计思想 在车牌识别中，由于图像本身受到各种自然因素或设备因素的影响，图像的清晰度往往不是很理想，有时还会带有较明显的图像噪声，使真实信号与理想信号之间存在偏差，若不对图像进行预处理，这将给后续的识别模块带来严重影响，最终可能造成识别错误。因此，识别前要对图像进行预处理成不含噪声的较易识别的图像。预处理的好坏一定程度上影响到字符识别的正确率。另外，基于所研究字符图像的特征，在不丢失字符基本信息的情况下，首先将每个图像处理为和字符等高等宽的m 行n 列的二值图像，取每个图像的6条特征线，构成一个字符的向量，然后对每个图像分别用同样的方法处理，最后取平均值，从而得出一个字符的特征向量。用同样的方法求得其它字符的特征向量。用最近邻法判断待测样本，以观察匹配效果。

数字图像处理结课论文

数字图像处理结课论文 2012-2013年第一学期《数字图像处理》科目考查卷 专业：通信工程班级：×××任课教师：××× 姓名：×××学号：×××成绩： 车牌识别系统设计 一、基本原理 牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照号码输出。 二、设计步骤 图1 牌照识别系统示意图 2.1 总体设计方案: （1）牌照号码、颜色识别 为了进行牌照识别，需要以下几个基本的步骤：

a.牌照定位，定位图片中的牌照位置； b.牌照字符分割，把牌照中的字符分割出来； c.牌照字符识别，把分割好的字符进行识别，最终组成牌照号码。 牌照识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与牌照识别互相配合、互相验证。 (2）牌照定位: 自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。首先对采集到的视频图像进行大范围相关搜索，找到符合汽车牌照特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个最佳的区域作为牌照区域，并将其从图象中分割出来。 流程图: （3）牌照字符分割 : 完成牌照区域的定位后，再将牌照区域分割成单个字符，然后进行识别。字符分割一般采用垂直投影法。由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值的附近，并且这个位置应满足牌照的字符书写格式、字符、尺寸限制和一些其他条件。利用垂直投影法对复杂环境下的汽车图像中的 （4）牌照字符识别 : 字符识别方法目前主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法首先将分割后的字符二值化,并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果。基于人工神经元网络的算法有两种：一种是先对待识别字符进行特征提取，然后用所获得 特征来训练神经网络分配器；另一种方法是直接把待处理图像输

基于数字图像处理的车牌识别技术研究报告

基于数字图像处理的车牌识别技术研究报告 随着计算机和视频技术的发展，车牌自动识别系统己成为智能交通系统的重要组成部分，并已广泛应用于车辆追查和跟踪、车辆出入控制、公路收费监控等领域。完整的车牌自动识别系统由图像采集、图像处理、模糊识别等模块组成，其中对一幅已知车辆数字图像进行预处理、车牌定位、二值转换、车牌分类、车牌分割、字符识别、结果优化的过程简称车牌模糊识别。目前国内已有众多单位开展了车牌识别技术研发，虽然各家都取得一定的成功，但车牌识别技术本身毕竟要符合实战要求，为此笔者综观各家实际车牌识别系统后提出了车牌识别系统的几点不足之处和改进方法，供该领域的专业人士和领导参考。 一、图像预处理 根据三基色原理，世界上任何色彩都可以由红绿蓝(RGB)三色不同比例的混合来表示，如果红绿蓝(RGB)三个信号分别由一个字节表示，则该图像颜色位数就达到二十四位真彩，也就是说在二十四位真彩的数字图像中每个像素点由三个字节来表示，根据数字图像水平和垂直方向像素点数(即图像分辨率)可计算出一幅图像实际位图大小。事实上，在车牌自动识别系统中车辆图像是通过图像采集卡将运动的车辆图像抓拍下来，并以位图的格式存放在系统内存中。这时的车辆数字图像虽然没有被人为损伤过，但在实际道路上行驶的车辆常会因为各种各样的原因使得所拍摄的车辆图像效果不理想，如外界光线对车牌的不均匀反射、极强阳光形成的车牌处阴影、摄像机快门值设置过大

而引起的车辆图像拖影、摄像头聚焦或后背焦没有调整到位而形成的车辆图像不清晰、由于视频传输线而引起的图像质量下降、所拍摄图像中存在的噪声干扰、所安装的车牌不规范或车辆行驶变形等等。这些都给车牌的模糊识别增加了难度，在现有的技术条件下任何优秀、先进的车牌识别软件也是无法达到百分之百车牌正确识别率。但我们可以对车辆图像根据不同应用特点进行识别前的预处理，尽最大可能提高车牌正确识别率，这些图像预处理包括图像平滑、倾斜校正、灰度修正等。 其中图像平滑的目的是为了减少图像中的噪声，一般情况下在空间域内采用领域平均法来减少噪声，在频率域内由于噪声频谱多在高频段，因此采用各种形式的低通滤波方法来减少噪声。空间域是指对图像像素灰度值直接运算后取代，频率域是对图像的像素值进行变换运算后反变换取代，如傅立叶变换等。实际常用的方法是通过一个像素点和周围像素点的平均运算来去除突然变化的像素点，从而滤掉一定的噪声，当然如果采用不合适的图像平滑算法，则会带来图像模糊。 在道路实际行驶的车辆中，车牌在图像中往往存在不水平情况，如摄像机不在车道正中央、挂放的车牌不水平或车辆突然变道行驶等都会使采集的车牌图像需要进行车牌倾斜校正。由于车牌的上下沿是两条明显的平行线，所以一般采用HOUGH 变换，检测出这两条直线的倾斜角，或者利用特征投影法来检测车牌的倾斜角，然后对车牌图像进行水平校正。 灰度修正也是图像增强行之有效的方法，通常采用直方图修正法

基于数字图像的车牌识别毕业设计论文 精品

目录 第一部分： 1.1PCI总线 (4) 1.1.1 PCI总线的基本结构 (4) 1.1.2 PCI总线A/D卡的通用结构 (5) 1.2 A/D卡的采集、存储和显示程序 (6) 1.2.1 A/D卡的采集的基本原理 (6) 1.2.2 实验结果与分析 (6) 1.3.3设计程序 (9) 1.4结果分析 (9) 第二部分： 中文摘要 (10) 英文摘要 (11) 1 引言 (12) 1.1 车牌识别技术的研究背景 (12) 1.2 国内外研究现状 (12) 1.3 车牌识别系统研究目的及意义 (13) 1.4别系统的构成 (13) 1.5论文内容安排 (14) 2 车牌图像的预处理 (14) 2.1 预处理技术概述 (14)

2.2 图像的灰度化 (15) 2.3 图像的二值化 (17) 2.4 边缘检测 (18) 2.4.1 Canny算子 (18) 2.4.2 Roberts算子 (19) 2.5 本章小结 (22) 3 车牌定位 (22) 3.1 常用的车牌定位算法 (22) 3.1.1 基于纹理特征的车牌定位 (22) 3.1.2 基于数学形态的车牌定位 (24) 3.2 本章小结 (26) 4 字符切割 (26) 4.1 车牌字符切割方法 (26) 4.2 本章小结 (28) 5 字符识别 (28) 5.1 字符识别概述 (28) 5.2 车牌字符识别特点 (29) 5.3 基于模板匹配的字符识别算法 (30) 5.4 实验分析 (31) 5.5 结果分析 (32) 6 设计评述 (32) 附录A 车牌识别程序 (34)

参考文献 (47)

车牌识别毕业论文

摘要 车牌自动识别技术是实现智能交通系统的关键技术，对我国交通事业的发展起着十分重要的作用，进而影响我国的经济发展速度及人们的生活质量。车牌识别系统运用模式识别、人工智能技术，能够实时准确地自动识别出车牌的数字、字母及汉字字符，进而实现电脑化监控和管理车辆。一个车牌识别系统的基本硬件配置有照明装置、摄像机、主控机、采集卡等。而软件则是由具有车牌识别功能的图像分析和处理软件，以及能够具体满足应用需求的后台管理软件组成。车牌自动识别系统主要分为图像预处理、车牌定位、字符分割和字符识别等主要模块,也包括后续应用程序的开发。 针对不同的模块,本文研究分析了现有的理论算法,并提出了具有实际应用意义的解决方案。1.在图像预处理模块,因为人眼对于不同颜色分量的敏感度不同,图像灰度化采用加权平均值法；二值化过程中阈值的选取至关重要,本文采用动态自适应阈值法,效果理想；边缘提取利用了拉普拉斯算子;去噪过程采用的是中值滤波方法；2.车牌定位模块包括粗定位和细定位,本文通过分析车牌的尺寸、类型、颜色,得到不同的特征向量,即车牌的几何特征、灰度分布特征、投影特征和字符排列特征等,利用这些特征进行车牌定位；3.在车牌字符分割模块,提出了双向对比垂直投影分割法,该方法基于车牌的垂直投影,能够将字符准确的分割开,利于车牌字符识别: 4.本文对车牌数字和车牌字母及汉字提出了不同的处理方法,数字识别采用投影技术,汉字和字母识别应用BP神经网络技术,兼顾了识别准确率和识别速度;根据上述方法原理,基于MATLAB软件进行程序设计,编制了车牌自动识别软件。 关键字：车牌图像；图像处理；字符分割；BP神经网络

车牌图像识别应用技术研究毕业论文

车牌图像识别应用技术研究 摘要 车牌图像识别技术以计算机视觉、人工智能和模式识别理论为基础，是实现交通管理智能化的一个重要组成部分。由于在实际使用场合中，所采集图像的内容和质量的变化非常复杂，给车牌图像识别技术的应用和发展带来了很大的困难。 本文围绕着开放或半开放采集环境中的车牌图像特点，对车牌图像自动识别系统中的三个方面的关键技术——车牌区域定位技术、车牌字符切分技术和车牌字符特征提取和分类识别技术——进行了研究。主要完成了以下几个方面的工作： 1、对于二值化、边缘检测、同态滤波、数学形态学处理、直方图变换和几何畸变校正等图像处理方法在车牌图像识别技术中的应用特点进行了分析和总结；设计出一种基于Canny边缘检测寻找目标对象特征点，再对特征点的灰度像素值分析判断来确定阈值的车牌字符图像二值化方法，可以满足本文对车牌字符特征提取时预处理的要求。 2、对于现有的车牌区域定位方法进行了分析研究；在此基础上，设计实现了一种基于多方向边缘提取和数学形态学处理的车牌区域定位方法。采用这种方法能在一定程度上解决车牌定位依据的共性特征信息选择的问题。 3、在分析研究现有车牌字符切分方法的基础上，提出了一种基于Canny 边缘检测的车牌字符切分方法，并对其可行性进行了实验验证。该方法受噪声影响小，对字符定位准确，判断决策方法简单。 4、分析研究了现有的车牌字符特征提取和分类识别的方法，设计出一种车牌字符分类识别的方案。方案考虑了汉字、英文字母和阿拉伯数字的不同特点，分别提取汉字、字母和数字的分类特征，并选择不同的分类识别方法。 关键词：车牌定位、字符切分、特征提取、模式识别

毕业设计（论文）原创性声明和使用授权说明 原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作者签名：日期： 指导教师签名：日期： 使用授权说明

车牌定位-本科毕业设计论文

交通图象检测与处理方法研究对于交通安全、交通管理与控制具有非常重要的理论意义和实用价值。 通过视频图象的检测与识别,可以实时检测交通违章现象、识别违章车辆的车牌号码，为公安交通管理部门提供强有力的执法证据。因此，研究交通图象检测与处理方法对智能交通运输系统的发展具有重要的推动作用。本系统着力对车牌的识别过程进行研究和实现。主要能够对带有车牌的图片灰度化，二值化，中值滤波等处理，并能够截取车牌图片。车牌定位是指将车牌区域从车辆图像中分割出来，是实现整个系统的关键环节。而车牌定位主要包含两个关键技术问题：图像的预处理和车牌定位的算法。本论文主要应用VC语言编程，对其车牌图像进行预处理，有效的解决一些导致识别、定位错误的问题。 关键词：车牌定位,二值化,预处理

Traffic image processing method for testing and research, traffic safety management and control has important theoretical significance and practical value. Through video images of detection and recognition can real-time detection and identification of violate the traffic violations phenomenon plate number for public security traffic management department, provide strong evidence of law enforcement.The focus on the license plate identification system research and implementation process. Mainly with the license plate on the picture to gray level transformation, binarization, median filtering and other processing, and can intercept license plate image.License plate location is license plate recognition technology a vital part . License plate location refers to the license plate out from the vehicle image segmentation is the key to the entire system. The license plate location primarily consists of two key technologies: image preprocessing and license plate location algorithm. Main application VC language program, to the license plate identification, orientation, image analysis, processing. And some of the mistakes in recognition, positioning problem. Keywords:Plate Positioning,Binarization ,Pretreatment

车牌识别设计与实现(毕业论文)

目录 摘要 (Ⅰ) Abstract........................................................... II 1 绪论. (1) 1。1 课题的来源及意义 (1) 1.2 课题主要研究的问题 (2) 1。3 系统设计的目标及基本思路 (2) 1.3.1 设计目标 (2) 1.3。2 基本思路 (3) 2 图像预处理 (4) 2.1 汽车牌照的特征 (4) 2。2 灰度变换 (5) 2.3 图像增强 (6) 2.4 图像边缘提取及二值化 (7) 2。4。1 图像边缘提取 (7) 2。4.2 灰度图像二值化 (14) 2。 5 形态学滤波 (15) 3 车牌定位方法研究 (19) 3.1 车牌定位常用方法介绍 (19) 3.1.1 基于纹理特征分析的定位方法 (19) 3。1。2 基于数学形态学的定位方法 (19) 3.1。3 基于边缘检测的定位方法 (19) 3.1。4 基于小波分析的定位方法 (19) 3.1。5 基于图像彩色信息的定位方法 (20) 3。2 基于行扫描灰度跳变分析的车牌定位方法 (20) 4 车牌识别方法研究 (22) 4。1 牌照区域的分割和图像进一步处理 (22) 4.1.1牌照区域的分割 (22) 4。1.2车牌进一步处理 (22) 4.2 字符的分割与归一化 (23) 4.2。1字符分割 (23) 4。2。2字符归一化 (24) 4.3 字符的识别 (24) 5 总结与展望 (27) 5。1 总结 (27) 5.2心得体会 (27) 5。3展望 (28) 致谢 (29) 参考文献 (30) 附录一 (31)

基于图像处理的车牌定位与检测技术毕业论文

基于图像处理的车牌定位与检测技术毕业论文 目录 第一章绪论 (1) 1.1 车牌定位识别技术的研究背景 (1) 1.2 车牌定位识别技术国内外研究现状 (2) 1.3 车牌定位识别难点 (3) 1.4 车牌定位识别技术的应用情况 (4) 1.5 车牌识别技术的发展趋势 (6) 1.6 论文的章节安排 (7) 第二章基于图像处理的车牌识别系统 (8) 2.1 车牌识别系统简介 (8) 2.2 系统软件设计 (9) 2.3 车牌图像预处理 (10) 2.3.1 彩色图像灰度化 (11) 2.3.2 灰度直方图变换 (12) 2.3.3 边缘检测 (14) 第三章车牌定位与检测 (19) 3.1 车牌特征与分析 (19) 3.2 数学形态学处理 (20) 3.3 区域分割 (22) 3.4 定位后车牌图像处理 (23) 3.4.1 图像二值化 (23) 3.4.2 均值滤波 (24) 3.5 分割与归一化 (25) 3.5.1 字符分割 (25) 3.5.2 字符归一化处理 (27) 3.6 字符识别 (27)

第四章结束语 (31) 4.1 总结 (31) 4.2 问题改进与展望 (31) 致谢 (33) 参考文献 (34)

第一章绪论 1.1 车牌定位识别技术的研究背景 随着经济全球化的到来，人们的生活水平也得到了很大的提高，汽车数量急剧增加，与此同时这样的情况也给城市交通及运输业带来了前所未有的压力。目前交通堵塞、交通事故日益频繁等现象已倍受人们的关注，因此，准确地定位与检测车辆以使交通更为通畅，已经成为现代化城市交通系统重点研究对象。随着当今科技的快速发展，现代智能交通系统[1]就是将数字图像处理、模式识别[2]、计算机视觉处理技术等综合应用于现代智能交通运输体系当中，这样使得交通管理系统运行得更加智能化、科学化和规范化，以解决了交通运输业中存在的一系列问题。其中，车牌号码是汽车具有的独一无二的信息，以此为依据，车牌定位及检测技术成了车牌识别不可或缺的重要部分。 近年来，车辆定位及识别技术发展得很快，如IC卡识别技术、条形码识别技术、射频识别技术，车牌识别技术[3]，前三者都需要在车身上安装专门的印刷条形码或标示卡，但是由于车辆的数量庞大，有些信息不可能非常准确地应用到每一辆车上，从而导致难以核对车与车牌信息是否匹配，所以这三种技术在推广应用方面受到相当大的限制。而车牌识别属于直接识别，是以数字图像处理为基础的，可以对车辆的图像进行检索与回放，具有高效实时性，因而对车牌定位及检测的研究具有很大的经济价值和应用意义[4]。 车牌定位及识别技术运用目前先进的计算机视觉技术来处理受监控的车牌图像，应用大量的数字图像处理技术识别出车牌号码，从而极大地提高了车辆的管理效率，节省了人力、物力，使得城市交通管理科学化与智能化。在现代社会中，车牌定位及识别技术已经被广泛应用在检查站车辆实时监控、高速公路电子收费、监测报警、偷盗车辆辨识、停车厂车辆安全停车管理系统、违章交通车辆监控、交警稽查管理、车流统计等需要车牌定位识别的地方，特别是在现代化高速公路实现不停车收费方面。车牌定位及识别系统主要由图像获取、车牌图像预处理、车牌区域定位与分割、字符分割、字符识别等部分组成。其中，由于车辆图像采集于户外，车辆图像往往会掺杂一些非常不利的因素来降低图像高清质量，在很大程度上影响了车牌精确定位。而车牌定位及识别系统能够运行起来的首要前提且最重要的一步就是准确无误地定位出汽车牌照，因此车牌定位是车牌定位识别系统的关键一步。现有的定位识别技术还不能完全很好的适应复杂多变的环境，所以对车牌定位及识别技术的研究仍然是当今高科技领域的热门课题，它的有关功能的实现，能使智能交通管理系统更加现代化。

基于数字图像处理的车牌定位与识别 毕业设计

毕业设计（论文） 题目基于数字图像处理的 车牌定位与识别 姓名 学号0911121106 所在学院理学院 专业班级09信科1 指导教师 日期2013年3月29 日

毕业设计（论文）任务书 学院理学院指导教师徐斌职称 学生姓名专业班级09信科1学号0911121106 设计题目基于数字图像处理的车牌定位与识别 设计内容目标和要求 首先了解各种图像处理的基本方法，及其优缺点，结合车牌定位技术，熟悉图像定位技术的机制和原理，静态目标图像的识别方法和机理，然后熟悉单一环境下的运动图像识别和跟踪技术。最后采用粗定位和精细定位相结合的车牌定位方法从运动图像中定位目标图像边缘，从而获取有用图像。最好能够使用Matlab或者phtoshop对截取的图形进行加工处理，获得更高质量的目标图像。 要求：有一定的图像处理技术，能运用matlab或者phtoshop等软件处理图像。 指导教师签名： 年月日 基层教学单位审核 学院 审核 此表由指导教师填写学院审核 1

毕业设计（论文）学生开题报告 课题名称基于数字图像处理的车牌定位与识别 课题来源课题类型指导教师 学生姓名学号0911121106 专业班级09信科1 本课题的研究现状、研究目的及意义 随着我国经济的快速发展，智能交通系统将会成为现代交通管理发展的必然趋势。车辆自动识别系统是智能交通系统(工TS)实现的前提。车牌识别是车辆自动识别系统中最有发展前景的技术之一。 车牌识别系统主要由车牌定位、字符分割和字符识别三部分组成。其中，车牌定位是字符分割和字符识别的基础，对整个系统的性能起着至关重要的作用，决定着系统的识别速度和识别精度。从图像处理的性质来看，车牌定位主要分为基于灰度图像的车牌定位和基于彩色图像的车牌定位。基于灰度图像的车牌定位速度较快，但定位精度不高，受环境、光照等因素影响较大;彩色图像包含的信息比灰度图像多得多，因而更易于车牌定位，但运算量大，因此，基于彩色图像的车牌定位研究较少。近年来，随着计算机技术和图像处理技术的飞速发展，基于彩色图像的车牌定位将是车牌定位研究的热点。 在交通路口的违章监视，在高速公路收费入口，在涵洞、桥梁的入口以及在停车场和加油站的管理中，都需要对汽车牌照进行记录，而目前这些工作大多数都是由人工完成的，工作量很大，有时也难免会出现错误，如果改用智能系统进行自动的检测和识别，则会大大提高工作的速度，降低管理人员的工作量，提高服务的效率与质量。 在国内现有技术的基础之上进一步研究汽车牌照智能识别技术实现对实时采集到的汽车牌照图像进行分析，准确定位分割、提取出图像中的汽车牌照，并快速自动智能地识别出汽车牌照，还可以全面消除人为因素，因而对车牌识别技术的研究和应用系统开发具有重要的现实意义。 课题类型： （1）A—工程实践型；B—理论研究型；C—科研装置研制型；D—计算机软件型； E—综合应用型 （2）X—真实课题；Y—模拟课题； （1）、（2）均要填，如AY、BX等。 2