會計(jì)學(xué)1車牌識別軟件系統(tǒng)設(shè)計(jì)答辯演講論文框架系統(tǒng)概述車牌圖像預(yù)處理車牌定位與字符分割字符特征提取車牌字符識別結(jié)果分析123456第1頁/共16頁系統(tǒng)概述車牌自動識別系統(tǒng)的研究，國外最早出現(xiàn)于20世紀(jì)80年代，但這個(gè)階段并沒有形成完整的體系。進(jìn)入20世紀(jì)90年代，隨著數(shù)字圖像處理、計(jì)算機(jī)視覺、模式識別等技術(shù)的發(fā)展，開始出現(xiàn)了車牌識別系統(tǒng)的系統(tǒng)化研究。我國在這方面的研究起步比較晚。國內(nèi)做得比較好的產(chǎn)品有中科院自動化所漢王公司的“漢王眼”，深圳市普利得公司的PlateDSP車牌識別系統(tǒng)，廈門宸天電子科技有限公司的SuPPlate車牌識別系統(tǒng)等。但大多數(shù)產(chǎn)品的識別效果不是很理想，尤其是在復(fù)雜背景條件下的識別效果不是很理想，這與我國汽車牌照的現(xiàn)狀有很大的關(guān)系。第2頁/共16頁車牌圖像預(yù)處理1灰度化加權(quán)平均值法

g=通常WR=0.9，WG=1.77，WB=0.33g=0.3R+0.59G+0.11B在Matlab中，加權(quán)平均值法通過函數(shù)rgb2gray（）實(shí)現(xiàn)。加權(quán)平均值法處理前后對照圖如下：第3頁/共16頁第4頁/共16頁2中值濾波Yi=Medv=(m-1)/2在Matlab中，通過調(diào)用medfilt2（）函數(shù)即可實(shí)現(xiàn)對函數(shù)進(jìn)行中值濾波處理。

中值濾波后車牌如下圖。第5頁/共16頁3邊緣檢測Robert算子

在Matlab中，直接調(diào)用edge（）函數(shù)并添加‘Robert’關(guān)鍵字設(shè)置參數(shù)，就可以對圖像進(jìn)行Robert邊緣檢測。Robert邊緣檢測效果圖如下。

第6頁/共16頁車牌定位和字符分割基于混合特征的車牌快速定位

形態(tài)學(xué)處理過程如下1第7頁/共16頁定位后的車牌圖像如下2車牌傾斜校正幾何法車牌傾斜校正第8頁/共16頁3二值化最大類間方差法（Otsu）在Matlab中，通過調(diào)用graythresh（）函數(shù)使用最大類間方差法來獲得一個(gè)閾值，這個(gè)閾值在[0,1]范圍內(nèi)，該閾值傳遞給im2bw（）函數(shù)完成灰度圖像轉(zhuǎn)換為二值圖像的操作。

第9頁/共16頁4字符分割由中國車牌的先驗(yàn)知識可知，車牌上字符的大小是45×90（毫米），相鄰字符的間隔通常是12毫米，第三個(gè)和第四個(gè)字符的間隔是34毫米。歸一化之后，相鄰字符的間隔是6.4，第二個(gè)和第三個(gè)字符的間隔是18.1，則整個(gè)車牌的寬度是218。因此在字符分割之前，統(tǒng)一將車牌大小調(diào)整為218×48，然后每隔24的寬度分割一個(gè)字符，跳過字符間的間隔繼續(xù)分割下一個(gè)寬度為24的字符，依次這樣就可以完成整個(gè)車牌的字符分割。

第10頁/共16頁字符特征提取用Hu不變矩提取字符特征Hu不變矩同時(shí)具有平移、比例和旋轉(zhuǎn)不變性。第11頁/共16頁車牌字符識別1BP神經(jīng)網(wǎng)絡(luò)第12頁/共16頁2模板匹配匹配過程

SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j)匹配結(jié)果第13頁/共16頁總結(jié)

在老師和同學(xué)們的幫助下，我順利的完成了本次畢業(yè)設(shè)計(jì)，通過這次的設(shè)計(jì)我學(xué)到了很多東西，知道了理論與實(shí)踐的差距。因此，我們的學(xué)習(xí)還有待加強(qiáng)。但本次的設(shè)計(jì)也使我們從中學(xué)到了一些很重要的東西。一、如何從理論到實(shí)踐的轉(zhuǎn)化，怎樣將我們所學(xué)到的知識應(yīng)用到我以后的工作中去。二、我學(xué)會了如何查尋資料，方案設(shè)計(jì)，進(jìn)一步提高了自己綜合運(yùn)用所學(xué)知識的能力。三、在和同學(xué)的協(xié)作過程中增進(jìn)了同學(xué)間的友誼，對團(tuán)隊(duì)精神的積極性