基于MATLAB的字符识别研究

《基于MATLAB的字符识别研究》由会员分享，可在线阅读，更多相关《基于MATLAB的字符识别研究（14页珍藏版）》请在装配图网上搜索。

1、 基于MATLAB的字符识别研究汽车牌照识别程序的设计医药信息工程学院医药软件07丘春林学号：0707501117摘要：本次课程设计的目的是通过对基于MATLAB的字符识别的研究，以汽车牌照识别的设计为实例，详细介绍字符识别的相关原理。整个汽车牌照识别的过程分为预处理、边缘提取、车牌定位、字符分割、字符识别五大模块，用MATLAB软件编程来实现每一个部分，最后识别出汽车牌照。在研究的同时对其中出现的问题进行了具体分析，处理。寻找出对于具体的汽车牌照识别过程的最好的方法。关键词：MATLAB字符识别车牌识别神经网络图像处理引言在MATLAB的字符识别研究中，汽车牌照的识别是最经典的样例，因为车辆

2、牌照识别系统（License Plate Recognition System，简称LPRS）是建设智能交通系统不可或缺的部分。基于 MATLAB 图像处理的汽车牌照识别系统是通过引入数字摄像技术和计算机信息管理技术，采用先进的图像处理 模式识别和人工智能技术，通过对图像的采集和处理，获得更多的信息，从而达到更高的智能化管理程度。车牌识别系统整个处理过程分为预处理、边缘提取、车牌定位、字符分割、字符识别五大模块，用 MATLAB软件编程来实现每一个部分处理工程，最后识别出汽车牌照。一、 MATLAB与其图像处理工具概述MATLAB 是 MATrix LABoratory （矩阵实验室）的缩写，

3、是 Math Works 公司开发的一种功能强 效率高 简单易学的数学软件。MATLAB 的图像处理工具箱，功能十分强大，支持的图像文件格式丰富，如 *.BMP、*.JPG、 *.JPEG、 *.GIF、 *.TIF 、*.TIFF、 *.PNG 、*.PCX、 *.XWD、 *.HDF、*.ICO 、*.CUR 等。MATLAB 7.X 提供了20 多类的图像处理函数，几乎涵盖了图像处理的所有技术方法，是学习和研究图像处理的人员难得的宝贵资料和加工工具箱。这些函数按其功能可分为：图像显示、 图像文件 I/O、图像算术运算、几何变换、图像登记、像素值与统计 图像分析、图像增强、线性滤波、线性二

4、元滤波设计、图像去模糊、图像变换、邻域与块处理、灰度与二值图像的形态学运算、基于边缘的处理、色彩映射表操作 色彩空间变换 图像类型与类型转换。MATLAB 还着重在图形用户界面（GUI）的制作上作了很大的改善，对这方面有特殊要求的用户也可以得到满足。本文将给出 MATLAB 的图像处理工具箱中的图像处理函数实现图像处理与分析的应用技术实例。二、 基于 MATLAB图像处理的汽车牌照识别系统1. 系统组成基于 MATLAB图像处理的汽车牌照识别系统主要包括车牌定位 字符车牌分割和车牌字符识别三个关键环节其识别流程图如图 1所示。原始图像图像预处理车牌定位字符分割字符数据库字符识别图1 识别流程图

5、其中，(1) 原始图像：由数码相机或其它扫描装置拍摄到的图像；(2) 图像预处理：对动态采集到的图像进行滤波、边界增强等处理以克服图像干扰；(3) 车牌定位：计算边缘图像的投影面积，寻找峰谷点，大致确定车牌位置，再计算此连通域的宽高比，剔除不在域值围的连通域，最后得到的便为车牌区域；(4) 字符分割：利用投影检测的字符定位分割方法得到单个的字符；(5) 字符数据库：为第6步的字符识别建立字符模板数据库；(6) 字符识别：通过基于模板匹配的OCR算法或基于人工神经网络的OCR算法，通过特征对比或训练识别出相关的字符，得到最后的汽车牌照，包括英文字母和数字。2. 图像预处理图像在形成 传输或变换过

6、程中，受多种因素的影响，如：光学系统失真、系统噪声、曝光不足或过量、相对运动等，往往会与原始景物之间或图像与原始图像之间产生了某种差异，这种差异称为降质或退化。因此在图像处理之前必须进行预处理，包括去除噪音、边界增强、增加亮度等等。输入的彩色图像包含大量颜色信息，会占用较多的存储空间，且处理时也会降低系统的执行速度，因此对图像进行识别等处理时，常将彩色图像转换为灰度图像，以加快处理速度。对图像进行灰度化处理、边缘提取、再利用形态学方法对车牌进行定位。具体步骤如下：首先对图像进行灰度转换，二值化处理然后采用4X1的结构元素对图像进行腐蚀，去除图像的噪声。采用25X25的结构元素，对图像进行闭合应

7、算使车牌所在的区域形成连通。再进行形态学滤波去除其它区域。I=imread(CAR/0.jpg);%读取图片I1=rgb2gray(I); %转化为灰度图像I2=edge(I1,robert,0.09,both); %采用robert算子进行边缘检测se=1;1;1; %线型结构元素 I3=imerode(I2,se); %腐蚀图像se=strel(rectangle,25,25); %矩形结构元素I4=imclose(I3,se); %图像聚类、填充图像I5=bwareaopen(I4,2000); %去除聚团灰度值小于2000的部分通过对比原始图片，我们可以发现形态滤波后的图像已经很接近正

8、确的车牌位置了，因此后期处理将通过这图来找出车牌位置。3. 车牌定位观察经过预处理后得到的图像发现车牌位置有明显的矩形有明显的矩形图样，通过对矩形区域的定位即可获得具体的车牌位置。(1) 车牌的行起始和终止位置的确定y,x,=size(I5);I6=double(I5);%绘制行曲线图Y1=zeros(y,1);for i=1:y for j=1:x if(I6(i,j,1)=1) Y1(i,1)= Y1(i,1)+1; end endendfigure();subplot(1,3,1);plot(0:y-1,Y1),title(行像素灰度值累计),xlabel(行值),ylabel(像素和)

9、; temp, MaxY=max(Y1);PY1=MaxY;while (Y1(PY1,1)=80)&(PY11)PY1=PY1-7;endPY2=MaxY;while (Y1(PY2,1)=80)&(PY2y)PY2=PY2+7;end(2) 车牌的列起始位置和终止位置的确定%绘制列曲线图X1=zeros(1,x);for j=1:x for i=PY1:PY2 if(I6(i,j,1)=1) X1(1,j)= X1(1,j)+1; end endendsubplot(1,3,2);plot(0:x-1,X1),title(列像素灰度值累计),xlabel(列值),ylabel(像数和);P

10、X1=1;while (X1(1,PX1)3)&(PX1x)PX1=PX1+7;endPX2=x;while (X1(1,PX2)PX1)PX2=PX2-7;end(3) 最后拼合获取的车牌在图像的行列位置DW=I(PY1:PY2,PX1:PX2,:);subplot(1,3,3);imshow(DW),title(车牌定位后图像);4. 字符分割在汽车牌照自动识别过程中，字符分割有承前启后的作用。它在前期牌照定位的基础上进行字符的分割，然后再利用分割的结果进行字符识别。% 车牌图像转为灰度if isrgb(I)I1 = rgb2gray(I);elseI1 = I;end% 二值化车牌图像I

11、1 = im2bw(I1,graythresh(I1);%二值化图像I2 = bwareaopen(I1,16);%去除小于16像素的区块figure();subplot(1,2,1);imshow(I2),title(二值化车牌图像);% 分割字符按行积累量y,x=size(I2);I3=double(I2);X1=zeros(1,x);for j=1:xfor i=1:y if(I3(i,j,1)=1) X1(1,j)= X1(1,j)+1; endendendsubplot(1,2,2);plot(0:x-1,X1),title(车牌列像素点累计),xlabel(列值),ylabel(像

12、素和);% 分割字符Px0=1;Px1=1;figure();for i=1:7while (X1(1,Px0)3)&(Px0=3)&(Px1x)|(Px1-Px0)10) Px1=Px1+1;endZ=I2(:,Px0:Px1,:);switch strcat(Z,num2str(i) case Z1 PIN0=Z; case Z2 PIN1=Z; case Z3 PIN2=Z; case Z4 PIN3=Z; case Z5 PIN4=Z; case Z6 PIN5=Z; otherwise PIN6=Z;endsubplot(1,7,i);imshow(Z);Px0=Px1;end分割成

13、七块后的车牌图像5. 建立字符模板数据库模板库的合理建造是字符识别准确的关键之一，所以在字符识别之前必须把模板库设置好。汽车牌照的字符一般有 7 个，大部分车牌第一位是汉字，通常代表车辆所属省份，或是军种 警别等有特定含义的字符简称；紧接其后的为字母与数字。车牌字符识别与一般文字识别在于它的字符数有限， 十个阿拉伯数字09， 26 个大写英文字母 AZ 以与相关的车牌用汉字：京、沪、台、港、澳、甲、乙、丙、使、领、学、试、境、消、边、警等，以与新式军牌中的汉字南、兰、广、北、济、空、海等；车牌颜色：蓝、白、黑、黄等。所以建立字符模板库也极为方便。通过前面实验获取的几幅不同的车牌图片截取到的图片

14、加上使用PhotoShop制作的部分图片如下：建立模板数据库时必须对这些图片进行统一处理，因为对前面处理分割后的车牌图像的测量得知单个字符的最佳宽高比是1：2，所以将这些图片归一化为5025大小；因为之后的字符识别考虑使用神经网络算法进行字符识别，所以再将上面归一化后的模板图像的样本排列在一起构成125018的矩阵样本，程序设计如下：function inpt = Pretreatment(I)% 训练样本前期处理if isrgb(I) I1 = rgb2gray(I);elseI1=I;endI1=imresize(I1,50 25);%将图片统一划为50*25大小I1=im2bw(I1,0

15、.9);m,n=size(I1);inpt=zeros(1,m*n);% 将图像按列转换成一个行向量for j=1:nfor i=1:m inpt(1,m*(j-1)+i)=I1(i,j);endend这是一个自定义函数的Pretreatment.m 文件，可以解决频繁写重复代码的问题，前面的图像预处理与车牌定位的代码可以写进Location.m文件中，通过代码DW = Location(I); 取得车牌定位后的图像；同时字符分割的代码亦可写进StringSplit.m 文件中，可以通过代码PIN0,PIN1,PIN2,PIN3,PIN4,PIN5,PIN6=StringSplit(DW);

16、取得的字符分割后的图像。6. 字符识别字符的识别目前用于车牌字符识别(OCR)中的算法主要有基于模板匹配的OCR算法以与基于人工神经网络的OCR算法。基于模板匹配的OCR的基本过程是：首先对待识别字符进行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。用人工神经网络进行字符识别主要有两种方法：一种方法是先对待识别字符进行特征提取，然后用所获得的特征来训练神经网络分类器。识别效果与字符特征的提取有关，而字符特征提取往往比较耗时。因此，字符特征的提取就成为研究的关键。另一种方法则充分利用神经网络的特点，直接把待处理图像输入网络，由网络自动实现特征

17、提取直至识别。本文主要研究基于人工神经网络的方法来识别车牌字符。设计代码如下：close all;clear all;% 归一化训练样本I0=pretreatment(imread(BP/0.jpg);I1=pretreatment(imread(BP/1.jpg);I2=pretreatment(imread(BP/2.jpg);I3=pretreatment(imread(BP/3.jpg);I4=pretreatment(imread(BP/4.jpg);I5=pretreatment(imread(BP/5.jpg);I6=pretreatment(imread(BP/6.jpg);I

18、7=pretreatment(imread(BP/7.jpg);I8=pretreatment(imread(BP/8.jpg);I9=pretreatment(imread(BP/9.jpg);I10=pretreatment(imread(BP/A.jpg);I11=pretreatment(imread(BP/B.jpg);I12=pretreatment(imread(BP/C.jpg);I13=pretreatment(imread(BP/D.jpg);I14=pretreatment(imread(BP/G.jpg);I15=pretreatment(imread(BP/K.jpg

19、);I16=pretreatment(imread(BP/L.jpg);I17=pretreatment(imread(BP/M.jpg);P=I0,I1,I2,I3,I4,I5,I6,I7,I8,I9,I10,I11,I12,I13,I14,I15,I16,I17;T=eye(18,18); %输出样本% bp神经网络参数设置net=newff(minmax(P),1250,32,18,logsig,logsig,logsig,trainrp);net.inputWeights1,1.initFcn =randnr;net.layerWeights2,1.initFcn =randnr;ne

20、t.trainparam.epochs=5000;net.trainparam.show=50;%net.trainparam.lr=0.003;net.trainparam.goal=0.0000000001;net=init(net);net,tr=train(net,P,T);%训练样本% 测试I=imread(CAR/0.jpg);DW=Location(I);%车牌定位PIN0,PIN1,PIN2,PIN3,PIN4,PIN5,PIN6=StringSplit(DW);%字符分割与处理% 测试字符，得到识别数值PIN0=pretreatment(PIN0);PIN1=pretreat

21、ment(PIN1);PIN2=pretreatment(PIN2);PIN3=pretreatment(PIN3);PIN4=pretreatment(PIN4);PIN5=pretreatment(PIN5);PIN6=pretreatment(PIN6);P0=PIN0,PIN1,PIN2,PIN3,PIN4,PIN5,PIN6;for i=2:7 T0= sim(net ,P0(:,i); T1 = compet (T0) ; d = find(T1 = 1) - 1; if (d=10) str=A; elseif (d=11) str=B; elseif (d=12) str=C;

22、 elseif (d=13) str=D; elseif (d=14) str=G; elseif (d=15) str=K; elseif (d=16) str=L; elseif (d=17) str=M; elseif (d=0) str=0; elseif (d=1) str=1; elseif (d=2) str=2; elseif (d=3) str=3; elseif (d=4) str=4; elseif (d=5) str=5; elseif (d=6) str=6; elseif (d=7) str=7; elseif (d=8) str=8; elseif (d=9) s

23、tr=9; else str=num2str(d); end switch i case 2 str2=str; case 3 str3=str; case 4 str4=str; case 5 str5=str; case 6 str6=str; otherwise str7=str; endend% 识别出的结果以标题形式显示在图上S=strcat(粤,str2,str3,str4,str5,str6,str7); figure();imshow(DW),title(S);第一次训练后识别出的车牌：发现第二个字符识别错误，在进行第二次识别：可以看出完成了准确识别车牌的目的。三、 总结在汽车

24、车牌识别的整个过程中，查找了很多资料，综合了各方面的信息。车牌实现的每一步都有许多的方法，各种方法都有其优劣，但是对于具体的图像处理，并不是每一种理论在实践中都可以实现，即使实现了也很难说哪一种方法最合适，还得在具体的实验中比较选择。第二点在程序调试的过程中要耐心的检查每一个错误。测试结果表明，本设计有以下几条优点:(1) 充分利用MATLAB中已有的函数库，使整个程序设计简单易行；(2) 使用了MATLAB的自定义函数功能，使程序设计更简洁。但也发现了更多的缺点：(1) 程序的局限性：只能针对图像中一辆汽车的牌照进行识别；对于图像的元素较复杂的照片可能无法进行识别。(2) 神经网络的训练要花

25、费30秒以上的训练时间才能进行下一步的字符识别，效率太慢。(3) 程序可能会受软件环境的影响识别准确性，据测试，MATLAB的2010a 版比2009a版识别效率高，准确性也高点。车牌识别程序设计能够得以顺利完成。在很大程度上得利于MATLAB这套软件， MATLAB功能强大，它包括数值计算和符号计算，并且计算结果和编程可视化。这为编程调试创造了一个便利的环境。作为图像处理最适用的工具之一，其突出的特点是它包含一个图像处理工具包，这个工具包由一系列支持图像处理操作的函数组成。所支持的图像处理操作有:图像的几何操作、邻域和区域操作、图像变换、图像恢复与增强、线性滤波和滤波器设计、变换(DCT 变

26、换等) 、图像分析和统计、二值图像操作等。在图像的显示方面，MATLAB 提供了图像文件读入函数imread ( ) ，用来读取如: bmp 、tif 、jpg、pcx、tiff 、jpeg、hdf 、xwd 等格式图像文件；图像写出函数imwrite () ，还有图像显示函数image ( ) 、imshow() 等等。这些，都使编程效率大为提高。参考文献1 冈萨雷斯数字图像处理第二版2 MATLAB从入门到精通.周建兴 2008 4 S.J.ChapmanMATLAB编程20085 MATLAB7_0基础教程清华大学 20056 金明Matlab图形图像20057 基于 MATLAB 图像处理的汽车牌照识别系统仇成群 2008(6)8 许志影、晋平.MATLAB极其在图像处理中的应用.计算机与现代化，2004(4)9 一种复杂车辆图像中的多车牌定位方法, 光子学报 2007(1) Vol.36 No.110基于图像处理的汽车牌照的识别，秋菊 14 / 14