Matlab平台下的车牌识别系统的设计

文章简要介绍了车牌识别系统的发展历史、结构组成及应用现状，针对相关图像处理算法采用Matlab软件进行仿真研究，主要包括图像采集与处理、车牌定位、车牌字符分割及字符识别等部分。

作为计算机视觉与模式识别技术在智能交通系统中的一项重要应用，车牌识别系统被广泛应用于高速公路车辆视频监控、智能停车场以及电子警察等。车牌识别系统的相关算法设计包括：图像采集与处理、车牌定位、车牌字符分割及字符识别。文章对车牌识别的相关算法进行了深入学习和研究，在Matlab平台下进行了车牌识别系统的设计。

车牌识别系统的发展、组成

及应用简介

车牌字符识别可以从复杂的背景中准确地提取识别汽车牌照、车辆类型等信息，在交通控制和监视中占有重要的地位，但受环境、车牌位置，以及车牌污染、缺损等因素的影响，车牌定位和识别存在一定的困难，识别率也会受到影响。因此车牌字符识别系统应具有较高的自适应性和鲁棒性，即对有一定噪声或变形的字符图像仍能正确识别。

车牌识别系统的流程图如图1所示。

图像处理及车牌定位

为了占用较少的存储空间，提高系统的执行速度，在进行图像处理时，常将彩色图像转换为灰度图像并进行二值化。

边缘检测

边缘检测的目的是标识数字图像中亮度变化明显的点。车牌识别中存在4种典型的边缘检测算子，分别为Roberts算子、Prewitt算子、Sobel算子和Canny算子。实验结果表明：Roberts算子对边缘定位较准确，在图像噪声较少的情况下分割效果很好，因此本文采用Roberts算子。

形态学处理

通过对图像的腐蚀和膨胀运算能使车牌区域连通，并最大限度地消除非车牌区域的噪声干扰。图像经过腐蚀膨胀处理后，存在许多连通的小区域但这些小区域明显不是车牌候选区域且形状不规则。使用bwareaopen函数来处理干扰对象，其作用是移除二值图像BW中面积小于阈值的对象。

车牌剪切

对二值图像进行区域提取，计算并比较区域特征参数提取车牌区域。通过计算车牌旋转角度解决车牌倾斜问题。车牌处理的总图如图2所示。

字符分割与识别

完成牌照区域的定位后，再将牌照区域分割为单个字符，一般采用垂直投影法。字符分割后图像如图3所示。

字符识别方法主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法实现简单，当字符较规整时，对字符图像的缺损、污迹干扰适应力强且识别率高。因此采用模板匹配法进行车牌字符识别。

结论

从Matlab编程运行结果看，这里采用的图像识别算法对车牌的定位有一定的效果。该算法可有效检测车牌图像的上下左右边框、旋转角度、准确分割及识别车牌字符。實际应用中，牌照识别系统的识别率与牌照质量和图像拍摄质量密切相关，还会受到各种因素干扰，需要不断完善识别系统和算法。

参考文献：

[1]王美琴，易敏，关财忠，等.车牌自动识别系统设计[J].仪器仪表用户，2020，27（10）：5-9，40.

[2]楚天鸿，唐瑞尹.基于MATLAB平台下的车牌识别系统设计[J].科技与创新，2020（14）：20-22.

[3]胡云琴，梁春美，郑卫娟.基于MATLAB的车牌自动识别系统开发与设计[J].信息通信，2020（07）：213-215.

[4]鲜晓婷.停车场车牌识别系统设计与实现[D].电子科技大学，2020.

作者简介：魏雅慧（1990—），湖北宜昌人，实验师，现就职于三峡大学 大学生素质教育中心，主要研究方向为控制理论与控制工程、计算机控制、机器视觉、仪器仪表及自动化装置。