基于MATLAB的车牌识别系统研究
(完整版)基于matlab的车牌识别(含子程序)
基于matlab的车牌识别系统一、对车辆图像进行预处理1.载入车牌图像：function [d]=main(jpg)[filename, pathname] = uigetfile({'*.jpg', 'JPEG 文件(*.jpg)'});if(filename == 0), return, endglobal FILENAME %定义全局变量FILENAME = [pathname filename];I=imread(FILENAME);figure(1),imshow(I);title('原图像');%将车牌的原图显示出来结果如下：2.将彩图转换为灰度图并绘制直方图：I1=rgb2gray(I);%将彩图转换为灰度图figure(2),subplot(1,2,1),imshow(I1);title('灰度图像');figure(2),subplot(1,2,2),imhist(I1);title('灰度图直方图');%绘制灰度图的直方图结果如下所示：3. 用roberts算子进行边缘检测：I2=edge(I1,'roberts',0.18,'both');%选择阈值0.18，用roberts算子进行边缘检测figure(3),imshow(I2);title('roberts 算子边缘检测图像');结果如下：4.图像实施腐蚀操作：se=[1;1;1];I3=imerode(I2,se);%对图像实施腐蚀操作，即膨胀的反操作figure(4),imshow(I3);title('腐蚀后图像');5.平滑图像se=strel('rectangle',[25,25]);%构造结构元素以正方形构造一个seI4=imclose(I3,se);% 图像聚类、填充图像figure(5),imshow(I4);title('平滑图像');结果如下所示：6. 删除二值图像的小对象I5=bwareaopen(I4,2000);% 去除聚团灰度值小于2000的部分figure(6),imshow(I5);title('从对象中移除小的对象');结果如下所示：二、车牌定位[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表示计时的开始，toc表示计时的结束Blue_y=zeros(y,1);%产生一个y*1的零阵for i=1:yfor j=1:xif(myI(i,j,1)==1)%如果myI(i,j,1)即myI的图像中坐标为(i,j)的点值为1，即该点为车牌背景颜色蓝色 %则Blue_y(i,1)的值加1Blue_y(i,1)= Blue_y(i,1)+1;%蓝色像素点统计endendend[temp MaxY]=max(Blue_y);%Y方向车牌区域确定%temp为向量white_y的元素中的最大值，MaxY为该值的索引PY1=MaxY;while ((Blue_y(PY1,1)>=5)&&(PY1>1))PY1=PY1-1;endPY2=MaxY;while ((Blue_y(PY2,1)>=5)&&(PY2<y))PY2=PY2+1;endIY=I(PY1:PY2,:,:);%x方向车牌区域确定%%%%%% X方向 %%%%%%%%%Blue_x=zeros(1,x);%进一步确定x方向的车牌区域for j=1:xfor i=PY1:PY2if(myI(i,j,1)==1)Blue_x(1,j)= Blue_x(1,j)+1; endendendPX1=1;while ((Blue_x(1,PX1)<3)&&(PX1<x))PX1=PX1+1;endPX2=x;while ((Blue_x(1,PX2)<3)&&(PX2>PX1))PX2=PX2-1;endPX1=PX1-1;%对车牌区域的校正PX2=PX2+1;dw=I(PY1:PY2-8,PX1:PX2,:);t=toc;figure(7),subplot(1,2,1),imshow(IY),title('行方向合理区域');%行方向车牌区域确定figure(7),subplot(1,2,2),imshow(dw),title('定位裁剪后的车牌彩色图像');的车牌区域如下所示：三、字符分割及处理1.车牌的进一步处理对分割出的彩色车牌图像进行灰度转换、二值化、均值滤波、腐蚀膨胀以及字符分割以从车牌图像中分离出组成车牌号码的单个字符图像，对分割出来的字符进行预处理（二值化、归一化），然后分析提取，对分割出的字符图像进行识别给出文本形式的车牌号码。
《2024年基于MATLAB的车牌识别系统研究》范文
《基于MATLAB的车牌识别系统研究》篇一一、引言随着智能化交通系统的不断发展，车牌识别技术在现代交通管理中发挥着越来越重要的作用。
基于MATLAB的车牌识别系统研究，能够为智能交通系统提供准确、高效的车牌信息处理手段。
本文旨在介绍基于MATLAB的车牌识别系统的基本原理、方法以及实际应用。
二、车牌识别系统基本原理车牌识别系统主要包括图像预处理、车牌定位、字符分割和字符识别四个基本环节。
基于MATLAB的车牌识别系统采用数字图像处理技术，对采集到的车牌图像进行处理，以实现车牌的准确识别。
1. 图像预处理图像预处理是车牌识别系统的第一步，主要目的是去除图像中的噪声、增强图像的对比度，以便于后续的车牌定位和字符分割。
MATLAB提供了丰富的图像处理函数，如滤波、二值化、边缘检测等，可以有效地实现图像预处理。
2. 车牌定位车牌定位是车牌识别系统的关键环节，主要采用颜色分割、形态学方法、投影分析等方法。
在MATLAB中，可以通过颜色空间转换、阈值分割等手段，提取出车牌区域，为后续的字符分割和识别提供基础。
3. 字符分割字符分割是将车牌图像中的每个字符进行分离的过程。
在MATLAB中，可以采用投影法、连通域法等方法进行字符分割。
首先对车牌区域进行垂直投影，根据投影峰值的分布情况，确定每个字符的位置，然后进行水平投影，进一步确定每个字符的宽度，从而实现字符的精确分割。
4. 字符识别字符识别是车牌识别系统的最后一步，主要是对分割后的字符进行识别。
在MATLAB中，可以采用模板匹配、神经网络等方法进行字符识别。
模板匹配法是通过将待识别的字符与标准字符模板进行比对，找出最相似的字符作为识别结果。
神经网络法则是通过训练大量的样本数据，建立字符识别的模型，从而实现高精度的字符识别。
三、MATLAB在车牌识别系统中的应用MATLAB作为一种强大的数学计算软件，在车牌识别系统中发挥着重要作用。
首先，MATLAB提供了丰富的图像处理函数和算法库，可以方便地实现图像的预处理、车牌定位、字符分割和字符识别等过程。
基于matlab车牌识别系统的研究
基MATLAB的车牌识别系统研究前言早在二十世纪90年代时，智能交通系统的概念已经被美国智能交通学会提出。
全世界经济较为发达国家的一线城市以及高速道路系统中已经得到广泛的应用。
而在该领域中我国对此研究起步较晚，伴随着全世界智能交通领域的发展，以及我们奥运盛事的成功举办，我国对此领域已经缓缓进入应用阶段，我们必须加紧对此研究步调，缓缓进入发展期。
车牌系别系统在智能交通领域的应用有数字摄像、图像分割以及图像识别和计算机信息管理等多处应用，它在智能交通管理系统中有着举足轻重的地位。
车牌识别技术已经应用于道路违章自动记录、道路交通监控、道路事故现场勘察、小区智能化管理以及高速公路超速管理系统等，提供给智能交通管理高效、实用的手段。
目前全球各国都在着手研究适应于本国汽车牌照识别技术，当前已经有相关系统技术出现。
而一个国家引进它国的系统可能无法满足本国城市发展的需求，在国内市场中虽有产品已经有投入使用，但后期处理过程中任然需要人工操作识别，然而当今高科技领域热门话题之一还是车牌识别技术。
车牌识别系统设计、制作与应用会给社会带来巨大的社会、经济、文化效益。
车牌图像处理的识别系统包含有以下五部分：图1 车牌图像处理别系统在现实的生活之中，我们不仅需要设计出的识别系统能够快速而且准确的识别出检测到的车辆牌照号码。
而且在车辆检测、图像采集、车牌识别等在系统识别过程之中都是不可忽视的重要环节，其核心技术如下：1）车牌区域定位技术，即是把所采集到车牌图像的具体位置确定出来。
2）车牌字符切分技术，即是切分和归一处理所采集到车牌区域之中的字符，其中字符的切分和识别很重要的步骤是对其进行二值化和校正处理。
3）车牌字符识别技术，即是把切分出来的字符再进行识别。
研究过程之中，车牌识别非常棘手的环节是图像处理与模式识别，需要加倍努力克服困难。
图2 自选车牌示例首先，当今车牌识别技术实际情况如下：目前国内外已经拥有大量媒体关于车牌识别技术的报道。
《2024年基于MATLAB的车牌识别系统研究》范文
《基于MATLAB的车牌识别系统研究》篇一一、引言车牌识别（License Plate Recognition，简称LPR）系统是一种智能化的图像识别系统，被广泛应用于公安交通、车辆管理等重要领域。
其作用是通过识别和读取车牌号码信息，提高车辆管理和安全控制的效率和精度。
本文将基于MATLAB软件平台，对车牌识别系统进行深入研究，并探讨其应用前景。
二、车牌识别系统概述车牌识别系统主要包括图像预处理、车牌定位、字符分割和字符识别等四个主要步骤。
其中，图像预处理是提高图像质量、去除噪声和增强图像特征的重要环节；车牌定位则是通过图像处理技术，将车牌从复杂背景中提取出来；字符分割则是将车牌上的字符进行分割，以便于后续的字符识别；字符识别则是通过机器学习、深度学习等技术，对分割后的字符进行分类和识别。
三、MATLAB在车牌识别系统中的应用MATLAB是一种强大的数学计算软件，具有强大的图像处理和机器学习功能。
在车牌识别系统中，MATLAB可以用于图像预处理、车牌定位、字符分割和字符识别的全过程。
1. 图像预处理在MATLAB中，可以使用图像处理工具箱中的各种滤波器、直方图均衡化等技术，对图像进行去噪、增强等预处理操作，以提高图像质量和特征提取的准确性。
2. 车牌定位MATLAB中提供了多种图像处理算法，如边缘检测、形态学处理等，可以用于车牌的定位。
通过这些算法，可以从复杂的背景中提取出车牌区域，为后续的字符分割和识别提供基础。
3. 字符分割在MATLAB中，可以通过投影法、连通域法等算法，对车牌区域进行字符分割。
这些算法可以有效地将车牌上的字符进行分割，为后续的字符识别提供方便。
4. 字符识别MATLAB中集成了多种机器学习和深度学习算法，可以用于字符的分类和识别。
通过训练分类器或神经网络等模型，可以对分割后的字符进行准确的分类和识别。
四、实验结果与分析本文通过实验验证了基于MATLAB的车牌识别系统的有效性和准确性。
基于MATLAB的车牌识别研究_毕业设计论文
车牌识别技术研究摘要：车牌识别是现代智能交通系统中的重要组成部分之一，应用十分的广泛。
它以数字图像处理、模式识别、计算机视觉等技术基础，对摄像机所拍摄的车辆图像进行分析，得到每一辆汽车唯一的车牌号码，从而完成识别过程，它对汽车防盗、缓解交通紧张等起到了积极的作用。
本文主要介绍了有关于车牌识别技术的原理，以及基于MA TLAB的车牌识别的设计，对一张车辆图片进行一系列的预处理（灰度化、边缘检测、腐蚀、填充、形态滤波）之后，将车牌中的字符分割出来，最后将分割出的字符与数据库中存储的字符进行模板匹配。
通过以上的步骤的实现，该系统便能完成牌照图像的定位分割和牌照字符的自动识别。
关键词：MA TLAB；图像预处理；车牌定位；字符分割；字符识别License plate recognition technology research Abstract：License plate recognition is one of the modern intelligenttransportation system is an important part of a wide range of applications. It is technology-based digital image processing, pattern recognition, computer vision, vehicle camera captured images were analyzed, only every car license plate number, thus completing the identification process, its car security, relieve stress and other traffic from to a positive role. This paper introduces the principle of license plate recognition technology and design based on MATLAB license plate recognition, for a series of vehicle image preprocessing (gray, edge detection, corrosion, fill, morphological filtering) after the license plate characters split up, and finally split the data stored in the character and the character template matching. By implementing the above steps, the system will be able to complete the positioning of the vehicle license plate image segmentation and automatic license plate character recognition.Key words：MA TLAB；image preprocessing; license plate location; character segmentation; character recognition目录1 绪论 (1)1.1研究目的和意义 (1)1.2国内外研究现状 (2)1.3我国车牌分析 (3)1.4本文章节安排 (3)2 数字图像处理概述 (5)2.1图像及其组成要素 (5)2.2数字图像及其表示 (5)2.3数字图像处理基础 (6)2.4MATLAB在数字图像处理中的应用 (6)3 车牌识别系统的原理及方法 (8)3.1车牌识别系统简述 (8)3.2车牌图像预处理 (9)3.2.1 图像灰度化 (9)3.2.2 边缘检测 (9)3.2.3 形态学图像处理 (10)3.3车牌定位原理 (11)3.4车牌字符分割 (13)3.4.1 字符分割 (13)3.4.2 字符归一化处理 (13)3.5字符识别 (13)3.5.1 字符识别简述 (13)3.5.2 字符识别分类 (14)3.5.3 基于模板匹配的字符识别 (14)4 运用MATLAB实现车牌识别 (17)4.1车牌图像灰度化 (17)4.1.1 程序分析 (17)4.1.2 结果分析 (18)4.2车牌图像预处理 (19)4.2.1 程序分析 (19)4.2.2 结果分析 (20)4.3牌照定位 (22)4.3.1 程序分析 (22)4.3.2 结果分析 (23)4.4字符分割 (24)4.4.1 程序分析 (24)4.4.2 结果分析 (25)4.5字符识别 (25)4.5.1 程序分析 (26)4.5.2 结果分析 (27)5 总结 (29)附录 (30)参考文献 (34)致谢 (35)1 绪论1.1 研究目的和意义随着计算机、通信技术、计算机网络技术在人们日常生活中的不断发展和应用，带来了经济的快速发展，社会已经进入了信息化时代，自动处理信息的能力不断提高并在人们生活的各个领域中得到广泛的应用。
基于MATLAB的车牌识别研究
基于MATLAB的字符识别研究汽车牌照识别程序的设计摘要：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及其图像处理工具概述MATLAB 是 MATrix LABoratory （矩阵实验室）的缩写，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。
《2024年基于MATLAB的车牌识别系统研究》范文
《基于MATLAB的车牌识别系统研究》篇一一、引言车牌识别系统是现代智能交通系统的重要组成部分，具有广泛的应用前景。
本文将详细探讨基于MATLAB的车牌识别系统的研究，从算法设计到实验结果，全方位地分析系统的性能与特点。
二、车牌识别系统概述车牌识别系统主要通过图像处理和计算机视觉技术，对道路上的车牌进行自动识别。
系统主要包括图像预处理、车牌定位、字符分割和字符识别等几个关键步骤。
基于MATLAB的车牌识别系统，利用其强大的图像处理和矩阵运算能力，为车牌识别提供了有效的技术支持。
三、系统设计1. 图像预处理图像预处理是车牌识别系统的第一步，主要目的是消除图像中的噪声、增强车牌信息、改善图像质量等。
在MATLAB中，可以通过灰度化、滤波、二值化等操作，对图像进行预处理。
2. 车牌定位车牌定位是车牌识别系统的关键步骤之一，主要利用图像处理技术，从整个图像中提取出车牌区域。
常用的车牌定位方法包括投影法、边缘检测法、模板匹配法等。
在MATLAB中，可以通过这些方法实现车牌的快速定位。
3. 字符分割与识别字符分割与识别是车牌识别的核心步骤，主要将定位后的车牌图像中的字符进行分割，并识别出每个字符的具体内容。
在MATLAB中，可以通过连通域分析、投影分析等方法实现字符的分割与识别。
四、实验结果与分析为了验证基于MATLAB的车牌识别系统的性能，我们进行了大量的实验。
实验结果表明，该系统在各种光照条件、不同角度、不同颜色的车牌下均能实现较高的识别率。
同时，该系统还具有实时性高、鲁棒性强等优点。
在实验过程中，我们还对系统的各个步骤进行了详细的分析。
通过调整图像预处理的参数、优化车牌定位算法、改进字符分割与识别的方法等手段，不断提高系统的性能。
最终，我们得到了一个具有较高识别率的车牌识别系统。
五、结论本文研究了基于MATLAB的车牌识别系统，从算法设计到实验结果进行了全面的分析。
实验结果表明，该系统具有较高的识别率、实时性和鲁棒性等优点，能够满足实际需求。
《2024年基于MATLAB的车牌识别系统研究》范文
《基于MATLAB的车牌识别系统研究》篇一一、引言随着科技的发展，车牌识别系统在交通管理、安全监控、车辆定位等领域的应用越来越广泛。
MATLAB作为一种强大的编程语言和数据处理工具，被广泛应用于图像处理和机器视觉等领域。
本文旨在研究基于MATLAB的车牌识别系统，包括系统的基本原理、实现方法、实验结果和结论。
二、车牌识别系统的基本原理车牌识别系统是一种基于图像处理和机器视觉技术的自动识别系统。
其主要原理包括图像预处理、车牌定位、字符分割和字符识别四个部分。
在MATLAB中，这些过程通过数字图像处理算法、计算机视觉算法以及机器学习算法实现。
（一）图像预处理图像预处理是车牌识别系统的第一步，主要目的是消除图像中的噪声和干扰信息，提高图像的清晰度和对比度，以便后续的图像处理和分析。
常用的预处理方法包括灰度化、二值化、滤波等。
（二）车牌定位车牌定位是车牌识别系统的关键步骤，其主要目的是从图像中准确地检测出车牌的位置。
常用的车牌定位方法包括基于颜色特征的方法、基于形状特征的方法和基于模板匹配的方法等。
在MATLAB中，可以通过边缘检测、Hough变换等方法实现车牌的定位。
（三）字符分割字符分割是将车牌图像中的每个字符分割出来的过程。
常用的字符分割方法包括投影法、连通域法等。
在MATLAB中，可以通过图像形态学操作、阈值分割等方法实现字符的分割。
（四）字符识别字符识别是将分割后的字符进行分类和识别的过程。
常用的字符识别方法包括模板匹配法、神经网络法等。
在MATLAB中，可以通过训练分类器、使用机器学习算法等方法实现字符的识别。
三、车牌识别系统的实现方法在MATLAB中，我们可以通过编写程序实现车牌识别系统的各个步骤。
具体实现方法如下：（一）图像预处理首先，对输入的图像进行灰度化和二值化处理，消除噪声和干扰信息。
然后，通过滤波等操作提高图像的清晰度和对比度。
（二）车牌定位通过边缘检测和Hough变换等方法检测出车牌的轮廓，并确定车牌的位置。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
上海交通大学硕士学位论文基于MATLAB的车牌识别系统研究姓名：王璐申请学位级别：硕士专业：电工理论与新技术指导教师：陈洪亮20090101基于MATLAB的车牌识别系统研究摘 要近几年，车牌识别系统作为智能交通的一个重要方向越来越受到重视。
车牌识别系统可以应用于停车场管理系统、高速公路超速管理系统、城市十字路口的“电子警察”、小区车辆管理系统等各个领域，对国家的安全发展有很大的作用。
虽然目前已有一些车牌识别系统相关产品出现，但是对其算法的研究发展从没有停止，仍有许多学者在做着进一步的研究改进。
本文首先对车牌识别系统的现状和已有的技术进行了深入的研究，在研究的基础上开发出一个基于MATLAB的车牌识别系统。
确定了整体设计方案，其中软件部分包括车牌定位、车牌字符切分及车牌字符识别三个模块。
车牌定位模块中提出了基于小波变换的车牌边缘提取的算法，以及车牌二次定位的算法，提高了系统在光照条件较差的情况下的定位准确率，该算法对于各种底色的车牌具有良好的适应性；车牌的二值化采用了改进的Otus算法，重新划分了其两维直方图的区域，改进后的算法大大减少了运行时间，对于各种类型的车牌都能达到较好的二值化效果；针对BP神经网络字符识别算法，采用有动量的梯度下降法训练网络，减小了神经网络学习过程的振荡趋势，使得BP网络能够较快的达到收敛，完成车牌字符的识别。
对模板匹配算法和BP网络算法进行对比，证明了BP网络算法要优于模板匹配算法。
根据上述算法搭建了一个测试平台。
整个测试平台的软件部分采用MATLAB的M语言编写。
通过测试平台，对353幅卡口汽车照片进行车牌识别，测试系统的性能。
测试结果表明，本课题设计的车牌识别系统可有效地实现车牌识别，为今后的产品化奠定了很好的技术基础。
关键词：车牌识别，小波变换，Otsu算法，模板匹配，BP网络，MATLABIRESEARCH ON PLATE LICENSERECOGNITION SYSTEM BASED ON MATLABABSTRACTIn recent years, the development of intelligent transportation has become more and more important. As an important aspect in intelligent transportation, plate license recognition system has taken more and more attention. The plate license recognition system can be applied to public parking, highway speeding management system, crossing road, district vehicle management system, and so on. Although now there are already some exsiting plate lecense recognition systems, the research and development of arithmetic have never stopped, and there are still many scholars who are doing further research and improvement.Firstly, the paper gives a deep research on the status and technique of the plate license recognition system. On the basis of research, a solution of plate license recognition system is proposed, and the paper focused on the software part. The whole system concludes three modules. They are plate location, plate character segmentation, and plate character recognition. In the plate location module, the paper puts forward an arithmetic of plate edge recognition by wavelet decomposition, and an arithmetic of locating twice, which improve the accuracy in bad light condition, and are fit for plates with different grounding. An improved Otsu arithmetic is used in the process of binaryzating, which reduces the running time, and can achieve good effect for different kinds of plate. In character recognition part, with the momentum of the gradient descent method, the BP neural network can fast pared the BP neural network with template matching arithmetic, which improves that the BP neural network are better than the template matching arithmetic.IIThen, a test platform has been built with MATLAB, for the test of the system. Through the test of 353 monitoring car photographs, the results shows that the system can effectively meets the requirement, and lay a good foundation of technology for productization.KEY WORDS: plate license recognition, wavelet transform, Otsu, template matching, BP neural network, MATLABIII图目录图1 车牌识别系统 (1)图2 自选号牌车牌示例 (3)图3 车辆牌照识别系统结构图 (10)图4 系统流程图 (13)图5 车牌定位的过程 (15)图6（a）原始汽车图像（b）灰度图 (16)图7 灰度变换的对比曲线 (17)图8（a）灰度图（b）灰度变换后的图像 (17)图9（a）灰度图（b）中值滤波后的图像 (18)图10 小波分解树[10] (21)图11 小波变换的Mallat算法 (23)图12 二维小波变换的Mallat算法 (24)图13 车辆灰度图 (25)图14 X=214数据线的灰度图 (25)图15 用HAAR小波进行五层分解 (26)图16 车牌图像的小波分解 (27)图17小波分解提取边缘 (27)图18 开闭运算后的图像 (28)图19 车牌区域标记 (29)图20 初步提取的车牌 (29)图22 平滑后的水平差分累加投影图 (31)图23 水平定位后的图像 (31)图24 平滑后的垂直差分累加投影图 (32)图25 精确定位后的车牌 (32)图26 车牌定位算法 (33)图27 车牌字符切分流程 (35)图28 二维Otsu算法阈值求解示意图 (38)图29 改进的Otsu算法阈值求解示意图 (40)VII图30 改进的Otsu算法二值化实验 (41)图31 图像空间 (42)图32 Hough空间 (42)图33 利用Hough变换查找倾斜角度 (43)图34 车牌二值子图及其水平投影 (44)图35 坐标变换示意图 (46)图36 两种校正算法的比较 (47)图37 字符投影图 (48)图38 字符切分后的效果图 (49)图39 车牌字符切分算法 (50)图40 加权后模板与原模板 (54)图41 特征提取 (54)图42 模板匹配字符识别流程图 (56)图43 BP神经网络结构示意图 (58)图44 三层BP网络示意图 (58)图45 BP网络的应用过程 (60)图46 BP算法流程 (63)图47 车牌识别测试系统流程 (65)图48 车牌识别测试系统界面 (67)图49 测试系统文件菜单 (68)图50 测试系统视频设备菜单 (68)图51 测试系统识别参数设置菜单 (69)图52 测试系统系统设置菜单 (70)图53 测试分析（1） (71)图54 测试分析（2） (72)图55 测试分析（3） (73)图56 测试分析（4） (73)图57 测试分析（5） (74)图58 测试分析（6） (75)图59 测试分析（7） (76)VIII表目录表1 字符识别方法结果分析 (64)表2 车牌识别结果分析 (76)IX3上海交通大学硕士学位论文绪论1绪论1.1研究背景1990年，美国智能交通学会CITS America提出了智能交通系统（ITS）的概念。
目前，智能交通系统已经在世界上经济发达国家的一些城市及高速公路系统中得到了广泛应用。
我国在该领域的研究起步较晚，但随着全球范围智能交通技术研究的兴起及奥运会的成功举办，智能交通在我国也逐渐进入了应用阶段，相应的，我国也加快了对智能交通技术研究的步伐，智能交通技术的研究现已进入快速发展期。
车牌识别系统作为数字摄像、计算机信息管理、图像分割和图形识别技术在智能交通领域的应用，是智能交通管理系统中重要的组成部分。
车牌识别技术可应用于道路交通监控、交通事故现场勘察、交通违章自动记录、高速公路超速管理系统、小区智能化管理等方面[1]，为智能交通管理提供了高效、实用的手段。
目前世界各国都在进行适用于本国汽车牌照的自动识别研究，美、日、韩等国已有相关系统（基于传感器）问世。
引进这些系统费用比较高、而且由于各国车牌和实际的交通环境不同，引进的系统往往无法满足我国城市的需求，而国内市场上虽然已有产品投入使用，但是在后续处理时很大程度上仍然需要人工识别，所以对车牌识别技术的研究依然是目前高科技领域的热门课题之一。