基于matlab的车牌字符分割
基于matlab图像处理的车牌识别系统_毕业设计论文
基于matlab图像处理的车牌识别系统目录摘要 (1)第一章绪论 (3)1.1研究背景及意义 (3)1.2车牌系统简介 (4)1.2.1国内外现状 (5)1.2.2车牌识别难点 (6)1.3 MATLAB的简介 (7)1.3 MATLAB语言特点 (8)第二章图像预处理 (8)2.1 图像采集 (8)2.2 图像预处理 (9)2.2.1 图像灰度化 (9)2.2.2 图像增强 (11)第三章车牌定位与分割 (12)3.1 车牌定位 (13)3.2 车牌分割 (17)3.3 车牌进一步处理 (17)第四章字符分割和归一化 (18)4.1 字符分割 (19)4.2 字符归一化 (19)4.3 字符识别 (20)第五章汽车号牌识别系统实现与分析 (22)5.1 系统实现 (22)5.2 系统分析 (25)总结 (28)参考文献 (29)致谢 (30)摘要随着二十一世纪到来，经济快速发展和人们生活水平显著提高，汽车逐渐成为家庭的主要交通工具。
汽车的产量快速增多，车辆流动也变得越来越频繁，因此给交通带来了严重问题，如交通堵塞、交通事故等，智能交通系统(Intelligent Transportation System)的产生就是为了从根本上解决交通问题。
在智能交通系统中车牌识别技术占有重要位置，车牌识别技术的推广普及必将对加强道路管理、城市交通事故、违章停车、处理车辆被盗案件、保障社会稳定等方面产生重大而深远的影响。
该设计主要研究基于MATLAB软件的汽车号牌设别系统设计，系统主要包括图像采集、图像预处理、车牌定位、字符分割、字符识别五大核心部分。
系统的图像预处理模块是将图像经过图像灰度化、图像增强、边缘提取、二值化等操作，转换成便于车牌定位的二值化图像；利用车牌的边缘、形状等特征，再结合Roberts 算子边缘检测、数字图像、形态学等技术对车牌进行定位；字符的分割采用的方法是将二值化后的车牌部分进行寻找连续有文字的块，若长度大于设定的阈值则切割，从而完成字符的分割；字符识别运用模板匹配算法完成。
如何使用Matlab技术进行车牌识别
如何使用Matlab技术进行车牌识别车牌识别技术是一种在现代交通管理、安保等领域应用广泛的技术。
通过使用Matlab软件，我们可以轻松实现车牌识别功能。
本文将介绍如何使用Matlab技术进行车牌识别。
一、图像预处理在进行车牌识别之前，首先需要对图像进行预处理。
图像预处理的目的是提取车牌信息并减小噪声干扰。
在Matlab中，我们可以使用一系列图像处理函数来实现图像预处理，包括图像二值化、边缘检测、形态学操作等。
这些函数可以帮助我们提取车牌轮廓，并去除背景和噪声。
二、车牌定位车牌定位是车牌识别的关键步骤之一。
通过车牌定位，我们可以找到图像中的车牌区域，并将其与其他区域进行区分。
在Matlab中，可以使用图像分割、形态学滤波等技术来实现车牌定位。
这些技术可以帮助我们提取车牌的形状、颜色和纹理等特征，并将其与其他区域进行区分。
三、字符分割一旦我们成功地定位了车牌区域，就需要将车牌中的字符进行分割。
字符分割是车牌识别中的一个重要环节。
通过将车牌中的字符进行分割，我们可以得到单个字符的图像，为后续的字符识别做准备。
在Matlab中，可以使用一系列图像处理函数来实现字符分割，包括边缘检测、连通性分析和投影分析等。
这些函数可以帮助我们将车牌中的字符与其他区域进行分离。
四、字符识别字符识别是车牌识别的核心任务。
通过对字符进行识别，我们可以得到车牌中的文本信息。
在Matlab中，可以使用模式识别、神经网络或者深度学习等技术来实现字符识别。
这些技术可以帮助我们训练一个分类器，将字符图像与对应的字符进行匹配。
通过匹配算法，我们可以得到车牌的文本信息。
五、车牌识别结果展示在进行车牌识别之后，我们可以将识别结果进行展示。
通过将识别结果与原始图像进行对比，我们可以验证车牌识别的准确性。
在Matlab中，可以使用图像绘制函数和文本显示函数来实现车牌识别结果的展示。
通过这些函数，我们可以在原始图像中标注出识别结果，并将结果显示在图像上。
基于MATLAB的车牌智能识别设计
基于MATLAB的车牌智能识别设计摘要：车牌智能识别技术是智能交通系统中的重要组成部分，能够提高交通管理效率和安全性。
本文基于MATLAB平台，设计了一种车牌智能识别系统，通过图像处理和模式识别技术实现车牌号码的准确识别。
该系统能够实现对车辆行驶过程中的车牌信息进行实时提取和识别，具有较高的准确性和稳定性，可以有效应用于停车场管理、交通违法抓拍等领域。
关键词：车牌智能识别；MATLAB；图像处理；模式识别一、引言随着汽车数量的快速增长，交通拥堵和交通管理成为社会发展中的一大难题。
为了提高交通管理效率和安全性，智能交通系统得到了广泛的关注和应用。
车牌智能识别技术作为智能交通系统中的重要组成部分，能够实现对车辆行驶过程中的车牌信息进行实时提取和识别，为交通管理和监控提供了重要的支持。
二、相关技术及方法1. 图像处理技术图像处理技术是车牌智能识别系统中的核心技术之一，主要包括灰度化、二值化、边缘检测、形态学处理等操作。
灰度化是将彩色图像转换为灰度图像，简化了图像信息的处理；二值化将灰度图像转换为二值图像，方便进行特征提取和分割操作；边缘检测可以准确提取车牌的轮廓信息；形态学处理可以用于去除图像中的噪声点和填充孔洞，提高字符的连通性。
2. 字符分割与特征提取字符分割是指将车牌图像中的字符分离出来，是车牌识别的关键步骤之一。
在字符分割后，需要进行字符的特征提取，包括字符的大小、形状、像素点分布等特征。
这些特征可以用于字符的识别和分类，提高识别的准确性和鲁棒性。
3. 模式识别算法模式识别算法是车牌智能识别系统中的另一个核心技术，主要包括基于模板匹配的模式识别、基于统计学习的模式识别、基于深度学习的模式识别等方法。
这些算法能够对字符进行准确的识别和分类，为车牌智能识别系统提供了强大的分析和识别能力。
三、车牌智能识别系统设计基于MATLAB平台，设计的车牌智能识别系统主要包括图像预处理、字符分割与特征提取、模式识别和结果输出四个主要模块。
matlab车牌识别原理
matlab车牌识别原理
MATLAB车牌识别原理涉及图像处理和模式识别技术。
首先，图
像被获取并传入MATLAB环境。
然后，车牌识别过程通常包括以下步骤：
1. 图像预处理，包括灰度化、去噪、增强和边缘检测等。
这些
步骤有助于减少干扰和突出车牌区域。
2. 车牌定位，使用图像处理技术，如边缘检测、形态学操作和
轮廓分析，来定位图像中的车牌位置。
3. 字符分割，在车牌上识别出的字符需要被分割成单独的图像。
这通常需要使用分割算法和形态学转换来分离每个字符。
4. 字符识别，对每个单独的字符进行识别。
这可以使用基于模
式识别的方法，如人工神经网络或支持向量机等，来对字符进行分
类和识别。
MATLAB提供了丰富的图像处理和模式识别工具箱，包括用于图
像预处理、特征提取和分类的函数和工具。
通过结合这些工具，可
以实现车牌识别系统的各个步骤。
此外，MATLAB还支持深度学习工具箱，可以用于训练深度神经网络来进行车牌识别。
总的来说，MATLAB车牌识别原理涉及图像处理和模式识别技术的综合应用，通过一系列步骤对车牌图像进行处理和分析，最终实现对车牌的准确识别。
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。
车牌识别的matlab程序的难点与解决方法(一)
车牌识别的matlab程序的难点与解决方法(一)车牌识别的matlab程序的难点与解决引言车牌识别是图像处理领域的一个重要应用，它可以在不同场景下自动识别和提取车辆的车牌信息。
在实际应用中，针对车牌识别的matlab程序存在着一些难点，本文将详细介绍这些难点及相应的解决方法，以帮助资深的创作者更好地实现车牌识别程序。
难点一：车牌识别算法选择子标题一：基于颜色特征的车牌识别算法•难点：车牌颜色在不同光照条件下会发生变化，导致识别算法的准确性下降。
•解决方法：采用颜色空间的变换（例如RGB到HSV），通过调整阈值和颜色范围，去除非车牌区域的干扰。
子标题二：基于边缘检测的车牌识别算法•难点：车牌边缘与周围物体边缘相似，容易造成误判。
•解决方法：利用形态学操作（如膨胀和腐蚀）来实现边缘闭合，并通过设定合适的阈值对边缘进行提取，降低误判概率。
子标题三：基于字符分割的车牌识别算法•难点：字符之间存在粘连和重叠情况，增加了字符分割的难度。
•解决方法：基于连通区域分析的方法，通过计算字符之间的间距和像素个数，对重叠和粘连的字符进行分割。
难点二：噪声影响的处理子标题一：图像预处理•难点：采集到的车牌图像可能存在噪声和模糊问题。
•解决方法：使用图像增强算法（如直方图均衡化和高斯滤波）对车牌图像进行预处理，提高图像的质量。
子标题二：光照不均匀的情况•难点：车牌图像在不同光照条件下会出现明暗不均的问题。
•解决方法：使用自适应阈值化算法，根据图像局部区域的光照情况对图像进行二值化处理，提高车牌识别的准确性。
难点三：多样化的车牌样式和字体子标题一：车牌样式的差异•难点：不同地区和不同国家的车牌样式存在差异，增加了车牌识别的难度。
•解决方法：基于模板匹配的方法，通过建立车牌模板库，对不同样式的车牌进行匹配比对，提高识别的准确性。
子标题二：字体的多样性•难点：不同车牌使用的字体风格各不相同。
•解决方法：使用字符特征提取算法，通过对字符轮廓和特征点的统计分析，识别不同字体的字符。
基于matlab车牌的定位与分割识别程序概要
基于Matlab 的车牌定位与分割 经典算法I 二imread('car.jpg');I1=rgb2gray(l);%转化为灰度图像subplot(3,2,2),imshow(I1),title('灰度图像');I2=edge(I1,'robert',0.09,'both');%采用 robert 算子进行边缘检测 subplot(3,2,3),imshow(I2),title('边缘检测后图像');%读取图像figure 。
； subplot(3,2,1),imshow(l), title('原始图像');边绿检浪I 启图像se=[1;1;1]; %线型结构元素 I3=imerode(l2,se);%腐蚀图像subplot(3,2,4),imshow(l3),title('腐蚀后边缘图像');se=strel('recta ngle',[25,25]);矩形结构元素 I4=imclose(l3,se);%图像聚类、填充图像 subplot(3,2,5),imshow(I4),title('填充后图像');一5Hbwa「eaopen(一4200S % 卅弗W HM W 血、」丿-H 2000subp_0f(326二M X N H si z e (_5=_6Hdoub_e(_5xYlHzeros(y3_fonyf o r li-r xif(l6(i,j,1)==1)Y 1(i,1)= Y1(i,1)+1;endend[temp MaxY]=max(Y1);figure。
；subplot(3,2,1),plot(0:y-1,Y1),title('行方向像素点灰度值累计和'), xlabel('行值'),ylabel('像素');行值%求的车牌的行起始位置和终止位置PY 仁Max Y;while ((Y 1(PY1,1)>=50)&&(PY 1>1))PY 1=P Y1-1;endPY 2=Max Y;while ((Y 1(PY2,1)>=50)&&(PY2<y))endPY 2=P Y2+1;endIY=I(P Y1:P Y2,:,:);X1= zeros(1,x);for j=1:xfor i=PY1:PY2if(l6(i,j,1)==1)X1(1,j)= X1(1,j)+1;endend endsubplot(3,2,2),plot(0:x-1,X1),title('列方向像素点灰度值累计和'), xlabel('列值'),ylabel('像数');歹U方向像素点衣度值黒计环CT1OC%求的车牌的列起始位置和终止位置PX仁1;while ((X1(1,PX1)<3)&&(PX1<x))PX1= PX1+1;endPX2=x;O 2OD 400 600 800歹UfSwhile ((X1(1,PX2)<3)&&(PX2>PX1))PX2=PX2-1;endPX仁PX1-1;PX2=PX2+1;%分割出车牌图像%dw=l(P Y1:P Y2,PX1:PX2,:);subplot(3,2,3),imshow(dw),title('定位剪切后的彩色车牌图像')定位剪切后的耘色车牌图像4.2车牌字符分割确定车牌位置后下一步的任务就是进行字符切分分离出车牌号码的全部字符图像。
基于Matlab的车牌识别(完整版)
基于Matlab的车牌识别摘要:车牌识别技术是智能交通系统的重要组成部分，在近年来得到了很大的发展。
本文从预处理、边缘检测、车牌定位、字符分割、字符识别五个方面，具体介绍了车牌自动识别的原理。
并用MATLAB软件编程来实现每一个部分,最后识别出汽车车牌。
一、设计原理车辆车牌识别系统的基本工作原理为：将摄像头拍摄到的包含车辆车牌的图像通过视频卡输入到计算机中进行预处理，再由检索模块对车牌进行搜索、检测、定位，并分割出包含车牌字符的矩形区域，然后对车牌字符进行二值化并将其分割为单个字符，然后输入JPEG或BMP格式的数字，输出则为车牌号码的数字。
车牌自动识别是一项利用车辆的动态视频或静态图像进行车牌号码、车牌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。
某些车牌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。
一个完整的车牌识别系统应包括车辆检测、图像采集、车牌识别等几部分。
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。
车牌识别单元对图像进行处理，定位出车牌位置，再将车牌中的字符分割出来进行识别，然后组成车牌号码输出。
二、设计步骤总体步骤为：基本的步骤：a.车牌定位，定位图片中的车牌位置；b.车牌字符分割，把车牌中的字符分割出来；c.车牌字符识别，把分割好的字符进行识别，最终组成车牌号码。
车牌识别过程中，车牌颜色的识别依据算法不同，可能在上述不同步骤实现，通常与车牌识别互相配合、互相验证。
(1）车牌定位: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车牌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，找到符合汽车车牌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车牌区域，并将其从图象中分割出来。
- 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)。
《多媒体通信技术》课程报告
专业通信与信息系统
学号
姓名
任课教师
基于matlab的车牌字符分割
摘要：本文利用投影分割的方法对车牌字符进行分割，并利用模板匹配的方法进行字符识别，在图像进行预处理后的基础上，利用对车牌图像分块扫描的方法对车牌图像去边框处理，在去边框的基础上对每个字符进行分割，得到单个字符。
关键字：字符；预处理；分割
1、引言
智能交通系统(intelligent transportation system，ITS)的发展现今对社会生活、国民经济和城市建设产生积极而深远的影响，我国已经将其列为优先发展的高技术产业化重点领域[1]。
车牌识别系统(1icense plate recognition，IJR)是目前交通部门十分重要的科研课题之一，它主要包括车牌定位、字符分割和字符识别三部分，字符分割和字符识别是最后的关键环节。
本文主要通过运用投影分割的方法对车牌进行字符分割并利用模板匹配的方法对车牌字符进行识别。
2、图像预处理
图像预处理是对输入的图像进行一系列变换处理，使之成为符合字符识别模块要求的图像。
图像预处理环节对于最终识别的正确率有很大影响，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。
若不对图像进行预处理，这些噪声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，预处理的好坏一定程度上影响到字符识别的正确率。
图像预处理首先需要将待识别的字符从输入的灰度图中分离出来。
最常用的方法就是图像二值化。
2.1图像的灰度化
就是将彩色图像转化为具有256个灰度级的黑白图像，灰度图像只保留图像的亮度信息，去除了色彩信息，就像我们平时看到的黑白照片，它的亮度由暗到明，而且亮度变化是连续的。
图像灰度化后可以使处理运算量大大减少，这样处
理过程就变得更加简单和省时。
在灰度图像中，通常将亮度划分成0到255共256个级别，0最暗，255最亮。
图 2-1 灰度化的图像
2.2 图像的阈值化处理
所谓图像二值化就是指将灰度图转化为只含有两种灰度值的图像，一种为背景，另一种为待识别的字符，本文采用动态阈值法将图像二值化：如果输入图像较暗或者车牌较脏，如果采用固定的阈值将图像进行二值化，生成的二值图会非常黑或者有很多噪声。
二值化有很多方法，主要为P片法或者峰谷法。
本文采用的是P片法，阈值的大小的设定基于以下假设：由于现有车牌绝大部分为蓝底白字或者黄底黑字车牌，设理想的车牌平均包含大约60％的蓝／黄色像素和40％的白／黑色像素。
首先，将图像二值化，计算出黑色和白色像素的比例，将它和期望值进行比较。
从而算出新的阈值，直到近似等于期望值为止[2]。
图1为理想状态下车牌原图片和的阈值化图片。
图 2-2-1 阈值化的图像
图像经过上述步骤处理后，已经从带有噪声的灰度图像转变为符合识别要求的图像。
该图像为只包含两种灰度值的二值图像，并且具有统一尺寸。
而且在预处理环节中，已最大限度地去除了输入图像中的噪声，在保持字符原本信息不丢失的前提下，把待识别的字符从背景中成功地分离出来。
3 车牌的去边框处理
在对车牌进行定位后，车牌的上下边缘处总会残留一些车牌的边框或者铆钉等噪声无法去除，待车牌被分割后也会给后续的字符识别带来麻烦，为了消除这些影响，须将其去除。
因此本文根据车牌的特点，采用分块扫描加上最小外接矩形的方法对车牌进行去边框处理。
具体的算法如下[3]：第一步对车牌自上而下2/5
进行行扫描，设定阈值为9，当灰度值等于1的时候count加一，如果count的值小于阈值9，则所有灰度值为1的灰度全部强制变为背景；然后从下往上扫描车牌剩余的3/5，判断条件同上；第二步，对经过上述处理的车牌自上而下前2/5行进行行扫描，设定阈值为列数的2/5的整数，对车牌前2/5的每行进行求和，赋值给temp，加入temp大于阈值，这行全部变为背景，再对车牌自下而上进行行扫描，方法同上；第三步，利用最小外接矩形的方法去除边框所以黑色多余的背景。
图 3-1强制背景法的图
图 3-2最小外接矩形去掉多余背景图
4车牌字符的分割
本文利用投影分割法[4]对车牌字符进行分割在字符之间的像素值理想情况下为零，实际情况可能有些许噪声，但只要噪声不大，已可据此实现字符的分割。
计算出车牌区域垂直方向上的二值投影图找到波谷点[5]，从而根据这些波谷点来对整个车牌字符进行分割，并且抛弃掉字符与字符之间的间隙。
分割的字符如下：
图 4-1车牌字符分割图
5、总结
在车牌识别系统的性能指标中，识别率和识别速度难以同时提高，除了处理技术的原因外，还受到拍摄设备、计算机硬件设备等性能的限制。
同时仍有许多问题需要在未来的工作中加以解决。
(1)本文提出的车牌字符分割方法虽然速度上有优势，但分割效果受到环境的影响还很大，如何提高分割效果将是下一步工作的重点。
(2)本文只探讨了一种蓝底白字的单排普通标准车牌的分割，没有涉及对其
它车牌(两排字符，或其它底色等)的分割，这仍是今后需要研究的重点。
参考文献：
[1]夏良正，李久贤.数字图像处理[M].北京：东南大学出版社,2006
[2]应宏微,宋加涛. 汽车牌照字符分割方法[J].电视技术，第34卷，第十一期：94—97
[3]张敏松，郭玉珂.汽车牌照定位与字符分割[J].现在算计技术，第29期：103-106
[4]Park, Kim S H, Jung K I, et al. Location vehicle license plates using neural Networks[J]. Electronics Letters, 2002, 35:1475-1477.
[5]Keechul Jung, Kwang InKim, Anil K Jain. Text information extraction in images and video: a survey[J]. Pattern Recognition, 2004, 37:977-997.。