众文网1.谁有车牌识别系统的设计与实现的论文
[通信工程]车辆牌照自动识别系统设计与实现 摘 要 车辆牌照自动识别系统是近几年发展起来的基于图像和字符识别术的智能化交通管理系统，是目前国内外模式识别应用研究领域的一个热点。
本文对系统中图像预处理、字符分割和字符识别等环节涉及的新算法、新设计做了一个比较详细的论述。 本文在图像预处理中重点讨论了灰度图像二值化的多种算法和基于数学形态学的图像去除噪声的方法。
基于数学形态学的图像去除噪声是通过对图像的开、闭操作有选择的去噪。可以去除直径小于字符笔划半径的孤立噪声点。
本文还详细地介绍了基于字符形态划分的字符识别方法。基于字符形态划分的字符识别方法是在对数字字符结构进行充分分析的基础上，对基元检测，归纳字符形态特征，得到的快速字符识别方法。
关键词 车辆牌照；图像处理；数学形态学；基元检测；字符识别；单片机 目 录 摘 要 II Abstract III 第1章 绪 论 2 1.1 车牌字符识别研究课题的背景 2 1.2 车牌字符识别研究的意义 2 1.3 车牌字符识别研究的应用现状及发展 3 1.4 本文主要内容 4 第2章 车牌图像预处理 5 2.1 数字图像处理的相关介绍 5 2.1.1 数字图像处理概念 5 2.1.2 图像的数字化表示 5 2.1.3 本文中图像处理所涉及的相关领域 6 2.2 图像二值化 6 2.2.1 彩色图像和灰度图像 6 2.2.2 基于灰度的图像二值化 7 2.2.3 图像二值化结果演示 9 2.3 用数学形态学的方法去除噪声 10 2.3.1 数学形态学的几种基本运算 10 2.3.2 经开闭运算前后的图像对比显示 16 2.4 单个字符图像的分割 17 2.4.1 我国车牌的特点 17 2.4.2 对所要识别的车牌的分析 17 2.4.3 基于列扫描黑色像素积累的字符分割 18 2.4.4 已经分割后的单个字符演示 18 2.5 本章小结 19 第3章 基于字符形态划分的字符识别 19 3.1 字符识别概述 19 3.1.1 目前字符识别的一些常规方法 20 3.2 字符轮廓分析 21 3.2.1 字符轮廓的划分 21 3.2.2 字符四方向轮廓公式化表示 21 3.3 字符轮廓的变化特征 22 3.4 字符形态划分的结构基元 22 3.4.1 字符结构基元划分原理 22 3.4.2 字符形态划分方法的特点 23 3.5 利用字符结构基元划分的字符识别原理 24 3.5.1 基元的检测 24 3.5.2 轮廓的统计特征 25 3.5.3 用字符形态识别数字字符 25 3.5.3.1 数字字符的特点 25 3.5.3.2 数字字符的识别方法 26 3.5.4 字符识别的MATLAB算法流程 27 3.6 本课题整体流程 29 3.6.1 对本课题流程的总体说明 29 3.6.2 用MATLAB完成本课题的流程图 30 3.7 基于字符形态划分的字符识别方法的特点和不足 30 3.8 本章小节 31 结 论 32 参考文献 33 翻译中文 35 英文原文 41 致谢 50 毕业设计（论文）成绩评定表 51。
2.求助车牌定位的论文
汽车牌照的自动定位是智能交通系统中的重要组成部分之一，是实现车牌识别（LPR）系统的关键。
针对不同背景和光照条件下的车辆图像，提出了一种基于灰度图像灰度变化特征进行车牌定位的方法。依据车牌中字符的灰度变化以峰、谷规律分布确定车牌上下边界，对扫描行采用灰度跳变法确定车牌左右边界。
The automated license plate location is an important part in the intelligent traffic system.It is the key step in the Vehicle License Plate Recognition(LPR).A method for the recognition of images of different backgrounds and different illuminations is proposed in the paper.the upper and lower borders are determined through the gray variation regulation of the character distribution.The left and right borders are determined through the black-white variation of the pixels in every row.在车牌识别中，最重要的步骤就是车牌定位，定位的成功与否以及定位的准确程度将会直接决定后期能否进行车牌识别以及识别的准确度。由于在现实中，汽车的车牌图像受到光照、背景、车型等外界干扰因素以及拍摄角度、远近等人为因素的影响，造成图像受光不均匀，车牌区域不明显，给车牌区域的提取带来了较大的困难。
3.车牌识别的图像边缘算法研究
图像边缘提取 常用的边缘检测算子有梯度算子、Roberts算子、Sobel算子、Prewitt算子、Canny算子 不过单用 效果不好 不知道你是什么语言的车牌识别 建议用梯度算子 效果不错 这里给出matlab的主函数：im=imread('1.kpg')I=rgb2gray(im)；%调并转化为灰度图象；[height,width]=size(I)；%预处理I_edge=zeros(height,width)； %创建height*width的矩阵for i=1:width-1 % 对每一列开始遍历I_edge(:,i)=abs(I(:,i+1)-I(:,i)）；% 每列的值赋为原图像中左右两列相减的绝对值（即梯度）endI_edge=(255/(max(max(I_edge))-min(min(I_edge))))*(I_edge-min(min(I_edge)））；%归一化处理（0~255） [I_edge,y1]=select(I_edge,height,width)； %%%%%%调用select函数BW2 = I_edge；% 经过梯度变化的图象 图像边缘检测图像边缘检测图像边缘检测%%%%%%%%%%%%%%%%一些形态学处理SE=strel('rectangle',[10,10]);IM2=imerode(BW2,SE)；%使用二值结构要素矩阵SE队图像数据矩阵BW1执行腐蚀操作IM2=bwareaopen(IM2,20);IM3=imdilate(IM2,SE)；%使用二值结构要素矩阵SE队图像数据矩阵BW1执行膨胀操作 %开运算，调用函数：function [y,y1]=select(ImageData,h,w)thr=0.5;delta=0.05;%y=(ImageData>=thr*mean(max(ImageData))); BW2=bwareaopen(y,10);SE=strel('square',15); figure(4),subplot(1,2,2);imshow(BW2);title（'清除小面积对象'）；%开运算，消除细小物体 IM2=imdilate(BW2,SE)； %膨胀figure(5),subplot(1,2,1);imshow(IM2);title（'第一次膨胀操作'）； IM3=imerode(IM2,SE)；%腐蚀 figure(5),subplot(1,2,2);imshow(IM3);title（'第一次腐蚀操作'）； average=sum(sum(IM3))/(h*w);while(average<0.03||average>0.08)%参数可能需要自己调整 % if(average<=0.005||average>=1) % break; %end if(average<0.03) thr=thr-delta; else thr=thr+delta; end y=(ImageData>=thr*mean(max(ImageData))); BW2=bwareaopen(y,10); IM2=imdilate(BW2,SE);figure(6),subplot(1,2,1);imshow(IM2);title（'第二次膨胀操作'）； IM3=imerode(IM2,SE);figure(6),subplot(1,2,2);imshow(IM3);title（'第二次腐蚀操作'）； average=sum(sum(IM3))/(h*w);endy1=y;y=IM3;。
4.车牌识别的图像边缘算法研究
图像边缘提取 常用的边缘检测算子有梯度算子、Roberts算子、Sobel算子、Prewitt算子、Canny算子 不过单用 效果不好
不知道你是什么语言的车牌识别 建议用梯度算子 效果不错 这里给出matlab的
主函数：
im=imread('1.kpg')
I=rgb2gray(im)；%调并转化为灰度图象；
[height,width]=size(I);
%预处理
I_edge=zeros(height,width)； %创建height*width的矩阵
for i=1:width-1 % 对每一列开始遍历
I_edge(:,i)=abs(I(:,i+1)-I(:,i)）；% 每列的值赋为原图像中左右两列相减的绝对值（即梯度）
end
I_edge=(255/(max(max(I_edge))-min(min(I_edge))))*(I_edge-min(min(I_edge)））；%归一化处理（0~255）
[I_edge,y1]=select(I_edge,height,width)； %%%%%%调用select函数
BW2 = I_edge；% 经过梯度变化的图象 图像边缘检测图像边缘检测图像边缘检测
%%%%%%%%%%%%%%%%一些形态学处理
SE=strel('rectangle',[10,10]);
IM2=imerode(BW2,SE)；%使用二值结构要素矩阵SE队图像数据矩阵BW1执行腐蚀操作
IM2=bwareaopen(IM2,20);
IM3=imdilate(IM2,SE)；%使用二值结构要素矩阵SE队图像数据矩阵BW1执行膨胀操作 %开运算，
调用函数：
function [y,y1]=select(ImageData,h,w)
thr=0.5;delta=0.05;
%
y=(ImageData>=thr*mean(max(ImageData)));
BW2=bwareaopen(y,10);SE=strel('square',15);
figure(4),subplot(1,2,2);imshow(BW2);title（'清除小面积对象'）；
%开运算，消除细小物体
IM2=imdilate(BW2,SE)； %膨胀
figure(5),subplot(1,2,1);imshow(IM2);title（'第一次膨胀操作'）；
IM3=imerode(IM2,SE)；%腐蚀
figure(5),subplot(1,2,2);imshow(IM3);title（'第一次腐蚀操作'）；
average=sum(sum(IM3))/(h*w);
while(average0.08)%参数可能需要自己调整
% if(average=1)
% break;
%end
if(average=thr*mean(max(ImageData)));
BW2=bwareaopen(y,10);
IM2=imdilate(BW2,SE);
figure(6),subplot(1,2,1);imshow(IM2);title（'第二次膨胀操作'）；
IM3=imerode(IM2,SE);
figure(6),subplot(1,2,2);imshow(IM3);title（'第二次腐蚀操作'）；
average=sum(sum(IM3))/(h*w);
end
y1=y;
y=IM3;
5.车牌号识别的算法思路,matlab是什么软件
我用matlab好几个年头了，实际上我觉得matlab就是一个工具包，里面有一些现成的关于各种计算的模块----几乎包含了各个专业需要数值计算的地方，我们需要做的就是使用这些模块、按matlab的语法来完成我们自己需要的计算，计算过程中可以完全的在matlab环境完成、不需要第三方的工具；也可以用C/C++等语言来调用matlab中现有函数，把计算交给matlab的函数，C/C++等语言来处理计算的结果，当然这个调用过程需要按照一定的语法来完成。
额，不知道这些解释清不清楚。关于图像识别我知道有一个插件-大漠插件，图像文字识别游戏后台，我经常用它识别文字。
6.基于MATLAB的毕业设计有哪些
基于MATLAB的毕业设计有： 1、基于MATLAB的视图技术分析。
2、二值图像细化算法研究与实现。 3、基于MATLAB下的信号分析与处理。
4、基于matlab的伪彩色处理与研究。 5、matlab进行小波分析。
matlab将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案。 扩展资料 MATLAB特点 1、高效的数值计算及符号计算功能，能使用户从繁杂的数学运算分析中解脱出来； 2、具有完备的图形处理功能，实现计算结果和编程的可视化； 3、友好的用户界面及接近数学表达式的自然化语言，使学者易于学习和掌握； 4、功能丰富的应用工具箱（如信号处理工具箱、通信工具箱等） ，为用户提供了大量方便实用的处理工具。
7.STM32车牌识别算法该怎么编写
建议使用matlab，网上搜搜国外有一些demo程序。
---。安.视.宝。---
车辆自动识别是建立在图像对比组件的基础上，利用摄像机拍摄车辆运行动态视频，然后采用先进的神经网络算法和模糊算法相结合，通过对视频流的采集和处理，完成车牌自动识别，自动进行车牌号码比较，并以文本的格式与进出场数据进行打包保存。
原理介绍：车辆自动识别系统对摄像机抓拍到的每帧图像都识别，并自动找到最佳识别效果的图像，应用这种方法可以很好地提高抓拍率、识别率，并且能够降低工程的施工难度。立林智能网络车牌自动识别正是基于这一思想，采用专有的技术，利用高速的识别算法核心对视频流进行逐帧的识别，即对单个车辆进行了多次识别，从而有效克服了现有车辆识别技术存在的许多缺陷。使用连续多帧识别，从工程的角度看，比单帧识别成功的机率要高很多，这是因为连续抓拍的图像的角度、光照不同，识别效果也不尽相同，从理论上讲，只要有一帧足够清晰的图像就有一个好的识别结果。立林智能网络车牌自动识别还采用先进的目标跟踪，以及识别结果最佳化等方法，来确保从车流中一个一个地甄别出序列化的车牌。
要实现对视频流逐帧识别，必须采用行之有效的高速识别算法，即神经网络算法和模糊算法相结合，否则无法达到实用的效果。对于常用的768*288高分辨率图像，立林智能网络车牌自动识别可以在3到10毫秒内完成全部的识别过程，并且在多个应用中实施了单台计算机多路的实时识别方案。
8.浅谈车牌识别硬识别和软识别的区别与对比
汽车牌照自动识别技术它是利用车辆的动态视频或静态图像进行牌照号码、牌照颜色自动识别的模式识别技术。
通过对图像的采集和处理，完成车牌自动识别功能，能从一幅图像中自动提取车牌图像，自动分割字符，进而对字符进行识别。其硬件基础一般包括触发设备（监测车辆是否进入视野）、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机（如计算机）等。
自动识别技术分为硬识别和软识别（其实两者是相辅相成的）“硬件识别”就是通过独立的硬件设备，对所抓拍图片进行一系列的字符处理；目前停车场系统行业中硬件识别也分为两种，即带有单独的车牌识别仪和前端硬件识别两种。前端硬件识别一体式摄像机是将传统单独的车牌识别仪嵌入至摄像机中，实现前端硬件与摄像机一体化，完美实现图像抓拍、视频流传输、字符识别、道闸抬杆等一系列的工作。
“软件识别”可以理解为通过软件对车牌号码进行的，通过在电脑上安装一个配套的车牌识别软件，对抓拍的图片进行识别处理。其工作方式是通过摄像机连续抓拍多张照片，选择其中较为清晰的一张，然后通过电脑软件进行字符处理，实现车牌识别的。
因为每次识别需要抓拍多张照片，因此软识别的速度较慢。而且软识别系统对所抓拍的图片要求也是极高的，必须极为清晰才能达到想要的效果。
该系统对现场环境以及调试质量要求极高，在诸多环境不佳的场合都不适用，并且识别设备的摆放也是非常重要的。软硬识别的对比：1、分析识别模式硬识别系统：采用视频流分析识别，对监控范围内的视频流进行全天候实时分析；软识别系统：图片分析识别，对到达指定范围内的车辆进行拍照，再对照片进行分析；当车辆位置不佳时，识别易出错。
2、智能算法模型硬识别系统：采用智能模糊点阵识别算法，准确率更高，识别率大于99.70%。很少需要人工干预。
软识别系统：OCR/字型拓扑结构识别算法，会频繁出现误识别情况，准确率低于90%。需要人工不断输入纠正后的号牌。
3、可靠性及稳定性：硬识别系统：专用识别器采用TI 公司的高速DSP，双CPU控制，确保系统可靠性和稳定性。软识别系统：软件识别，容易频繁出现死机等情况，需经常重新启动电脑，造成间断性系统瘫痪。
软硬识别优势互补：在硬件识别不出来或者硬件识别错误的情况下，启用软识别，完美融合，融合后准确率达99.99%。该技术常用于停车场及小区出入口、高速公路收费站、公路卡口和城市交通。
目前国内比较好的车牌识别厂家有科拓、捷顺、享泊科技、西安艾润、道尔智控。简单说一下这几家厂商：【科拓】1、产品多元化致力于研发并提供多元全面的智慧停车场应用解决方案，只围绕停车场做业务延伸，公司所能做的停车场业务点覆盖最广2、硬件品和软件技术科拓有自己的硬件及软件人才，能独立做硬件及软件，省去中间供应商环节，成本低。
3、停车场行业资历较深公司始创于2006年，总部位于厦门，在北京、上海、广州等全国重点城市拥有二十多家全资子公司、分公司及办事处，实力雄厚。【捷顺】1、公司成立于1992年，上市公司，有政府背景。
2、有资本助力，送设备已名声在外。3、道闸及软硬件一般，技术能力一般。
【享泊科技】1、新兴的互联网公司，属于系统集成商，软识别比较厉害。2、停车场的软件和云平台系统有较大优势，毕竟骨干在华为干了十几年。
3、主要在上海开展业务，其他地方只能去他们官网购买产品，而且不包邮，不包安装（安装要钱）。【西安艾润物联网技术服务有限责任公司】1、硬件产品行业内一般化，软件行业知名。
2、软件行业优势（能做到：云服务平台、多车位多车、电子优惠券、定制化开发、对接会员管理系统、报表分析、兼容第三方软件平台）3、能做无线技术，采用无线路由（有待验证，公司宣传能做）【深圳市道尔智控科技股份有限公司】1、上市公司2、支持运营报表输出（BI分析系统）3、支持微信、支付宝支付4、有自己的道儿云开放平台，可定制化开发5、车牌识别准度一般。
转载请注明出处众文网 » 车牌识别算法的研究和实现毕业论文(谁有车牌识别系统的设计与实现的论文)