车牌识别定位 matlab基本方法和操作

车牌识别的方法 很多，比如深度学习算法的识别

比如模式识别的算法研究等

1 车牌识别方法一

本文提出的方法 实现了车牌的定位

车牌区域的细分

然后将车牌的数值进行分割 进而可以得到每一个字符

对于字符进行识别的 得到最后车牌的数值结果

图像读取及车牌区域提取主要有：图像灰度图转化、图像边缘检测、灰度图腐蚀、图像的平滑处理以及车牌区域的边界值计算。其程序流程图如下:

                           

输入车牌图象

灰度校正

平滑处理

提取边缘

                            图 3.1 预处理及边缘提取框图

Car_Image_Bin=edge(Car_Image_Gray,'robert',0.15,'both');

在edge()函数中有Sobel算子，Prewitt算子，Roberts算子，Log算子，Canny算子及Robert算子，几种算法相比之下，Roberts算子是一种最简单的算子，是一种利用局部差分算子寻找边缘的算子，他采用对角线方向相邻两象素之差近似梯度幅值检测边缘。检测垂直边缘的效果好于斜向边缘，定位精度高，对噪声敏感,无法抑制噪声的影响。
因此本课题使用了Robert算子。

由于Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子, 根据任一相互垂直方向上的差分都可用来估计梯度，Robert 算子采用对角方向相邻两像素之差，其计算公式如下：                

 

 

%{贾婧, 葛万成, 陈康力. 基于轮廓结构和统计特征的字符识别研
究[J]. 沈阳师范大学学报: 自然科学版, 2006, 24(1): 43-46.
[2] 任柯昱, 唐丹, 尹显东. 基于字符结构知识的车牌汉字快速识别
技术[J]. 计算机测量与控制, 2005, 13(6): 592-594.
[3] 廉飞宇, 付麦霞, 张元. 基于支持向量机的车辆牌照识别的研究
[J]. 计算机工程与设计, 2006, 27(21): 4033-4035.
[4] Al-Hmouz R, S Challa. Intelligent Stolen Vehicle Detection using
Video Sensing [C]// Proceeding of Information, Decision and Control.
Adelaide, Qld., Australia. USA: IEEE, 2007: 302-307.
[5] LeCun Y, Bottou L, Bengio Y, Haffner P. Gradient-based learning
applied to document recognition [C]// Proc. IEEE, 1998. USA: IEEE,
1998: 2278-2324.
[6] Steve Lawrence, C Lee Giles, Ah Chung Tsoi, Andrew D Back. Face
Recognition: A Convolutional N

主要的代码详细见到code的连接

(3条消息) 车牌识别方法1进行字符分割和有关的数据展示-机器学习文档类资源-CSDN文库

2  车牌识别方法2

基于深度学习算法的汽车车牌识别原理和解释

网络 LeNet-5 前面
几层的处理结果，最左边是输入图像，从左到右依次是输入
层， C1 层， S1 层， C2 层， S2 层。 C1 层的输出代表相应地
6 个特征图。从图 2 中可以看出，神经网络 LeNet-5 可以很
好地提取字符的特征

图 试验的一些图像

、

h1 = sigmoid([ones(m, 1) X] * Theta1');
h2 = sigmoid([ones(m, 1) h1] * Theta2');

costFunction = @(p) nnCostFunction(p, ...
                                   input_layer_size, ...
                                   hidden_layer_size, ...
                                   num_labels, X, y, lambda);

 

主要的cnn的车牌是被的一些方法

详细的代码可以见到

(3条消息) 车牌识别深度学习算法车牌识别深度学习算法-机器学习文档类资源-CSDN文库

车牌识别技术三 基于bp神经网络的车牌识别

所谓腐蚀即一种消除边界点，使边界向内部收缩的过程。利用它可以消除小而且无意义的物体。腐蚀的规则是输出图像的最小值是输入图像领域中的最小值，在一个二值图像中，只要有一个像素值为0，则相应的输出像素值为0。假设B对X腐蚀所产生的二值图像E是满足以下条件的点（x,y)的集合：如果B的原点平移到点（x,y），那么B将完全包含于X中。本系统使用imerode()函数，

将RGB图像转换成灰度值，再将灰度图转化成二进制图，转化的方法就是限定一个阀值，如果大于阀值则为1，小于阀值为0,阀值采用全局阀值，全局阀值是指整幅图像都采用相同的阀值T处理，适用于背景和前景有明显对比的图像。虽然图像间受背景、光照等影响存在较大的差异

具体的代码

(3条消息) bp神经网络的车牌识别bp神经网络的车牌识别-机器学习文档类资源-CSDN文库

方法4  基于图像出来的车牌识别算法研究

 本设计采用基于模板匹配算法和基于人工神经网络算法对车牌进行定位识别，此算法只对蓝底白字车牌进行分割识别，对黑底白字车牌原则上整个算法可直接适用，。此算法分割出的图像像素值和模板图像达到了一致，由此便

带有word详细解答了车牌识别的方法和技巧

写了7000多个字符 详细介绍如何进行车牌是被和定位分割的方法

从MATLAB编程运行结果看，便于图像进行匹配识别，必须先将连续的字符切割成单个字符，并且在切割字符之前要将周边空白切除掉。由以上结果图可以看到，车牌被切成只含字符部分，并且七个字符被切成清晰的七个字符，实现了字符切割。由右侧的归一化图像可以看出，切割出的图像像素值和模板图像达到了一致，由此便避免了切割出的图像像素值不一致所带来的问题。

 

 

当然这个车牌识别的效果不好 可以看出，不能正确的达到车牌识别的效果

 

这个车牌的识别效果较好

 

 详细的代码

(2条消息) 车牌识别车牌识别基于图像处理的车牌识别算法研究-机器学习文档类资源-CSDN文库