基于FPGA的车牌识别系统的设计与实现

论文摘要

汽车牌照自动识别系统是近几年发展起来的在智能交通领域应用的重要研究课题之一。在车牌自动识别系统中,首先要将车牌从所获取的图像中分割出来,然后对车牌上的每一个字符进行分割提取,这是进行车牌字符识别的重要步骤。获取字符的准确与否直接影响车牌识别率。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研究,对各种车牌图像处理方法进行分析、比较,并通过编写Matlab源文件,实现了车牌定位、车牌预处理、字符分割和识别。本次设计中主要针对彩色图像进行分析处理,提取彩色图像中的蓝色部分,从而初步定出车牌的区域；再对二值化后的车牌图像进行进一步处理,得到车牌的精确区域；通过列扫描的方法对字符进行分割,并对分割出的字符进行规范化；得到的字符用于下一步的字符识别。字符识别采用模板匹配的方法,先对截取的字符进行水平方向、垂直方向的扫描,并记录扫描到的笔画数；之后对上下左右4个方向上的边界处进行扫描,判断边界处是否有长边线并记录。通过提取这些特征,并用这些特征值与预存的模板字特征值进行比较,对字符进行识别。本文通过对要实现的算法的硬件分析,利用QuartusⅡ中的SOPC Builder软件,添加固有组件和车牌识别模块完成系统集成,并在QuartusⅡ中完成系统硬件的综合、仿真、编译和下载；在Nios Ⅱ软件中完成系统软件设计,最后对采集的车牌图像进行实验分析。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 引言
• 1.2 国内外现状
• 1.3 车牌识别主要技术
• 1.4 本文主要的研究工作
• 第2章 车牌识别方法简介
• 2.1 车牌定位
• 2.1.1 基于边缘检测的定位法
• 2.1.2 基于车牌颜色特征的定位法
• 2.2 图像预处理
• 2.2.1 灰度化
• 2.2.2 二值化
• 2.2.3 去噪声
• 2.3 字符分割
• 2.4 字符识别
• 2.4.1 结构模式识别
• 2.4.2 统计模式识别
• 2.4.3 统计识别与结构识别的结合
• 2.4.4 人工神经网络
• 2.5 本章小结
• 第3章 车牌识别的设计方案
• 3.1 车牌定位
• 3.1.1 基于边缘检测的定位法
• 3.1.2 基于车牌颜色特征的定位法
• 3.1.3 定位方法总结与选用
• 3.2 图像预处理
• 3.2.1 灰度化
• 3.2.2 二值化
• 3.2.3 去噪声
• 3.2.4 规范化
• 3.3 字符分割
• 3.3.1 标记边界坐标
• 3.3.2 提取字符区域
• 3.3.3 判断字符有效性
• 3.3.4 第二次规范化
• 3.4 字符识别
• 3.4.1 特征提取
• 3.4.2 特征匹配
• 3.4.3 输出字符计数器
• 3.5 基于FPGA的车牌识别总体设计
• 3.5.1 系统功能概述
• 3.5.2 系统性能要求
• 3.5.3 系统层次设计
• 3.5.4 系统总体结构
• 3.6 本章小结
• 第4章 MATLAB环境下的编程实现
• 4.1 MATLAB简介
• 4.1.1 MATLAB发展历史
• 4.1.2 MATLAB的语言特点
• 4.2 车牌识别的程序设计与实现
• 4.2.1 车牌定位的实现
• 4.2.2 图像预处理的实现
• 4.2.3 字符分割的实现
• 4.2.4 字符识别的实现及最终结果
• 4.3 车牌识别设计的识别率
• 4.4 本章小结
• 第5章 基于FPGA车牌识别系统的实现
• 5.1 车牌识别系统的硬件实现
• 5.1.1 系统集成
• 5.1.2 综合
• 5.1.3 时序仿真
• 5.2 系统软件设计实现
• 5.2.1 系统初始化
• 5.2.2 图像数据的传输
• 5.2.3 图像处理结果显示
• 5.3 车牌识别系统实际检测效果
• 5.4 本章小结
• 第6章 结论与展望
• 6.1 总结
• 6.2 本设计中的缺陷
• 6.3 展望
• 参考文献
• 致谢