Sobel算法车辆牌照边缘提取与检测软件设计+MATLAB仿真(2)
1. 课题的研究背景和意义
1.1 课题背景
随着信息技术和微电子技术的不断进步，人们对信息的处理能力有了很大的提高，并且已经在生活的各个领域得到广泛应用。在这种情况下，信息的自动化提取、图像识别技术越来越受到人们的关注和重视。比如指纹识别、二文码扫描识别，人脸识别技术已经进行了广泛的应用。在这个发展迅速的社会，汽车在人们的生产、生活的各个领域已经是不可或缺的工具了，对它的信息自动采集与管理对高速公路收费站的管理和控制，交通部门对车辆的监控、小区对进出入车辆管理、停车场收费以停车位管理等有着跨时代的意义，我们对它的研究也是当代信息自动化处理技术的一项重要课题。由于现在城镇道路监控技术和ITS智能交通技术的发展和融合，“电子狗（俗称监控探头）已经成为约束驾驶员违章违法、缓解交通拥堵、降低交通事故的重要手段。电子狗具有实时监控性，可以对车辆违法违章现象进行稳定、准确、全天候自动监控，使得在交通管理部门能够轻松地查看交通情况或者违法违章情况。同时也给交警带来了方便，使得交警的工作量降低，缓解压力，有效抑制交通事故。电子狗在国内几乎已经普遍应用，技术已经相当成熟，可以做到交通信息实时统计分析的监控系统。但是即使是这样，工作量也是不小的，怎样做到数据自动分析生产便成了主要研究的内容，所以这要用到汽车牌照识别技术，也是智能交通系统中的一个重要环节。
1.2 汽车牌照识别技术的工作原理及发展状况
车牌识别是利用对汽车图像进行抓拍，车牌号码自动识别的模式识别技术。一个完善的车牌自动识别系统主要包括车辆捕捉、图像采集、图像预处理、边缘检测、特征提取、车牌分割，字符识别，字符输出等几部分。当车辆靠近车辆触发单元时，视频抓拍模块开始启动工作，进行车辆的视频录入。然后车牌识别单元对图像进行预处理，经历降噪、滤波等然后定位出车牌的边缘，再将车牌中的字符分割提取出来进行识别后并与数据库的信息进行比对，最后组成车牌号码输出。
我们一般采用雷达来检测车辆检测部分，通过雷达测距来检测是否达到视频抓拍的距离。
由于车辆的流动性，我们必须要做到对车流量的实时性的检测，验证，来达到准确性能的提高，若遇到坏天气的时候我们可以利用补光灯或LED设备来增加光强，以此来提高抓拍的图片质量。
车辆检测：一般多采用红外设备，雷达测距设备，地感线圈等等，当车辆的距离达到临界值时便会触发视频抓拍功能，因此可以拍下过往的车辆。
图像采集：这部分主要是通过高性能摄像机，对来往的车辆进行实时的图像
采集的过程。
图像预处理：这部分主要是对采集的图像做一个降噪，滤波，增加白平衡提
高图像的质量的一个过程[1]。
车牌定位：在车辆预处理后主要对图像的灰度做出处理，突出车辆牌照的边
缘，让车牌显示更清晰。
字符分割：通过对车辆图像进行一些前期的处理后，准确定位出车牌位置，
把车牌从车辆图像中提取出来，通过对车牌图像进行灰度处理、直方图均衡、二值化等处理，定位字符区域，然后根据不同字符的特征进行分割[2]。
字符识别：对分割后的字符进行处理，和数据库中的字符进行比对，验证。
结果输出：将识别的结果输出到系统的输出模块。