基于Matlab的车牌识别中值滤波算法的研究与实现
【摘要】智能交通系统（Intelligent Transport Systan）是把车辆和道路综合起来考虑，从系统的观点出发，综合运用各种高新技术系统地解决交通问题的思想。而车牌识别LPR（License Plate Recognition）是智能交通系统的一个重要组成部分，融合了图像处理与模式识别技术。中值滤波是一种非线性滤波方式，本文研究的即是基于Matlab的车牌识别中值滤波算法的实现。
【关键词】智能交通系统;车牌识别;中值滤波算法;Matlab实现
随着城市化的进展，机动车日益普及，而随之带来的交通拥堵、交通事故等一系列交通问题有待解决。
针对此问题，人们运用先进的科学技术与管理方法，系统地解决道路的交通问题，最终形成了智能交通系统ITS（Intelligent Traffic System）这个概念。
而车牌识别LPR（License Plate Recogn-ition）作为智能交通系统的一个重要组成部分，融合了图像处理与模式识别技术，在高速公路电子收费站、停车场等城市交通管理中占有不可替代的重要地位。
交通系统是一个相当复杂的系统，如果单独从车辆方面去考虑或者是单独从道路方面去考虑，都很难从根本上解决问题。在这种情形下，把车辆和道路综合起来考虑，从系统的观点出发，综合运用各种高新技术系统地解决交通问题的思想就应运而生了，于是就提出了智能交通系统（Intelligent Transport Systan），简称ITS。
智能交通系统是通过车辆检测装置对过往的车辆进行检测，提取相关的交通数据，达到监控和指挥交通的目的。智能交通系统的主要研究对象是车辆和道路，其研究目的是提高道路的通行能力和利用效率，其研究重点是解决公路交通问题。应用智能交通系统可以有效地提高交通运输效益。
智能交通系统的概念出现于20世纪90年代初期，它是通过车辆检测装置对过往的车辆进行检测，提取相关的交通数据，达到监控和指挥交通的目的。智能交通系统（ITS）是将先进的信息技术、数据通信传输技术、电子传感技术、控制技术及计算机技术有效地集成运用于整个交通管理系统而建立的一种在大范围内，全方位发挥作用的、实时、准确、高效的综合交通运输管理系统，是现代地面交通运输体系的发展方向，是交通运输进入信息时代的重要标志[1]。
汽车牌照是车辆的唯一“身份证”，车牌识别技术可以在不影响汽车任何状态的情况下，由计算机自动完成对汽车“身份”的识别。
一个完整的车牌识别系统应该包括车辆检测、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，采集当前的车牌视频图像。车牌识别单元对采集到的图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，最后组成牌照号码输出。
车牌识别是一门多学科的综合技术，它融合了图像处理、模式识别和计算机视觉技术，是智能交通系统中的基础环节和重要技术。这项技术已经应用于交通流量检测、交通控制与诱导、机场、港口等出入口车辆管理、小区车辆管理、闯红灯等违章车辆监控、不停车自动收费、道口检查站车辆监控、公共停车场安全防盗管理、计算出行时间、车辆安全防盗、查堵指定车辆等领域。其潜在市场应用价值非常大，能够产生巨大的社会效益和经济效益。
通常，车牌识别过程分为图像预处理、车牌定位、车牌校正、字符分割和字符识别五个部分。
（1）图像预处理，在车牌识别系统中，由于采集硬件条件和实际采集环境的影响，采集到的图像质量并不高，所以就需要对车牌图像先进行图像预处理操作。
（2）车牌定位，车牌定位的主要工作是从拍摄到的汽车图像中找到车牌所在的位置，并把车牌从背景区域中准确地分割出来，以供后序的字符分割使用。车牌定位是车牌识别系统中的重要步骤之一，其关键是能否找到有效的车牌特征。
（3）车牌校正，由于拍摄车牌图片的摄像头与车身存在角度问题，得到的车牌图片并不是水平的，为了能够顺利地进行后续的字符分割和识别，就必须对车牌图像进行角度纠正。
（4）字符分割，我们日常所见到的车牌字符之间的间隔是比较大的，因此可以排除字符粘连的情况。之所以要进行此步骤，目的就是找出具有连续文字特征的块，在此操作之前我们通常会设定一个标准的阈值，只要该块的长度超过了所设定的阈值，则认为该块是由两个字符所构成的，这时就需要进行字符分割。
（5）字符识别，准确的识别出分割后的单个字符是车牌识别系统的最后一步，也是车牌识别的最终目的。车牌识别系统实现的难点在于首先要获取高质量的车牌图像，这对于车牌识别的正确性有很大的影响;其次，要对车牌区域进行正确的定位和字符分割;最后是对分割出的车牌字符进行识别。在图像的采集和传输过程中，由于受到外界各种因素的影响，采集到的图像不一定适合车牌的字符提取和识别。
所以，先对采集到的车牌图像进行必要的预处理， 对图像进行平滑和增强，从而达到突出车牌区域和有效字符信息的目的，有助于进一步的识别。图像的预处理包括：图像去噪和增强、图像的格式转换和压缩等。对图像去除噪声，常采用滤波的方法，其目的是突出图像需要的特征，削弱不需要的特征，以改善图像的质量。
本文研究的是基于Matlab的中值滤波算法的实现。
在图像的获取、采集、处理和传输过程中，由于受方法和工具等因素的影响，不可避免地产生内部干扰和外部干扰，会使图像不同程度地引入各种噪声，这些噪声使图像的质量变差，进而影响对图像进行图像分割、特征提取、图像识别等处理。为了稳定目标识别，提高精度等必须对图像去除噪声。
目前去除噪声的方法主要是进行图像滤波，而对图像滤波的要求是：既能去除图像以外的噪声，同时又要尽量保持图像的细节。图像增强的方法有两大类：频率域方法与空间域方法。
空间域处理方法是直接对图像中的像素进行处理，基本上是以灰度映射变换为基础的，所用的映射变换取决于增强的目的。目前，在空间域主要采用邻域平均法和中值滤波法来消除噪声。
中值滤波是一种非线性滤波方式，实现起来非常简单可行。一个数值集合的中值median是这样的值，在数值集合中，有一半小于或等于median，还有一半大于或等于median。为了对一幅图像的某个像素做中值处理，必须将邻域内所有的像素包括正在被处理的像素排序，确定出中值，并将该中值赋予该像素点[2]。中值滤波作为一种常用的图像预处理方法，能够有效地去除脉冲噪声、盐椒噪声[3]。
对于一定类型的随机噪声，中值滤波器提供了一种优秀的去噪能力，比小尺寸的线性平滑滤波器的模糊程度明显要低很多，使它成为很受众的应用。
同时，与均值滤波器以及其他线性滤波器相比，它能够在去噪的过程中不模糊图像的边缘，较好地保持图像的清晰度[3]。
2、源码下载：
粒子群算法matlab源码如下，有需要的朋友可以点击进行下载