车牌识别-模板匹配-BP神经网络-卷积神经网络[深度学习]

文章来源：http://blog.csdn.net/fighting_dreamer/article/details/56285738

1 车牌识别的步骤

车牌定位
车牌分割
字符识别 

正如上面所讲,车牌识别主要分为3个部分,其中第一部分车牌定位,一般采用颜色定位,特征定位等,这方面一堆资料我就不写了.分割一般采用投影法.识别的话方法就比较多了,有模板匹配,bp神经网络,卷积神经网络等.

2 一个简单的例子

先读取车牌图片

[uuu,vvv]=uigetfile({'*.jpg;*.tif;*.png;*.gif;*.BMP;*.JPEG','All Image Files'} ,'MultiSelect', 'on');%获取一张车牌照片
path=strcat(vvv,uuu);%拼接图片路径
img_rgb=imread(path);
imshow(img_rgb);title('原图');

1
2
3
4
5
6
1
2
3
4
5
6



%% 开始二值化处理

figure1=figure(1);subplot(231);imshow(img_rgb);title('原图');
subplot(232);imshow(img_rgb);title('二值化后的图 ")

1
2
3
4
5
1
2
3
4
5


 

调用rot_angle子函数,计算图像需要旋转的最佳角度要旋转的最佳角度,返回 后旋转图像.

Angle=rot_angle(s_b,6,-6,1)
if Angle~=0
s_bw1=imrotate(s_bw1,Angle,'nearest','crop');
end

1
2
3
4
5
1
2
3
4
5

%% % 调用字符分割函数分割处理好的车牌

devide_word=devide_word(plate);

1
2
3
1
2
3



%% %调用训练好的cnn网络识别车牌

resault=recognize(plate_word)

1
2
3
4
1
2
3
4



上面大体是,车牌识别的大概步骤, 

识别采用卷积神经网络识别,效果最好.训练网络时样本数一定要大, 

我的样本数大概是800多,



别的例子,证明卷积神经网络的优越性.