针对车牌识别系统的实际应用, 利用车牌区域的边缘梯度特征、几何形状特征、颜色特征、灰度纹理特征定位车牌, 然后校正车牌图像的颜色及倾斜度; 基于灰度投影法, 对普通及武警车牌均提出了有效字符分割方案, 通过自适应判别去除因字符断裂粘连、特殊字符等造成的干扰; 通过基于多特征值提取的神经网络方法初识别车牌; 最后将人眼的视觉特性用于模板匹配法, 解决易混淆字符及污损车牌的问题。通过大量实验证明, 该方法对车牌颜色、拍摄角度、光照条件等限制较少, 适用范围广、识别率高, 有较强的实用性。

一个基于matlab的车牌识别源程序，可以运行，功能完善，内涵字符模板。

基于Matlab的车牌识别源代码，有车牌定位，字符分割。模板匹配等功能模块，带注解便于理解，附带GUI界面，方便操作，毕业设计，课程设计的不二选择，有问题也可私我咨询。

本资源主要分为三个部分：车牌定位 字符分割 字符识别，每个部分都可单独运行。 车牌定位采用数学形态学和颜色特征相结合的方法。首先对图片进行开闭运算、轮廓检测等数学形态学操作突出车牌区域，然后依据车牌的形状特征去除部分干扰区域，并利用仿射变换对可疑车牌区域进行倾斜矫正，最后根据车牌颜色特征选取最终区域，同时确定车牌的颜色。 字符分割基于投影法，利用二值化图像像素的分布直方图进行分析。其中水平投影确定字符区域并去除上下边框，垂直投影找出相邻字符的分界点，并通过适当算法组合分离的汉字和去除车牌上的分隔点、边缘等干扰； 字符识别基于keras框架，首先搭建卷积神经网络对训练集进行训练，准确率达到97.87%，然后利用训练好的模型对分割下的字符逐一进行识别，最终组成车牌号码，实现车牌识别的目标。