【正文】 和環(huán)境污染等負(fù)面效應(yīng)也日益突出，成為阻礙經(jīng)濟(jì)和社會(huì)發(fā)展的全球性共同問題。基于中國車牌照的特點(diǎn)，我們需要設(shè)計(jì)一種能識(shí)別漢字 的車牌照識(shí)別系統(tǒng)，使得這樣的車牌照識(shí)別系統(tǒng)更優(yōu)于其他只能識(shí)別數(shù)字和字母的系統(tǒng)，具有更廣的適應(yīng)性。具體要求如下： 對(duì)輸入的車牌漢字字符圖像進(jìn)行字符特征提??； 基于車牌漢字的特點(diǎn)，建 立一個(gè)車牌漢字字符標(biāo)準(zhǔn)識(shí)別樣本字庫； 通過訓(xùn)練統(tǒng)計(jì)或模式識(shí)別法來識(shí)別漢字并給出結(jié)果。 進(jìn)入 90 年代以后，隨著電子計(jì)算機(jī)軟硬件技術(shù)的發(fā)展，智能交通系 統(tǒng)（ Intelligent Transportation System，簡稱 ITS）成為解決這一矛盾的有效途徑之一。我國機(jī)動(dòng)車使用的拍照主要是根據(jù)公安部1992 年頒布的《中華人民共和國機(jī)動(dòng)車號(hào)牌》標(biāo)準(zhǔn)（ GA3692）制作的，其中漢字大約 50個(gè)。最后， 采用 模板匹配分類器 將特征提取中得到的向量與標(biāo)準(zhǔn)庫中的向量進(jìn)行比較，找到該向量對(duì)應(yīng)的漢字，并輸出結(jié)果。s, with the development of puter hardware and software technologies, the intelligent transportation system (ITS) became one of the effective ways to solve this contradiction. As mentioned above, character recognition is the core content of intelligent systems, while the Chinese character recognition (CCR) is the most difficult and important part of character recognition. The object of this project is to develop an efficient character recognition system for vehicle license plates with high speed and accuracy. This article provides a simple method. License plates on China39。 Binaryzation。 進(jìn)入 90 年代以后，隨著電子計(jì)算機(jī)軟硬件技術(shù)的發(fā)展，智能交通系統(tǒng)（ Intelligent Transportation System，簡稱 ITS） [1]成為解決這一矛盾的有效途徑之一。雖然現(xiàn)在市面上已經(jīng)有多種 CCR 軟件出售，但是他們僅僅對(duì)高質(zhì)量的標(biāo)準(zhǔn)印刷文本有較高的識(shí)別率，但是對(duì)于嚴(yán)重污染、變形、模糊、傾斜的忽地字符，特別是針對(duì)車牌識(shí)別系統(tǒng)中提取的車牌漢字字符，不能給出滿意結(jié)果 [2]。在 “不停車電子收費(fèi)系統(tǒng) (Do not stop electronic toll collection system，簡稱 ETC)”中，電子收費(fèi)將會(huì)減少不必要的收費(fèi)閘門車道數(shù)目以及因排隊(duì)交費(fèi)所造成的交通延遲。 有些 “停車管理與停車場信息系統(tǒng) ”中也應(yīng)用了牌照識(shí)別技術(shù)，用來將車輛停泊信息記錄在案，可以有效地加強(qiáng)管理，降低車輛丟失率，打擊盜竊車輛的犯罪活動(dòng) [3]。據(jù)統(tǒng)計(jì)，目前我國車牌識(shí)別產(chǎn)品主流供應(yīng)商 (如北京漢王科技、昆明利普視覺、上海高德威、沈陽聚德、北京信路威等公司 )的產(chǎn)品有一 半左右是應(yīng)用在此領(lǐng)域。從一些產(chǎn)品的解決 方案來看，實(shí)際使用時(shí)一般仍然需要人工復(fù)核。目前，車牌圖像識(shí)別技術(shù)己經(jīng)開始在移動(dòng)電子警察、城市卡口監(jiān)控、超速布控報(bào)警等城市交通 (治安 )方面有了一定的應(yīng)用。 西南交通大學(xué)本科 畢業(yè)設(shè)計(jì) (論文 ) 第 3 頁 移動(dòng)電子警察 ： 移動(dòng)電子警察現(xiàn)在逐漸應(yīng)用到交警日常工作中，采用移動(dòng)電子警察技術(shù)可以靈活地對(duì)非固定監(jiān)控點(diǎn)的交通違章和事故進(jìn)行取證處理，不僅提高了警察執(zhí)法效率，而且增強(qiáng)了執(zhí)法的公正性。由于停車管理日益成為城市交通管理中一個(gè)嚴(yán)重問題，人們對(duì)停車管理的智能化呼聲日漸高漲，通過車牌識(shí)別系統(tǒng)可以構(gòu)建一個(gè)智能的停車管理系統(tǒng)，因此，在大中城市的商場、寫字樓有很大的市場潛力。而且由于并沒有建立一個(gè)標(biāo)準(zhǔn)規(guī)范的測試體系，因此有關(guān)數(shù)據(jù)的客觀公正性、可比性和可靠性等方面尚值得商榷。如果這些因素變動(dòng)時(shí)，就可能要根據(jù)具體的樣本、通過 一定的分析學(xué)習(xí)過程以確定和修改使用的有關(guān)參數(shù)，才可能獲得較好的識(shí)別效果，否則其識(shí)別正確率可能不會(huì)很理想。通過對(duì)有關(guān)資源數(shù)據(jù)庫中 1998 年 － 20xx 年在各類期刊上公開發(fā)表的約 380 篇相關(guān)論文的統(tǒng)計(jì)，發(fā)現(xiàn)有關(guān)車牌區(qū)域定位的內(nèi)容占 50%以上。 在車牌字符切分方面，公開資 料中提出的方法主要有 ： 基于二值 (灰度 )圖像水平(垂直 )投影分布的車牌字符的切分方法、基于二值圖像字符區(qū)域上下輪廓分布的車牌字符切分方法、基于模板匹配的車牌字符切分方法、基于聚類分析的車牌字符切分方法、基于車牌二值圖像字符連通性的字符切分方法、基于顏色分類的車牌字符切分方法等。 西南交通大學(xué)本科 畢業(yè)設(shè)計(jì) (論文 ) 第 5 頁 設(shè)計(jì)的研究內(nèi)容和方法 研究內(nèi)容 車牌照識(shí)別是智能交通系統(tǒng)的一個(gè)重要課題，在車輛管理、不停車收費(fèi)等系統(tǒng)中有廣泛應(yīng)用。 對(duì)于 92 式普通民用車牌，識(shí)別的基本過程如圖 11 所示。 研究方法 本文在參考大量有關(guān)車牌圖像識(shí)別技術(shù)公開資料的基礎(chǔ)上，圍繞著車牌漢字識(shí)別技術(shù)實(shí)際應(yīng)用的特點(diǎn)和要求，并通過一定的實(shí)驗(yàn)分析手段，主要進(jìn)行了如下幾方面的工作 ： 1． 對(duì)輸入的車牌漢字字符圖像進(jìn)行預(yù)處理 在這部分工作 中，重點(diǎn)分析研究了不同圖像的規(guī)格化，灰度圖像的二值化、反色、二值化圖像的細(xì)化等方法在車牌圖像識(shí)別中的作用和應(yīng)用特點(diǎn)。圖像的規(guī)格化就是將輸入的任意尺寸（大?。┑淖址麍D像都處理成統(tǒng)一尺寸的標(biāo)準(zhǔn)漢字圖像。 西南交通大學(xué)本科 畢業(yè)設(shè)計(jì) (論文 ) 第 6 頁 （ 2） 關(guān)于圖像的二值化 在車牌圖像識(shí)別中，圖像二值化是一個(gè)非常重要的技術(shù)。 在車牌圖像識(shí)別中，對(duì)車牌漢字圖像進(jìn)行二值化可以大大的提升圖像處理速度，而且降低對(duì)計(jì)算機(jī)硬件的要求，減少硬件方面的開支。 如果自負(fù)圖像為白底黑字， MATLAB 會(huì)默認(rèn)為漢字圖像的背景為待識(shí)別圖像。所以我 們使用細(xì)化處理，將圖像漢字細(xì)化為一個(gè)單像素寬的漢字圖像。如果不同類別樣品在該特征空間中混雜在一起，則一般不可能進(jìn)行正確的分類識(shí)別。 3． 基于車牌漢字的特點(diǎn)，建立一個(gè)車牌漢字字符標(biāo)準(zhǔn)識(shí)別樣本字庫 車牌漢字字符標(biāo)準(zhǔn)識(shí)別樣本庫的建立要根據(jù)第二步所提取的字符特征的提取來建立。對(duì)于車牌漢字來說可以采用模板匹配分類器來進(jìn)行識(shí)別。 所以本課題中選用該識(shí)別方法 。然后介紹了國內(nèi)外的研究現(xiàn)狀及本設(shè)計(jì)所用到得車牌漢字識(shí)別的方法。所以在識(shí)別前，我們要對(duì)采集到的圖片進(jìn)行必要的預(yù)處理操作，以改善圖像質(zhì)量，提高識(shí)別率。 漢字 圖像的預(yù)處理 不同尺寸 漢字 圖像的規(guī)格化 圖像的規(guī)格化就是將輸入的任意尺寸（大?。┑?漢字 圖像都處理成統(tǒng)一尺寸的標(biāo)準(zhǔn) 漢字圖像。具體方法如下： 設(shè)原始圖像的大小為 MN，規(guī)格化后的圖像為 PQ（在本課題中我們才用2323）。如圖 221 所示。設(shè) f(x,y)為原圖像， g(x,y)為歸一化后的圖像， g(x,y)中的任意一點(diǎn) (x ,y )，對(duì)應(yīng)于 f(x,y)中的點(diǎn) (a,b)，根據(jù) (a,b)的具體情況來確定 g(x,y)中象素點(diǎn) (x ,y )的值。設(shè) f(x,y)為原圖像， g(x,y)為歸一化后的圖像， g(x,y)中的任意一點(diǎn) (x ,y )，對(duì)應(yīng)于 f(x,y)中的點(diǎn) (a,b)，根據(jù) (a,b)的具體情況來確定 g(x,y)中象素點(diǎn) (x ,y )的值。如果 (a,b)不是整數(shù)，即在該點(diǎn)沒有定義，那么要進(jìn)行象素內(nèi)插變換。039。 （ 2)雙線性插值法 雙線性插值法中 (x0 ,y0 )的灰度值是用與 (a,b)鄰近的四個(gè)網(wǎng)格點(diǎn) (i,j), (i+l,j),(i,j+l), (i++l)，按照下面的公式 (22)來近似 。而二值圖像是指一個(gè)取值只有 0 和 1 的邏輯組。通過對(duì)灰度圖像的二值化處理，我們可以使實(shí)際的信息量巨大、灰度級(jí)豐富的原圖像，轉(zhuǎn)化為計(jì)算量小的 二值化圖像。圖像二值化一般作為一種預(yù)處理方法，評(píng)價(jià)其效果的優(yōu)劣應(yīng)當(dāng)兼顧下面兩方面的基本要求 : 1． 二值圖像中目標(biāo)對(duì)象的完整性。如圖 23。式中某些元素可以省略，因此演化為以下三種形式： T = [f(x,y)] ............................... T 為全局 閾值 T = [N(x,y), f(x,y)] ....................... T 為局部 閾值 T = [(x,y), N(x,y), f(x,y)]................. T 為動(dòng)態(tài) 閾 值 全局閾值法根據(jù)圖像的直方圖或灰度空間分布確定 一個(gè)閾值，以此實(shí)現(xiàn)灰度圖像到 二 值圖像的轉(zhuǎn)化。非均勻光照條件等情況雖然影響整體圖像的灰度分布卻不影響局部的圖像性質(zhì)，從而使得局部閾值法比全局閾值法有更廣泛的應(yīng)用， Bernsen 算法是一種典型的局部閾值法。所以我們對(duì)二值化后的圖像進(jìn)行取反。其主要目的是提取出漢字圖像的骨架，使得在識(shí)別過程中不會(huì)因?yàn)楣P畫本身的寬度，影響到漢字結(jié)構(gòu)特征提取的準(zhǔn)確度。在第二步中，只將那些消 除后并不破壞連通性的點(diǎn)消除，否則保留。 a） 細(xì)化前圖像 b）細(xì)化后圖像 c）細(xì)化前圖像 d）細(xì)化后圖像 圖 25 圖像的細(xì)化處理 西南交通大學(xué)本科 畢業(yè)設(shè)計(jì) (論文 ) 第 17 頁 漢字 圖像的特征提取 特征空間的設(shè)計(jì)是模式識(shí)別系統(tǒng)的基礎(chǔ)。本課題所用的特征提取方法在二值圖像 漢字 輪廓、骨架為基礎(chǔ)的 漢字 特征及提取方法的基礎(chǔ)上改進(jìn)而來，所以下面主要介紹二值圖像 漢字 輪廓、骨架為基礎(chǔ)的 漢字 特征及提取方法及本文改進(jìn)后的方法 [10]。 漢字 是由橫、豎、撇、捺四種筆畫組成的，一個(gè) 漢字 區(qū)別于其它 漢字 的主要特征就是筆畫及其所在位置。在一幅二值化圖像中，漢字信息絕大部分集中在漢字骨架上，而漢字骨架信息又大多集中在若干特征點(diǎn)上。折點(diǎn)是筆劃方向出現(xiàn)顯著變化的點(diǎn) :歧點(diǎn)是三叉點(diǎn)，要求其中兩個(gè)筆段分支方向相同 。 西南交通大學(xué)本科 畢業(yè)設(shè)計(jì) (論文 ) 第 18 頁 （ 24） 式中 i, j 為 漢字 像素點(diǎn)的坐標(biāo)值， f(i， j)為像素點(diǎn)取值。 (4) 分別記錄下該 漢字 中端點(diǎn)、歧點(diǎn)和交點(diǎn)的總個(gè)數(shù)，建立特征向量。但是對(duì)于車牌漢字來說，由于圖像采集和處理方法的局限往往會(huì)造成筆畫的畸變，使得對(duì)筆畫的定義較困難，易與樣品產(chǎn)生偏差，特別是撇、捺、點(diǎn)這些筆畫的提取。 其流程圖如圖 26 所示。漢字圖像經(jīng)過尺寸規(guī)格化、二值化、反色、細(xì)化等一系列預(yù)處理后，生成了漢字圖像的骨架結(jié)構(gòu)。 在車牌 漢字 識(shí)別 設(shè)計(jì)方面，公開資料中提出的 識(shí)別方法 主要有 ： 神經(jīng)網(wǎng)絡(luò)分類器 識(shí)別 法 、 模板匹配分類器 識(shí)別法 、基于概率統(tǒng)計(jì)的 Bayes 分類器 識(shí)別 、幾何分類器 識(shí)別法 等。建立標(biāo)準(zhǔn)的車牌漢字結(jié)構(gòu)特征向量模板庫。 （ 32） 3．找出距離 D 最小時(shí)對(duì)應(yīng)的訓(xùn)練樣品 比較步驟 2 中計(jì)算出的 D,找出最小 D 值對(duì)應(yīng)的樣品。 對(duì)于車牌漢字來說， 模板匹配分類識(shí)別法的原理簡單， 要存儲(chǔ)的標(biāo)準(zhǔn)模板數(shù)量只有 50 多個(gè)，因而存儲(chǔ)量不大 。所以在選擇方法的時(shí)候，要根據(jù)識(shí)別對(duì)象和設(shè)計(jì)目的，要求。 在本章 節(jié)中，我們將對(duì)識(shí)別性能具體介紹。 從而得到漢字識(shí)別結(jié)果。 如圖 31 及圖 32 所示 。 模板匹配分類器 識(shí)別法 模板匹配分類器 識(shí)別法 就是把訓(xùn)練樣品集的所有樣品作為標(biāo)準(zhǔn)模板，將待測樣品與每一個(gè)標(biāo)準(zhǔn)模板做比較，按照某種判斷準(zhǔn)則，找出