【正文】 ．?dāng)?shù)字圖像處理（ MATLAB 版） [M]．北京： 科學(xué) 出版社， 2020． [07] N Ostu. A threshold selection method from graylevel histogram[J]. IEEE Trans Systems Man Cyberic, 1978, 8:6265. [08] JuneLee Dong, WhanLee Secong. A new Methodology for GraySeale Character Segmentation and Recognition[J]. IEEE Trans on Pattern Analysis and Machine Intelligence,1996,18(10):526527. [09] 陳永超．基于數(shù)字圖像處理的車牌識 別研究：［ D］．武漢：武漢理工大學(xué)控制理論與控制工程，2020． [10] 趙陽．基于圖像工程與框架理論識別人體細(xì)胞的智能技術(shù)研究： [D]．內(nèi)蒙古：內(nèi)蒙古科技大學(xué)激光先進(jìn)制造技術(shù) ． 2020． [11] 張鐵弓．基于 DSP 的微光視頻圖像實時處理研究：［ D］．武漢：武漢理工大學(xué)檢測技術(shù)與自動化裝置， 2020． [12] 崔江，王友仁．車牌自動識別方法中的關(guān)鍵技術(shù)研究 [J]．計算機(jī)測量與控制， 2020， 11（ 4）：260－ 262． [13] SUN Dongwei, ZHU Chenghui, ’Skew Angle Detection of the Vehicle License Plate Image and Correct Based on Radon’ Transformation[J]. Microputer Applications China, , 2020, . [14] 賈曉丹，李文舉，王海姣．一種新的基于 Radon 變換的車牌傾斜校正方法 [J]．計算機(jī)工程與應(yīng)用． 2020， 44(3)： 245148． [15] 劉同焰．車牌識別的相關(guān)算法研究與實現(xiàn) [D]．廣州：華南理工大學(xué)應(yīng)用數(shù)學(xué)． 2020． [16] Y Liu. A novel approach of segmenting touching and kerned character[A].In: Proceeding 8th International Conference on Neural Information Processing[8],2020. [17] 熊哲源，樊曉平，黎燕．基于數(shù)學(xué)形態(tài)學(xué)邊緣檢測的車牌字符分割算法．計算機(jī)應(yīng)用． ， 2020． [18] 周景超，陳鋒， 陳為多，王家捷．車牌字符分割的研究和實現(xiàn)．計算機(jī)工程， 2020， 32(5)：238243． [19] 陳黎，黃心漢，王敏等．基于聚類分析的車牌字符分割方法．計算機(jī)工程與應(yīng)用， 2020， 38(6)：221256． [20] 李文舉，梁德群．質(zhì)量退化的車牌字符分割方法 [J]．計算機(jī)輔助設(shè)計與圖形學(xué)報， 2020， 6(5)：697700． [21] 葉晨洲，廖金周，梅帆．車輛牌照字符識別系統(tǒng) [J]．計算機(jī)系統(tǒng)應(yīng)用， 1999（ 5）： 1013． [22] 石偉 ， 孫永榮 ． BP 神經(jīng)網(wǎng)絡(luò)在車牌識別技術(shù)中的應(yīng)用 [J]． 工業(yè)控制計算機(jī)． 2020． 23(4)： 1719． 南湖學(xué)院 畢業(yè)設(shè)計（論文） 33 [23] 楊艷群，標(biāo)準(zhǔn)尚未統(tǒng)一，技術(shù)仍需完善，我國車輛牌照自動識別技術(shù)發(fā)展綜述 [N]．中 國交通報， 202092． [24] 李一舒．車牌字符識別的改進(jìn)算法研究 [D]．浙江：浙江大學(xué)． 2020． [25]。至今，尚沒有一個完全通用的車牌識別系統(tǒng)問世。 最后，綜合對車牌識別系統(tǒng)的相關(guān)算法研究，在其基礎(chǔ)上實現(xiàn)了一個小的車牌識別系統(tǒng)，根據(jù)仿真、測試結(jié)果表明，該系統(tǒng)具有實際應(yīng)用的價值，甚至可以投入生產(chǎn)。本文結(jié)合我國車牌的特殊性，對車牌識別系統(tǒng)所涉及的算法做了深入的研究，在基于前人的研究成果上提出了自己的改進(jìn)。此外， BP 神經(jīng)網(wǎng)絡(luò)的具有比其他方法高的并行性和容錯性。為了驗證該系統(tǒng)的可用性與實用性，在自然條件下獲取的部分車牌樣本，對 BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，對每一個車牌進(jìn)行仿真識別，樣本與訓(xùn)練結(jié)果如圖 所示： 南湖學(xué)院 畢業(yè)設(shè)計（論文） 29 圖 車牌樣本 圖 BP網(wǎng)絡(luò)訓(xùn)練結(jié)果（ 1） 圖 BP網(wǎng)絡(luò)訓(xùn)練結(jié)果（ 2） 南湖學(xué)院 畢業(yè)設(shè)計（論文） 30 全部的仿真 結(jié)果顯示，其中 2 副車牌的字符分割與識別發(fā)生錯誤，余下的車牌都能進(jìn)行正常的識別。 P = alphabet。 = 。 {2,1} = {2,1}*。logsig39。 S1 = 10。 %%%%%%%%%%%%%%%%%%%%%%% function = mycreatenn(P,T) alphabet = P。 end tB=y2temp。 tB=tB+1。 while (sum(bw(:,tB))==y2temp) x1=x1+1。 y1=1。 ind = Ic2(:,4)。 Ic(:,4) = 1:50。 Ic = []。 南湖學(xué)院 畢業(yè)設(shè)計（論文） 26 [Ilabel num] = bwlabel(Ifill)。 Iedge2 = imdilate(Iedge, se)。 Iedge = edge(uint8(Ibw))。 end end lett=((100lett)./100)。 %輸出測試量 disp(b)。 T = [eye(10) eye(10) eye(10) eye(10)]。 for t = 4:50 輸入樣本 對網(wǎng)絡(luò)進(jìn)行 BP 算法學(xué) 習(xí) 形成能識別字符的神經(jīng)網(wǎng)絡(luò) 輸入英文字符圖像 歸一化處理 仿真測試 識別成功 顯示失敗 顯示識別字符 重新輸入 重新輸入 否 是 南湖學(xué)院 畢業(yè)設(shè)計（論文） 25 %調(diào)用函數(shù)對圖像進(jìn)行修剪 bw2 = myimgcrop(img{t})。title(39。 算法流程 圖 識別算法流程圖 程序設(shè)計 %ex1506_2 %讀取原始圖像 I = imread(39。)。title(39?；叶扰蛎浐髨D像 39。title(39。 % 清空部分變量 %%%%%%%%%%%%%%%%顯示 figure(1) imshow(I)。 南湖學(xué)院 畢業(yè)設(shè)計（論文） 20 k=m1。p_ratio(i)20) p1{m}=p{i}。 %清除部分變量 end end k=length(p)。 end p=pp。 index=find(d_ncount~=1)。 %向后合并 n=n+1。abs(p{i+1}(3)p{i}(4))=width/1 南湖學(xué)院 畢業(yè)設(shè)計（論文） 19 5) p{i+1}(1)=min(p{i}(1),p{i+1}(1))。x,y 分別為行 ,列坐標(biāo) %p_ratio 為一矩陣，用來存放圖像塊的長寬比例 %%%%%%%%%%合并臨近區(qū)域 %%%%%%% %如果有多個區(qū)域則執(zhí)行合并 if k1 n=0。 p{i}=[p{i}(1)+min(x),p{i}(2)(p{i}(2)p{i}(1)+1max(x)),... p{i}(3)+min(y),p{i}(4)(p{i}(4)p{i}(3)+1max(y))]。 %%%%%%%%%%%%%%進(jìn)一步縮小車牌候選區(qū) for i=1:k edge_IM3=double(edge(double(IM3(p{i}(1):p{i}(2),p{i}(3):p{i}(4))),39。 南湖學(xué)院 畢業(yè)設(shè)計（論文） 18 for i=1:len_h for j=1:len_v s=IM3(p_h(2*i1):p_h(2*i),p_v(2*j1):p_v(2*j))。 %%%%% p_v=double((p_v5))。 %調(diào)用 projection 函數(shù) if(p_v(1)0) p_v=[0,p_v]。 %調(diào)用 projection 函數(shù) if(p_h(1)0) p_h=[0,p_h]。 IM3=imdilate(IM2,SE)。rectangle39。 end I_edge=(255/(max(max(I_edge))min(min(I_edge))))*(I_edgemin(min(I_edge)))。 南湖學(xué)院 畢業(yè)設(shè)計（論文） 17 I=im2gray(filename)。 車牌分割算法設(shè)計 簡而言之，投影法實質(zhì)上是將車牌圖像二值化后 ,將二值圖像所有列的垂直投影做一個統(tǒng)計 ,再利用之前所得到的垂直投影直方圖的期望與方差計算 閾 值 ,從而根據(jù)車牌的形狀、車牌的紋理特征、字符特征、字符寬度以及相對位置，可以準(zhǔn)確的分割出車牌的字符位置。該語言具有四大特點(diǎn)：（ 1）具有豐富的工具箱，功能十分強(qiáng)大，支持的圖像文件格式非常豐富，如 *.BMP、 *.JPG、 *.JPEG、*.GIF、 *.TIF、 *.TIFF、 *.PNG、 *.PCX、 *.XWD、 *.HDF、 *.ICO、 *.CUR 等， 提供了 20 多類圖像處理函數(shù)，幾乎涵蓋 了圖像處理的所有技術(shù)方法，是學(xué)習(xí)和研究圖像處理的人員難得的寶貴資料和加工工具箱；（ 2）具有超強(qiáng)的數(shù)值運(yùn)算功能，超過 500種數(shù)學(xué)、統(tǒng)計、科學(xué)以及工程方面的函數(shù)運(yùn)算，并且簡單快捷；（ 3）具有強(qiáng)大的數(shù)據(jù)可視化功能，高質(zhì)量的圖形；（ 4）具有開放式的構(gòu)架和可延拓的特性，除了內(nèi)部函數(shù)外，MATLAB 主包文件和各種工具箱均可讀可改，還可以加入自己的函數(shù)構(gòu)成新的工具包。結(jié)構(gòu)示意圖如圖 所示： 圖 BP網(wǎng)絡(luò)結(jié)構(gòu)圖 其中單個的神經(jīng)元結(jié)構(gòu)如圖 所示： 圖 單個神經(jīng)元結(jié)構(gòu)圖 nj? 1? 1x ix nx ij? j1? ? ()f ? jy 2x ix nx 2y ky my lh 1h … … …jh … lh 南湖學(xué)院 畢業(yè)設(shè)計（論文） 14 設(shè)第 k1 層 中第 i 個神經(jīng)元的輸入為 )1( ?kiy ，輸出為 )(kjy ，則輸入與輸出的關(guān)系 如公式 31 所示 ： )1kN 1i ( k )jθ1)(kiy1)(kijωf(( k )jy ??? ???? （ 31） 式中： )1( ?kij?是 第 k1 層第 i 個神經(jīng)元到第 k 層的第 j 個神經(jīng)元的連接權(quán)值； kN 是 第 k層神經(jīng)元的數(shù)目； )(kj?是 第 k 層神經(jīng)元的閾值； f(x)是 神經(jīng)元的傳遞函數(shù)。經(jīng)過訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)不僅可以有效地提取信號、圖像等感知模式的特征，還可以調(diào)試現(xiàn)有的啟發(fā)模式識別系統(tǒng)，使其更好的解決不變量探測、自適應(yīng)、抽象或者概括等一些常見問題，也就是說神經(jīng)網(wǎng)路可以很好的應(yīng)用于數(shù)組識別系統(tǒng)算法的設(shè)計之中。 除此以外 ， 我國 還存在一些比較特殊的車牌，例如使館車牌、領(lǐng)館車牌、軍車車牌等。 隨著我國的數(shù)字圖像處理技術(shù)的發(fā)展以及實際應(yīng)用，我國利用數(shù)字圖像處理技術(shù)對字符進(jìn)行處理識別的技術(shù)也有所進(jìn)展，目前國內(nèi)比較具有代表性的研究院、高校有清華大學(xué)、北京信息工程學(xué)院、中字漢王、北京郵電大學(xué)、沈陽自動化 等。到 1992 年時，單個字符的手寫體達(dá)到較高的識別率，特別是數(shù)字的識別率接近 95%，于是識別系統(tǒng)開始步入市場。隨著計算機(jī)的日益發(fā)展，約在 29 世紀(jì) 40 年代， OCR(字符識別 Optical Character Recognition,簡稱 OCR)系統(tǒng)問世，但在當(dāng)時也只是商業(yè)界的數(shù)據(jù)處理手段。不言而喻，歸一化處理的目的是使得車牌字符與標(biāo)準(zhǔn)模塊中的字符特征一致。 （ 4）之后的英文字母和阿拉伯?dāng)?shù)字不存在不連通性的問題，所以只要利用第一個閾值 threshold 1 就可以分割出車牌剩下的字符。 （ 3）根據(jù)漢字特征，需要設(shè)置兩個閾值來分割一個漢字字符。由于投影法比較準(zhǔn)確、編程較簡單，且易于實際操作，能滿足在復(fù)雜環(huán)境下，所以本文采用的是投影法分割車牌字符。 yxy yxx （ 29） Radon 變化所檢測的直線是 )39。 180176。()39。)s i n39。本文所采用的方法是基于車牌投影變換的傾斜校正算法。主要的三種傾斜方式是： 水平上的傾斜、垂直上的傾斜、水平和垂直上的傾斜。 偽目標(biāo) 偽目標(biāo) 車牌 區(qū)域 圖 目前，國內(nèi)外車牌定位的主要方法有：特征定位法，邊緣檢測定位 法 ， 數(shù)學(xué)形態(tài) 定位法 ，小波變換法，開運(yùn)算定位法等。根據(jù)這種特性，可以檢測到車牌的區(qū)域，