【正文】 圖像 對圖像進(jìn)行腐蝕 去除雜質(zhì) 通過計(jì)算尋找 X 和 Y方向車牌的區(qū)域 完成車牌定位 對分割出的車牌做進(jìn)一步處理 （ 2）牌照區(qū)域的分割 對車牌的分割可以 有很多種方法，本程序是利用車牌的彩色信息的彩色分割方法。 均值濾波是典型的線性濾波算法，它是指在圖像上對目標(biāo)像素給一個(gè)模板，該模板包括了其周圍的臨近像素。字符識(shí)別的算法很多，因?yàn)檐嚺谱址g間隔較大，不會(huì)出[m， n]=size（ d），逐排檢查有沒有白色像素點(diǎn)，設(shè)置 1=jn1，若圖像兩邊 s（ j） =0，則切割，去除圖像兩邊多余的部分 切割去圖像上下多余的部分 根據(jù)圖像的大小，設(shè)置一閾值，檢測圖像的 X 軸，若寬度等于這一閾值則切割，分離出七個(gè)字符 歸一化切割出來的字符圖像的大小為 40*20，與模板中字符圖像的大小相匹配 現(xiàn)字符粘連情況，所以此處采用的方法為尋找連續(xù)有文字的塊，若長度大于某閾值，則認(rèn)為該塊有兩個(gè)字符組成，需要分割。 圖 314 歸一化處理后的七個(gè)字符圖像 4 字符的識(shí)別 目前，字符識(shí)別方法主要有基于模板匹配算法和基于人工神經(jīng)網(wǎng)絡(luò)算法。這種匹配算法只利用了字符的關(guān)鍵點(diǎn)進(jìn)行匹配，因此，提高了識(shí)別速度又具有較高的識(shí)別率。 （ 1）神經(jīng)網(wǎng)絡(luò) 人工神經(jīng)網(wǎng)絡(luò) (ANNs)也稱為神經(jīng)網(wǎng)絡(luò)或連接模型，是對人腦或自然神經(jīng)網(wǎng)絡(luò)若干基本特性的抽象和模擬。④能夠同 時(shí) 處理定量、定性知識(shí)。 （ 2） BP神經(jīng)網(wǎng)絡(luò) BP神經(jīng)網(wǎng)絡(luò) (Back Propagation Neural Net． work，簡稱 BP神經(jīng)網(wǎng)絡(luò) )即反向傳輸神經(jīng)網(wǎng)絡(luò) 。每個(gè)節(jié)點(diǎn)的激活函數(shù)采用 O． 1函數(shù)，輸出節(jié)點(diǎn)的輸出值為 0， 1二值。輸 入 層各神經(jīng)元負(fù)責(zé)接收來自外界的輸入信息，并傳給中間各隱層神經(jīng)元；隱層是神經(jīng)網(wǎng)絡(luò)的內(nèi)部信息處理層，負(fù)責(zé)信息變換。反向傳 播其節(jié)點(diǎn)單元特征通常為 Sigmoid型 {f(X)=1／ [1+exp(一 Bx)]，B0}。logsig39。traingdx39。 =3000。 =train(,p,t) 即創(chuàng)建和訓(xùn)練神經(jīng)網(wǎng)絡(luò)。 圖 315 訓(xùn)練過程中誤差曲線變化 圖 316 訓(xùn)練結(jié)束時(shí)誤差曲線 可見，當(dāng)神經(jīng)網(wǎng)絡(luò)訓(xùn)練完成后，其樣本得出的輸出結(jié)果和期望輸出結(jié)果完全 相同，即誤差為零。 圖 318 識(shí)別結(jié)果圖形 訓(xùn)練后神經(jīng)網(wǎng)絡(luò)以及權(quán) 重結(jié) 果信息為： = Neural Network object: architecture: numInputs: 1 numLayers: 2 biasConnect: [1。trains39。mse39。 當(dāng)然，也經(jīng)常有識(shí)別錯(cuò)誤的情況發(fā)生。在此次實(shí)驗(yàn)中，也汲取了以上一些算法的思想，結(jié)合實(shí)際，反復(fù)比較，綜合分析；二是在有效性和實(shí)用的原則下，結(jié)合神經(jīng)網(wǎng)絡(luò)和人工智能的新技術(shù)的應(yīng)用是研究的一個(gè)方向。最常用的是投影分割，主要是針對在車牌定位，圖像預(yù)處理后比較規(guī)則的車牌圖像。 但是系統(tǒng)本身還存在許多不足，距離具體實(shí)用的要求仍有很大差距。 當(dāng)然， 理論只有應(yīng)用到實(shí)際中才能學(xué)著更有意義。 同樣此次 USRP 也 大大提高了我們的 動(dòng)手的能力，使我 們 充分體會(huì)到了在創(chuàng)造過程中探索的艱難和成功時(shí)的喜 悅?！爆F(xiàn)實(shí)中那些頂尖的成功人士不是成功了才設(shè)定目標(biāo)，而是設(shè)定了目標(biāo)才成功。如果一個(gè)人沒有重點(diǎn)地思考，就等于無主要目標(biāo)，做事的效率必然會(huì)十分低下。蓋茨所 説 ： “通向最高管理層的最迅捷的途徑，是主動(dòng)承擔(dān)別人都不愿意接手的工作，并在其中展示你出眾的創(chuàng)造力和解決問題的能力。一名高效能人士不會(huì)到處為自己找借口，開脫責(zé)任；相反，無倫出現(xiàn)什么情況，他都會(huì)自覺主動(dòng)地將自己的任務(wù)執(zhí)行到底。 運(yùn) 假公濟(jì)私 ,那么你要嘗試學(xué)習(xí)如何與不同的人相處 ,提高自己化 能人士的 50 個(gè)習(xí)慣 在行動(dòng)前設(shè)定目標(biāo) 有目標(biāo)未必能夠成功，但沒有目標(biāo)的肯定不能成功?！备惶m克林將自己一生的成就歸功于對“在一定時(shí)期內(nèi)不遺余力地做一件事”這一信條的實(shí)踐。 發(fā)現(xiàn)問題關(guān)鍵 在許多領(lǐng)導(dǎo)者看來，高效能人士應(yīng)當(dāng)具備的最重要的能力就是發(fā)現(xiàn)問題關(guān)鍵能力，因?yàn)檫@是通向問題解決 的必經(jīng)之路。只要把問題想透徹了，才能找到問題到底是什么，才能找到解決問題最有效的手段。杜哈提說，不論他出多小兩種能力是：第一，能思想；第二，能按事情的重要程度來做事?！爆F(xiàn) 實(shí)中那些頂尖的成功人士不是成功了才設(shè)定目標(biāo)，而是設(shè)定了目標(biāo)才成功。如果一個(gè)人沒有重點(diǎn)地思考，就等于無主要目標(biāo)，做事的效率必然會(huì)十分低下。蓋茨所 説 ： “通向最高管理層的最迅捷的途徑，是主動(dòng)承擔(dān)別人都不愿意接手的工作，并在其中展示你出眾的創(chuàng)造力和解決問題的能力。一名高效 能人士不會(huì)到處為自己找借口，開脫責(zé)任；相反，無倫出現(xiàn)什么情況，他都會(huì)自覺主動(dòng)地將自己的任務(wù)執(zhí)行到底。 運(yùn) 假公濟(jì)私 ,那么你要嘗試學(xué)習(xí)如何與不同的人相處 ,提高自己化 。杜哈提說，不論他出多小兩種能力是：第一，能思想；第二，能按事情的重要程度來做事。只要把問題想透徹了，才能找到問題到底是什么，才能找到解決問題最有效的手段。 發(fā)現(xiàn)問題關(guān)鍵 在許多領(lǐng)導(dǎo)者看來，高效能人士應(yīng)當(dāng)具備的 最重要的能力就是發(fā)現(xiàn)問題關(guān)鍵能力，因?yàn)檫@是通向問題解決的必經(jīng)之路?！备惶m克林將自己一生的成就歸功于對“在一定時(shí)期內(nèi)不遺余力地做一件事”這一信條的實(shí)踐。 運(yùn) 假公濟(jì)私 ,那么你要嘗試學(xué)習(xí)如何與不同的人相處 ,提高自己化 能人士的 50 個(gè)習(xí)慣 在行動(dòng)前設(shè)定目標(biāo) 有目標(biāo)未必能夠成功，但沒有目標(biāo)的肯定不能成功。一名高效能人士不會(huì)到處為自己找借口，開脫責(zé)任；相反，無倫出現(xiàn)什 么情況，他都會(huì)自覺主動(dòng)地將自己的任務(wù)執(zhí)行到底。蓋茨所 説 ： “通向最高管理層的最迅捷的途徑，是主動(dòng)承擔(dān)別人都不愿意接手的工作，并在其中展示你出眾的創(chuàng)造力和解決問題的能力。如果一個(gè)人沒有重點(diǎn)地思考，就等于無主要目標(biāo)，做事的效率必然會(huì)十分低下?！爆F(xiàn)實(shí)中那些頂尖的成功人士不是成功了才設(shè)定目標(biāo)，而是設(shè)定了 目標(biāo)才成功。杜哈提說，不論他出多小兩種能力是：第一，能思想；第二，能按事情的重要程度來做事。只要把問題想透徹了，才能找到問題到底是什么，才能找到解決問題最有效的手段。 發(fā)現(xiàn)問題關(guān)鍵 在許多領(lǐng)導(dǎo)者看來，高效能人士應(yīng)當(dāng)具備的最重要的能力就是發(fā)現(xiàn)問題關(guān)鍵能力，因?yàn)檫@是通向問題解決的必經(jīng)之路?！备惶m克林將自己一生的成就歸功于對“在一定時(shí)期內(nèi)不遺余力地做一件事”這一信條的實(shí)踐。 參考文獻(xiàn) [1] 夏慶觀，盛黨紅，溫秀蘭，基于 MATLAB GUI的零件圖像識(shí)別 2021年 12月 中國制造業(yè)信息化 第 37卷 第 23期 [2] 尹芳， 王衛(wèi)兵， 陳德運(yùn)，印刷體英文文檔識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)哈爾濱理工大學(xué)學(xué)報(bào)第 13卷第 6期 2021年 12月 [3] 汪益民，梅林，張義超，基于 OCR技術(shù)的書寫文字識(shí)別系統(tǒng)設(shè)計(jì) 甘肅科技第 23卷第 8期 2021年 8月 [4] 葉晨洲，廖金周，一種基于紋理的牌照圖象二值化方法，微型電腦應(yīng)用， 1999(6) [5] 朱學(xué) 芳等，一種自適應(yīng)細(xì)化方法，模式識(shí)別與人工智能， ， 1997(6) [6] 楊萬山等，基于 BP 神經(jīng)網(wǎng)絡(luò)的工程圖紙圖形符號(hào)的識(shí)別，微型電腦應(yīng)用， ， ， 2021 [7] 袁志偉，潘曉露 .車輛牌照定位的算法研究 [J].昆明理工大學(xué)學(xué)報(bào)， 2021， 26(2) [8] 劉陽，伊鐵源等 .數(shù)字圖象處理應(yīng)用于車輛牌照的識(shí)別 .遼寧大學(xué)學(xué)報(bào) .2021 [9] 許志影 、 李晉平 .MATLAB極其在圖像處理中的應(yīng)用 .計(jì)算機(jī)與現(xiàn)代化， 2021(4) [10] 崔 江 、 王友仁 .車牌自動(dòng)識(shí)別方法中的關(guān) 鍵技術(shù)研究 .計(jì)算機(jī)測量與控制， (4) [11] 梁瑋 、 羅劍鋒 、 賈云得 .一種復(fù)雜背景下的多車牌圖像分割與識(shí)別方法 [D]. 2021. [12] 張 引，潘云鶴，面向車輛牌照字符識(shí)別的預(yù)處理算法，計(jì)算機(jī)應(yīng)用研究， 1999(7) 能人士的 50 個(gè)習(xí)慣 在行動(dòng)前設(shè)定目標(biāo) 有目標(biāo)未必能夠成功，但沒有目標(biāo)的肯定不能成功。此外， 我們 還 總結(jié)出 ：知識(shí)必須通過應(yīng)用才能實(shí)現(xiàn)其價(jià)值！有些東西以為學(xué)會(huì)了，但真正到用的時(shí)候才發(fā)現(xiàn)是 兩回事，所以我 們 認(rèn)為只有到真正會(huì)用的時(shí)候才