【正文】 檢測(cè)，把各個(gè)字符分離開(kāi)來(lái)。 } } t=int(t/(imgwidth*imgheight))。iimgwidth。 } } } 根據(jù)上段程序知道 定義一個(gè)閾值 value,根據(jù) 其閾值的大小來(lái)進(jìn)行二值化，根據(jù)不同的閾值將得到不同的二值化圖像 。 for(i=0。 } 在經(jīng)過(guò)兩 種方法得到的 灰度 圖 香 的比較得到如下結(jié)論 ： 兩種方法得到灰度圖像在視覺(jué)上沒(méi)有明顯的差別，其主要差別只是在像素的灰度值上，變換的權(quán)值不同使得到的灰度像素的亮度值不一樣。 } 2）根據(jù)人生理感官權(quán)值法 在式子中很容易的 圖 所示。 1）灰度權(quán)值法 根據(jù)原理式子，經(jīng) 過(guò) VC 編程實(shí)現(xiàn)了灰度的轉(zhuǎn)換如圖 所示。 根據(jù)原理，對(duì)車(chē)牌圖像做中值濾波，得到相應(yīng)的圖 像如 圖 所示。( ) ( ) ( 1 ( ) ) ( 1 )j j j j j jjO f I f I f I O OI ??? ? ? ? ? ?? (220) 所以 1(1 )Lj j j k jkkO O w? ? ???? ? (221) 因此，輸入層到隱含層的連接權(quán)值的修正公式 1(1 )Lij j i i j j k jkkw O O O O w? ? ? ? ??? ? ? ? ? （ 222） 同理，隱含層的任意神經(jīng)元閾值的修正公式為 1(1 )Lj j j k jkkO O w? ? ? ??? ? ? ? ? （ 223） 這樣，無(wú)論輸出層還是隱含層，神經(jīng)元連接權(quán)值的修正公式都可以表示為 ( 1)xy y xw t O??? ? ? （ 224） 當(dāng)考慮多個(gè)樣本時(shí)，修正公式可表示為 1( 1)Pxy py pxpw t O???? ? ? ? （ 225） 學(xué)習(xí)效率 ? 對(duì)學(xué)習(xí)過(guò)程的影響越大， ? 越大，權(quán)值的變化越劇烈，容易產(chǎn)生振蕩。為減少誤差 E，連接權(quán)值 W的增減應(yīng)按照負(fù)梯度方向改變，即 EW W? ?? ?? ? （ 28） 為簡(jiǎn)單運(yùn)算 ，考慮一個(gè)樣本的情況。在這種情況下，激發(fā)函數(shù)的微分可用激發(fā)函數(shù)本身表 示，其關(guān)系是 39。 感知器是一個(gè)具有單層的神經(jīng)元網(wǎng)絡(luò)，它的激發(fā)函數(shù)通常式閾值型的，主要用于模式分類，其網(wǎng)絡(luò)結(jié)構(gòu)如圖 所示 1x 2x nx1y 2y ny11w 21w 22nw nnw1nw12 2n1n1? 2? n? 圖 單層神經(jīng)網(wǎng)絡(luò) （ 2）多層人工神經(jīng)網(wǎng)絡(luò) 由于感知器是單層網(wǎng)絡(luò)只能解決線性可分問(wèn)題，要增強(qiáng)分類能力的惟一途徑就是采用多層網(wǎng)絡(luò)，即在輸入和輸出層之間加上隱含層構(gòu)成多層前饋網(wǎng)絡(luò)即為 BP 網(wǎng)絡(luò)模型，湖南工業(yè)大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 17 如圖 所示。 BP 網(wǎng)絡(luò)的模型結(jié)構(gòu) （ 1）人工神經(jīng)元 人工神經(jīng)元是對(duì)生物神經(jīng)元的一種模擬簡(jiǎn)化。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過(guò)反向傳播來(lái)不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。 Rumelhart、McClelland 和他們同事洞察到神經(jīng)網(wǎng)絡(luò)信息處理的重要性，于 1982 年成立了一個(gè) PDP小組，研究并行分布信息處理方法。 60 年代末期，人工神經(jīng)網(wǎng)絡(luò)的研究進(jìn)入了低潮。Rosenblatt 設(shè)計(jì)制作了 “ 感知機(jī) ” ，它是一種多層的神經(jīng)網(wǎng)絡(luò)。但是，由于指令存儲(chǔ)式計(jì)算機(jī)技術(shù)的發(fā)展非常迅速，迫使他放棄了神經(jīng)網(wǎng)絡(luò)研究的新途徑，繼續(xù)投身于指令存儲(chǔ)式計(jì)算機(jī)技術(shù)的研究，并在此領(lǐng)域作出了巨大貢獻(xiàn)。因而，他們兩人可稱為人工神經(jīng)網(wǎng)絡(luò)研究的先驅(qū)。 1943 年，心理學(xué)家 W 3）直線提取法：在字符圖像中用米字線來(lái)作為特征取值，計(jì)算每條直線上所占有的像素點(diǎn)來(lái)作為字符的特征值?；谶@種思路，可以選取合適數(shù)目的的行和列來(lái)進(jìn)行特征提取，這樣可以大大減少計(jì)算量，只需要能有效的提取出特征值就可以識(shí)別出字符。其擬合方程式如下： ( , )f x y a x b y cxy d? ? ? ? (22) 可以根據(jù) 已知 四個(gè)定點(diǎn)的值來(lái)確定 a、 b、 c、 d的值 。 插值方法有許多種，例如最鄰近插值法、雙線性插值法和高階插值法等。xxaXyybY? ?????? ???? (21) 其中， XY? 為原圖圖像大小， (, )xy 為原圖圖像中某一點(diǎn)坐標(biāo)，歸一化后該點(diǎn)坐標(biāo)為( 39。歸一化處理實(shí)質(zhì)上就是要統(tǒng)一即將識(shí)別圖像的規(guī)格，這樣可以方便于識(shí)別。由于投影法存在問(wèn)題主要是由漢字的不連通性造成的，那么可以根據(jù)直接分割原理大約估計(jì)第一個(gè)字符的寬度，在利用投影方法進(jìn)行切割，當(dāng)?shù)谝粋€(gè)最低波谷的列數(shù)比直接分割的列數(shù)要小那么就不說(shuō)明這個(gè)漢字是不連通不能在這個(gè)波谷分割，等到第二個(gè)最低波谷出現(xiàn)時(shí)再分割。這樣就得到投影圖像，而投影圖像就會(huì)出現(xiàn)波峰 和波谷，而 最低的谷底就是要找的分割點(diǎn)。 字符 切 割 字符分割 是將車(chē)牌圖像的七個(gè)字符分割成一個(gè)個(gè)獨(dú)立的字符 圖像。 在上述步驟中， 確定適當(dāng)?shù)拈撝凳窃摲指钏惴ǖ年P(guān)鍵。待分割圖像的特性越接近于這個(gè)假設(shè)，用這個(gè)方法分割的效果越好。 1 2 101 20 01 1 0 1 2 1 00 21 圖 Sobel邊緣檢測(cè)算子 3） Prewitt 邊緣檢測(cè)算子 如圖所示的兩個(gè)卷積核形成了 Prewitt 邊緣算子。圖像中的每個(gè)點(diǎn)都用這兩個(gè)核做卷積。 1） Robert 邊緣檢測(cè)算子 Robert 邊緣檢測(cè)算子是一種利用局部差分算子尋找邊緣的算子。 如果一個(gè)像素落在圖像中某一個(gè)物體的邊界上，那么它的領(lǐng)域?qū)?成為一個(gè)灰度級(jí)變化的帶。邊緣可以定義為圖像局部特性的不連續(xù)性，例如，灰度的突變，顏色的突變，紋理結(jié)構(gòu)的突變等等。條件 3）表示同一個(gè)子區(qū)域內(nèi)部具有相似的特性。在邊緣檢測(cè)之后，找出目標(biāo)物體的輪廓，進(jìn)行目標(biāo)物體的分析、識(shí)別、測(cè)量等。圖像分割的方法又多種，依據(jù)工作對(duì)象來(lái)分，可分為點(diǎn)相關(guān)分割和區(qū)域相關(guān)分割；按照算法分類，可分為閾值法、界限檢測(cè)法、匹配法、跟蹤法等。在一個(gè)連通集中任意兩個(gè)像素之間，都存在一條完全由這個(gè)集合的元素構(gòu)成的連通路徑。所謂“相似性”是指在某個(gè)區(qū)域內(nèi)像素具有某種相似的特性，如灰度一樣，紋理相同；所謂 “跳變性”是指特性不連續(xù)，如灰度值突變等。常用的方法有直方圖變化法、 Otsu 算法等；而局部閾值法則是對(duì)圖像中的每個(gè)像素使用不同的閾值。 二值化處理是一種將圖像變?yōu)橹挥泻诎變缮亩祱D像的灰度處理方法，對(duì)圖像進(jìn)行二值化處理是接下來(lái)對(duì)車(chē)牌字符進(jìn)行分割的關(guān)鍵步驟。 對(duì)于 RGB 圖像進(jìn)行灰度化，通俗點(diǎn)說(shuō)就是對(duì)圖像的 RGB三個(gè)分量進(jìn)行加權(quán)平均得到最終的灰度值。每湖南工業(yè)大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 8 個(gè)分量在內(nèi)存所占的位數(shù)共同決定了圖像深度，即每個(gè)像素點(diǎn)所占的字節(jié)數(shù)。 車(chē)牌 圖像的灰度化和二值化 在進(jìn)行視頻流目標(biāo)識(shí)別與跟蹤時(shí)，通常第 一 個(gè)步驟就是對(duì)采集到的彩色圖像進(jìn)行灰度化，這是因?yàn)楹诎渍掌瑪?shù)據(jù)量小，相比彩照更易實(shí)現(xiàn)實(shí)時(shí)算法，另一方面黑白照片是由未處理的光線所形成的照片，因此從圖像處理學(xué)角度 來(lái)看，這種未經(jīng)特殊濾光處理的圖片所涵蓋的信息更有價(jià)值 。和相近的低通線性濾波器相比，中值濾波器能夠在衰減隨機(jī)噪聲的同時(shí)不使邊界模糊。如果原圖中本身就含有這類像素，也會(huì)被濾除掉，因此，在選擇窗的大小是應(yīng)盡量在去除噪聲的同時(shí)又能保留圖像中的細(xì)節(jié)。 這三種噪聲都有相應(yīng)的數(shù)學(xué)模型，主要是要對(duì)噪聲進(jìn)行濾除，濾波的方法有許多種，例如中值濾波、變換域?yàn)V波 、小波去噪等等。 圖 車(chē)牌的規(guī)格 湖南工業(yè)大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 7 車(chē)牌圖像去噪 車(chē)牌圖像 去噪目的是為了改善車(chē)牌圖像的質(zhì)量，減少圖片上的噪聲干擾 。后面五位是由 0~9 和 A~Z（除去 O 和 I）一共是 34 種字符。不僅僅顏色上的區(qū)別，而且車(chē)牌字符的排版也有不同，一般車(chē)輛車(chē)牌字符都是在行上高度一致，而像公交車(chē)它們的表示地區(qū)的兩個(gè)字符是在牌號(hào)的上方并且大小有區(qū)別。這個(gè)過(guò)程中有車(chē)牌圖像去噪 、 車(chē)牌圖像灰度化、車(chē)牌圖像二值化 。 在圖像處理技術(shù)上有許多實(shí)現(xiàn)的方法，這些都是 可以大膽的嘗試，得出數(shù)據(jù)加以分析求得某種技術(shù)才是實(shí)現(xiàn)識(shí)別技術(shù)的最好方法。提取出單個(gè)的車(chē)牌字符圖像后就要低車(chē)牌字符進(jìn)行特征值提取，將把這些特征值送入到 BP網(wǎng)絡(luò)進(jìn)行識(shí)別。 本文研究?jī)?nèi)容 本文主要是針對(duì)定位后的車(chē)牌字符 圖像進(jìn)行預(yù)處理再 進(jìn)行分割并且識(shí)別，在這個(gè)過(guò)程中 主要是要實(shí)現(xiàn)利用 BP 網(wǎng)絡(luò)進(jìn)行車(chē)牌字符 識(shí)別 。 關(guān)于車(chē)牌識(shí)別的研究，國(guó)內(nèi)外學(xué)者己經(jīng)作了大量的工作，但仍然存在一些問(wèn)題，比如車(chē)牌圖像的傾斜、車(chē)牌自身的磨損、光線的干擾都會(huì)影響到定位的精度。 我國(guó)較成熟的產(chǎn)品有中科院自動(dòng)化所漢王公司的“漢王眼”，深圳市科 安信實(shí)業(yè)有限公司以及中國(guó)信息產(chǎn)業(yè)部下屬的中智交通電子有限公司等。 如 YuniaoCul 提出了一種車(chē)牌識(shí)別系統(tǒng)，在車(chē)牌定位以后，利用馬爾科夫場(chǎng)對(duì)車(chē)牌特征進(jìn)行提取和二值化，對(duì)樣本的識(shí)別達(dá)到了較高的識(shí)別率。協(xié)助辦案民警全面、直觀了解交通事故發(fā)生過(guò)程，及時(shí)掌握逃逸車(chē)輛車(chē)型、顏色、碰撞損壞部位，為客觀查證案發(fā)當(dāng)時(shí)情況，追究事故責(zé)任提供最直接的依據(jù)。 智能交通監(jiān)控系統(tǒng)是通過(guò)視頻監(jiān)控將視頻監(jiān)控區(qū)域的情況傳輸?shù)街笓]中心，使得管理人員能對(duì)監(jiān)控區(qū)域的交通情況得到全面的了解，而且能根據(jù)區(qū)域內(nèi)的交通情 況，計(jì)算機(jī)進(jìn)行自動(dòng)處理。 給這個(gè) 系統(tǒng)提供信息的媒介是多種多樣的，如電腦、電視、 電話、手機(jī) 、路標(biāo)、 網(wǎng)絡(luò) 等，任何一種方式都可以。 將道路的 情況馬上通知給駕駛員使得他能選擇一條好的道路走。 智能交通系統(tǒng) 可劃分成 四個(gè)子系統(tǒng)。 2020年，第十四屆智能交通世界大會(huì)在北京展覽館舉行。 2020 年 4 月科技部正式批復(fù) “ 十五 ” 國(guó)家科技攻關(guān) “ 智能交通系統(tǒng)關(guān)鍵技術(shù)開(kāi)發(fā)和示范工程 ” 重大項(xiàng)目正式實(shí)施，北京、上海、 天 津、重慶、廣州、深圳、中山、濟(jì)南、青島、杭州十個(gè)城市作為首批智能交通應(yīng)用示范工程的試點(diǎn)城市。交通部公路科學(xué)研究所 于 1996 年開(kāi)始 了交通部重點(diǎn)項(xiàng)目《智能運(yùn)輸系統(tǒng)發(fā)展戰(zhàn)略研究》工作， 在 1999 年正式出版發(fā)行 《智能運(yùn)輸系統(tǒng)發(fā)展戰(zhàn)略研究》一書(shū) 。識(shí)別技術(shù)不僅是在智能交通系統(tǒng)中被用到，在其它領(lǐng)域也是被廣泛應(yīng)用，研究這門(mén)技術(shù)對(duì)社會(huì)的發(fā)展起著重大 作用。對(duì)于維護(hù)交通 安全和城市治安，防止交通堵塞，實(shí)現(xiàn)交通全自動(dòng)化管理有著現(xiàn)實(shí)的意義 車(chē)牌識(shí)別技術(shù)實(shí)現(xiàn)的方法主要是模板匹配法和人工神經(jīng)網(wǎng)絡(luò)法，模板匹配法需要實(shí)際得到的車(chē)牌字符圖像與標(biāo)準(zhǔn)庫(kù)的車(chē)牌字符圖像完全達(dá)到匹配要求才能識(shí)別。所以基于 BP 網(wǎng)絡(luò)的車(chē)牌字符識(shí)別不僅僅是對(duì) BP網(wǎng)絡(luò)進(jìn)行研究也要對(duì)圖像處理技術(shù)進(jìn)行研究，這樣才能使得計(jì)算機(jī)能準(zhǔn)確的識(shí)別出車(chē)輛的車(chē)牌。 對(duì)于車(chē)牌識(shí)別還有一個(gè)較為關(guān)鍵的問(wèn)題，經(jīng)過(guò)統(tǒng)計(jì)發(fā)現(xiàn)車(chē)牌字符是有規(guī)律的。這種辦法需要計(jì)算機(jī)有大量的存儲(chǔ)空間和全部的車(chē)牌模板，并且對(duì)抓拍到的車(chē)牌圖像要求比較高，否則是很難識(shí)別出來(lái)的。智能交通系統(tǒng)是以信息技術(shù)為代表，融合先進(jìn)的電子技術(shù)、控制技術(shù)、傳感器技術(shù)以及計(jì)算機(jī)處理技術(shù)等，應(yīng)用于各種交通場(chǎng)合的綜合管理系統(tǒng)。 對(duì)于識(shí)別的關(guān)鍵部分在于對(duì)特征值的提取，只有采可靠的提取辦法才能保 證字符信息部丟失 這樣才有利于識(shí)別 。 針對(duì)車(chē)牌圖像的 處 理 的 過(guò)程包括 ： 車(chē)牌圖像 去噪、 車(chē)牌圖像 灰度化、 車(chē)牌圖像 二值化、 車(chē)牌 字符 圖像 分割、車(chē)牌字符 圖像歸一化、 車(chē)牌字符圖像 特征值提取。 本文利用 BP 神經(jīng)網(wǎng)絡(luò)與圖像處理技術(shù)相結(jié)合的方法，將 BP神經(jīng) 網(wǎng)絡(luò)應(yīng)用到車(chē)牌字符識(shí)別中。 通過(guò)實(shí)驗(yàn) 證明了通過(guò)上述的過(guò)程是能夠?qū)④?chē)牌字符識(shí)別出來(lái)，在這個(gè)識(shí)別過(guò)程中對(duì)于 BP 網(wǎng)絡(luò)訓(xùn)練的收斂性是十分重要的， 本文認(rèn)為可以 通過(guò)修改隱含層節(jié)點(diǎn)的個(gè)數(shù)、訓(xùn)練函數(shù)和激發(fā)函數(shù)來(lái)完成 BP 網(wǎng)絡(luò)的訓(xùn)練 以使得 BP 神經(jīng)網(wǎng)絡(luò)具有識(shí)別功能。對(duì)于交通的管制也不能全靠交警來(lái)完成，這時(shí)智能交通系統(tǒng)便產(chǎn)生了。智能交通系統(tǒng)要對(duì)車(chē)牌進(jìn)行 識(shí)別就是要 讓計(jì)算機(jī)能自動(dòng)識(shí)別出車(chē)輛的車(chē)牌，這個(gè)識(shí)別過(guò)程有許多方法，其中最簡(jiǎn)單的辦法就是將已有的車(chē)牌號(hào)碼存入到計(jì)算機(jī)中，再將抓拍到的車(chē)牌號(hào)碼進(jìn)行對(duì)比。由于在各個(gè)行業(yè)領(lǐng)域 它已經(jīng)得到了生活 應(yīng)用， 所以 BP 網(wǎng)絡(luò)技術(shù)也相對(duì)成熟，而且 BP 網(wǎng)絡(luò)的變化形式也多種多樣，采用 BP 網(wǎng)絡(luò)作為車(chē)牌字符識(shí)別技術(shù)是一個(gè)相對(duì)合理選擇 [2]。 而對(duì)于圖像的切割就包含了一列的圖像處理問(wèn)題，圖像處理技術(shù)的好 壞是直接影響到識(shí)別的準(zhǔn)確性的 [3]。通過(guò)一些后續(xù)處理技湖南工業(yè)大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 2 術(shù)其可以實(shí)現(xiàn)停車(chē)場(chǎng)出入口收費(fèi)管理、盜搶車(chē)輛管理、高速公路超速自動(dòng)化管理、闖紅燈電子警察、公路收費(fèi)管理等等功能。 識(shí)別技術(shù)是智能交通系統(tǒng)的關(guān)鍵技術(shù)，是現(xiàn)在智能交通系統(tǒng)主要研究的對(duì)象。 我國(guó)部分學(xué)者 于 1994 年 參加了在法國(guó)巴黎 的第一屆 智能交通系統(tǒng) 世界大會(huì)，為 我國(guó) 智能交通系統(tǒng) 的 發(fā)展 揭開(kāi)了序幕。同年，科技部 與 國(guó)家計(jì)委、公安部、 經(jīng)貿(mào)委、 交通部、 鐵道部 、 建設(shè)部