【正文】 代、指針、不確定次數(shù)的循環(huán)等，以使Verilog 描述達(dá)到可綜合的目的。而對于雙向傳遞的_ io 口來說，則需將其分解為一個輸入端和一個輸出端，同時引入另一變量，以保證分解后的雙向連接。C ++ 語言沒有時間關(guān)系，即在時序的控制上需通過設(shè)置狀態(tài)發(fā)生器來進(jìn)行協(xié)調(diào)。在Verilog 中，當(dāng)兩個非阻塞賦值語句a ＜ = b + c 和b ＜ = a + d，兩條語句需在并行執(zhí)行條件下才能保證其正確的語義。 而在C ++ 中，既可以使用有形類( concrete class) ，也可以使用抽象類( abstract class) 。對于基礎(chǔ)模塊的定義，在Verilog 中可以使用module 來實(shí)現(xiàn)。而對于C ++ 這種面向?qū)ο蟮木幊陶Z言來說，它的程序結(jié)構(gòu)則可表示為: 對象= 算法+ 數(shù)據(jù)結(jié)構(gòu)，程序=對象+ 對象+ 對象+ 對象+…。在應(yīng)用中，對象的公共成員可由外部程序調(diào)用。通過C ++ 和Verilog 進(jìn)行仿真測試，將兩者的數(shù)據(jù)進(jìn)行對比和等價驗(yàn)證，便確保了所編程序具有很高的容錯能力，進(jìn)一步保證了SOC 設(shè)計從系統(tǒng)到物理實(shí)現(xiàn)的一致與準(zhǔn)確。通過C ++ 語言的設(shè)計與驗(yàn)證［4］，可實(shí)現(xiàn)向上一層次系統(tǒng)級延伸完成軟件仿真，再由Verilog 與C ++ 的一致性轉(zhuǎn)化，將軟件設(shè)計精確地轉(zhuǎn)化到硬件級上。/ / 存儲, 以待重繪( 3 代表重繪點(diǎn))CsaveT rack* pt _S aveTrack= new CSaveTrack ( dlg.m_L atitude, , trackcount) 。strcpy( latitude_buf, buf2) 。/ / 轉(zhuǎn)換緯度坐標(biāo)以待顯示* buf2。 sign) 。now_Latit ude ?? = m_bott om m_ptOr ign. y* k _latit ude。break。: SetCursor ( : : LoadCursor ( NULL, IDC_CROSS) ) 。車輛圖像采集車牌提取字符分割字符識別車輛檢測 并利用Visual C+ + 6. 0 編程實(shí)現(xiàn)。一個典型的車牌自動識別系統(tǒng)通常由車輛檢測、圖像采集、車牌提取、字符分割和字符識別等部分組成，其中，車輛檢測模塊一般使用地感線圈，它可以檢測當(dāng)前是否有車輛通過。當(dāng)車輛通過關(guān)卡，經(jīng)過車體位置傳感器的敏感區(qū)域時，傳感器發(fā)送一個信號給圖像采集控制部分。同時，采用在實(shí)際環(huán)境中采集到的360幅圖像對這兩種車牌定位算法進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果證明這兩種車牌定位算法是十分有效的。遺傳算法是建立在自然選擇和群體遺傳學(xué)機(jī)理基礎(chǔ)上的隨機(jī)、迭代、進(jìn)化，具有廣泛適用性的搜索方法，結(jié)合了達(dá)爾文的適者生存和隨機(jī)信息交換，消除解中的不適應(yīng)因素，利用了原有解中已有的知識，從而有力的加快了搜索過程。這種算法考慮了車牌的傾斜角度，能夠有效的確定文字區(qū)域。一般情況下，腐蝕與膨脹是不可恢復(fù)的運(yùn)算，但通過腐蝕與膨脹可以構(gòu)成開運(yùn)算和閉運(yùn)算。根據(jù)車牌區(qū)域的特征設(shè)計了一個處理函數(shù)，使用該函數(shù)對原始圖像進(jìn)行處理后，突出圖像中的豎直邊緣，并適當(dāng)調(diào)節(jié)參數(shù)，使車牌區(qū)域的特征得以放大，在此基礎(chǔ)上提取車牌的位置。作者使用一階微分算子對原始圖像的邊緣進(jìn)行預(yù)處理，并在此基礎(chǔ)上運(yùn)用數(shù)學(xué)形態(tài)學(xué)的閉運(yùn)算獲得車牌的候選區(qū)，然后采用投影法剔除假車牌，定位出真車牌。如前文所述，盡管車牌圖像的背景較為復(fù)雜，可能包含了行人、建筑和其他車輛等干擾因素，但車牌區(qū)域具有較為穩(wěn)定的特征，即存在若干各等高且水平排列的字符，字符色和牌照底色的灰度值存在明顯的跳變，車牌區(qū)域存在豐富的邊緣特征，因此被廣泛應(yīng)用于車牌的定位研究中。一般來說，單色圖像的灰度級有256級、128級和64級不等，通常所采用的為256級的灰度圖像。車牌自身具有很多的固有特征，這些特征對于不同的國家是不同的。車牌定位是車牌識別中的關(guān)鍵環(huán)節(jié)之一。在這一章，我們將介紹兩種車牌定位的算法，分別是基于高帽變換和小波變換的車牌提取方法與基于投影法和數(shù)學(xué)形態(tài)學(xué)的車牌提取方法。這兩種車牌字符分割方法在第四章中將會有詳細(xì)的論述。即使車牌上字符出現(xiàn)一定的粘連，但是一般來說還是可以找到一個或者多個沒有粘連的字符的。我們可以加強(qiáng)這些灰度值較高的字符區(qū)域，使之相對于背景而言更突出一些。之所以要?dú)w一化，是因?yàn)橛械能嚺茍D像的大小各異，我們必須把它們轉(zhuǎn)化為統(tǒng)一大小的車牌；還有就是車牌原先的顏色搭配不同，有的車牌是黃底黑字，轉(zhuǎn)換為灰度圖像過后字符的灰度值比車牌預(yù)處理定位字符的位置分割字符車牌圖像字符圖像車牌背景的灰度值要小，而有的車牌是藍(lán)底白字，轉(zhuǎn)換為灰度圖像過后就是字符亮而背景比較暗。后一個算法的特點(diǎn)是首先采用投影法，利用水平一階差分圖的水平投影進(jìn)行車牌水平定位，即通過對一階差分水平投影曲線進(jìn)行掃描，得到較大的波峰值或波峰積分值較大的波峰在平滑的一階差分水平投影曲線中的位置坐標(biāo)，進(jìn)而利用這些波峰位置坐標(biāo)進(jìn)行車牌水平定位運(yùn)算，得到一個或多個車牌水平位置候選區(qū)域在原始圖像中的位置坐標(biāo)；然后在豎直定位時，結(jié)合數(shù)學(xué)形態(tài)學(xué)的特性，利用閉運(yùn)算，在原始圖像中突出車牌區(qū)域的位置，通過合理選擇二值化閥值，對變換后的圖像進(jìn)行二值化，實(shí)現(xiàn)車牌豎直定位，克服了基于掃描行的車牌提取方法和基于彩色的車牌提取方法難以解決在照明不均勻環(huán)境下定位準(zhǔn)確率的問題。它的成功與否直接影響到后續(xù)的步驟，并最終使我們系統(tǒng)的速度和識別率受到影響。有的圖像較暗，有的圖像較亮，需要將這些圖像轉(zhuǎn)換為亮度比較接近的圖像，這可以用直方圖均衡化來實(shí)現(xiàn)，以增強(qiáng)圖像的對比度。由于從攝像機(jī)前端得到的原始圖像是從不同的環(huán)境和針對不同的車輛拍下的，因此在質(zhì)量上有相當(dāng)大的差別。在本章的后續(xù)部分我們將對本文中的車牌識別算法做比較詳細(xì)的說明。（2）圖像處理部分主要涉及數(shù)字圖像的處理過程，一般使用嵌入式的硬件系統(tǒng)，比如說可以采用DSP處理器來集成系統(tǒng)，這樣的系統(tǒng)安裝和使用比較方便，應(yīng)用范圍更廣。但是在這樣的圖像上，由于車輛處于運(yùn)動狀態(tài)以及污損等原因，車牌畫面往往不夠清晰，難以從中攝取需要的信息。車牌提取、字符分割和字符識別部分由計算機(jī)或DSP處理器組成，可以完成對車牌的識別。字符識別模塊從點(diǎn)陣數(shù)據(jù)中提取字符特征數(shù)據(jù)，輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行識別，得到字符識別的結(jié)果。車牌自動識別系統(tǒng)是一個以微處理器為核心，基于圖像處理、模式識別、神經(jīng)網(wǎng)絡(luò)等技術(shù)的高度智能的電子系統(tǒng)，主要由攝像頭、視頻采集接口、輔助照明裝置、計算機(jī)和識別軟件組成。針對中國的民用車牌，提出兩種車牌定位的算法，分別是基于高帽變換和小波變換的車牌提取方法與基于投影法和數(shù)學(xué)形態(tài)學(xué)的車牌提取方法。如圖11所示：目前國內(nèi)汽車牌照主要有六種類型：（1）大型民用汽車所用的黃底黑字牌照；（2）小型民用汽車所用的藍(lán)底白字牌照；（3）軍隊或武警專用汽車的白底紅字、黑字牌照；（4）使、領(lǐng)館等外籍汽車的黑底白字牌照；（5）試車和臨時牌照的白底紅字，且數(shù)字前分別有“試”和“臨時”字標(biāo)志；（6）汽車補(bǔ)用牌照是白底黑字。我國汽車牌照底色有藍(lán)、黃、黑、白等，字符顏色有黑、紅、白等，一般車牌顏色搭配是藍(lán)白，黃黑，白紅黑等。X3 X4 X5 X6 X7這個格式排列，但是有一些特殊類型的車牌略有差別。為了便于對國內(nèi)汽車的辨認(rèn)和管理，世界每個國家和政府都為本國的車輛牌照了一個標(biāo)準(zhǔn)。（3）智能小區(qū)、智能停車場管理的應(yīng)用車牌自動識別技術(shù)作為車輛識別的先進(jìn)技術(shù)手段，在智能園區(qū)中可用于以下幾個方面：車輛出、入園識別：園區(qū)的業(yè)主入住時，將自己的汽車進(jìn)行登記，其車牌信息將記錄在計算機(jī)數(shù)據(jù)庫中。套牌車輛自動稽查、指定車輛自動跟蹤:此項功能利用車輛信息網(wǎng)上的實(shí)時信息，以同一車牌出現(xiàn)時的方位、距離、時間等參數(shù)，快速計算處理，自動查出該車牌是否有套牌車。只要將其車牌資料輸入數(shù)據(jù)庫，系統(tǒng)就會處于自動檢測狀態(tài)，24小時不停地對所有經(jīng)過車輛自動進(jìn)行識別、比較、處理；尤其可以使用于城市機(jī)動車輛的檔案管理工作、特殊的交通管理工作。其作用是可以解決車流高峰期的堵塞問題和減少運(yùn)作費(fèi)用。目前車牌識別系統(tǒng)的適用領(lǐng)域主要包括一下幾個方面：（1）高速公路收費(fèi)、監(jiān)控管理的應(yīng)用車輛的自動放行：此項功能針對如特種車輛（如軍車、警車）、預(yù)交費(fèi)車輛（如辦理月、年繳費(fèi)卡）以及其他授權(quán)免費(fèi)通行的車輛。若能用計算機(jī)實(shí)時地識別車牌就可以在無需為車輛加裝其他特殊裝置的情況下實(shí)現(xiàn)對車輛的自動監(jiān)測，從而給交通系統(tǒng)的自動管理提供極大的方便，因此車輛牌照自動識別系統(tǒng)的實(shí)現(xiàn)是推動交通管理智能化的關(guān)鍵技術(shù)之一。車牌自動識別系統(tǒng)（LPR）是ITS的一個非常重要的發(fā)展方向，它在交通控制與監(jiān)視中有多種應(yīng)用，比如可以對車輛進(jìn)行自動登記、驗(yàn)證、監(jiān)視、報警，其應(yīng)用場合包括：高速公路，橋梁，隧道等收費(fèi)管理系統(tǒng)；城市交通車輛管理，電子警察，海關(guān)邊境交通監(jiān)控；智能小區(qū)、智能停車場管理；車牌驗(yàn)證，車流統(tǒng)計，移動和車載系統(tǒng)等等。針對這個問題，我們可以著重開發(fā)具有實(shí)時性和較強(qiáng)魯棒性的軟件算法，這樣既可節(jié)省成本，應(yīng)用也比較方便。然而，對于車牌識別系統(tǒng)而言，以上的算法都是針對圖像后期處理，對整個系統(tǒng)的性能并不起決定性作用。直接根據(jù)車牌特征，進(jìn)行特征提取與選擇，進(jìn)而分割圖像，性好、可靠性高，便于使用，尤其是遺傳算法用于車牌定位，魯棒性較強(qiáng)。還有就是基于邊緣檢測的方法。比較常見的方法如基于掃描行的車牌提取方法。雖然近年來也先后出現(xiàn)了一些實(shí)際應(yīng)用，但受到一些因素的限制一直未能推廣開來。車牌識別技術(shù)是現(xiàn)代交通管理中的一個非常重要的研究課題，在此基礎(chǔ)上實(shí)現(xiàn)的車輛監(jiān)控和管理的自動化、智能化是未來ITS的發(fā)展趨勢，對其發(fā)展具有十分重要的意義。如今市場上已經(jīng)出現(xiàn)了一些車牌識別系統(tǒng)，它們在系統(tǒng)規(guī)定的條件和環(huán)境下車牌的識別效果比較良好，但一旦條件發(fā)生比較大的變化，或者在一些比較特殊的環(huán)境下，比如說霧天、雨天和晚上等拍攝圖像質(zhì)量較差的環(huán)境下，這些系統(tǒng)出現(xiàn)識別率迅速下降和拒識等等一系列問題，系統(tǒng)的通用性比較差。近幾年來，許多國家開始試行無停車收費(fèi)和停車場無人管理系統(tǒng)，主要采用無線通信手段，但是大量未裝載通信裝置的車輛無法實(shí)行，另外還存在許多無線卡和車輛信息不符的現(xiàn)象。本章首先就本課題提出的背景和意義進(jìn)行一個闡述；隨后比較詳細(xì)的介紹本文涉及的車牌識別技術(shù)在國內(nèi)外的現(xiàn)狀和特點(diǎn)；然后介紹車牌識別技術(shù)的應(yīng)用情況，接著介紹中國汽車牌照的基本特點(diǎn)；然后回顧了本人在課題中所完成的工作；最后對本文的基本結(jié)構(gòu)作了一個說明。本文提出的算法均已在軟件平臺上正確實(shí)現(xiàn)，并使用大量從各種不同環(huán)境下的具采集有代表性的車輛圖像作為算法測試數(shù)據(jù)源對算法進(jìn)行測試，結(jié)果證明兩%％，兩種字符分割算法的準(zhǔn)確率％%。研究了兩種車牌定位方法，分別是基于高帽變換和小波變換的車牌定位方法與基于投影法和數(shù)學(xué)形態(tài)學(xué)的車牌定位方法。利用電子信息技術(shù)來提高管理效率、交通效率和安全的智能交通系統(tǒng)