【正文】 是圖形用戶界面。簡單的編程環(huán)境提供了比較完備的調(diào)試系統(tǒng)，程序不必經(jīng)過編譯就可以直接運行，而且能夠及時地報告出現(xiàn)的錯誤及進(jìn)行出錯原因分析。使之更利于非計算機(jī)專業(yè)的科技人員使用。函數(shù)中 所使用的算法都是科研和工程計算中的最新研究成果，而前經(jīng)過了各種優(yōu)化和容錯處理。函數(shù)所能解決的問題其大致包括矩陣運算和線性方程組的求解、微分方程及偏微分方程的組的求解、符號運算、傅立葉變換和數(shù)據(jù)的統(tǒng)計分析、工程中的優(yōu)化問題、 稀疏矩陣 運算、復(fù)數(shù)的各種運算、三角函數(shù)和其他初等數(shù)學(xué)運算、多維數(shù)組操作以 及建模動態(tài)仿真等。新版本的 MATLAB對整個圖形處理功能作了很大的改進(jìn)和完善，使它不僅在一般數(shù)據(jù)可視化軟件都具有的功能（例如二維曲線和三維曲面的繪制和處理等）方面更加完善，而且對于一些其他軟件所沒有的功能（例如圖形的光照處理、色度處理以及四維數(shù)據(jù)的表現(xiàn)等），MATLAB 同樣表現(xiàn)了出色 的處理能力。一般來說，它們都是由特定領(lǐng)域的專家開發(fā)的，用戶可以直接使用工具箱學(xué)習(xí)、應(yīng)用和評估不同的方法而不需要自己編寫代碼。另外， MATLAB 網(wǎng)頁服務(wù)程序還容許在 Web 應(yīng)用中使用自己的 MATLAB 數(shù)學(xué)和圖形程序。 本文設(shè)計的系統(tǒng)采用 MATLAB 搭建車輛牌照識別系統(tǒng)，具有非常明顯的優(yōu)勢： (1) 可以直接使用 MATLAB 的 Image Acquisition Toolbox 、 Image ProcessingToolbox 以及 Neural Network Toolbox 作為骨架來搭建整個系統(tǒng)。本文的主要結(jié)構(gòu)如下所示： 第一章， 緒論。 第三章， 多路徑識別 基本理論。 本章是本文的重點，包括 圖像的采集、圖像預(yù)處理、車牌定位、傾斜校正、字符分割、字符識別。 5 第 2 章 國內(nèi)外研究現(xiàn)狀 多路徑識別在高速公路聯(lián)網(wǎng)收費系統(tǒng)中起到的關(guān)鍵作用， 引起了 大家 廣泛的關(guān)注 和研究 ，下面我們將對該理論的歷史和發(fā)展歷程做出介紹。在實際應(yīng)用中， ETC 技術(shù)相對于傳統(tǒng)收費技術(shù)來說有兩個優(yōu)勢：一是更加適應(yīng)于多個不同主體運營管理多條收費道路的情況 ；二是對非法行為、人為破壞和逃費行為有著更強(qiáng)的防范性。關(guān)于其應(yīng)用此項技術(shù)進(jìn)行路徑識別的研究還沒有見諸報道 ,但這樣一來就有望通過大量的 ETC 用戶 ,在關(guān)鍵路段安裝掃描器 ,來達(dá)到高概率智能識別車輛行駛路徑的效果。德國實行高速公路收費沒有采用傳統(tǒng)的關(guān)卡式收費站 ,他們采用的是衛(wèi)星定位和移動通訊技術(shù)相結(jié)合的收費系統(tǒng)。這種技術(shù)相當(dāng)于已經(jīng)識別出了車輛行駛路徑 ,但其依賴于美國的 GPS 定位系統(tǒng) ,受其控制的識別精度影響 ,目前 GPS 的導(dǎo)航精度為 10m,但不排除美國改變其導(dǎo)航精度的可能 ,使識別精度受到質(zhì)疑 ,另外其車載接收機(jī)的價格也是一個問題。 江蘇省以長江為界分為蘇北高速公路網(wǎng)和蘇南高速公路網(wǎng) ,分別實現(xiàn)聯(lián)網(wǎng)收費。另一個是由滬杭、杭甫、繞城高速公路組成的路環(huán)。 山東省高速公路通車?yán)锍坛^ 3000km,預(yù)計 2021 年將達(dá)到 4000km,高速公路通車?yán)锍虨槿珖谝?,聯(lián)網(wǎng)收費里程已達(dá)到 2144km,路網(wǎng)內(nèi)有多家路公司。 路徑識別與通行費收入拆分問題主要從兩個方面解決 ,一是收費車道業(yè)務(wù)操作層 ,主要是路徑識別問題 。根據(jù)當(dāng)時道路情況 ,他們建議在對綜合路阻之差在 10%(可更多或更少 )以上不同路徑進(jìn)行識別時 ,應(yīng)用最短路徑法 。當(dāng)路網(wǎng)中多路徑路段屬于同一經(jīng)營主體時 ,建議不對行駛路徑進(jìn)行精確識別。 多路徑識別方法的分類 目前，在高速公路路徑識別的主要技術(shù)方法有：標(biāo)識站法、 車牌照識別法、最短路徑法。 要做到對車輛行駛路徑的精確識別通常由兩種方法：通過土建設(shè)施的手段，確保任意車輛從一個收費站（點）到另一收費站（點）間只能有唯一的行駛路徑；通過標(biāo)識方法采集車輛行駛路徑信息，確認(rèn)車輛行駛路徑。 標(biāo)識站的主要缺點是車輛每次經(jīng)過標(biāo)識站時必須停車，導(dǎo)致行車速度減慢，降低了高速公路的服務(wù)水平，與聯(lián)網(wǎng)收費的精神直接相違背，在實施時，輕易不采用。即高速公路入、出口以及路網(wǎng)內(nèi)關(guān)鍵點設(shè)置車牌照抓拍系統(tǒng)，攝取通過車輛牌照。 最短路徑法取最短路徑為行駛路徑。 所以在本次設(shè)計中主要研究了精確識別中的車牌照識別技術(shù)，分析研究圖像處理得算法，用以提高車牌照識別的準(zhǔn)確度。下面分別介紹各種方法： 結(jié)構(gòu)模式識別可能比較復(fù)雜，但都具有相 當(dāng)嚴(yán)格的規(guī)律性。其主要出發(fā)點是漢字的組成結(jié)10 構(gòu) .從漢字的構(gòu)成上講，漢字是由筆劃以及偏旁部首構(gòu)成的 。 基于這種方法來描述字符的結(jié)構(gòu)在理論上是比較恰當(dāng)?shù)?，其?要優(yōu)點在于對字體變化的適應(yīng)性強(qiáng)，區(qū)分相似字的能力強(qiáng)；但是，在實際應(yīng)用中，其所面臨的問題是抗干擾能力差，因為在實際得到的文本圖像中存在各種干擾，比如傾斜、斷裂、粘連、污點等。 統(tǒng)計決策論發(fā)展較早，理論也比較成熟 .其要點是提取待識別模式的一組統(tǒng)計特征，然后按照一定準(zhǔn)則所確定的決策函數(shù)進(jìn)行分類判決。這種方法是模式識別早期使用的方法。 （ 3） 傅立葉描述子和 Spline 曲線近似。 Spline 曲線是在輪廓上找到曲率大的折點，利用 Spline 曲線來近似相鄰折點之間的輪廓線，該方法的缺點在于對旋轉(zhuǎn)現(xiàn)象比較敏感。其特點是對于內(nèi)部筆劃粘連的字符識別的適應(yīng)性較強(qiáng)，直 觀性好，但是不易表示為矢量形式，不適合作為粗分類的特征，匹配難度大。利用微結(jié)構(gòu)及微結(jié)構(gòu)之間的關(guān)系組成的特征對字符進(jìn)行識別。字符統(tǒng)計模式是 把字符的點陣看成一個整體，通過做大量的統(tǒng)計得到所需要的特征。它根據(jù)字符的直觀形象抽取特征，用相關(guān)匹配原理進(jìn)行識別。 3． 人工神經(jīng)網(wǎng)絡(luò)識別 人工神經(jīng)網(wǎng)絡(luò)是模擬人腦思維方式的數(shù)學(xué)模型。 BP神12 經(jīng)網(wǎng)絡(luò)主要有兩種形態(tài)： (l)前向傳播：計算網(wǎng)絡(luò)的輸出。神經(jīng)網(wǎng)絡(luò)有較強(qiáng)的容錯性。 本文采用的識別算法 本文采用的識別算法是基于模板匹配的車牌識別方案，模板匹配法就是將待識別字符與模板字 符進(jìn)行比對，從而確定字符內(nèi)容。模板的建立要針對字符的特征來進(jìn)行，通?？梢匀」P畫特征、幾何特征還有圖形的特征。目前比較常用的圖像格式有 *.BMP、 *.JPG、 *.GIF、 *.PCX等，本課題采集到的圖片是 *.JPG 的格式。將提取出的車牌圖像進(jìn)行二值化處理，根據(jù)投影圖的特點查找傾斜的角度，采用坐標(biāo)變換的方法進(jìn)行車牌傾斜校正，并利用其垂直投影圖中字符顯示出的峰群的特點進(jìn)行字符切分。 圖像采集 圖像采集部分所采集的圖像一般是采用 CCD 攝像機(jī)攝取的車牌前視圖或后視圖，這些通過由光照檢測裝置控制現(xiàn)場的光照，位置檢測裝置控制攝像機(jī)的拍攝角度而得到的。由于光線不足或者反光等諸多因素，又可能造成車牌對比度較差，對接下來的紋理分析產(chǎn)生影響，17 所以有必要進(jìn)行圖像 增強(qiáng)。選用 MXl 的模板對灰度拉伸后的圖像進(jìn)行中值濾波。從本質(zhì)上講，就是一個在參量空間尋找最優(yōu)定位參量的問題。該方法充分利用車牌紋理復(fù)雜、對比度鮮明、外型規(guī)則等特征構(gòu)造車輛圖像的對比度能量圖，然后通過選取極值區(qū)域來定位車牌。求極值處理公式如下： 導(dǎo)入原始圖像 圖像預(yù)處理增強(qiáng)效果圖像 邊緣提取 車牌定位 對圖像 開閉運算 ??? ? ?????? 其他)1( 0))1()((*))1()(()()( nx nxnxnxnxnxnx18 （式 ） 求相鄰點間的差公式如下： （式 ） 最后，由于車牌區(qū)域的變化頻度 較大，在一般情況下，車牌區(qū)域的卷積能量都是最大的，特殊情況下也是第二大。 圖 定位 到的車牌圖片 傾斜校正 由于 CCD 攝像機(jī)采集車牌圖像時，有時候會出現(xiàn)采集到的車牌圖像里牌照區(qū)域是傾斜的。進(jìn)行水平邊緣檢測，并進(jìn)行垂直投影的方法 。.通過模板匹配的方法。這樣就把原始圖像中的曲線或直線的檢測問題，轉(zhuǎn)化為尋找變換空間的峰值問題。 圖 校正前的圖片 圖 校正后的圖片 字符分割 字 符分割即是對獲得的牌照分離出單個字符 (包括漢字、字母和數(shù)字等 )，以便于字符識別。直接分割法簡單，但它的局限是分割點的確定需要較高的準(zhǔn)確性；基于識別結(jié)果的分割是把識別結(jié)果和分割結(jié)合起來，但是需要高準(zhǔn)確的識別結(jié)果。 完成牌照區(qū)域的定位后，再將牌照區(qū)域分割成單個字符，然后進(jìn)行識別。 模板匹配是最為直觀的一種方法，就如字面所理解的，選用一些樣本作為模板，當(dāng)進(jìn)行判斷時，首先計算待測數(shù)據(jù)與模板之間的距離，這個距離通常是兩個數(shù)據(jù)向量差的一個范數(shù)，例如它們之間的直線距離等。 按左右寬度切割出字符 計算水平投影進(jìn)行車牌水平校正 去掉車牌的框架 分析垂直投影找到每個字符中心位置 21 （ 3）調(diào)用數(shù)字模板庫進(jìn)行識別，若為數(shù)字，則最終結(jié)果為一數(shù)字，識別結(jié)束；若為空字符，則最終結(jié)果為空字符，識別結(jié)束。 識別車牌的第 4個字符（若分割正確的話應(yīng)該是字母或數(shù)字）： （ 1）調(diào)用字母模板庫進(jìn)行識別，若為字母，則最終結(jié)果為一個字母，識別結(jié)束；若識別結(jié)果為空字符，則表示不是字母，進(jìn)行第二步。 對于車牌圖像的第 2和 3個字符，進(jìn)行完全的識別，主要是因為考慮到字符的分割不一定正確，即不能保證分割后的第 1個車牌字符為漢字，第 2個車牌字符為字母，而第 4個車牌字符為字母或數(shù)字。具體模板匹配的字符識別步驟如下： 一般使用的模板匹配法是直接使用歸一化后的圖像作為待識別字符圖像，而歸一化 后的圖像由于預(yù)處理的原因，很有可能筆劃粗細(xì)不均，并且存在著部分噪音點，不易于處理，所以我們首先采用細(xì)化的方法，將原來的待識別字符圖像中的字符進(jìn)行細(xì)化處理，然后再進(jìn)行模板匹配的粗比對，在通過粗比對將字符圖像分組后，再根據(jù)車牌字符的細(xì)節(jié)特征對字符進(jìn)行細(xì)比對，最終得到識別結(jié)果，從而實現(xiàn)了我們識別字符的目的，算法流程如下圖所示： 歸 一 化 后 圖 像 字 符 的 細(xì) 化 模 版 匹 配 粗 細(xì)根 據(jù) 粗 對 比 分 類模 板 匹 配 細(xì) 化 對識 別 結(jié) 構(gòu) 圖 算法流程圖 首先進(jìn)行第一步，細(xì)化處理。此外，在許多情況中，細(xì)化的過程占整個圖像處理一半以上的時間，因而提高細(xì)化算法的速度也是非常有意義的。 根據(jù)這些判斷依據(jù)，我們可以制作一張表格，從 0到 255共有 256個元素，每個元素要么是 0，要么是 1。我們首先水平方向掃描第一行最左邊的點，然后是最右邊的點，接著掃描第二行最左邊的點，最右邊的點，直到最后一行最左邊的點，最右邊的點；然后垂直方向掃描第二列最上邊的點（因為第一列最上邊的點已經(jīng)被刪除），第二列最下邊 的點，直到倒數(shù)第二列最上邊的點，最下邊的點。所謂的粗比對，就是按照車牌字符所特有的特征，如車牌上漢字后面的第一位應(yīng)該是英文字母，第二位和第三位有可能是英文字母也有可能是數(shù)字，最后三位應(yīng)該都是數(shù)字，正是按照這些特征，我們將待識別字符分成三組，第一組是英文字母，第二組是數(shù)字，第三組是數(shù)字或者字母，這樣，我們就把每一組分別和不同的字符標(biāo)準(zhǔn)模板進(jìn)行模式匹配，在這一次匹配中我們不需要做 到非常的精確，只需要匹配度達(dá)到一個基本的匹配閾值λ 0 以上就可以了，然后我們按照字符的匹配度將它分為幾組，分組情況如下： G， Q， D， O， 0一組， Z， 2 一組等，具體的識別流程圖如下圖所示： 細(xì) 化 后 的 字 符 根 據(jù) 字 符 的 位 置 分 組 與 同 組 的 標(biāo) 準(zhǔn) 模 版 匹 配比 較 所 有 的 匹 配 值 選 擇 最 相 近 的 字 符 25 圖 字符識別流程圖 這樣，就完成了對字符模板匹配的粗比對，但是，其中也有例外，例如‘ 1’‘ W’等字符，因為沒有與它們相似的字符，所以通過粗比對就可以確定，而其它字符還要經(jīng)過細(xì)比對才能得出識別結(jié)果。 圖 待識別的圖像 圖 OQDG標(biāo)準(zhǔn)模板 首先，將待識別圖像與字母‘ Q’標(biāo)準(zhǔn)模板來進(jìn)行細(xì)比對，我們發(fā)現(xiàn)數(shù)字‘ 0’與字母‘ Q’最大的區(qū)別在于圖像的右下方，如圖 所示（為了方便顯示，我們將圖片放大，并且取反色以便觀看），所以我們只需要選取待識別圖像的右下角區(qū)域，再與字母‘ Q’的標(biāo)準(zhǔn)模 板的相同區(qū)域進(jìn)行比較，這時，由于是細(xì)節(jié)比對，所以我們就需要提高判斷閾值，當(dāng)然，根據(jù)字母之間相似度，有些閾值要大一些，有些閾值就要小一些，例如這種比較，我們根據(jù)經(jīng)驗就設(shè)定閾值為 ，通過比較，發(fā)現(xiàn)兩者的相似度遠(yuǎn)遠(yuǎn)低于 ，所以，我們就認(rèn)為這個字符不可能是‘ Q’。 圖 字符 O與 G的區(qū)別 經(jīng)過了三次 細(xì)比對，我們發(fā)現(xiàn)待識別字符并不是‘ Q’，‘ D’和‘ G’，所以我們就認(rèn)為它是‘ 0’或者‘ O’（對于這兩種字符，我們認(rèn)為通過字符匹配是無法區(qū)分的，我們只能通過他們所處的位置來確定，如果處在第二個字符位置，那么我們就認(rèn)為它是‘ O’，否則我們認(rèn)為它是‘ 0’），至此，我們就完成了對這個字符的識別，識別結(jié)果也就出來了。 28 第 5 章 車牌識別系統(tǒng)在 MATLAB 工具下的實現(xiàn) 本章是對算法的實現(xiàn)，介紹了 實驗環(huán)境平臺搭建、識別過程、實驗數(shù)據(jù)及分析。 輸入