【正文】 ……………………………………… …………… ..…… 28 字符識別概述 …………………………………………… ………………… … ...28 車牌字符識別特點 ………………………………… ………………… ……… ...29 基于模板匹配的字符識別算法 ……………………… ………………… … ...… 30 實驗分析 ……………………………………………… ………………… …… ...31 結果分析 ………………………………………………… ………………… … ...32 6 設計評述 …… …………………………………………… ………………… …… 32 附錄 A 車牌識別程序 ……………………………………… ………………… …… 34 3 參考文獻 ………………………………… ……………… ………………… .……… .47 4 PCI 總線 PCI 總線的基本結構： PCI，外設組件互連標準 (Peripheral Component Interconnect) 一種由英特爾（ Intel）公司 1991 年推出的用于定義局部總線的標準。隨著對更高性能的要求， 1993 年又提出了 64bit 的 PCI總線，后來又提出把 PCI 總線的頻率提升到 66MHz。 PCI 總線系 統(tǒng)要求有一個 PCI 控制卡，它必須安裝在一個 PCI 插槽內。 由于 PCI 總線只有 133MB/s 的帶寬，對聲卡、網卡、視頻卡等絕大多數輸入/輸出 設備顯得綽綽有余，但對性能日益強大的顯卡則無法滿足其需求。 5 20xx 年 7 月 23 日， PCISIG 正式公布了 PCI Express 規(guī)范，并于 20xx 年初推出 規(guī)范（ Spec ），將傳輸率由 PCI Express 的 5GB/s；目前主流的顯卡接口都支持 PCIE 。另外提供 4 路脈沖信號的測量 ,信號輸入幅度也是177。為簡化電路、提 高集成度、增強系統(tǒng)的抗干擾能力 ,4 路模擬信號共用一片 AD7864 。 圖 數據采集系統(tǒng)原理框圖 A/D卡的采集、存儲和顯示程序 A/D卡的采集的基本原理： 運行時的數據并送給 PC機，通過運行在 PC機上的特定軟件對這些數據進行分析，以此判斷當前運行設備的狀況，進而采取相應措施。下面以μＣ /ＯＳⅡ為操作平臺，基于ＡＲＭ７系列處理器，對一種高性能的數據采集系統(tǒng)開發(fā)進行探索。 x=whx (:,1)。y軸單位 v39。)。 figure : 通過實驗采集圖像，數據與通過數據在 MATLAB軟件上得到的圖像比較 ，兩者是一樣的，從而知道通過不同方式可以得到相同的結果。文章中對 90 張相片進行了測試，結果表明，基于模板匹配的車牌識別方法的整體識別率為約 60%，證明該方法是有效的，可行的。 1． 2 國內外研究現(xiàn)狀 車牌識別技術的研究 [2]開始得很早，早在上世紀七十年代，就有不少研究人員和單位開始了這一技術的研究。字符的提取是復雜背景下目標提取問題，在復雜的背景中字符區(qū)域往往只占圖像的小部分。因此這部分工作具有一定的難度。然而現(xiàn)代化交通系統(tǒng)不斷提高的快節(jié)奏，將對車牌定位的準確率和實時性提出更高的要求。第二步，車牌定位，即 圖像的精確定位算法的實現(xiàn)。車牌識別系統(tǒng)的結構如圖 所示 。 2 車牌圖像的預處理 2． 1 預處理技術概述 在數字圖像處理中，圖像的預處理過程是數字圖像處理的重要組成部分。上述所說的這些在展開識別過程以前，為了弱化、甚至消除對識別結果不利的因素，而采取的對車牌圖像的前期處理工作，被稱之為車牌圖像的預處理過程。在彩色顏色空間下，彩色圖像包含了大量的顏色信息。這就導致在對彩色圖像進行圖像處理時，會占用更多的存儲空間，并且會極大的降低系統(tǒng)的處理速度?；叶葓D像的亮度信息為 256 級 [4]，即每一個灰度圖像的像素點的取值為 0~255 之間的整數值。如在一幅 RGB 圖像中，如果圖像中每一個像素的 R、 G、 B 分量都相等，即 R=G=B，則該圖像將會表現(xiàn)出灰度圖像的特征。在二值圖像中，黑色用0 表示，白色用 1 表示，二者之間沒有灰度層次的變化。 18 圖 車牌二值化圖像 2． 4 邊緣檢測 邊緣是指圖像灰度發(fā)生劇烈變化的邊界，它是圖像分割的基礎 [7]。尤其對于車牌定位來說，邊緣檢測更是其中的關鍵環(huán)節(jié)。 Canny 算法按照以下步驟對圖像進行處理： (1)用高斯濾波器平滑圖像 高斯函數的一階微分是對理想濾波器的很好近似。其梯度定義為： yx iy yxfix yxfyxf ??????? ),(),(),( （ ） 通常情況下，我們把梯度的摸叫做圖像的梯度，對于數字圖像來說，可以用差分來近似上述微分過程。 21 圖 reborts 算子的邊緣檢測 22 2． 5 本章小 結 本章主要介紹了車牌識別系統(tǒng)中所要用到的相關的圖像預處理技術。 3 車牌定位 車牌定位就是將車牌區(qū)域從整個車牌圖像中尋找出來。 3． 1 常用的車牌定位算法 車輛牌照的定位問題是在復雜背景下的圖像分割和目標提取問題。 下面對幾種主要的車牌定位算法進行簡單的分析介紹。 23 其跳變特征在很大程度上標示了車牌的位置信息。由于車牌區(qū)域中包含有大量的邊緣信息，因此對該行（列）進行掃描時，其灰度跳變的次數將明顯有別于其它非車牌區(qū)域的行（列）。然后，再對得到的行區(qū)域進行列掃描，同樣可以大致確定車牌的開始列和結束列。 (2) 車牌的精定位 在車牌區(qū)域中，其紋理結構和背景有很大的差別，車牌區(qū)域具有更多更密集的縱向邊界，而且車牌字符和背景的對比度比較大，在車牌區(qū) 域上的表現(xiàn)就是車牌區(qū)域水平方向上的灰度變化頻度很高。然后，對 ),( yxg 在水平方向上做直方圖投影，一般情況下在直方圖中會有一個被兩個波谷包圍的一個波峰區(qū)域，此區(qū)域擁有直方圖上的最大峰值且占據了直方圖的 24 大部分寬度，判定此波峰區(qū)域為車牌的水平精定位區(qū)域。 經過上述過程就完成了基于統(tǒng)計直方圖投影的車牌精確定位。 在二值化圖像分析中，數學形態(tài)學方法具有明顯的優(yōu)勢。 (2) 腐蝕運算 腐蝕是膨脹的逆運算，它縮減物體的邊界，將物體的邊界歸入背景點，使得物體的邊界縮小。 (3) 開運算和閉運算 此外，數學形態(tài)學中還有開運算和閉運算，這兩種運算實際上是膨脹和腐蝕的組合運算。閉運算具有過濾功能，它可以填充圖像內部的微小空洞以及裂隙等。 26 圖 車牌定位 3． 2 本章小結 本章主要討論了車牌定位的相關問題。基于紋理特征的車牌定位算法和基于數學形態(tài)學的車牌定位算 法，最終定位出車牌圖像。 （ 1）脫色、泥點、反光等原因使車牌圖像質量下降，存在嚴重噪聲。 4． 1 車牌字符分割方法 由于實際拍攝的車牌圖像容易受環(huán)境的影響，所以本文采用的是一種對水平投影法進行改進的車牌字符分割法 [13]。為了克服水平投影法對解決漢字不連通問題的不足，本文將該列與字符分割的起始列作差，其差值再與另一固定閾值（本文設定為車牌圖像寬度的九分之一）作比較。 （ 3）車牌圖像中第二到第七個字符，一般為字母或數字，不存在不連通的問題。 該方法，較好地解決了，漢字的不連通問題、字符的粘連問題、噪聲的干擾問題以及車牌的前 2個字符和后面 5個字符之間存在的小圓點問題，雖然程序的執(zhí)行時間較水平投影法長，但實踐證明還是行之有效的。 5 字符識別 5． 1 字符識別的概述 經過圖像預處理、車牌定位及字符分割等過程后，車牌區(qū)域由一個整體的字符串圖像被切分為單個的字符圖像。字符的特征可以分為結構特征和統(tǒng)計特征 [15]構特征主要有骨架、輪廓、筆畫等。對整個字符圖像進行某種變換，將變換系數作為圖像的一種特征，稱為全局特征。 字符識別技術將字符圖像轉換為字符碼，它是模式識別技術應用最成功的分支之一。尋求一個具有良好的容錯能力和自適應能力的分類器是字符識別的主要目標。這三個部分所使用的漢字都有相應的規(guī)定：地區(qū)簡稱部分使用一個代表省?。ㄊ?、自治區(qū) ）簡稱的漢字；發(fā)牌機關代號部分使用大寫英文字母；編碼部分混合使用大寫英文字母和數字。因此，字符識別算法最好具備較強的抗干擾性和適應性。顯然，字符識別模塊也要具有較高的處理速度和效率，滿足實時性的要求 [16]。 SSD算法 [19]通過計算 S和 T之間的灰度值的 L2 距離對圖像進行相似度匹配。最簡單的計算絕對差值的公式如下： ? ?? ? ?? Nm Nn ji nmTnmSjiD 1 1 , ),(),(),( （ ） 在字符比較標準時，模板匹配法對字符圖像的缺損、污跡有較強的免疫力，而且具有較大的識別率；但是，在字符旋轉、變形的等情況下，識別效果較差。 為了檢驗本章提出的車牌識別算法，本文對 90 多張車輛圖像進行試驗。另外，對候選區(qū)的搜索時，按單一法則進行搜索，當車牌傾斜角稍大，就會出現(xiàn)誤定位，最終導致識別錯誤，因此，在以后的學習和工作中還需進一步改進。在第四章字符分割中，并提出了本文的字符切割方法，在車牌識別階段，通過模版匹配法對車牌數字和字母進行識別。F: 車牌圖片 .jpg39。原圖 39?；叶葓D 39?；叶葓D直方圖 39。,39。title(39。1]。腐蝕后圖像 39。,[25,25])。平滑圖像的輪廓 39。title(39。 myI=double(I5)。%Y 方向車牌區(qū)域確定 PY1=MaxY。 36 end PY2=MaxY。 end IY=I(PY1:PY2,:,:)。 while ((Blue_x(1,PX1)3)amp。 while ((Blue_x(1,PX2)3)amp。%對車牌區(qū)域的校正 PX2=PX2+1。行方向合理區(qū)域 39。) imwrite(dw,39。39。 jpg=strcat(filepath,filename)。 b=rgb2gray(a)。 figure(8)。 g_min=double(min(min(b)))。 % d:二值圖像 imwrite(d,39。subplot(3,2,2),imshow(d),title(39。) % 濾波 h=fspecial(39。 imwrite(d,39。 39。 % 使用一個 3X3 的正方形結果元素對象對創(chuàng)建的圖像進 行膨脹 % 39。/39。 if bwarea(d)/m/n= d=imerode(d,se)。)。 [m,n]=size(d)。j=1。amp。 d(:,k1+num+5)=0。flag=0。wide=0。 else temp=qiege(imcrop(d,[1 1 wide m]))。 if two_thirds/ally2 flag=1。 41 end end % 分割出第二個字符 [word2,d]=getword(d)。 % 分割出第六個字符 [word6,d]=getword(d)。)。 subplot(5,7,3),imshow(word3),title(39。439。)。 subplot(5,7,7),imshow(word7),title(39。 42 % 商用系統(tǒng)程序中歸一化大小為 40*20,此處演示 word1=imresize(word1,[40 20])。 word5=imresize(word5,[40 20])。139。)。 subplot(5,7,18),imshow(word4),title(39。539。)。 imwrite(word1,39。39。)。 imwrite(word5,39。39。)。939。Z39。 %建立自動識別字符代碼表 SubBw2=zeros(40,20)。.jpg39。)。 kmax=36。F:\字符模板 \39。 SamBw2 = imread(fname)。 end end end Error(k2)=Dmax。 Code(l*21)=liccode(findc(1)+kmin1)。 end figure(11),imshow(dw),title ([39。,39。flag=0。 wide=0。 end temp=qiege(imcrop(d,[1 1 wide m]))。 n1/m1y2 d(:,[1:wide])=0。 end 46 else word=qiege(imcrop(d,[1 1 wide m]))。flag=1。 top=1。 % init while sum(d(top,:))==0 amp。amp。 left=n 47 left=left+1。 end dd=rightle