【正文】 一切即將結(jié)束，一切又即將開(kāi)始。大學(xué)里四年的光陰似是一閃而過(guò)，卻成就了我人生的蛻變與轉(zhuǎn)折?！狈?hào)，標(biāo)明原模塊是定義時(shí)規(guī)定的端口名，`include ． /clkgen． v ∥時(shí)鐘生成器`include ． /alu． v ∥ALU 運(yùn)算器∥…alualu0( ． o_alu_z( zbus) ， i_alu_x( xbus) ，． i_alu_y( ybus) ) ∥模塊端口連接即可實(shí)現(xiàn)括號(hào)中的連接信號(hào)與被引用模塊的端口相對(duì)應(yīng)。 i + + )r_alu_opc［i］ = 0。對(duì)于類(lèi)的成員函數(shù)可通過(guò)域區(qū)分符在類(lèi)體外進(jìn)行定義，不過(guò)事先需要在類(lèi)體內(nèi)進(jìn)行聲明，然后將類(lèi)定義作為頭文件。以運(yùn)算器ALU 模塊中的簡(jiǎn)化程序?yàn)槔瑢?duì)實(shí)現(xiàn)Verilog 和C ++ 程序的編寫(xiě)方式加以說(shuō)明。若某一模塊有3 種不同類(lèi)型的接口input_ in、output_ out 和inout_ io，輸入口_ in和輸出口_ out 屬于單向口，可由相應(yīng)的連接端持續(xù)賦值即可。由于兩者執(zhí)行結(jié)構(gòu)的不同，如在處理非阻塞賦值語(yǔ)句的時(shí)候，則需要考慮兩種語(yǔ)言的語(yǔ)句執(zhí)行情況，以保證兩者語(yǔ)義的一致性。 Verilog 與C ++ 的對(duì)比分析在設(shè)計(jì)的過(guò)程中需要對(duì)兩種語(yǔ)言做必要的對(duì)比分析，以使Verilog 和C ++ 能夠更好的相互配合，保證所設(shè)計(jì)的邏輯電路具有描述的一致性。為此，C ++ 在類(lèi)中提供了三種數(shù)據(jù)類(lèi)型: 公有數(shù)據(jù)( public data ) 、私有數(shù)據(jù)( private data ) 和受保護(hù)型數(shù)據(jù)( protecteddata)。從系統(tǒng)設(shè)計(jì)( 虛擬機(jī)) 入手，用C ++ 來(lái)搭建所需要的系統(tǒng)模型。 sign) 。 longitude_decimal, amp。 SetCursor ( : : LoadCursor( NU LL, IDC_CROS S) ) 。車(chē)牌提取、字符分割和字符識(shí)別部分由計(jì)算機(jī)或DSP處理器組成，可以完成對(duì)車(chē)牌的識(shí)別。提出的算法均已在軟件平臺(tái)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(chē)輛圖像作為算法測(cè)試數(shù)據(jù)源對(duì)算法進(jìn)行測(cè)試，研究了車(chē)牌自動(dòng)識(shí)別系統(tǒng)是一個(gè)以微處理器為核心，基于圖像處理、模式識(shí)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(jì)算機(jī)和識(shí)別軟件組成。作者首先使用Sobel邊緣檢測(cè)算子，并根據(jù)經(jīng)驗(yàn)和合理的推理選取閾值對(duì)圖像進(jìn)行二值化，然后利用形態(tài)學(xué)的閉運(yùn)算和開(kāi)運(yùn)算，對(duì)二值圖像進(jìn)行處理，通過(guò)膨脹將鄰近的邊緣凝聚成一個(gè)連通的整體，用某個(gè)形狀的結(jié)構(gòu)對(duì)圖像進(jìn)行腐蝕，濾除細(xì)碎的邊緣，然后對(duì)圖像進(jìn)行進(jìn)一步聚類(lèi)，并根據(jù)相關(guān)準(zhǔn)則進(jìn)行篩選，得到車(chē)牌區(qū)域。膨脹是將與目標(biāo)物體接觸的所有背景點(diǎn)合并到物體中的過(guò)程，結(jié)果是使目標(biāo)增大，孔洞縮小，可填補(bǔ)目標(biāo)物體中的空洞，形成連通域。然后對(duì)橫向分割出來(lái)的車(chē)牌子圖像應(yīng)用一個(gè)縱向的邊界抽取模板作運(yùn)算，再作縱向累加直方圖并平滑，這樣得到直方圖的許多峰，最后對(duì)這些峰的寬度進(jìn)行從小到大的排序，應(yīng)用相應(yīng)的規(guī)則來(lái)確定車(chē)牌所處的位置。下面介紹幾種具有代表性的方法。車(chē)牌定位作為車(chē)牌處理流程的前端步驟，具有相當(dāng)重要的作用，定位的好壞將直接影響到車(chē)牌識(shí)別的有效性和準(zhǔn)確率。后一種算法的特點(diǎn)是首先計(jì)算二值化閾值把車(chē)牌灰度圖像轉(zhuǎn)化為二值圖像；然后，用快速區(qū)域標(biāo)號(hào)算法對(duì)車(chē)牌二值圖像進(jìn)行連通性分析得到字符的候選區(qū)域；接著，從車(chē)牌二值化圖像中定位出大間隔的位置；然后，結(jié)合車(chē)牌大間隔的位置特征修正和補(bǔ)齊字符區(qū)域，得到最終的字符區(qū)域。有統(tǒng)計(jì)表明，車(chē)牌圖像面積的20%~30%是字符區(qū)域，其余的是車(chē)牌的底色區(qū)域。前一個(gè)算法的特點(diǎn)是采用水平定位和豎直定位相結(jié)合，首先采用高帽變換突出了車(chē)牌區(qū)域，實(shí)現(xiàn)了車(chē)牌的水平定位；然后通過(guò)小波變換對(duì)車(chē)牌區(qū)域進(jìn)行特征提取，實(shí)現(xiàn)了車(chē)牌的豎直定位；最后根據(jù)得到的車(chē)牌水平位置和豎直位置信息，從原始圖像中提取出車(chē)牌。其次，圖像的亮度不同。車(chē)牌自動(dòng)識(shí)別系統(tǒng)的軟件部分包括車(chē)牌提取、字符分割和字符識(shí)別等三個(gè)算法，即從背景復(fù)雜的含有車(chē)牌的圖像中提取出車(chē)牌圖像，然后對(duì)提取的車(chē)牌圖像進(jìn)行必要的預(yù)處理、分離出單個(gè)字符，接著提取字符的特征并與標(biāo)準(zhǔn)字符進(jìn)行比對(duì)，得到待識(shí)別車(chē)牌的車(chē)牌號(hào)碼，并與車(chē)牌數(shù)據(jù)庫(kù)進(jìn)行連接以便確定該車(chē)輛的狀態(tài)。圖像采集的工作過(guò)程是：首先在攝像機(jī)前方檢測(cè)點(diǎn)設(shè)置一傳感器，當(dāng)汽車(chē)通過(guò)檢測(cè)點(diǎn)時(shí)，傳感器向主機(jī)發(fā)出信號(hào)，系統(tǒng)即自動(dòng)攝下車(chē)輛的圖像，并將圖像輸入計(jì)算機(jī)。計(jì)算機(jī)內(nèi)的軟件模塊從輸入圖像中找到牌照的位置，對(duì)牌照作字符分割，得到各個(gè)字符的點(diǎn)陣數(shù)據(jù)。本人主要完成的工作包括：（1）車(chē)牌定位算法。（2）在顏色組合方面，汽車(chē)牌照的底色和字符顏色通常是對(duì)比度較強(qiáng)的兩種顏色。目前車(chē)牌自動(dòng)識(shí)別技術(shù)大量應(yīng)用智能園區(qū)的障礙是識(shí)別率的提高和經(jīng)濟(jì)成本的降低。通常用于電子警察系統(tǒng)、道路監(jiān)控系統(tǒng)。通常用于高速公路卡口專(zhuān)用車(chē)道。車(chē)輛牌照識(shí)別是計(jì)算機(jī)視覺(jué)與模式識(shí)別技術(shù)在智能交通領(lǐng)域應(yīng)用的重要研究課題之一。因此對(duì)圖像采集裝置部分進(jìn)行精心的設(shè)計(jì)和研究，可以得到魯棒性較強(qiáng)的車(chē)牌識(shí)別系統(tǒng)，但這樣卻導(dǎo)致了大量硬件的使用和系統(tǒng)復(fù)雜化，也增加了系統(tǒng)成本。為了解決好車(chē)牌自動(dòng)識(shí)別過(guò)程中的處理速度這個(gè)“瓶頸”問(wèn)題，使用計(jì)算機(jī)分布式結(jié)構(gòu)進(jìn)行處理是一種可行的選擇方案，但實(shí)施起來(lái)難度較大。到目前為止，國(guó)內(nèi)外的許多專(zhuān)家和學(xué)者對(duì)車(chē)牌自動(dòng)識(shí)別技術(shù)進(jìn)行了廣泛的研究，先后提出了許多新的、快速的算法，并不斷對(duì)其進(jìn)行改進(jìn)。綜上所述，車(chē)牌識(shí)別技術(shù)是未來(lái)交通領(lǐng)域必不可少的技術(shù)，現(xiàn)在進(jìn)行車(chē)牌識(shí)別技術(shù)的研究和應(yīng)用開(kāi)發(fā)是具有相當(dāng)?shù)睦碚搩r(jià)值和現(xiàn)實(shí)意義的。那么，準(zhǔn)確無(wú)誤的車(chē)牌識(shí)別，對(duì)于確定車(chē)輛身份，建立相應(yīng)的數(shù)據(jù)庫(kù)管理系統(tǒng)起到至關(guān)重要的作用。搭建了一個(gè)基于c/c++語(yǔ)言的算法演示平臺(tái)，該平臺(tái)集成了我們算法研究的結(jié)果，以及一些通用的數(shù)學(xué)算法，該平臺(tái)是完全開(kāi)放的，可以自由在其基礎(chǔ)上增加新的算法并可方便的觀察算法結(jié)果。日益擁堵的城市交通需要更先進(jìn)、更有效的交通管理、控制。研究了兩種車(chē)牌定位方法，分別是基于高帽變換和小波變換的車(chē)牌定位方法與基于投影法和數(shù)學(xué)形態(tài)學(xué)的車(chē)牌定位方法。本章首先就本課題提出的背景和意義進(jìn)行一個(gè)闡述；隨后比較詳細(xì)的介紹本文涉及的車(chē)牌識(shí)別技術(shù)在國(guó)內(nèi)外的現(xiàn)狀和特點(diǎn)；然后介紹車(chē)牌識(shí)別技術(shù)的應(yīng)用情況，接著介紹中國(guó)汽車(chē)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(duì)本文的基本結(jié)構(gòu)作了一個(gè)說(shuō)明。如今市場(chǎng)上已經(jīng)出現(xiàn)了一些車(chē)牌識(shí)別系統(tǒng)，它們?cè)谙到y(tǒng)規(guī)定的條件和環(huán)境下車(chē)牌的識(shí)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(shuō)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(shí)別率迅速下降和拒識(shí)等等一系列問(wèn)題，系統(tǒng)的通用性比較差。雖然近年來(lái)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(kāi)來(lái)。還有就是基于邊緣檢測(cè)的方法。然而，對(duì)于車(chē)牌識(shí)別系統(tǒng)而言，以上的算法都是針對(duì)圖像后期處理，對(duì)整個(gè)系統(tǒng)的性能并不起決定性作用。車(chē)牌自動(dòng)識(shí)別系統(tǒng)（LPR）是ITS的一個(gè)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(duì)車(chē)輛進(jìn)行自動(dòng)登記、驗(yàn)證、監(jiān)視、報(bào)警，其應(yīng)用場(chǎng)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(chē)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(chē)場(chǎng)管理；車(chē)牌驗(yàn)證，車(chē)流統(tǒng)計(jì)，移動(dòng)和車(chē)載系統(tǒng)等等。目前車(chē)牌識(shí)別系統(tǒng)的適用領(lǐng)域主要包括一下幾個(gè)方面：（1）高速公路收費(fèi)、監(jiān)控管理的應(yīng)用車(chē)輛的自動(dòng)放行：此項(xiàng)功能針對(duì)如特種車(chē)輛（如軍車(chē)、警車(chē)）、預(yù)交費(fèi)車(chē)輛（如辦理月、年繳費(fèi)卡）以及其他授權(quán)免費(fèi)通行的車(chē)輛。只要將其車(chē)牌資料輸入數(shù)據(jù)庫(kù)，系統(tǒng)就會(huì)處于自動(dòng)檢測(cè)狀態(tài)，24小時(shí)不停地對(duì)所有經(jīng)過(guò)車(chē)輛自動(dòng)進(jìn)行識(shí)別、比較、處理；尤其可以使用于城市機(jī)動(dòng)車(chē)輛的檔案管理工作、特殊的交通管理工作。（3）智能小區(qū)、智能停車(chē)場(chǎng)管理的應(yīng)用車(chē)牌自動(dòng)識(shí)別技術(shù)作為車(chē)輛識(shí)別的先進(jìn)技術(shù)手段，在智能園區(qū)中可用于以下幾個(gè)方面：車(chē)輛出、入園識(shí)別：園區(qū)的業(yè)主入住時(shí)，將自己的汽車(chē)進(jìn)行登記，其車(chē)牌信息將記錄在計(jì)算機(jī)數(shù)據(jù)庫(kù)中。X3 X4 X5 X6 X7這個(gè)格式排列，但是有一些特殊類(lèi)型的車(chē)牌略有差別。如圖11所示：目前國(guó)內(nèi)汽車(chē)牌照主要有六種類(lèi)型：（1）大型民用汽車(chē)所用的黃底黑字牌照；（2）小型民用汽車(chē)所用的藍(lán)底白字牌照；（3）軍隊(duì)或武警專(zhuān)用汽車(chē)的白底紅字、黑字牌照；（4）使、領(lǐng)館等外籍汽車(chē)的黑底白字牌照；（5）試車(chē)和臨時(shí)牌照的白底紅字，且數(shù)字前分別有“試”和“臨時(shí)”字標(biāo)志；（6）汽車(chē)補(bǔ)用牌照是白底黑字。車(chē)牌自動(dòng)識(shí)別系統(tǒng)是一個(gè)以微處理器為核心，基于圖像處理、模式識(shí)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(jì)算機(jī)和識(shí)別軟件組成。車(chē)牌提取、字符分割和字符識(shí)別部分由計(jì)算機(jī)或DSP處理器組成，可以完成對(duì)車(chē)牌的識(shí)別。（2）圖像處理部分主要涉及數(shù)字圖像的處理過(guò)程，一般使用嵌入式的硬件系統(tǒng)，比如說(shuō)可以采用DSP處理器來(lái)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。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(duì)不同的車(chē)輛拍下的，因此在質(zhì)量上有相當(dāng)大的差別。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(shí)別率受到影響。之所以要?dú)w一化，是因?yàn)橛械能?chē)牌圖像的大小各異，我們必須把它們轉(zhuǎn)化為統(tǒng)一大小的車(chē)牌；還有就是車(chē)牌原先的顏色搭配不同，有的車(chē)牌是黃底黑字，轉(zhuǎn)換為灰度圖像過(guò)后字符的灰度值比車(chē)牌預(yù)處理定位字符的位置分割字符車(chē)牌圖像字符圖像車(chē)牌背景的灰度值要小，而有的車(chē)牌是藍(lán)底白字，轉(zhuǎn)換為灰度圖像過(guò)后就是字符亮而背景比較暗。即使車(chē)牌上字符出現(xiàn)一定的粘連，但是一般來(lái)說(shuō)還是可以找到一個(gè)或者多個(gè)沒(méi)有粘連的字符的。在這一章，我們將介紹兩種車(chē)牌定位的算法，分別是基于高帽變換和小波變換的車(chē)牌提取方法與基于投影法和數(shù)學(xué)形態(tài)學(xué)的車(chē)牌提取方法。車(chē)牌自身具有很多的固有特征，這些特征對(duì)于不同的國(guó)家是不同的。如前文所述，盡管車(chē)牌圖像的背景較為復(fù)雜，可能包含了行人、建筑和其他車(chē)輛等干擾因素，但車(chē)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(chē)牌區(qū)域存在豐富的邊緣特征，因此被廣泛應(yīng)用于車(chē)牌的定位研究中。根據(jù)車(chē)牌區(qū)域的特征設(shè)計(jì)了一個(gè)處理函數(shù)，使用該函數(shù)對(duì)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(chē)牌區(qū)域的特征得以放大，在此基礎(chǔ)上提取車(chē)牌的位置。這種算法考慮了車(chē)牌的傾斜角度，能夠有效的確定文字區(qū)域。同時(shí)，采用在實(shí)際環(huán)境中采集到的360幅圖像對(duì)這兩種車(chē)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(chē)牌定位算法是十分有效的。一個(gè)典型的車(chē)牌自動(dòng)識(shí)別系統(tǒng)通常由車(chē)輛檢測(cè)、圖像采集、車(chē)牌提取、字符分割和字符識(shí)別等部分組成，其中，車(chē)輛檢測(cè)模塊一般使用地感線圈，它可以檢測(cè)當(dāng)前是否有車(chē)輛通過(guò)。: SetCur