【正文】 一切即將結(jié)束，一切又即將開始。大學(xué)里四年的光陰似是一閃而過，卻成就了我人生的蛻變與轉(zhuǎn)折?！狈?，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)括號中的連接信號與被引用模塊的端口相對應(yīng)。 i + + )r_alu_opc［i］ = 0。對于類的成員函數(shù)可通過域區(qū)分符在類體外進(jìn)行定義，不過事先需要在類體內(nèi)進(jìn)行聲明，然后將類定義作為頭文件。以運(yùn)算器ALU 模塊中的簡化程序?yàn)槔?，對?shí)現(xiàn)Verilog 和C ++ 程序的編寫方式加以說明。若某一模塊有3 種不同類型的接口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句的時(shí)候，則需要考慮兩種語言的語句執(zhí)行情況，以保證兩者語義的一致性。 Verilog 與C ++ 的對比分析在設(shè)計(jì)的過程中需要對兩種語言做必要的對比分析，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 ++ 在類中提供了三種數(shù)據(jù)類型: 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 ++ 來搭建所需要的系統(tǒng)模型。 sign) 。 longitude_decimal, amp。 SetCursor ( : : LoadCursor( NU LL, IDC_CROS S) ) 。車牌提取、字符分割和字符識別部分由計(jì)算機(jī)或DSP處理器組成，可以完成對車牌的識別。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，研究了車牌自動(dòng)識別系統(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)和識別軟件組成。作者首先使用Sobel邊緣檢測算子，并根據(jù)經(jīng)驗(yàn)和合理的推理選取閾值對圖像進(jìn)行二值化，然后利用形態(tài)學(xué)的閉運(yùn)算和開運(yùn)算，對二值圖像進(jìn)行處理，通過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)對圖像進(jìn)行腐蝕，濾除細(xì)碎的邊緣，然后對圖像進(jìn)行進(jìn)一步聚類，并根據(jù)相關(guān)準(zhǔn)則進(jìn)行篩選，得到車牌區(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。然后對橫向分割出來的車牌子圖像應(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)則來確定車牌所處的位置。下面介紹幾種具有代表性的方法。車牌定位作為車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牌識別的有效性和準(zhǔn)確率。后一種算法的特點(diǎn)是首先計(jì)算二值化閾值把車牌灰度圖像轉(zhuǎn)化為二值圖像；然后，用快速區(qū)域標(biāo)號算法對車牌二值圖像進(jìn)行連通性分析得到字符的候選區(qū)域；接著，從車牌二值化圖像中定位出大間隔的位置；然后，結(jié)合車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，車牌圖像面積的20%~30%是字符區(qū)域，其余的是車牌的底色區(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牌區(qū)域，實(shí)現(xiàn)了車牌的水平定位；然后通過小波變換對車牌區(qū)域進(jìn)行特征提取，實(shí)現(xiàn)了車牌的豎直定位；最后根據(jù)得到的車牌水平位置和豎直位置信息，從原始圖像中提取出車牌。其次，圖像的亮度不同。車牌自動(dòng)識別系統(tǒng)的軟件部分包括車牌提取、字符分割和字符識別等三個(gè)算法，即從背景復(fù)雜的含有車牌的圖像中提取出車牌圖像，然后對提取的車牌圖像進(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，得到待識別車牌的車牌號碼，并與車牌數(shù)據(jù)庫進(jìn)行連接以便確定該車輛的狀態(tài)。圖像采集的工作過程是：首先在攝像機(jī)前方檢測點(diǎn)設(shè)置一傳感器，當(dāng)汽車通過檢測點(diǎn)時(shí)，傳感器向主機(jī)發(fā)出信號，系統(tǒng)即自動(dòng)攝下車輛的圖像，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）車牌定位算法。（2）在顏色組合方面，汽車牌照的底色和字符顏色通常是對比度較強(qiáng)的兩種顏色。目前車牌自動(dòng)識別技術(shù)大量應(yīng)用智能園區(qū)的障礙是識別率的提高和經(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用車道。車輛牌照識別是計(jì)算機(jī)視覺與模式識別技術(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)的車牌識別系統(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。為了解決好車牌自動(dòng)識別過程中的處理速度這個(gè)“瓶頸”問題，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)施起來難度較大。到目前為止，國內(nèi)外的許多專家和學(xué)者對車牌自動(dòng)識別技術(shù)進(jìn)行了廣泛的研究，先后提出了許多新的、快速的算法，并不斷對其進(jìn)行改進(jìn)。綜上所述，車牌識別技術(shù)是未來交通領(lǐng)域必不可少的技術(shù)，現(xiàn)在進(jìn)行車牌識別技術(shù)的研究和應(yīng)用開發(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)確無誤的車牌識別，對于確定車輛身份，建立相應(yīng)的數(shù)據(jù)庫管理系統(tǒng)起到至關(guān)重要的作用。搭建了一個(gè)基于c/c++語言的算法演示平臺，該平臺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，該平臺是完全開放的，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。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(gè)說明。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。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。還有就是基于邊緣檢測的方法。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(gè)系統(tǒng)的性能并不起決定性作用。車牌自動(dòng)識別系統(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，比如可以對車輛進(jìn)行自動(dòng)登記、驗(yàn)證、監(jiān)視、報(bào)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(jì)，移動(dòng)和車載系統(tǒng)等等。目前車牌識別系統(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)用車輛的自動(dòng)放行：此項(xiàng)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。只要將其車牌資料輸入數(shù)據(jù)庫，系統(tǒng)就會處于自動(dòng)檢測狀態(tài)，24小時(shí)不停地對所有經(jīng)過車輛自動(dòng)進(jìn)行識別、比較、處理；尤其可以使用于城市機(jī)動(dòng)車輛的檔案管理工作、特殊的交通管理工作。（3）智能小區(qū)、智能停車場管理的應(yīng)用車牌自動(dòng)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(gè)方面：車輛出、入園識別：園區(qū)的業(yè)主入住時(shí)，將自己的汽車進(jìn)行登記，其車牌信息將記錄在計(jì)算機(jī)數(shù)據(jù)庫中。X3 X4 X5 X6 X7這個(gè)格式排列，但是有一些特殊類型的車牌略有差別。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(duì)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(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）汽車補(bǔ)用牌照是白底黑字。車牌自動(dòng)識別系統(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)和識別軟件組成。車牌提取、字符分割和字符識別部分由計(jì)算機(jī)或DSP處理器組成，可以完成對車牌的識別。（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。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。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。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。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(gè)或者多個(gè)沒有粘連的字符的。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。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。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。根據(jù)車牌區(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。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。同時(shí)，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。一個(gè)典型的車牌自動(dòng)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。: SetCur