【正文】 S).. . [3] Underwood, Steven E.，A Review and Classification of Sensors for Intelligent VehicleHighway 48 Systems，. Federal Highway Administration，F(xiàn)HWA Report DTFH61一89P00827，Washington, .，1990. [4] Bir Bhanu, , .. to the special issue on automatic target detection and recognition. IEEE Trans. Image , 6 (1).1一6. [5]劉慶祥，(交通科學(xué)與工程版).2004. . [6]陳良育，‘曾振柄，. . [7](GA3692 [8]沈庭芝，方子文編著.《數(shù)字圖像處理及模式識別》.. [9] Swanson M D, Tewfik A H. Fast Progressively Refined Image of Electronic Imaging .(3).P443452. [10] Granieri M N, Stabile F, Comelli, P. Recognition of Motor Vehicle License Plates in RearView Images .Sanzj Technology .Coordinated ScienceLaboratory. University of Illineis at . . [11] Setchell J .Applications of Computer Vision to RoadTraffic Thesls. University of . . [12」 . . [13]蔣治華，陳繼榮，. . [ 14]. [15]. . [16]章毓晉著.《圖像工程》..[17]劉禾編著[18]殷福亮，《數(shù)字圖像處理及應(yīng)用》..《數(shù)字信號處理C語言程序集》.. [19]趙榮椿等編著.《數(shù)字圖像處理導(dǎo)論》.. [20] Sahoo . A Survey of Thresholding Techniques. Computer Vision Graphics and Image (3). [21] .A Threshold Selection Method from Graylevel Histograms .IEEETrans .Man Cyber net. . [22] Brink A B .Gray level Thresholding of images using a correlation criterion. Pattern Recognition Letters. 1998，9. [23] William . Digital Image Processing. Third Edition. 1985. [24] Rafael . Digital Image Edition. 1992. [25] GLASBEY .An analysis of histogrambased threshold algorithms在進(jìn)行模板匹配之前，首先采用了數(shù)學(xué)形態(tài)學(xué)中的細(xì)化操作，將字符圖片中的字符細(xì)化成骨架，提高了匹配的速度。因?yàn)榕臄z角度等原因，某些車牌圖像并不是非常標(biāo)準(zhǔn)，存在著一些傾斜角度，這樣，在進(jìn)行分割等處理前還需要對圖像進(jìn)行傾斜校正。首先取字符模板，接著依次取待識別字符與模板進(jìn)行匹配，將其與模板字符相減，得到的0越多那么就越匹配。然而，通常情況下用于匹配的圖象各自的成像條件存在差異，產(chǎn)生較大的噪聲干擾，或圖象經(jīng)預(yù)處理和規(guī)格化處理后，使得圖象的灰度或像素點(diǎn)的位置發(fā)生改變。用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行字符識別主要有兩種方法:一種方法是先對待識別字符進(jìn)行特征提取，然后用所獲得的特征來訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類器。投影圖中的橫坐標(biāo)方向的長度和車牌圖像的寬度是一樣的，垂直方向以黑色的直線表示目標(biāo)像素的數(shù)量，黑色直線越長代表這一列上的目標(biāo)像素越多。 在對車牌中字符進(jìn)行分割前，我們首先盡量去除掉車牌圖像中的噪音，而汽車牌照的邊框無疑就是最大的噪音，所以我們首先要去除車牌的邊框。y那么下面我們就利用這兩個角度針對圖像進(jìn)行車牌校正操作。 將灰度圖像轉(zhuǎn)變?yōu)槎祱D像的過程稱為二值化。這一公式用損失色調(diào)和色飽和度的代價保留了亮度信息，而這正是我們所需要的，: 彩色車牌圖 灰度車牌圖 汽車牌照由于在行駛中被濺到污泥等關(guān)系，還有就是有兩個固定點(diǎn)，造成了車牌圖像中出現(xiàn)了各種不同程度、各種類型的噪聲，為了便于后續(xù)的處理與識別，所以我們首先要對灰度化后的圖像進(jìn)行去噪處理。在處理圖像的時候，首先從文件中讀取圖像文件頭信息，然后再把圖像數(shù)據(jù)的第四部分，也就是實(shí)際的圖像數(shù)據(jù)讀入內(nèi)存，對其進(jìn)行操作。biClrImportant表示圖像中的重要的顏色數(shù)，如果該值為零，則認(rèn)為所有的顏色都是重要的。 LONG biXPelsPerMeter。第二第四個則保留，目前無意義，最后一個相當(dāng)重要，表示，位圖的數(shù)據(jù)信息離文件頭的偏移量，以字節(jié)為單位。 第一部分是位圖頭文件BITMAPFILEHEADER，它是一個結(jié)構(gòu)體，定義如下: typedef struct tagBITMAPFILEHEADER{ WORD bfType。 字符識別的研究。到了八十年代后期，計算機(jī)硬件資源獲得飛速的提高，使得印刷體文字的快速識別成為可能。國外現(xiàn)在有一些公司在這方面有一些比較成功的產(chǎn)品系列:以色列Hi_ Tech公司的See/Car System系列產(chǎn)品，香港Asia Vision Technology公司的VECON產(chǎn)品，新加坡Optasia公司的VLPRS產(chǎn)品等，其中VECON和VLPRS產(chǎn)品主要適合于香港和新加坡的車牌，Hi_ Tech公司的See/Car System有多種變形產(chǎn)品來分別適應(yīng)某一個國家的車牌，See/Car Chinese系統(tǒng)可以對中國大陸的車牌進(jìn)行識別，但也有很大的缺陷，而且不能識別車牌中的漢字。IC卡技術(shù)識別準(zhǔn)確度高，運(yùn)行可靠，可以全天候作業(yè)，但是它整套裝置價格昂貴，所需硬件設(shè)備十分復(fù)雜，不適用于異地作業(yè)。隨著該系統(tǒng)的推廣使用，收費(fèi)站前的車輛賭塞和交通擁擠的情況得到緩解，可以為過往車輛節(jié)約運(yùn)營時間，這對十長途旅客運(yùn)輸和商用貨物運(yùn)輸也顯得尤為重要。涉及機(jī)動車的各種經(jīng)濟(jì)和刑事案件屢禁不止。大量在公共場合的汽車需要得到監(jiān)管，而目前在各大城市。由十高速公路運(yùn)輸中傳統(tǒng)的人工收取通行費(fèi)方法效率低下，而近幾年不斷增大的交通流量，往往使得各式車輛在收費(fèi)管卡處滯留形成“瓶頸”，不能完全發(fā)揮出高速公路的優(yōu)點(diǎn)，這個問題如得不到解決，勢必影響交通運(yùn)輸線的暢通，甚至導(dǎo)致直接或間接的經(jīng)濟(jì)損失。 此外，在大型停車場等系統(tǒng)的管理中，車牌識別也起著重要的作用。所以，如何實(shí)現(xiàn)更快更好進(jìn)行車牌識別，已經(jīng)成為了一個各國關(guān)注的熱點(diǎn)問題。 車牌字符識別是車牌識別系統(tǒng)的一個重要組成部分。車牌的傾斜校正處理。 BMP圖像的讀取與轉(zhuǎn)換 在車牌圖像定位后得到的圖像是一幅BMP彩色圖像，而我們進(jìn)行圖像處理的時候都是要對內(nèi)存中的數(shù)據(jù)進(jìn)行操作的，所以首先要把定位好的BMP圖像讀入到內(nèi)存中。 } BITMAPFILEHEADER。 WORD biBitCount。 其中biSize表示文件的長度，它的單位是像素。 第四部分就是實(shí)際的圖像數(shù)據(jù)。、。用數(shù)學(xué)公式表示為: 二維中值濾波可由下式表示: 其中:A為窗口。它的具體算法描述如下: (1)、應(yīng)用OTSU法求出全