【正文】 要事第一 創(chuàng)設(shè)遍及全美的事務(wù)公司的亨瑞。相反，如果他抓住了主要矛盾，解決問題就變得容易多了。因此，在工作中，如果我們不能選擇正確的事情去做，那么唯一正確的事情就是停止手頭上的事情，直到發(fā)現(xiàn)正確的事情為止。正如微軟總裁兼首席軟件設(shè)計師比爾。著名的效率提升大師博思 .崔西 説 ：“成功就是目標(biāo)的達(dá)成，其他都是這句話的注釋?！? 把問題想透徹 把問題想透徹，是一種很好的思維品質(zhì)。 一次做好一件事 著名的效率提升大師博思 .崔西有一個著名的論斷：“一次做好一件事的人比同時涉獵多個領(lǐng)域的人要好得多。 學(xué)習(xí)是一個長期積累的 過程，在 今 后的工作、生活中都應(yīng)該不斷的學(xué)習(xí)，努力提高自己 的 綜合素質(zhì)。優(yōu)點是程序邏輯設(shè)計簡單，循環(huán)執(zhí)行功能單一，便于設(shè)計和操作，程序執(zhí)行時間短。 對于識別錯誤情況的分析可知，主要原因：一是牌照自身的污漬等影響了圖 像 的質(zhì)量；二是牌照字符的分割失敗導(dǎo)致的識別錯誤；再就是部分字符的形狀相似性，比如， B 和 8； A 和 4 等字符識別結(jié)果可能發(fā)生混淆的情況。 initF: 39。下面就圖 23 所示測試樣例進(jìn)行測試。 =。 39。根據(jù)需要可設(shè)計為一層或多層；最后一個隱層將信息傳遞給輸出層神經(jīng)元經(jīng)進(jìn)一步處理后向外界輸出信息處理結(jié)果 。 BP神經(jīng)網(wǎng)絡(luò)可以應(yīng)付各種數(shù)據(jù)和能夠模擬一種復(fù)雜的決定系統(tǒng)。但是人工神經(jīng)網(wǎng)絡(luò)是近現(xiàn)代才提出來的一種新型技術(shù)，所以還有一些缺點，不過它的優(yōu)點卻是非常明 顯的：①它可以充分逼近任意復(fù)雜的非線性關(guān)系。基于模板匹配算法首先把待識別字符二 值化并將其尺寸大小縮放為字符數(shù)據(jù)庫中模板的大小，然后與所有的模板進(jìn)行匹配，最后選最佳匹配作為結(jié)果。再用模板中的全體像素的平均值來代替原來像素值。這里選用的是數(shù)學(xué)形態(tài)學(xué)的方法，其基本思想是用具有一定形態(tài)的機(jī)構(gòu)元素去量度和提取圖像中的對應(yīng)形狀以達(dá)到對圖像分析和識別的目的。利用車牌部分垂直高頻豐富的特點先利用小波提取圖像的垂直高頻信息，然后利用數(shù)學(xué)形態(tài)學(xué)方法對小波分解后的細(xì)節(jié)圖像進(jìn)行一系列的形態(tài)運算，進(jìn)一步消除無用的信息和噪聲，以定位車牌。分析這種情況產(chǎn)生的原因，歸納起來主要有以下方面 : 原始圖像清晰度比較高，從而簡化了預(yù)處理 圖像的平滑處理會使圖像的邊緣信息受到損失，圖像變得模糊 圖像的銳化可以增強(qiáng)圖像中物體的邊緣輪廓 ，但同時也使一些噪聲得到了增強(qiáng) 綜上所述，結(jié)合 MATLAB 實驗過程，得出不是每一種圖像處理之初都適合濾波和邊界增強(qiáng)。例如，某一象素點的鄰域 S有兩種表示方法： 8鄰域和 4鄰域分別對應(yīng)的鄰域平均值為 ??? sji jifMjig ),( ),(1),( (36) 圖 35 鄰域 及其 鄰域模板 （ 5） 其中， M 為鄰域中除中心象素點 f(i,j) 之外包括的其它象素總數(shù)，對于 4鄰域 M=4， 8 鄰域 M=8。所以在此我們要對圖像進(jìn)行邊緣檢測。系統(tǒng)可以運行于 Windows9Windows2021或者 Windows XP操作系統(tǒng)下，程序調(diào)試時使用 matlab。 為了用于牌照的分割和牌照字符的識別，原始圖 像 應(yīng)具有適當(dāng)?shù)牧炼龋^大的對比度和清晰可辯的牌照圖 像 。對于國內(nèi)牌照來說，一般的車輛正面牌照中水平排列著 7個字符，其標(biāo)準(zhǔn)車牌樣式 ： XlX2〃 X3X4X5X6X7。 自 20 世紀(jì) 60年代初期出現(xiàn)第一代產(chǎn)品開始，經(jīng)過 30 多年的不斷發(fā)展改進(jìn)， 字符識別 技術(shù)的研究 已經(jīng) 取得了令人矚目的成果 。這種模型認(rèn)為，在長時記憶中存儲的并不是所要識別的無數(shù)個模板，而是圖像的某些“相似性 ”。這種模型認(rèn)為，識別某個圖像，必須在過去的經(jīng)驗中有這個圖像的記憶模式，又叫模板。 隨著 21 世紀(jì)經(jīng)濟(jì)全球化和信息時代的發(fā)展，作為信息來源的自動檢測、圖像識別技術(shù)越來越受到人們的重視。 字符識別是一種圖像識別技術(shù)，他的輸入是一張帶有某種字符的圖片，而輸出則是計算機(jī)中對于圖片中字符的反應(yīng)結(jié)果。其中很大一部分是圖像，圖像可以把事物生動的呈現(xiàn)在我們面前，讓我們更直觀地接受信息。用 MATLAB 做車牌識別比用其他工具有許多優(yōu)勢，因為 MATLAB 在圖像的灰度化、二值化、濾波等方面都有很大優(yōu)勢， 所以 ,本次實驗我們 利用MATLAB 的這些優(yōu)點來對車牌進(jìn)行識別。 可以預(yù) 計 21 世紀(jì)，圖像技術(shù)將經(jīng)歷一個飛躍發(fā)展的成熟階段，為深入人民生活創(chuàng)造新的文化環(huán)境，成為提高生產(chǎn)的自動化、智能化水平的基礎(chǔ)科學(xué)之一。 （三） 圖像識別的機(jī)理 圖像識別是人工智能的一個重要領(lǐng)域。例如 ,人們不僅能識別某一個具體的字母 A,也能識別印刷體的、手寫體的、方向不正、大小不同的各種字母 A。因此又有人提出了一個更復(fù)雜的模型，即“泛魔”識別模型。在開發(fā)期間，以功能強(qiáng)大的 Matlab 作為編程平臺，利用一些行之有效的技術(shù)提高識別算法的性能，從而完成相應(yīng)的識別軟件。 圖 21 牌照識別系統(tǒng)原理圖 該系統(tǒng)是計算機(jī)圖像處理與字符識別技術(shù)在智能化交通管理系統(tǒng)中的應(yīng)用，它主要由牌照圖像的采集和預(yù)處理、牌照區(qū)域的定位和提取、牌照字符的分割和識別等幾個部分組成，如圖 1所示。 車牌識別的最終目的就是對車牌上的文字進(jìn)行識別。同理對白底黑字的牌照可用 R 通道，綠底白字的牌照可以用 G 通道就 可以明顯呈現(xiàn)出牌照區(qū)域的位置，便于后續(xù)處理。這時就可以采用灰度校正的方法來處理，增強(qiáng)灰度的變化范圍、豐富灰度層次，以達(dá)到增強(qiáng)圖 像 的對比度和分辨率。邊緣提取是較經(jīng)典的算法，此處 邊緣的提取采用的是 Roberts 算子。直接分析圖像的特征，如基于線模板的二值化圖像中的角檢 測算法，該算法利用車牌的邊框角點，檢測車牌的四個角點，并以此來定位車牌。 目前較為常用的方法是先提取車輛圖像的邊緣，然后結(jié)合車輛牌照的幾何特征，分析二值化邊緣圖像像素在水平和垂直方向的投影，判斷出車輛牌照的位置。然后，在分割出的行區(qū)域內(nèi)，統(tǒng)計列方向藍(lán)色像素點的數(shù)量，最終確定完整的車牌區(qū)域。但是對于車牌的識別，并不需要太多的處理就已經(jīng)可以達(dá)到正確識別的目的。前一種方法識別結(jié)果與特征提取有關(guān)，而特征提取比較耗時，因此，特征提取是關(guān)鍵。⑥具有高速尋找優(yōu)化解的能力。在 MATLAB工具箱中已經(jīng)有了BP神經(jīng)識別的函數(shù)，這里使用 newlin函數(shù) adapt函數(shù)，使用這些函數(shù)需要輸入預(yù)期的待學(xué)目標(biāo)的輸入范圍，指定一個延遲輸入信號和一個有延遲輸 入信號以及學(xué)習(xí)速度的參數(shù)，這樣字符就能很好地在 MATLAB中得到識別。比較輸出結(jié)果和期望值，若沒有達(dá)到要求的誤差程度或者訓(xùn)練次數(shù)，即經(jīng)過輸出層、隱層和輸入層，來調(diào)節(jié)權(quán)值，以便使網(wǎng)絡(luò)成為一定適應(yīng)能力的模型。learngdm39。誤差曲線 即測試樣例經(jīng)訓(xùn)練后的實際輸出結(jié)果和期望輸出的差值情況。 0] layerConnect: [0 0。traingdx39。這里我采用的是邊緣檢測的方法實現(xiàn)定位的。 這次 USRP 讓我學(xué)到了很多東西，在這整個過程中我們查閱了大量的資料， 涉及到方方面面的知識 。 參考文獻(xiàn) [1] 夏慶觀，盛黨紅，溫秀蘭，基于 MATLAB GUI的零件圖像識別 2021年 12月 中國制造業(yè)信息化 第 37卷 第 23期 [2] 尹芳， 王衛(wèi)兵， 陳德運，印刷體英文文檔識別系統(tǒng)的設(shè)計與實現(xiàn)哈爾濱理工大學(xué)學(xué)報第 13卷第 6期 2021年 12月 [3] 汪益民，梅林，張義超，基于 OCR技術(shù)的書寫文字識別系統(tǒng)設(shè)計 甘肅科技第 23卷第 8期 2021年 8月 [4] 葉晨洲，廖金周，一種基于紋理的牌照圖象二值化方法，微型電腦應(yīng)用， 1999(6) [5] 朱學(xué) 芳等，一種自適應(yīng)細(xì)化方法，模式識別與人工智能， ， 1997(6) [6] 楊萬山等，基于 BP 神經(jīng)網(wǎng)絡(luò)的工程圖紙圖形符號的識別，微型電腦應(yīng)用， ， ， 2021 [7] 袁志偉，潘曉露 .車輛牌照定位的算法研究 [J].昆明理工大學(xué)學(xué)報， 2021， 26(2) [8] 劉陽，伊鐵源等 .數(shù)字圖象處理應(yīng)用于車輛牌照的識別 .遼寧大學(xué)學(xué)報 .2021 [9] 許志影 、 李晉平 .MATLAB極其在圖像處理中的應(yīng)用 .計算機(jī)與現(xiàn)代化， 2021(4) [10] 崔 江 、 王友仁 .車牌自動識別方法中的關(guān) 鍵技術(shù)研究 .計算機(jī)測量與控制， (4) [11] 梁瑋 、 羅劍鋒 、 賈云得 .一種復(fù)雜背景下的多車牌圖像分割與識別方法 [D]. 2021. [12] 張 引，潘云鶴，面向車輛牌照字符識別的預(yù)處理算法，計算機(jī)應(yīng)用研究， 1999(7) 能人士的 50 個習(xí)慣 在行動前設(shè)定目標(biāo) 有目標(biāo)未必能夠成功，但沒有目標(biāo)的肯定不能成功。 發(fā)現(xiàn)問題關(guān)鍵 在許多領(lǐng)導(dǎo)者看來，高效能人