【正文】 中往往存在噪聲干擾或輸入模式的部分損失，而人工神經(jīng)元網(wǎng)絡(luò)將信息分布存儲(chǔ)于連接的權(quán)系數(shù)中，使網(wǎng)絡(luò)具有很高的容錯(cuò)性和魯棒性；另外，人工神經(jīng)元網(wǎng)絡(luò)的自組織、自適應(yīng)學(xué)習(xí)功能，大大放松了傳統(tǒng)識(shí)別方法所需的約束條件，使其對(duì)某些識(shí)別問(wèn)題顯示出了極大的優(yōu)越性。所以在人工神經(jīng)元的建設(shè)中，常常還加有一個(gè)額外輸入信號(hào)，稱(chēng)為偏差，也被稱(chēng)為閾值。 ()1() 1WXy f W X e ?? ??? ? ? ? （ 44） 此時(shí)輸出和輸入成對(duì)數(shù)正切關(guān)系，選擇 S型函數(shù)作為輸出函數(shù)具有以下有益特性：非線(xiàn)性 ，單調(diào)性，無(wú)限次可微，當(dāng)權(quán)值很大時(shí)可近似閾值函數(shù)，當(dāng)權(quán)值很小時(shí)可近似線(xiàn)性函數(shù)。()j jyy?為誤差 （ 即要求值與真實(shí)值之差） , qV 為第 q 個(gè)神經(jīng)元的輸出。 2e x p ( ( ) )( ) ( ) ( 1 ( ) )( 1 e x p ( ( ) ) )jj j jjsny n y n y nsn??? ? ??? （ 411） ② 反向計(jì)算。增加層數(shù)可以降低誤差、提高精度，但同時(shí)也增加了網(wǎng)絡(luò)的復(fù)雜性，延長(zhǎng)了網(wǎng)絡(luò)權(quán)值的訓(xùn)練時(shí)間，而誤差精確的提高可以通過(guò)增加隱含層的神經(jīng)元個(gè)數(shù)來(lái)確定，其訓(xùn)練也比增加層數(shù)更容易實(shí)現(xiàn)。對(duì)同一樣本集用具有不同隱含節(jié)點(diǎn)數(shù)的網(wǎng) 絡(luò)進(jìn)行訓(xùn)練，直到
。 BP 網(wǎng)絡(luò)設(shè)計(jì) 在 進(jìn)行 BP 網(wǎng)絡(luò)的設(shè)計(jì)時(shí)，一般應(yīng)從 網(wǎng)絡(luò)的層數(shù)、每層中神經(jīng)元個(gè)數(shù)和激活函數(shù)、初始值以及學(xué)習(xí)速率等幾個(gè)方面來(lái)進(jìn)行考慮， BP 網(wǎng)絡(luò)的基本結(jié)構(gòu)如圖 41 所示： 設(shè)定頁(yè)眉 29 圖 41 BP 神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu) （ 1） 網(wǎng)絡(luò)層數(shù)的確定。選定合理的網(wǎng)絡(luò)結(jié)構(gòu)，設(shè)置合理的可調(diào)參數(shù)（權(quán)和閾值）。 它是用已知樣本作為教師信號(hào)對(duì)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)，即設(shè)任一個(gè)神經(jīng)元 i 到 j 的權(quán) ijw ，則其權(quán)的改變量為： ij j qwV???? （ 46） 39。 ()y f W X W X??? ? ? ? (43) 此時(shí)， 輸出 與輸 入 成正比關(guān)系。 因此，神經(jīng)網(wǎng)絡(luò)模式識(shí)別方法能夠?qū)崿F(xiàn)基于計(jì)算理論層次上的模式識(shí)別理論所無(wú)法完 成的模式信息處理工作，采用神經(jīng)網(wǎng)絡(luò)進(jìn)行模式識(shí)別，突破了傳統(tǒng)模式識(shí)別技術(shù)的局限性，開(kāi)辟了模式識(shí)別的心途徑。神經(jīng)元具有非線(xiàn)性映射的能力，它們之間通過(guò)權(quán)系數(shù)相連接。該算法有效地減少了模板中像素點(diǎn)的個(gè)數(shù)，只利用字符的關(guān)鍵點(diǎn)進(jìn)行模板匹配，提高了識(shí)別速度和識(shí)別率。 （ 3）實(shí)時(shí)性要求。文字識(shí)別的基本原理是將輸入文字與各個(gè)標(biāo)準(zhǔn)文字進(jìn)行模式匹配，計(jì)算相似度（或距離），將具有最大相似度（或最小距離）的標(biāo)準(zhǔn)文字作為識(shí)別結(jié)果。 基于識(shí)別基礎(chǔ)的分割法 基于識(shí)別基礎(chǔ)的分割是把識(shí)別和分割結(jié)合起來(lái)，但是需要識(shí)別的高準(zhǔn)確性，它根據(jù)分割和識(shí)別的耦合程度又有不同的劃分。但這種方法對(duì)截取的車(chē)牌圖像尺寸精度要求比較高，否則在切割字符時(shí)會(huì)造成字符不完整，以致影響后續(xù)的字符識(shí)別。所以，正確的字符分割是字符識(shí)別的關(guān)鍵。 3）計(jì)算跳變次數(shù)均值 Mean和各行跳變次數(shù)方差 Dev，即 2111 ()21 miM ea n ch im ??? ? ? （ 37） 設(shè)定頁(yè)眉 22 ? ? 22111 ()21 miD e v c h i M e a nm ????? ? （ 38） 4） 由 Mean和 Dev判斷，若 m a x18 30 ,M e an D e v D? ? ? （ 39） 式中 maxD 一般取 40，則 該候選區(qū)域是車(chē)牌區(qū)域；否則為非車(chē)牌區(qū)域。39。若有 ,執(zhí)行 4 ）；若無(wú) ,執(zhí)行 3） 。式 (35) 中 , Width 表示水平寬度 。 設(shè)定頁(yè)眉 20 在進(jìn)行能量濾波之前 ,可先將原圖像 ()MN? 平均劃分為 ()nn? (n一般取 8)的小方塊 , 分別計(jì)算各個(gè)小方塊內(nèi)的能量 ,即 11 2( , ) ( , )j n ni n nx i n y j nE i j P x y? ? ?? ? ?? ? ? ?? ?? 0 ≤ i ≤ M′ ,0 ≤ j ≤ N′ （ 33） M′ = M/ n , N′ = N/ n 這樣做的優(yōu)點(diǎn)是 ： 1） 將 M N 的圖像處理轉(zhuǎn)化為縮小了 n n 倍且為 M′ N′ 的二維數(shù)組的處理 , 極大地加快了車(chē)牌分割的速度 ； 2） 可去除掉水平方向上亮度值跳變劇烈但分布稀疏的區(qū)域 ， 從而最大限度地減少干擾源的影響 。量化編碼過(guò)程就是為每一個(gè)塊 1x 在碼字中找一個(gè)與之最相似的碼字 1()wx ，然后 用這個(gè)碼字的索引表示這個(gè)塊，通常用 Eucclidean 距離 衡量某個(gè)塊與碼字之間的相似程度。但邊緣與噪聲的顯著區(qū)別是兩者能量不同，邊緣有較大的能量和范圍，隱藏在平滑濾波作用下，它不會(huì)像噪聲那樣消失，而是表現(xiàn)為模糊化 。 基于神經(jīng)元網(wǎng)絡(luò)的車(chē)牌定位技術(shù) 人工神經(jīng)元網(wǎng)絡(luò)是進(jìn)行模式識(shí)別的一種重要方法，今年來(lái)，它以其抗噪聲、容錯(cuò)、設(shè)定頁(yè)眉 18 自適應(yīng)等能力強(qiáng)而得到廣泛的應(yīng)用。 各種車(chē)牌定位技術(shù) 基于邊界的車(chē)牌定位技術(shù) 圖像邊界是圖像局部特征不連續(xù)性（灰度突變、顏色突變、紋理結(jié)構(gòu) 突變等）的反映，它標(biāo)志著一個(gè)區(qū)域的終結(jié)和另一個(gè)區(qū)域的開(kāi)始，邊界蘊(yùn)含著豐富的內(nèi)在信息（如方向、階躍性質(zhì)、形狀等） ,它是識(shí)別中重要的圖像特征之一。令： 000000 11( , ) ( , )( 2 1 )i i w j j wi i j j wV i j C i jww ? ? ? ??? ? ? ?? ? ?? (27) 000000 11( , ) ( , )( 2 1 )i i w j j wi i j j wV i j C i jww? ? ? ?? ? ? ? ?? ? ?? (28) 000000 11( , ) ( , )( 2 1 )i i w j j wi i w j jH i j C i jww? ? ? ?? ? ? ? ?? ? ?? （ 29) 000000 11( , ) ( , )( 2 1 )i i w j j wi i w j jH i j C i jww ? ? ? ??? ? ? ?? ? ?? (210) 則 00( , )ij處的垂直彩色梯度和水平彩色梯度分布定義為 ： 0 0 0 0 0 0( , ) || ( , ) ( , ) ||D V i j V i j V i j???? (211) 0 0 0 0 0 0( , ) || ( , ) ( , ) ||D H i j H i j H i j???? (212) 其中， || * || 代表歐幾里得范數(shù)。 通過(guò) Hough 變換求取車(chē)牌的邊框 ,進(jìn)而確定車(chē)牌的傾斜角；或者由 Hough 變換提取牌照邊框的參數(shù)后 ,再求解牌照區(qū)域四個(gè)頂點(diǎn)的 坐標(biāo) ,然后通過(guò)雙線(xiàn)性空間變換對(duì)畸變圖像進(jìn)行校正。本文根據(jù)像素點(diǎn)之間的 統(tǒng)計(jì) 特性 ,采用均值和方差同時(shí)作用來(lái)確定噪聲點(diǎn)。 改進(jìn)的快速中值濾波算法 12 上述的各種方法 ,在去噪的效果上都取得了一定的效果 ,但是都沒(méi)有考慮到濾波的耗時(shí)問(wèn)題。例如 S為 3 3鄰域，點(diǎn) (m,n)位于 S中心，則： 11111( , ) ( , )9ijf m n f m i n j? ? ? ?? ? ??? (23) 假設(shè)噪聲 n 是加性噪聲，空間中各點(diǎn)互不相關(guān)，且期望為 0，方差為 2? ， g是 未受污染的圖像，含有噪聲的圖像 f經(jīng)過(guò)鄰域平均后為： 1 1 1( , ) ( , ) ( , ) ( , )f m n f i j g i j n i jM M M? ? ?? ? ? (24) 由公式（ 24）可知，經(jīng)鄰域平均后，噪聲的均值不變，方差 221a M???，即 噪聲方差變小，說(shuō)明噪聲強(qiáng)度減弱了，抑制了噪聲。采用適當(dāng)?shù)臑V波方法，可以將圖像中感興趣的特征突出，并削弱不需要的特征，以改善圖像的質(zhì)量。同樣如果圖像灰度集中在較 亮 的區(qū)域而導(dǎo)致圖像偏亮，也可以用灰度拉伸功能來(lái)壓縮 (斜率 1)物體灰度 區(qū) 間以改善圖像質(zhì)量。 如圖 21 所 示為 24 位真彩圖車(chē)輛圖像及灰度圖： 8 圖 21 圖像灰度拉伸 許多拍攝的圖像中，灰度級(jí)集中在很小的區(qū)域內(nèi)，對(duì)比度不良，影響人機(jī)器對(duì)圖像的理解。文件頭和信息 頭包含文件類(lèi)型、大小等信息。一般情況下，得到的都是彩色圖像。 車(chē)牌識(shí)別精確度的高低主要取決于車(chē)牌定位精確度的高低 ，車(chē)牌定位在車(chē)牌識(shí)別中占據(jù)很重要的地方，本問(wèn)對(duì)現(xiàn)有的定位技術(shù)進(jìn)行簡(jiǎn)單的分析，然后提出一種 快速且魯棒性強(qiáng)的車(chē)牌定位算 法 。 ⑶ 車(chē)牌種類(lèi)的多樣性問(wèn)題。 5 還有根據(jù)彩色邊緣檢測(cè)算子 ColorPrewitt 和彩色邊緣檢測(cè)與區(qū)域生長(zhǎng)相結(jié) 合的牌照定位算法。車(chē)輛圖像經(jīng)閾值的反復(fù)迭代得到一滿(mǎn)意的閾值時(shí)，字符將和背景分離，再將圖像進(jìn)行二值化來(lái)定位。而數(shù)字圖像處理則因?yàn)槠涮幚砭雀?、處理?nèi)容豐富、可進(jìn)行復(fù)雜的非線(xiàn)性處理以及良好的變通能力取得了飛速的發(fā)展。圖像處理的手段有光學(xué)方法和電子學(xué) (數(shù)學(xué) )方法。 plate positioning。 目錄 摘 要 .................................................................................................................................... I ABSTRACT ......................................................................................................................... II 第一章 緒論 ..................................................................................................................... 3 論文的背景及意義 ..................................................................................................... 3 數(shù)字圖像處理技術(shù) ..................................................................................................... 3 基于圖像處理的車(chē)牌識(shí)別技術(shù)的研究現(xiàn)狀 ............................................................. 4 車(chē)牌識(shí)別存在的主要特點(diǎn)及難點(diǎn) ............................................................................. 5 本文主要工作 ............................................................................................................. 5 第二章 圖像預(yù)處理 ............................................................................................................. 7 圖像 灰度化 ................................................................................................................. 7 圖像灰度拉伸 .............................................................................................................. 8 圖像濾波處理 ........................................................................................................... 10 水平和垂直彩色邊