【正文】 折點(diǎn)上，心中難免思緒萬(wàn)千，一種感恩之情油然而生。四年來(lái)，是同學(xué)讓我的大學(xué)生活變得更加豐富多彩，我們一起經(jīng)歷了大學(xué)的別樣生活，愿同窗友誼之樹(shù)常青。I1=rgb2gray(I)。)。robert算子邊緣檢測(cè)39。)。)。 %begin橫向掃描tic white_y=zeros(y,1)。 while ((white_y(PY2,1)=40)amp。amp。 dw=I(PY1:PY2,:,:)。39。a=imread(39。subplot(3,2,1),imshow(b),title(39。39。average39。39。/39。)。)[m,n]=size(d)。 %imdilate 圖像膨脹endimwrite(d,39。/39。)。39。d=(double(b)=T)。)。)。定位剪切后的彩色車(chē)牌圖像39。 end %end縱向掃描 PX1=PX12。 end end end PX1=1。(PY11)) PY1=PY11。[y,x,z]=size(I5)。title(39。title(39。figure(3),imshow(I2)。title(39。原圖39。何老師淵博的學(xué)識(shí)、嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度、精益求精的工作作風(fēng)和誨人不倦的高尚師德，都深深的感染和激勵(lì)著我。參考文獻(xiàn)[1]白潔．車(chē)牌識(shí)別關(guān)鍵算法研究[D][1] [S][2] 王枚,[J].山東大學(xué)學(xué)報(bào):工學(xué)版,2007,37(1):1～4[3] 馬騰飛,鄭永果,[J].系統(tǒng)仿真學(xué)報(bào),2006,18(1):391～403[4] 遲曉君,[J].北京:計(jì)算機(jī)應(yīng)用,2006,23(7):256～257[2]周開(kāi)軍．復(fù)雜環(huán)境下的車(chē)牌識(shí)別研究[D]．武漢理工大學(xué)碩士學(xué)位論文，2006 [3]廖金周，宣國(guó)榮．車(chē)輛牌照的自動(dòng)分割[J]．微型電腦應(yīng)用，1999 [4]左奇，史忠科．一種基于數(shù)學(xué)形態(tài)學(xué)的實(shí)時(shí)車(chē)牌圖象分割方法[J]．中國(guó)圖像圖 形學(xué)報(bào)(A版)，2003，8(3)：281～285 [5]李波，曾致遠(yuǎn)，付祥勝．基于數(shù)學(xué)形態(tài)學(xué)和邊緣特征的車(chē)牌定位算法[J]．視頻 技術(shù)應(yīng)用與工程，2005[6]周心明，蘭賽，徐燕．圖像處理中幾種邊緣檢測(cè)算法的比較[J]．現(xiàn)代電力，2000 [7]沈世晏，盛栩智．基于邊緣檢測(cè)的車(chē)牌圖像分割技術(shù)[J]．自動(dòng)化技術(shù)與應(yīng)用， 2004，23(3)：24～26 [8]王建平，姜滔．基于小波分析的汽車(chē)牌照分割[J]．合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版)，2002，25(6)：1139～1142 [9]韓麗萍，尹王保，李月娥．一種有效的濾波尺度自適應(yīng)調(diào)整的小波邊緣檢測(cè)方法[10]計(jì)算機(jī)工程與應(yīng)用，2005，41(1)：70～71 [11]馬永一，宋錚，丁勇．小波變換在車(chē)牌定位算法中的應(yīng)用[J]．交通與計(jì)算機(jī)， 2008，[12]Tran Duc Duan，Tran Le Hong Du，Tran Vinh Phuoc．Building an Automatic Vehicle License—Plate Recognition System[J]．Computer Science．Can Tho，Vietnam． 2005，02：21～24 [13] Wen C．Y，Yu C．C．，Hun Z．D．．A3D transformation tO improve the legibility of license plate numbers[J]．Journal of Forensic Sciences，2002，47(3)：578～585 [14]Cheok Man WU，Kengchung NG．AHigh Accurate Macau License Plate Recognition System[J]．Journal of Macau University of Science and Technology，2008，2(1)：23～28[15]吳進(jìn)軍，杜樹(shù)新．車(chē)牌字符分割新方法[J]．工業(yè)控制計(jì)算機(jī)．2005，18(4)：69～75 [16]王興玲．最大類(lèi)間方差車(chē)牌字符分割的模板匹配算法[J]．計(jì)算機(jī)工程， 2006，32(19)：193～195 [17]趙海燕，馬駟良，顧玲嘉．基于最小面積法進(jìn)行的車(chē)牌字符分割[J]．長(zhǎng)春理工大學(xué)學(xué)報(bào)，2006，29(3)：45～47 [18]陳黎，黃心漢，王敏等．基于聚類(lèi)分析的的車(chē)牌字符分割方法[J]計(jì)算機(jī)．丁程與應(yīng)用，2002，29(3)：45～47 [19]吳大勇，魏平，侯朝禎等．一種車(chē)牌圖像中的字符快速分割與識(shí)別方法[J]．計(jì)算機(jī)工程與應(yīng)用，2003，38(3)：232～233 [20]陳寅鵬，丁曉青．復(fù)雜車(chē)輛圖像中的車(chē)牌定位與字符分割方法[J]．紅外與激光工程，2004，33(1)：30～33[21]劉弈，陳學(xué)儉，蔣治華．一種利用顏色信息的車(chē)牌寧符分割新算法[J]．計(jì)算機(jī) 應(yīng)用與軟件，2005，22(8)：98～100 [22]朱衛(wèi)健．實(shí)時(shí)車(chē)牌識(shí)別系統(tǒng)關(guān)鍵技術(shù)的研究[D]．東南大碩士學(xué)位論文，2006 [23]Otsu N．A Threshold selection method from gray—level histograms[J]．IEEE Systems，Man and Cybernetics，l 979，9(1)：62～66 [24]李填，夏良正．一種新的二維最大嫡?qǐng)D像闡值分割方法[J]．南京：南京航空航天大學(xué)學(xué)報(bào)，l 994年12期 [25] thresholding of graylevel images[A]．Proc．8th Int．ConEon Pattern Recognition[C]．LOSAngeles： IEEE Computer Society Press，1986．125l～1255致 謝首先忠實(shí)的感謝我的導(dǎo)師何儒云副教授的悉心指導(dǎo)，雖然最初不是很理解，但聽(tīng)過(guò)導(dǎo)師的講解，回來(lái)仔細(xì)研究一下，不禁恍然大悟！本課題也是在導(dǎo)師的悉心指導(dǎo)和親切關(guān)懷下完成的。后續(xù)的研究有待于從以下幾個(gè)方面進(jìn)一步提高和完善。車(chē)牌字符區(qū)域定位中的二值化處理根據(jù)車(chē)牌顏色的不同提出升i同的閾值算法，充分結(jié)合實(shí)際情況提高二值化處理的效果。使用動(dòng)態(tài)形態(tài)學(xué)算子依次進(jìn)行數(shù)學(xué)形態(tài)學(xué)的膨脹和腐蝕運(yùn)算，將車(chē)牌區(qū)域構(gòu)成一個(gè)連通的整體，并去除了許多干擾點(diǎn)。夜間拍攝圖片．光線很暗，但是在對(duì)HS(空間的亮度分量進(jìn)行直方罔均衡后依然可以得到正確的顏色信息。在開(kāi)發(fā)環(huán)境中，使用戶更方便地控制多個(gè)文件和圖形窗口；在編程方面支持了函數(shù)嵌套，有條件中斷等；在圖形化方面，有了更強(qiáng)大的圖形標(biāo)注和處理功能，包括對(duì)性對(duì)起連接注釋等；在輸入輸出方面，可以直接向Excel和HDF5進(jìn)行連接。目前，MATLAB已經(jīng)把工具箱延伸到了科學(xué)研究和工程應(yīng)用的諸多領(lǐng)域，諸如數(shù)據(jù)采集、數(shù)據(jù)庫(kù)接口、概率統(tǒng)計(jì)、樣條擬合、優(yōu)化算法、偏微分方程求解、神經(jīng)網(wǎng)絡(luò)、小波分析、信號(hào)處理、圖像處理、系統(tǒng)辨識(shí)、控制系統(tǒng)設(shè)計(jì)、LMI控制、魯棒控制、模型預(yù)測(cè)、模糊邏輯、金融分析、地圖工具、非線性控制設(shè)計(jì)、實(shí)時(shí)快速原型及半物理仿真、嵌入式系統(tǒng)開(kāi)發(fā)、定點(diǎn)仿真、DSP與通訊、電力系統(tǒng)仿真等，都在工具箱（Toolbox）家族中有了自己的一席之地。高層次的作圖包括二維和三維的可視化、圖象處理、動(dòng)畫(huà)和表達(dá)式作圖。MATLAB是一個(gè)包含大量計(jì)算算法的集合。簡(jiǎn)單的編程環(huán)境提供了比較完備的調(diào)試系統(tǒng)，程序不必經(jīng)過(guò)編譯就可以直接運(yùn)行，而且能夠及時(shí)地報(bào)告出現(xiàn)的錯(cuò)誤及進(jìn)行出錯(cuò)原因分析。在新的版本中也加入了對(duì)C，F(xiàn)ORTRAN，C++ ，JAVA的支持。最后的感觸是，我從一開(kāi)始的興致勃勃已經(jīng)到了現(xiàn)在的很痛苦的狀態(tài)。 seg_char{nb_char} = temp_char。seg_flag = 0。仔細(xì)觀察‘M’、‘0’這兩字母與其他字母的曲線。在這里嘗試采用比較常見(jiàn)的統(tǒng)計(jì)手段來(lái)解決這個(gè)問(wèn)題：在得到二值化圖像之后，我們可以得到一個(gè)二值矩陣，當(dāng)某位置的值等于0的時(shí)候，表示該像素點(diǎn)為全黑，反之，則該像素點(diǎn)為純白。 應(yīng)該注意到，車(chē)牌字符區(qū)域的紋理特征，這些特征是旁邊干擾區(qū)域所不具有的特征，所以對(duì)二值化的圖像進(jìn)行邊緣化處理，通過(guò)字符的紋理特征、邊緣的跳躍性來(lái)判斷車(chē)牌字符區(qū)域。車(chē)牌字符總長(zhǎng)度為409mm，其中單個(gè)字符寬度為45mm高度為90mm，第二和三字符間間距為34mm，其中中間小圓點(diǎn)寬度為lOmm，與第二和三字符間間距為12mm，其余字符間間距為12mm；字符“l(fā)”的寬度約為13．5mm，與其它字符間間距約為22．5mm，連續(xù)兩個(gè)字符“l(fā)”間間距約為38．5mm，第三字符為字符1時(shí)，與第二字符問(wèn)問(wèn)距約為44．5mm。 以上的算法在特定的情況下是可以較好的將車(chē)牌寧符分割出來(lái)，但我國(guó)由于環(huán)境，道路或人為因素使得車(chē)牌污染嚴(yán)重，使得在車(chē)牌存預(yù)處理后，會(huì)出現(xiàn)不同程度的噪聲，嚴(yán)重影響到車(chē)牌字符的正確分割。根據(jù)車(chē)牌字符垂直投影的信息，區(qū)域最小值的定義是以當(dāng)前像素位置為中心，指定區(qū)域?qū)挾葍?nèi)的投影信息最小值。通過(guò)在車(chē)牌定位圖像上定位出車(chē)牌的第三個(gè)字符，再進(jìn)行字符區(qū)域的分裂和合并，并針對(duì)字符缺損情況，進(jìn)行字符區(qū)域擴(kuò)展，而且對(duì)字符區(qū)域高度進(jìn)行調(diào)整，從而最終實(shí)現(xiàn)車(chē)牌字符的分割。但是，在車(chē)牌外區(qū)域也有很多其他像素點(diǎn)的顏色和紋理符合車(chē)牌的四種顏色邊緣點(diǎn)。對(duì)于具有某種目標(biāo)色的像素，可以直接通過(guò)對(duì)h、J和i三個(gè)分量設(shè)定一個(gè)閾值范圍來(lái)把它們提取出來(lái)，無(wú)需進(jìn)行比較復(fù)雜的色彩距離計(jì)算，這樣可以在色彩分割的時(shí)候節(jié)省大量的時(shí)間，這種方法對(duì)藍(lán)色和黃色尤其有 效。在物體反射光的組成中，白色光愈少，則其飽和度愈大。這種形成顏色的方法稱(chēng) 為疊加原色法，相應(yīng)的RGB三原色稱(chēng)為疊加三原色。 顏色空間也叫顏色模型，它指的是通過(guò)基本顏色分量來(lái)定義其他各種顏色的模型結(jié)構(gòu)。這里介紹將圖像轉(zhuǎn)換到HSI模型的方法，這樣只需要對(duì)亮度分量I進(jìn)行直方圖均衡化即可以達(dá)到圖像增強(qiáng)的效果。顏色對(duì)特征點(diǎn)充分考慮到了車(chē)牌本身的紋理和顏色搭配等信息，能有效得去除很多干擾。 目前，已經(jīng)有一些車(chē)牌定位算法的研究利用到了車(chē)牌背景與字符的固定顏色搭配。這種方法的主要思想是通過(guò)邊緣檢測(cè)算子對(duì)彩色圖像進(jìn)行邊緣檢測(cè)，增強(qiáng)牌照區(qū)域，并借助數(shù)學(xué)形態(tài)學(xué)膨脹技術(shù)實(shí)現(xiàn)區(qū)域的連通，采用區(qū)域生長(zhǎng)方法標(biāo)記候選區(qū)域，最后利用車(chē)牌的先驗(yàn)知識(shí)，剔除虛假車(chē)牌區(qū)，確定真正的車(chē)牌區(qū)域。所以針對(duì)不同的環(huán)境和要求，選擇合適的算子來(lái)對(duì)圖像進(jìn)行邊緣檢測(cè)才能達(dá)到好的效果。最后再用邊緣特征分析方法提取車(chē)牌區(qū)域。設(shè)定閾值，通過(guò)掃描確定上下邊界位置和左右邊界位置。除第1個(gè)漢字外，字母和數(shù)字的筆畫(huà)在豎直方向都是連通的，且其之間有一定的間隔。不同的實(shí)際工程，圖像的分辨率要求也不同。 (3)車(chē)牌識(shí)別系統(tǒng)應(yīng)用方案的特征。 (2)外部環(huán)境的特征。我們大致的把這些因素歸納為三類(lèi)： (1)汽車(chē)牌照本身的特征。兩種產(chǎn)品形式各有優(yōu)缺點(diǎn)。 950nm 的紅外照明裝置可抓拍到很好的反光車(chē)牌照?qǐng)D像。 車(chē)牌識(shí)別系統(tǒng)的實(shí)際配置即便是一個(gè)達(dá)到實(shí)用標(biāo)準(zhǔn)的車(chē)牌識(shí)別系統(tǒng)，由于所選擇的技術(shù)路線，軟硬件體系結(jié)構(gòu)以及觸發(fā)方式不同，要發(fā)揮其有效的功能，還需要根據(jù)實(shí)際的應(yīng)用需求確定相應(yīng)的系統(tǒng)配置。3. 后臺(tái)管理體系 一個(gè)車(chē)牌識(shí)別系統(tǒng)的后臺(tái)管理體系，決定了這個(gè)車(chē)牌識(shí)別系統(tǒng)是否好用。國(guó)際交通技術(shù)作過(guò)專(zhuān)門(mén)的識(shí)別率指標(biāo)論述，要求是24 小時(shí)全天候全牌正確識(shí)別率為85%~95%。 (2) 圖像預(yù)處理部分:需要對(duì)采集到的圖像進(jìn)行圖像增強(qiáng)、平滑、恢復(fù)等操作，目的是突出車(chē)牌的主要特征，以便更好地提取車(chē)牌。由于車(chē)牌識(shí)別系統(tǒng)在智能化交通控制管理中發(fā)揮著越來(lái)越重要的作用，吸引了各國(guó)的科研工作者對(duì)其進(jìn)行廣泛的研究。 (4)對(duì)養(yǎng)路費(fèi)交納、安全檢查、運(yùn)營(yíng)管理實(shí)行不停車(chē)檢查。當(dāng)發(fā)現(xiàn)車(chē)輛超速時(shí)，攝像機(jī)獲取該車(chē)的圖像，并得到該年的牌照號(hào)碼，然后給該車(chē)超速的警告信號(hào)。車(chē)輛自動(dòng)識(shí)別(Automatic Vehicle Identification，AVI)是智能交通系統(tǒng)中的一項(xiàng)基礎(chǔ)技術(shù)，它通過(guò)辨別車(chē)輛所具有的車(chē)牌、條形碼、射頻識(shí)別標(biāo)志等特征來(lái)自動(dòng)識(shí)別車(chē)輛，為交通管理、通行收費(fèi)、區(qū)域出入控制等工作的開(kāi)展提供條件。 license plate location 。該方法通過(guò)對(duì)車(chē)牌圖像中顏色 對(duì)特征點(diǎn)區(qū)域采樣進(jìn)行主成分分析，求出車(chē)牌水平方向的傾斜角度，在旋轉(zhuǎn)校正時(shí)又加以填充處理,保證了圖像的信息完整性。車(chē)牌圖像的字符分割設(shè)計(jì)與實(shí)現(xiàn)摘 要：車(chē)牌識(shí)別LPR(License Plate Recognition)是指通過(guò)計(jì)算機(jī)視覺(jué)、圖像處理與模式識(shí)別等技術(shù)從車(chē)輛圖像中提取車(chē)牌字符信息，從而確定車(chē)輛身份的技術(shù)。 字符分割在車(chē)牌定位后進(jìn)行，但首先需要對(duì)類(lèi)車(chē)牌區(qū)域進(jìn)行傾斜校正，本文提出了一種針對(duì)顏色對(duì)特征點(diǎn)區(qū)域進(jìn)行主成分分析的車(chē)牌水平校正方法。關(guān)鍵詞: 車(chē)牌識(shí)別；車(chē)牌定位；字符分割；數(shù)學(xué)形態(tài)學(xué)；The Design and Implementation of Vehicle Images CharacterSegmentation Abstract：License plate recognition (LPR) is the technique to draw the character information from the vehic1e image and confirm the identity of the vehicle through using puter vision, image processing, pattern recognition, and so on. LPR is an important study field in the Intelligent transportation system (ITS) and it has great apply value in the electron