【正文】 ....................... 27 第 4 章 基于 MATLAB 的界面設(shè)計 ...................................... 28 GUI 簡介 ................................................... 28 系統(tǒng)界面設(shè)計 .............................................. 28 西南交通大學(xué)本科 畢業(yè) 設(shè)計 (論文 ) 第 VII 頁 本章小結(jié) .................................................. 32 結(jié) 論 .......................................................... 33 致 謝 .......................................................... 35 參考文獻 .......................................................... 36 西南交通大學(xué)本科 畢業(yè)設(shè)計 (論文 ) 第 1 頁 第 1 章 緒 論 問題的提出及研究意義 問題的提出 在汽車普及的今天，道路運輸已經(jīng)成為超越鐵路運輸?shù)淖钪匾牡孛孢\輸方式，在國民經(jīng)濟和社會發(fā)展中起著舉足輕重的作用。 研究意義 牌照識別技術(shù)在智能交通領(lǐng)域中的應(yīng)用已經(jīng)非常的廣泛。剛開始主要用于高速公路收費輔助系統(tǒng)以降低交通通行征費收入的流失，后來逐步發(fā)展到城市交通、停車場管理、門禁管理等多種應(yīng)用領(lǐng)域。 2． 車牌圖像識別技術(shù)在城市交通領(lǐng)域的應(yīng)用 隨著我國機動車保有量的迅速增加，以及政府對公共安全的日益重視，城市交通監(jiān)控和管理工作日趨繁重。目前的車牌圖像識別產(chǎn)品在這方面尚不夠理想，因此一般也是作為一種輔助手段，還不能實現(xiàn)真正意義上的智能化。但通過各個廠商在其有關(guān)網(wǎng)站提供的信息和對兩家廠商提供的測試軟件進行一定數(shù)量樣本的測試后，可以發(fā)現(xiàn)，各個廠商聲稱的車牌識別正確率往往是通過對特定場所、特定時間范圍內(nèi)的樣本進行測試而得出的結(jié)論。相關(guān)論文中 提出了很多車牌圖像處理、分割、分析、識別的算法，主要利用較經(jīng)典的圖像空間變換、智能計算和數(shù)據(jù)挖掘理論，并在一定程度上進行了實驗論證。 車牌區(qū)域定位、單個字符區(qū)域切分和字符分類識別作為車牌圖像識別系統(tǒng)的三個關(guān)鍵技術(shù)，同時又是一個有機的整體。給漢字特征提取造成計算量的不確定性。二值化 閾 值的確定應(yīng)該以對圖像進行二值化時期望達到的目的為依據(jù)。 （ 4） 關(guān)于圖像的細化 二值圖像的細化處理是本課題中起著非常重要的作用。本課題所用 的特征提取方法在二值圖像字符輪廓、骨架為基礎(chǔ)的字符特征及提取方法的基礎(chǔ)上改進而來的。而且，每個待測樣品與 每個標(biāo)準(zhǔn)模板進行相似度判斷 西南交通大學(xué)本科 畢業(yè)設(shè)計 (論文 ) 第 7 頁 的計算量也不大， 根據(jù)對 10 個車牌漢字圖像的識別用時的統(tǒng)計，識別用時低于 。通過本文結(jié)構(gòu)安排，讀者可以對全文的結(jié)構(gòu)有一個宏觀上的了解。在改變原 漢字 圖像寬高比例的同時，盡可能的突出所提取特征。 除了上面介紹的分裂合并的規(guī)格化方法以外，還有插值變換的規(guī)格化方法。 （ 21） 式中 width 是原 圖像 的寬度， width?是歸一化后的圖像寬度 ： height 是原 圖像 的高度， height?是歸一化后的圖像高度。)為 (a,b)距 其相鄰四個網(wǎng)格點中最近的一個網(wǎng)格點。所以使二值圖像在數(shù)字圖像處理中具有很多優(yōu)越性。 二值化的方法很多， MATLAB 中自帶了函數(shù) im2bw 用于將亮度圖像轉(zhuǎn)化為二值化圖像。全局閾值算法簡單，對于目標(biāo)和背景明顯分離、直方圖分布呈雙峰的圖像效果良好，但對于由于光照不均勻、噪聲干擾較大或運動模糊等原因使直方圖分布不呈雙峰的圖像，二值化效果明顯變差 。如圖 24。細化將一個曲線形物體細化為一條單像素的線，從而圖形化地顯示出其拓?fù)湫再|(zhì) [9]。然后將 漢字 的輪廓圖分為M*N 個網(wǎng)格，按照橫、豎、撇、捺四種筆畫的定義分別計算每個網(wǎng)格中四種筆畫的多少 。漢字筆劃特征點可以取斷點、折點、歧點和交點。 歧點 :指該點周圍有三條線與之相連，即上式 c=3 時。由于本課題中所要識別的漢字只有固定的 50 多個車牌漢字，所以我們可以將撇、捺、點這些筆畫劃分為一個統(tǒng)一的整體。然后介紹了在原有二值圖像 漢字 輪廓、骨架為基礎(chǔ)的 漢字 特征及提取方法的基礎(chǔ)， 改進的一種新的二值圖像 漢字 輪廓、骨架為基礎(chǔ)的 漢字 特征的提取方 法。 如圖 31 及圖 32 所示 。 在本章 節(jié)中，我們將對識別性能具體介紹。 對于車牌漢字來說， 模板匹配分類識別法的原理簡單， 要存儲的標(biāo)準(zhǔn)模板數(shù)量只有 50 多個，因而存儲量不大 。建立標(biāo)準(zhǔn)的車牌漢字結(jié)構(gòu)特征向量模板庫。漢字圖像經(jīng)過尺寸規(guī)格化、二值化、反色、細化等一系列預(yù)處理后，生成了漢字圖像的骨架結(jié)構(gòu)。但是對于車牌漢字來說，由于圖像采集和處理方法的局限往往會造成筆畫的畸變，使得對筆畫的定義較困難，易與樣品產(chǎn)生偏差，特別是撇、捺、點這些筆畫的提取。 西南交通大學(xué)本科 畢業(yè)設(shè)計 (論文 ) 第 18 頁 （ 24） 式中 i, j 為 漢字 像素點的坐標(biāo)值， f(i， j)為像素點取值。在一幅二值化圖像中，漢字信息絕大部分集中在漢字骨架上，而漢字骨架信息又大多集中在若干特征點上。本課題所用的特征提取方法在二值圖像 漢字 輪廓、骨架為基礎(chǔ)的 漢字 特征及提取方法的基礎(chǔ)上改進而來，所以下面主要介紹二值圖像 漢字 輪廓、骨架為基礎(chǔ)的 漢字 特征及提取方法及本文改進后的方法 [10]。在第二步中，只將那些消 除后并不破壞連通性的點消除，否則保留。所以我們對二值化后的圖像進行取反。式中某些元素可以省略，因此演化為以下三種形式： T = [f(x,y)] ............................... T 為全局 閾值 T = [N(x,y), f(x,y)] ....................... T 為局部 閾值 T = [(x,y), N(x,y), f(x,y)]................. T 為動態(tài) 閾 值 全局閾值法根據(jù)圖像的直方圖或灰度空間分布確定 一個閾值，以此實現(xiàn)灰度圖像到 二 值圖像的轉(zhuǎn)化。圖像二值化一般作為一種預(yù)處理方法，評價其效果的優(yōu)劣應(yīng)當(dāng)兼顧下面兩方面的基本要求 : 1． 二值圖像中目標(biāo)對象的完整性。而二值圖像是指一個取值只有 0 和 1 的邏輯組。039。設(shè) f(x,y)為原圖像， g(x,y)為歸一化后的圖像， g(x,y)中的任意一點 (x ,y )，對應(yīng)于 f(x,y)中的點 (a,b)，根據(jù) (a,b)的具體情況來確定 g(x,y)中象素點 (x ,y )的值。如圖 221 所示。 漢字 圖像的預(yù)處理 不同尺寸 漢字 圖像的規(guī)格化 圖像的規(guī)格化就是將輸入的任意尺寸（大?。┑?漢字 圖像都處理成統(tǒng)一尺寸的標(biāo)準(zhǔn) 漢字圖像。然后介紹了國內(nèi)外的研究現(xiàn)狀及本設(shè)計所用到得車牌漢字識別的方法。對于車牌漢字來說可以采用模板匹配分類器來進行識別。如果不同類別樣品在該特征空間中混雜在一起，則一般不可能進行正確的分類識別。 如果自負(fù)圖像為白底黑字， MATLAB 會默認(rèn)為漢字圖像的背景為待識別圖像。 西南交通大學(xué)本科 畢業(yè)設(shè)計 (論文 ) 第 6 頁 （ 2） 關(guān)于圖像的二值化 在車牌圖像識別中，圖像二值化是一個非常重要的技術(shù)。 研究方法 本文在參考大量有關(guān)車牌圖像識別技術(shù)公開資料的基礎(chǔ)上，圍繞著車牌漢字識別技術(shù)實際應(yīng)用的特點和要求，并通過一定的實驗分析手段，主要進行了如下幾方面的工作 ： 1． 對輸入的車牌漢字字符圖像進行預(yù)處理 在這部分工作 中，重點分析研究了不同圖像的規(guī)格化，灰度圖像的二值化、反色、二值化圖像的細化等方法在車牌圖像識別中的作用和應(yīng)用特點。 西南交通大學(xué)本科 畢業(yè)設(shè)計 (論文 ) 第 5 頁 設(shè)計的研究內(nèi)容和方法 研究內(nèi)容 車牌照識別是智能交通系統(tǒng)的一個重要課題，在車輛管理、不停車收費等系統(tǒng)中有廣泛應(yīng)用。通過對有關(guān)資源數(shù)據(jù)庫中 1998 年 － 20xx 年在各類期刊上公開發(fā)表的約 380 篇相關(guān)論文的統(tǒng)計，發(fā)現(xiàn)有關(guān)車牌區(qū)域定位的內(nèi)容占 50%以上。而且由于并沒有建立一個標(biāo)準(zhǔn)規(guī)范的測試體系，因此有關(guān)數(shù)據(jù)的客觀公正性、可比性和可靠性等方面尚值得商榷。 西南交通大學(xué)本科 畢業(yè)設(shè)計 (論文 ) 第 3 頁 移動電子警察 ： 移動電子警察現(xiàn)在逐漸應(yīng)用到交警日常工作中，采用移動電子警察技術(shù)可以靈活地對非固定監(jiān)控點的交通違章和事故進行取證處理，不僅提高了警察執(zhí)法效率，而且增強了執(zhí)法的公正性。從一些產(chǎn)品的解決 方案來看，實際使用時一般仍然需要人工復(fù)核。 有些 “停車管理與停車場信息系統(tǒng) ”中也應(yīng)用了牌照識別技術(shù)，用來將車輛停泊信息記錄在案，可以有效地加強管理，降低車輛丟失率，打擊盜竊車輛的犯罪活動 [3]。雖然現(xiàn)在市面上已經(jīng)有多種 CCR 軟件出售，但是他們僅僅對高質(zhì)量的標(biāo)準(zhǔn)印刷文本有較高的識別率，但是對于嚴(yán)重污染、變形、模糊、傾斜的忽地字符，特別是針對車牌識別系統(tǒng)中提取的車牌漢字字符，不能給出滿意結(jié)果 [2]。 Binaryzation。最后， 采用 模板匹配分類器 將特征提取中得到的向量與標(biāo)準(zhǔn)庫中的向量進行比較，找到該向量對應(yīng)的漢字，并輸出結(jié)果。 進入 90 年代以后，隨著電子計算機軟硬件技術(shù)的發(fā)展，智能交通系 統(tǒng)（ Intelligent Transportation System，簡稱 ITS）成為解決這一矛盾的有效途徑之一?；谥袊嚺普盏奶攸c，我們需要設(shè)計一種能識別漢字 的車牌照識別系統(tǒng)，使得這樣的車牌照識別系統(tǒng)更優(yōu)于其他只能識別數(shù)字和字母的系統(tǒng)，具有更廣的適應(yīng)性。本文提供了一種簡單的車牌漢字識別方法。 關(guān)鍵詞 ： 智能交通； 漢字識別； 二值化； 特征提取 ； 模板匹配分類器 西南交通大學(xué)本科 畢業(yè) 設(shè)計 (論文 ) 第 V 頁 Abstract With the prevalence of automobiles, nowadays, road transport has gone beyond rail transport and bees the most important ground transport mode. It is playing an important role in the national economy and society?s development. However, popularity of motor vehicles and rapid growth in demand for transportation inevitably result in negative effects such as traffic jams, traffic accidents and pollution, which have bee increasingly severe global mon problems that hinder the development of economy and society. Since 199039。但是隨著汽車的普及、交通需求的急劇增長，道路運輸所帶來的交通擁堵、交通事故和環(huán)境污染等負(fù)面效應(yīng)也日益突出 ，成為阻礙經(jīng)濟和社會發(fā)展的全球性共同問題。 如在 “公交車優(yōu)化調(diào)度與智能管理 ”中要求建立車輛自動登記系統(tǒng)，包括 :車輛自動識別、車輛定位 (如 GPS、路邊塔標(biāo) )、車輛位置跟蹤、數(shù)據(jù)庫及數(shù)據(jù)管理。 1． 車牌圖像識別技術(shù)在高速公路領(lǐng)域的應(yīng)用 高速公路是車牌圖像識別技術(shù)在我國交通工程中最早應(yīng)用的領(lǐng)域，也是車牌識別產(chǎn)品應(yīng)用最多