【正文】 點(diǎn)作為特征來區(qū)分不同的字符。 統(tǒng)計模式識別認(rèn)為圖像可能包含一個或多個物體，并且每個物體屬于若干事先定義的類型、范疇或模式之一。它優(yōu)點(diǎn)是可以并行處理，簡單易行。 BP 網(wǎng)絡(luò)有以下優(yōu)點(diǎn)：只要能保證有足夠的隱層和隱層節(jié)點(diǎn)，就可以逼近任意的非線性映射關(guān)系 。然后，對待識別字符進(jìn)行圖像的歸一化操作，最后將字符與模板的每個像素點(diǎn)進(jìn)行一一的對照，與所有模板比對完成之后，選取其中相似結(jié)果最高的，作為最終的識別結(jié)果。 整個牌照識別的設(shè)計流程圖如下圖所示： 識別的整個流程就是：首先將采集到的汽車圖像進(jìn)行灰度化、灰度拉伸和濾波處理，以降低噪點(diǎn)、增加車牌部分的對比度。 圖像預(yù)處理一般包括以下步驟：對圖像的灰度進(jìn)行處理、圖像平滑、圖像增強(qiáng)、圖像二值化、圖像銳化、邊緣檢測。車牌定位是車牌識別系統(tǒng)中的關(guān)鍵和難點(diǎn)， 實際圖像中的噪聲、復(fù)雜背景等干擾都會使定位十分困難。同時減少圖像中的孤立干擾點(diǎn)，保留車牌字符邊緣，讓車牌字符圖像的灰度水平投影更有連續(xù)性。因此，在進(jìn)行字符分割與識別之前，有必要對牌照進(jìn)行傾斜校正。 Hough 變換運(yùn)用兩個坐標(biāo)之間的變換來進(jìn)行檢測。為了實現(xiàn)更好的分割，有關(guān)的總體知識和先驗信息是很有用的，根據(jù)包含在圖像中的信息，可以制定相應(yīng)的判決準(zhǔn)則和控制策略，使其完成自動分割。利用投影法對復(fù)雜環(huán)境下的汽車圖像中的字符分割有較好的效果。 （ 2）調(diào)用數(shù)字模板進(jìn)行識別，若為數(shù)字，則最終結(jié)果為一數(shù)字，識別結(jié)束；若為空字符，則表示不是數(shù)字，進(jìn)行第三步。例如，若識別出的車牌圖像的第 2個字符是漢字，則說明字符模塊做字符分割的時候在車牌圖像的左邊提取了一個多余的字符，因此字符分割模塊要去掉這個多余的字符，從漢字字符起，依次提取出 7個字符來。所謂骨架，可以理解為圖像的中軸，例如一個長方形的骨架就是它的長方向上的中軸線；正方形的骨架就是它的中心點(diǎn)；圓的骨架就是它的圓心；直線的骨架就是它自身；孤立點(diǎn)的骨架也是自身。通過對整個圖像進(jìn)行一遍掃描，即完成了細(xì)化操作。 圖 字符 D與 O的區(qū)別 然后，我們再把待識別圖像與字母‘ G’的標(biāo)準(zhǔn)模板來比對，通過圖 我們可以看出，數(shù)字‘ 0’和字母‘ G’的最大區(qū)別在于圖像的右上部，所以我們只需要比較待識別字符圖像的右上部分即可。 軟件環(huán)境： 操作系統(tǒng)： Windows XP 圖像格式： jpg 格式， 24位真彩色 編程環(huán)境： MATLAB 2021。這樣，我們就通過改進(jìn)的模板匹配方法達(dá)到了我們識別字符的最終目的。 字符的細(xì)比對，是在字符經(jīng)過了粗比對的基礎(chǔ)上，待識別字符與標(biāo)準(zhǔn)模板中的每一個字符都有一個匹配值，這時，就要根據(jù)它所處的位置和它與標(biāo)準(zhǔn)模板的匹配情況，選擇匹配值最大的字符模板，認(rèn)為待識別字符就是該模板所代表的字符。具體的查表方法如下：設(shè)白點(diǎn)為 1，黑點(diǎn)為 0；自左上方開始，左上方點(diǎn)對應(yīng)一個 8 位數(shù)的第一位，正上方點(diǎn)對應(yīng)第二位，右上方點(diǎn)對應(yīng)第三位，左鄰點(diǎn)對應(yīng)第四位，右鄰點(diǎn)對應(yīng)第五位，左下方點(diǎn)對應(yīng)第六位，正下方點(diǎn)對應(yīng)第七位，右下方點(diǎn)對應(yīng)第八位，這樣就構(gòu)成了一個 8位二進(jìn)制數(shù)。因此，細(xì)化在圖像處理中占有著重要的地位，是圖像分析、信息壓縮、特征抽取及模式識別常用的技術(shù)。 （ 3）調(diào)用漢字模板進(jìn)行識別，若識別結(jié)果為漢字，則最終結(jié)果為一漢字，識別結(jié)束；若識別結(jié)果為空字符，則最終識別結(jié)果為空字符，識別結(jié)束。 字符識別流程概述 當(dāng)一幅車牌的原始圖像經(jīng)過車牌定位和字符分割處理后，得到這個車牌的字符圖像，首先對字符圖像做歸一化處理，即把字符圖像歸一化成 20 32的標(biāo)準(zhǔn)大小的圖像，然后對這幅歸一化的圖像調(diào)用設(shè)計好的模板匹配程序進(jìn)行識別，字符識別流程如下： 識別車牌的第 1個字符（若分割正確的話應(yīng)該是漢字）： （ 1）調(diào)用漢字模板庫進(jìn)行匹配識別，若識別結(jié)果為漢字，則最終結(jié)果為一漢字，識別結(jié)束；若識別結(jié)果為空字符，即表示不是漢字，則進(jìn)行第二步。 20 由于本文處理的對象是相對類型較少，變化較小的車牌，因此采用直接分割法。但是變換的最大優(yōu)點(diǎn)是抗干擾性強(qiáng)。求得車牌上字符連通域)()1()( nxnxnx ?????? ????? Li WnihinXnX 1 1)(*)1()(19 的中心點(diǎn)，然后擬成直線的方法 。再由先驗知識可知車牌的寬度與車寬成一定的比例，所以車牌寬度可由車寬求出，因此對每幀圖像求卷積能量時，卷積長度采用自適應(yīng)的方法，進(jìn)一步提高車牌定位的準(zhǔn)確率。首先對采集到的視頻圖像進(jìn)行大范圍相關(guān)搜索，找到符合汽車牌照特征的若干區(qū)域作為候選區(qū)，然后對這些侯選區(qū)域做進(jìn)一步分析、評判，最后選定一個最佳的區(qū)域作為牌照區(qū)域，并將其從圖象中分割出來。為了進(jìn)一步提高定位準(zhǔn)確率，我們通過連續(xù)的兩幀圖像定出車大概位置，再在車的位置上搜索車牌，這樣不僅提高了準(zhǔn)確率，還提高了整個程序的運(yùn)行效率。最后搭建了一個測試平臺，將上述三個部分進(jìn)行了系統(tǒng)化，對系統(tǒng)的性能進(jìn)行了測試和分析?？紤]到 LRS 對識別效果準(zhǔn)確率要求比較高，此種方法比較合適，但是怎么樣能 提高效率，這還是一個墮待解決的問題。當(dāng)按梯度下降學(xué)習(xí)法進(jìn)行學(xué)習(xí)的時候很容易陷入局部的最小值 。 人工神經(jīng)網(wǎng)絡(luò)方法的 優(yōu)點(diǎn)和缺點(diǎn) 主要表現(xiàn)在如下的幾個方面： 神經(jīng)網(wǎng)絡(luò)的 優(yōu)點(diǎn) ： 1,能逼近任意線性函數(shù) 2,信息的并行分布式處理和存儲 3,可以多輸入多輸出 4,便于用超大規(guī)模的集成電路或光學(xué)集成電路系統(tǒng)實現(xiàn) 5,具有自學(xué)習(xí)的能力； 6,具有聯(lián)想存儲功能； 7,具有高速尋找優(yōu)化解的能力 . 雖然人工神經(jīng)網(wǎng)絡(luò)有上述的優(yōu)點(diǎn)，并且在 OCR 中也取得了一些成果，但是在車牌字符的識別中仍然存在很大的缺陷： l，車牌字符象素點(diǎn)陣小，筆劃常常出現(xiàn)斷裂，通過學(xué)習(xí)規(guī)則，誤差系數(shù)相差很小，容易出現(xiàn)誤識； 2，神經(jīng)網(wǎng)絡(luò)在進(jìn)行學(xué)習(xí)時，每次迭代的梯度值都受樣本中噪聲干擾，影響較大，整個系統(tǒng)收斂速度較慢，不適合實時識別的要求。模板匹配的字符識別方法是通過一定準(zhǔn)則確定決策函數(shù)，并進(jìn)行分類判斷的方法。字符是由筆劃組成的，筆劃是由一定方向，一定位置關(guān)系和長寬比的矩形線段組成的。傅立葉描述子是利用傅立葉函數(shù)模擬封閉的輪廓線，將傅立葉和函數(shù)的各個系數(shù)作為特征，該方法致命缺點(diǎn)是對于輪廓線不封閉的字符圖像不適用。常見的統(tǒng)計模式識別方法有： （ 1） 投影直方圖法。由這些結(jié)構(gòu)基元及其相互關(guān)系完全可以精確地對漢字加以描述，這種方法也叫句法模式識別。整個系統(tǒng)的核心是軟件部分的工作，能否通過牌照對車輛進(jìn)行有效管理，很大程度上取決于軟件部分識別車牌的準(zhǔn)確性。 概率識別 一般來說，道路使用者路徑選擇行為是基于道路使用效益最大化和運(yùn)營成本最小化的原則之上的，即：花最少的時間、最少的費(fèi)用、走最短的路、獲取最大的效益。 準(zhǔn)確識別車輛的實際行駛路徑，可分為停車式和不停車兩種，以下提到的標(biāo)識站均為“停車式標(biāo)識站”。高速公路多路徑識別技術(shù)作為依附于高速公路聯(lián)網(wǎng)收費(fèi)的一門新技術(shù)必然會隨著聯(lián)網(wǎng)收費(fèi)技術(shù)的進(jìn)步而不斷發(fā)展完善 ,特別是在當(dāng)前提倡的電子不停車收費(fèi) (ETC)技術(shù)不斷成熟完善的情況下 ,對車輛行駛路徑的精確識別必然會在現(xiàn)實和經(jīng)濟(jì)上都允許的前提下得以實現(xiàn)。 車道收費(fèi)業(yè)務(wù)操作要求盡可能精確識別每一車輛的行駛路徑 ,不損害道路通行者利益 ,合理收取通行費(fèi)。浙江省當(dāng)時采用的方法是以出口 /入口隔離法為輔 ,通行費(fèi)的拆分則是在對 歷史交通量和未來交通量的分析基礎(chǔ)上 ,與路公司共同商討 ,取得一致同意的情況下達(dá)成用節(jié)點(diǎn)位勢法來進(jìn)行多路徑的路徑識別 ,它仿照電學(xué)里面的節(jié)點(diǎn)位勢法 ,確定用路段里程來表征路段阻抗 ,從而計算出多路徑情況下各路徑的行駛車輛數(shù) ,進(jìn)而依次在各路公司拆分通行費(fèi) ,對車輛的通行費(fèi)按照最短路徑來征收。由于路網(wǎng)結(jié)構(gòu)的復(fù)雜性 ,有的里面具有環(huán)形結(jié)構(gòu) ,隨著路網(wǎng)的不斷完善這種環(huán)形結(jié)構(gòu)將會越來越多 , 而一個路網(wǎng)里面一般有多個路公司在管理 ,如何確定車輛行駛路徑也就成為一個擺在眼前的問題了。自 2021 年 8 月 31 日起 ,實施一項新的高速公路收費(fèi)政策 ,即所有行駛在德國高速公路上的 12 噸以上的重型卡車 ,包括外國入境運(yùn)輸車輛 , 都必須繳納高速公路行駛費(fèi)。 日本是一個典型的對高速公路實行收費(fèi)制度的國家，其在高速公路收費(fèi)防堵方面進(jìn)行了不倦的探索。首先講述了 多路徑識別 理論的 構(gòu)成 ，然后圍繞 多路徑識 別算法的精確識別 中汽車牌照識別技術(shù)的主要 算法展開討論，介紹了該技術(shù)應(yīng)用了哪些方面的知識， 是如何實現(xiàn)的。 (3) 使用專業(yè)工具箱，使得研究人員不必過于關(guān)心程序的細(xì)節(jié)問題，可以將主要的精力放在算法的研究、設(shè)計方面，極大地減少了工作量，為算法的研究改進(jìn)提供了先決條件。 6．使用的程序接口和發(fā)布平臺 新版本的 MATLAB 可以利用 MATLAB 編譯器和 C/C++數(shù)學(xué)庫和圖形庫，將自己的 MATLAB 程序自動轉(zhuǎn)換為獨(dú)立于 MATLAB 運(yùn)行 的 C 和 C++代碼。高層次的作圖包括二維和三維的可視化、圖象處理、動畫和表達(dá)式作圖。 3．強(qiáng)大的科學(xué)計算數(shù)據(jù)處理能力 MATLAB 是一個包含大量計算算法的集合。隨著 MATLAB 的商業(yè)化以及軟件本身的不斷升級， MATLAB 的用戶界面也越來越精致，更加接近 Windows 的標(biāo)準(zhǔn)界面，人機(jī)交互性更強(qiáng)，操作更簡單。所以多路徑識別在實現(xiàn)識別車輛的實際行駛路徑從而進(jìn)行收費(fèi)拆分，同時也要解決倒卡、逃費(fèi)問題。 OCR 4 目 錄 第 1 章 緒論 ...................................................................................................................... 1 研究背景和意義 ......................................................................................................... 1 MATLAB 的概述 ........................................................................................................ 1 本文框架結(jié)構(gòu) ............................................................................................................. 4 第 2 章 國內(nèi)外研究現(xiàn)狀 ............................................................................................... 5 國外研究現(xiàn)狀 ............................................................................................................. 5 國內(nèi)研究現(xiàn)狀 ............................................................................................................. 6 第 3 章 多路徑識別算法的基本理論 ....................................................................... 8 多路徑識別方法的分類 ............................................................................................. 8 精確識別 ................................................................................................................... 8 概率識別 ............................................................................................................... 9 多路徑識別算法的理論基礎(chǔ) ...................................................................................... 9 車牌照識別的主要算法 ...................................................................................... 9 本文采用的識別算法 ......................................................................................... 12 第 4 章 基于模板匹配的車牌識別詳細(xì)設(shè)計 ..................................................... 15 圖像采集 .......................................................................................................