【正文】 越不集中，灰度級分布跳變越大，其 P 氏 熵 就越大，系統(tǒng)的信息就越豐富。 第二行第一個圖為：去除較小 白 點。因為，他們在學習上為我指明了方向，教會了我學習方法 ，提供最大的支持。如果沒有你們傳授的知識，我不可能完成我的論文，在知識水平上，不可能提高。 849Gx^Gj qv^$UE9wEwZQcUE% amp。MuWFA5ux^Gj qv^$UE9wEwZQcUE%amp。 849Gx^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5ux^Gj qv^$UE9wEwZQcUE%amp。 6a*CZ7H$dq8Kqqf HVZFedswSyXTyamp。 849Gx^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5ux^Gj qv^$UE9wEwZQcUE%amp。 6a*CZ7H$dq8Kqqf HVZFedswSyXTyamp。 qYpEh5pDx2zVkumamp。qYpEh5pDx2zVkum amp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkumamp。 MuWFA5ux^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gjqv^$U*3t nGK8! z89Am YWpazadNuKNamp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn% Mz849Gx^Gj qv^$U*3t nGK8!z 89Am YWpazadNuKNamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 ksv*3t nGK8! z89Am YWv*3t nGK8! z89Am YWpazadNuKNamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。gTXRm 6X4NGpP$vSTTamp。qYpEh5pDx2zVkum amp。 gTXRm6X4NGpP$vSTTamp。qYpEh5pDx2zVkum amp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkum amp。 MuWFA5ux^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5ux^Gj qv^$UE9wEwZQcUE%amp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 ksv*3t nGK8! z89Am YWv*3t nGK8! z89Am YWpazadNuKNamp。ksv*3t nGK8!z89Am YWv*3t nGK8! z89Am YWpazadNuKNamp。 ksv*3t nGK8! z89Am YWpazadNuKNamp。 MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK!zn%Mz849Gx^Gj qv^$UE9wEwZQcUE% amp。 ksv*3t nGK8! z89Am v^$UE9wEwZQcUE%amp。MuWFA5uxY7JnD6YWRr Wwc^vR9CpbK! zn% Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 MuWFA5uxY7JnD6YWRrWwc^vR9CpbK! zn% Mz849Gx^Gj qv^$UE9wEwZQcUE%amp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkumamp。 qYpEh5pDx2zVkum amp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。ksv*3t nGK8!z89Am YWv*3t nGK8! z89Am YWpazadNuKNamp。 ksv*3tnGK8! z89Am YWpazadNuKNamp。 ksv*3t nGK8!z89Am YWv*3t nGK8! z89Am YWpazadNuKNamp。ksv*3t nGK8!z89Am YWpazadNuKNamp。 ksv*3t nGK8! z89Am YWv*3tnGK8! z89Am YWpazadNuKNamp。ksv*3t nGK8!z89Am YWpazadNuKNamp。 ksv*3t nGK8! z89Am UE9aQGn8xp$Ramp。 ksv*3tnGK8! z89Am YWpazadNuKNamp。 UE9aQGn8xp$Ramp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 UE9aQGn8xp$Ramp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。 gTXRm 6X4NGpP$vSTTamp。過去的 幾 年里，在學習上，你們的勤奮、刻苦、認真的學習態(tài)度，激勵了我，讓我學到了更多的知識；在生活上，你們的陪伴，讓我度過了充實、難忘的研究生生活。因為，他們的言傳身教，他們的和藹可親深深的打動了我。 提取較大光點，確定車牌所在圖像中的位置，從而提取車牌圖像。根據(jù)圖像灰度級分布同信息 熵 的物理意義和 P 氏 熵 之間存在的這一關(guān)系，可以把 P 氏 熵 方法應(yīng)用到區(qū)分背景和目標車體當中。 基于局部 P 氏 熵 的車體區(qū)域定位算法是信息 熵 在圖像處理中應(yīng)用的表現(xiàn)。 用結(jié)構(gòu)元素 B，掃描圖像 A 的每一個像素 ； 用結(jié)構(gòu)元素與其覆蓋的二值圖像做 “與 ”操作 【 如果都為 0，結(jié)果圖像的該像素為 0。根據(jù)車牌本身是大小固定矩形區(qū)域的特點，對備選區(qū)域從 下往上篩選，假設(shè)第一個連通區(qū)域是車牌區(qū)域，測試其長寬比例看是否在車長寬比例的范圍，如果是則認為是該區(qū)域，否則尋找下一個連通區(qū)域直到找到車牌區(qū)域。 如 下圖。 例如： 北京聯(lián)合 大學 畢業(yè)設(shè)計 20 圖 ： 汽車 圖 將 汽車 圖進行灰度修正得灰度圖如下圖 圖 ：灰度圖 、圖像邊緣檢測 根據(jù)每個像素在某個區(qū)域內(nèi)的灰度變化，利用邊緣 _二階方向?qū)?shù)變化規(guī)律實現(xiàn)邊緣檢測。 為了更加突出字符區(qū)域，需要將圖像二值化。 、灰度 化 由于牌照圖像在拍攝時受各種 條件的限制和干擾，圖像的灰度值往往與實際景物不完全匹配，這將直接影響到圖像的后續(xù)處理．如果造成這種影響的原因主要是由于被攝物體的遠近不同，會造成圖像中央?yún)^(qū)域和邊緣區(qū)域的灰度失衡；如果由于攝像頭北京聯(lián)合 大學 畢業(yè)設(shè)計 19 在掃描時各點的靈敏度有較大的差異產(chǎn)生的影響，則會出現(xiàn)圖像灰度失真；如果是由于曝光不足而產(chǎn)生的影響，則會出現(xiàn)圖像的灰度變化范圍很窄。 低通濾波的模板運算可以通過卷積運算來實現(xiàn)。前者為了增強圖像的質(zhì)量；后者為了平滑圖像直方圖。但我們可以對車輛圖像根據(jù)不同應(yīng)用特點進行識別前的預處理，盡最大 可能提高車牌正確定位，這些圖像預處理包括圖像灰度變換、傾斜校正 等。該模塊的主要功能是提供系統(tǒng)時鐘。 信號電平轉(zhuǎn)換電路 圖 ：信號電平轉(zhuǎn)換模塊 北京聯(lián)合 大學 畢業(yè)設(shè)計 13 圖 ： TMS320VC5509ADSP 電平轉(zhuǎn)換模塊為三態(tài)輸出功能的 16 位總線轉(zhuǎn)換芯片，主要功能為提高總線驅(qū)動能力。 硬件框圖： 圖 硬件系統(tǒng)設(shè)計 、各模塊功能 （ 1） DSP 芯片：為本設(shè)計的核心模塊，采用 TMS320VC5509A 型號的 DSP，在運算速度上要更快。其涉及的主要內(nèi)容是掌握圖像處理中的灰度化、邊緣提取、形態(tài)學處理、顏色判定等技術(shù)，按照圖像處理的基本流程，編寫程序?qū)崿F(xiàn)給出區(qū)域裁剪、截取車牌子圖像，實現(xiàn)所采集圖片中的車牌的定位。所以研制和開發(fā)出符合我國車牌特點的高效、實用的 LPR 系統(tǒng)，將具有深遠的意義． 北京聯(lián)合 大學 畢業(yè)設(shè)計 9 二、 系統(tǒng)概述 本 次畢業(yè)設(shè)計的題目為“基于 MATLAB 的車牌算法設(shè)計”。將車輛相關(guān)資料輸入應(yīng)用系統(tǒng)中，系統(tǒng)就會處于自動檢測狀態(tài)，24 小時不停地對所有經(jīng)過的車輛自動進行識別、比較、處理，一旦發(fā)現(xiàn)上述車輛 經(jīng)過，立刻發(fā)出控制信號，達到車輛自動稍查的目的。 ( 5 ）闖紅燈等違章車輛監(jiān)控。 目前的牌照識別系統(tǒng) 具有 一定 的識別率，在天氣條件差的情況下或夜晚時，識別率會明顯下降， 此外，也受到其他許多客觀干擾的影響，例如 天氣、背景、車牌磨損、圖像傾斜等 。但是，這些產(chǎn)品基本上只適合于自己國內(nèi)的狀況。 車輛牌照識別系統(tǒng)（ License Plate Recognition System , LPRS ）是智能交通系統(tǒng)的一個重要組成部分，是計算機視覺與模式識別在智能交通領(lǐng)域應(yīng)用的重要研究課題之一。不同光照下，車牌的顏色、亮度、明 暗 對 比度都有很大變化；背景信息通常比車牌信息更加復雜，某些背景區(qū)域可能與車牌區(qū)域差異不大；再加上攝像距離、角度的不同，要從種種干擾中區(qū)別出目標是十分困難的。 本文 利用 MATLAB 工具實現(xiàn)車牌定位算法研究。與傳統(tǒng)的車輛管理方法相比，它大大地提高了管理效率與水平，節(jié)省了人力、物力，實現(xiàn)了車輛管理的科學化、規(guī)范化，對交通治安起到了一定的保障作用，因此有著廣泛的應(yīng)用前景。 關(guān)鍵詞：車牌定位；傾斜矯正； 圖像預處理 ； 圖像分割 北京聯(lián)合 大學 畢業(yè)設(shè)計 2 Abstract Vehicles License Plate Recognition System(LPRS)， which is all important part of the contemporary Intelligent Transportation System(ITS),can be applied to vehicle management situations of all levels and all kinds． Compared with traditional vehicles managements， LPRS has greatly improved the efficiency and level of management and saved manpower and material resources， laying a good foundation for the realization of standardized management． We Call safely e to the conclusion that LPRS has already improved the order of the traffic system, illustrating a good prospect of application for us． Generally, the LPR system consists of three modules： license plate location、 character segmentation and character recognition． Its study concerns various disciplines including Pattern Recognition、 Artificial Intelligence， Computer Vision、 Digital Image Processing and SO 011． It is the location and segmentation of license plates standing at the heart of LPR system． Considering that the plexity of image background and the uncertainly of plate position and image quality， it is necessary to do further research into it． By summarizing the latest research achievements and development in the area of license plate location and segmentation both here and abroad， this paper, after making a deep parison between the intrinsic characteristics of license plate and the current location and segmentation technologies on it， proposes its own understanding and designs a new LP location and segmentation system. The paper introdu