【正文】 保留。細化，又稱為骨架化，即在不影響原圖的拓撲連接關(guān)系的條件下，將寬度大于一個 像素的圖形線條轉(zhuǎn)變?yōu)橹挥幸粋€像素寬度的處理過程，也就是抽取圖像的骨架，由于細化能很好地展現(xiàn)圖像的形狀，并且，細化還有一個優(yōu)點就是可以減少所需用到的內(nèi)存空間，這樣就可以在進行圖像處理時簡化23 一些操作，加快處理速度。 （ 2）調(diào)用數(shù)字模板進行識別，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，進行第三步。找出距離最短的那個模板這個模板的輸出值就可以作為該數(shù)據(jù)對應(yīng)的輸出值。它根據(jù)分 割和識別結(jié)果的耦合程度又有不同的劃分；自適應(yīng)分割線聚類法是一個分類器，用它來判斷圖像的每一列是否是分割線，它是根據(jù)訓(xùn)練樣本來進行自適應(yīng)的神經(jīng)網(wǎng)絡(luò)，但是對于粘連的字符很難訓(xùn)練。 Hough 變換只能對己知形狀參數(shù)的曲線方程如二次曲線、直線來進行描述，不能對未知曲線來進行檢測，這是此變換的缺點。Hough 變換法 。又由實驗可知，對圖像求卷積能量時，卷積長度越接近車牌的寬度，定位就越準(zhǔn)確。 自然環(huán)境下，汽車圖像背景復(fù)雜、光照不均勻，如何在自然背景中準(zhǔn)確地確定牌照區(qū)域是整個識別過程的關(guān)鍵。本文對圖像中特亮和特暗的地方進行灰度拉伸，有效增強圖像對比度，提高車牌定位準(zhǔn)確率。最后完成了整個車牌字符的識別。模板匹配方法最大的優(yōu)點是識別率很高，但是因為要逐點操作，所以效率比較低下。 雖然 BP 神經(jīng)網(wǎng)絡(luò)有以上的優(yōu)點，但因為其有收斂的速度比較慢 。神經(jīng)網(wǎng)絡(luò)是現(xiàn)代生物學(xué)研究人腦的組織成果基礎(chǔ)上提出的，用來模擬人類大腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和行為，它從微觀結(jié)構(gòu)和功能上對人腦進行抽象和簡化。最常用的字符統(tǒng)計模式方法是模板匹配的字符識別方法。 （ 5） 基于微結(jié)構(gòu)特征的方法。這兩種方法都是針對字符圖像輪廓的。字符的統(tǒng)計模式識別是將字符點陣看作一個整體，其所用的特征是從這個 整體上經(jīng)過大量的統(tǒng)計而得到的 .統(tǒng)計特征的特點是抗干擾能力強，匹配與分類的算法簡單，易于實現(xiàn) .不足之處在于細分能力較弱，區(qū)分相似字的能力差一些。還可以認為漢字是由更小的結(jié)構(gòu)基元構(gòu)成的。 多路徑識別算法的理論基礎(chǔ) 在本文涉及到的多路徑識別算法 — 車牌照識別技術(shù)中，對于 一個完整的車輛牌照識別系統(tǒng) 而言 應(yīng)該包括圖像采集、圖像預(yù)處理、車牌定位、字符切分、字符識別以及圖像編碼、數(shù)碼傳輸與更新等步驟，基本可以分為硬件部分和軟件部分，硬件部分主 要完成車輛圖像的攝取采集，軟件部分主要完成對采集到的車輛圖像進行車輛牌照定位、車牌字符切分與車牌字符識別等工作，這部分工作最為復(fù)雜，最后對識別結(jié)果進行數(shù)據(jù)傳送和存儲，將處理后的識別信息交給管理系統(tǒng)進行管理。 車牌照識別方法雖然不影響行車速度，但是應(yīng)用車牌照抓拍系統(tǒng)進行多路徑的9 判別，投資較大且系統(tǒng)精度根據(jù)圖像識別算法的不同效果 也不同一般不能達到100%。第二種方法只需在產(chǎn)生歧義的路段設(shè)立標(biāo)識站，獲取車輛行駛的標(biāo)識 信息，就可以根據(jù)出口信息、入口信息、標(biāo)識信息，識別出任意車輛的行駛路徑。 由于目前我國聯(lián)網(wǎng)收費還是剛剛開始 ,對其相關(guān)的技術(shù)研究的還不是都很深入 ,路徑識別技術(shù)的研究在這種環(huán)境下也只是剛剛開始 ,在現(xiàn)有的“一路一公司”的情況下實行 的協(xié)商法需要各路公司相互之間有良好的協(xié)調(diào)關(guān)系。二是收費管理層面 ,主要是通行費收入拆分問題。針對這兩個二義性路徑。 6 國內(nèi)研究現(xiàn)狀 目前許多省市建設(shè)的高速公路都具有相當(dāng)規(guī)模 ,聯(lián)網(wǎng)收費己成大 勢所趨。 德國一直在高速公路上未建任何收費設(shè)施 ,對車輛收取的通行費 包含在燃油費和養(yǎng)路費中。 國外研究現(xiàn)狀 國外高速公路實行收費的雖然有一些，但是大部分規(guī)模不大，或 者是路公司比較單一，他們的研究主要集中在電子不停車收費（ ETC,即 Electronic Toll Collection）系統(tǒng)上面， 或者是更為智能的如德國研究的利用全球定位系統(tǒng)（ GPS）的收費系統(tǒng)，但專門就在高速公路路徑識別這方面的研究很少。本章詳細闡述了 多路徑識別 理論的基本原理。 (2) 使用 MATLAB 的圖形用戶界面技術(shù)（ GUI）編寫牌照識別系統(tǒng)面板，可以達到與牌照定位切分程序及字符識別程序的無縫連接。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)庫接口、概率統(tǒng)計、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 、信號處理、圖像處理、系統(tǒng)辨識、控制系統(tǒng)設(shè)計、 LMI 控制、魯棒控制、模型預(yù)測、模糊邏輯、金融分析、地圖工具、非線性控制設(shè)計、實時快速原型及半物理仿真、嵌入式系統(tǒng)開發(fā)、定點仿真、 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。 4．出色的圖像處理功能 MATLAB 自產(chǎn)生之日起就具有方便的數(shù)據(jù)可視化功能，以將向量和矩陣用圖形表現(xiàn)出來，并且可以對圖形進行標(biāo)注和打印。而且這種語言可移植性好、可拓展性極強，這也是 MATLAB 能夠深入到科學(xué)研究及工程計算各個領(lǐng)域的重要原因。包括 MATLAB 桌面和命令窗口、歷史命令窗口、編輯器和調(diào)試器、路徑搜索和用于用戶瀏覽幫助、工作空間、文件的瀏覽器。為高速公路正常收取車輛通行費造成的及大的損失，同時也帶來了不良的社會影響。 template matching。 本文采用直方圖變換、邊緣檢測、二值化等方法對車牌圖像進行了預(yù)處理。 本文介紹了多路徑識別的多種算法，并著重分析了識別算法中的汽車牌照識別，根據(jù)車牌圖像特點，對車牌識別算法關(guān)鍵環(huán)節(jié)包括數(shù)字圖像預(yù)處理，車牌定位，車牌字符識別等三部分一一進行了分析研究。 license plate location。同時由于高速公路中大型車輛倒卡、逃費現(xiàn)象十分猖獗，通常表現(xiàn)為利用目前機電系統(tǒng)存在的功能不完善漏洞，實現(xiàn)相同貨車套牌倒卡具體表現(xiàn)為滿載長途與空載短途同號牌車輛倒卡，即通過減少里程，逃避超載處罰力度。這些工具方便用戶使用 MATLAB 的函數(shù)和文件，其中許多工具采用的是圖形用戶界面。使之更利于非計算機專業(yè)的科技人員使用。函數(shù)所能解決的問題其大致包括矩陣運算和線性方程組的求解、微分方程及偏微分方程的組的求解、符號運算、傅立葉變換和數(shù)據(jù)的統(tǒng)計分析、工程中的優(yōu)化問題、 稀疏矩陣 運算、復(fù)數(shù)的各種運算、三角函數(shù)和其他初等數(shù)學(xué)運算、多維數(shù)組操作以 及建模動態(tài)仿真等。一般來說，它們都是由特定領(lǐng)域的專家開發(fā)的，用戶可以直接使用工具箱學(xué)習(xí)、應(yīng)用和評估不同的方法而不需要自己編寫代碼。 本文設(shè)計的系統(tǒng)采用 MATLAB 搭建車輛牌照識別系統(tǒng)，具有非常明顯的優(yōu)勢： (1) 可以直接使用 MATLAB 的 Image Acquisition Toolbox 、 Image ProcessingToolbox 以及 Neural Network Toolbox 作為骨架來搭建整個系統(tǒng)。 第三章， 多路徑識別 基本理論。 5 第 2 章 國內(nèi)外研究現(xiàn)狀 多路徑識別在高速公路聯(lián)網(wǎng)收費系統(tǒng)中起到的關(guān)鍵作用， 引起了 大家 廣泛的關(guān)注 和研究 ，下面我們將對該理論的歷史和發(fā)展歷程做出介紹。關(guān)于其應(yīng)用此項技術(shù)進行路徑識別的研究還沒有見諸報道 ,但這樣一來就有望通過大量的 ETC 用戶 ,在關(guān)鍵路段安裝掃描器 ,來達到高概率智能識別車輛行駛路徑的效果。這種技術(shù)相當(dāng)于已經(jīng)識別出了車輛行駛路徑 ,但其依賴于美國的 GPS 定位系統(tǒng) ,受其控制的識別精度影響 ,目前 GPS 的導(dǎo)航精度為 10m,但不排除美國改變其導(dǎo)航精度的可能 ,使識別精度受到質(zhì)疑 ,另外其車載接收機的價格也是一個問題。另一個是由滬杭、杭甫、繞城高速公路組成的路環(huán)。 路徑識別與通行費收入拆分問題主要從兩個方面解決 ,一是收費車道業(yè)務(wù)操作層 ,主要是路徑識別問題 。當(dāng)路網(wǎng)中多路徑路段屬于同一經(jīng)營主體時 ,建議不對行駛路徑進行精確識別。 要做到對車輛行駛路徑的精確識別通常由兩種方法：通過土建設(shè)施的手段，確保任意車輛從一個收費站（點）到另一收費站（點）間只能有唯一的行駛路徑；通過標(biāo)識方法采集車輛行駛路徑信息，確認車輛行駛路徑。即高速公路入、出口以及路網(wǎng)內(nèi)關(guān)鍵點設(shè)置車牌照抓拍系統(tǒng)，攝取通過車輛牌照。 所以在本次設(shè)計中主要研究了精確識別中的車牌照識別技術(shù)，分析研究圖像處理得算法，用以提高車牌照識別的準(zhǔn)確度。其主要出發(fā)點是漢字的組成結(jié)10 構(gòu) .從漢字的構(gòu)成上講，漢字是由筆劃以及偏旁部首構(gòu)成的 。 統(tǒng)計決策論發(fā)展較早，理論也比較成熟 .其要點是提取待識別模式的一組統(tǒng)計特征，然后按照一定準(zhǔn)則所確定的決策函數(shù)進行分類判決。 （ 3） 傅立葉描述子和 Spline 曲線近似。其特點是對于內(nèi)部筆劃粘連的字符識別的適應(yīng)性較強，直 觀性好，但是不易表示為矢量形式，不適合作為粗分類的特征，匹配難度大。字符統(tǒng)計模式是 把字符的點陣看成一個整體，通過做大量的統(tǒng)計得到所需要的特征。 3． 人工神經(jīng)網(wǎng)絡(luò)識別 人工神經(jīng)網(wǎng)絡(luò)是模擬人腦思維方式的數(shù)學(xué)模型。神經(jīng)網(wǎng)絡(luò)有較強的容錯性。模板的建立要針對字符的特征來進行，通常可以取筆畫特征、幾何特征還有圖形的特征。將提取出的車牌圖像進行二值化處理，根據(jù)投影圖的特點查找傾斜的角度，采用坐標(biāo)變換的方法進行車牌傾斜校正，并利用其垂直投影圖中字符顯示出的峰群的特點進行字符切分。由于光線不足或者反光等諸多因素，又可能造成車牌對比度較差，對接下來的紋理分析產(chǎn)生影響，17 所以有必要進行圖像 增強。從本質(zhì)上講，就是一個在參量空間尋找最優(yōu)定位參量的問題。求極值處理公式如下： 導(dǎo)入原始圖像 圖像預(yù)處理增強效果圖像 邊緣提取 車牌定位 對圖像 開閉運算 ??? ? ?????? 其他)1( 0))1()((*))1()(()()( nx nxnxnxnxnxnx18 （式 ） 求相鄰點間的差公式如下： （式 ） 最后，由于車牌區(qū)域的變化頻度 較大，在一般情況下，車牌區(qū)域的卷積能量都是最大的，特殊情況下也是第二大。進行水平邊緣檢測，并進行垂直投影的方法 。這樣就把原始圖像中的曲線或直線的檢測問題，轉(zhuǎn)化為尋找變換空間的峰值問題。直接分割法簡單，但它的局限是分割點的確定需要較高的準(zhǔn)確性；基于識別結(jié)果的分割是把識別結(jié)果和分割結(jié)合起來，但是需要高準(zhǔn)確的識別結(jié)果。 模板匹配是最為直觀的一種方法，就如字面所理解的，選用一些樣本作為模板，當(dāng)進行判斷時，首先計算待測數(shù)據(jù)與模板之間的距離，這個距離通常是兩個數(shù)據(jù)向量差的一個范數(shù)，例如它們之間的直線距離等。 識別車牌的第 4個字符（若分割正確的話應(yīng)該是字母或數(shù)字）： （ 1）調(diào)用字母模板庫進行識別，若為字母，則最終結(jié)果為一個字母，識別結(jié)束；若識別結(jié)果為空字符，則表示不是字母，進行第二步。具體模板匹配的字符識別步驟如下： 一般使用的模板匹配法是直接使用歸一化后的圖像作為待識別字符圖像，而歸一化 后的圖像由于預(yù)處理的原因，很有可能筆劃粗細不均，并且存在著部分噪音點，不易于處理，所以我們首先采用細化的方法，將原來的待識別字符圖像中的字符進行細化處理，然后再進行模板匹配的粗比對，在通過粗比對將字符圖像分組后，再根據(jù)車牌字符的細節(jié)特征對字符進行細比對，最終得到識別結(jié)果，從而實現(xiàn)了我們識別字符的目的，算法流程如下圖所示： 歸 一 化 后 圖 像 字 符 的 細 化 模 版 匹 配 粗 細根 據(jù) 粗 對 比 分 類模 板 匹 配 細 化 對識 別 結(jié) 構(gòu) 圖 算法流程圖 首先進行第一步，細化處理。 根據(jù)這些判斷依據(jù)，我們可以制作一張表格，從 0到 255共有 256個元素，每個元素要么是 0，要么是 1。所謂的粗比對，就是按照車牌字符所特有的特征，如車牌上漢字后面的第一位應(yīng)該是英文字母，第二位和第三位有可能是英文字母也有可能是數(shù)字，最后三位應(yīng)該都是數(shù)字，正是按照這些特征，我們將待識別字符分成三組，第一組是英文字母，第二組是數(shù)字，第三組是數(shù)字或者字母，這樣，我們就把每一組分別和不同的字符標(biāo)準(zhǔn)模板進行模式匹配，在這一次匹配中我們不需要做 到非常的精確，只需要匹配度達到一個基本的匹配閾值λ 0 以上就可以了，然后我們按照字符的匹配度將它分為幾組，分組情況如下： G， Q， D， O， 0一組， Z， 2 一組等，具體的識別流程圖如下圖所示： 細 化 后 的 字 符 根 據(jù) 字 符 的 位 置 分 組 與 同 組 的 標(biāo) 準(zhǔn) 模 版 匹 配比 較 所 有 的 匹 配 值 選 擇 最 相 近 的 字 符 25 圖 字符識別流程圖 這樣，就完成了對字符模板匹配的粗比對，但是，其中也有例外，例如‘ 1’‘ W’等字符，因為沒有與它們相似的字符，所以通過粗比對就可以確定，而其它字符還要經(jīng)過細比對才能得出識別結(jié)果。 圖 字符 O與 G的區(qū)別 經(jīng)過了三次 細比對，我們發(fā)現(xiàn)待識別字符并不是‘ Q’，‘ D’和‘ G’，所以我們就認為它是‘ 0’或者‘ O’（對于這兩種字符，我們認為通過字符匹配是無法區(qū)分的，我們只能通過他們所處的位置來確定，如果處在第二個字符位置，那么我們就認為它是‘ O’，否則我們認為它是‘ 0’），至此，我們就完成了對這個字符的識別，識別結(jié)果也就出來了。 輸入