【正文】 心知”，我更加深刻的明白了學(xué)無(wú)止境的含義，看到了自身的不足。最后，感謝背后一直默默無(wú)聞支持我的家人，當(dāng)我遇到困難和挫折時(shí)，當(dāng)我退縮不前時(shí)，總有他們陪伴著我、鼓勵(lì)著我，是他們的無(wú)私付出，促使我不斷進(jìn)步。有太多的事歷歷在目，宛如昨日，記憶猶新。之前，因了一些莫名的執(zhí)著，我斤斤計(jì)較著收益和成本的距離，想要量出一個(gè)最大，然而成本一再沉淀，收益卻遙遙不見(jiàn)，彷徨過(guò)、苦楚過(guò)、猶豫過(guò)，但最終堅(jiān)持下來(lái)，終于明白，收益并不意味著幸福，努力過(guò)、付出過(guò)、為夢(mèng)想不曾放棄過(guò)便有收獲，知足常樂(lè)。5 結(jié)論本文通過(guò)分析C ++ 這種面向?qū)ο蟮木幊陶Z(yǔ)言的特性，使C ++ 可以在集成電路的設(shè)計(jì)中發(fā)揮出重要的作用，隨著車(chē)牌自動(dòng)識(shí)別系統(tǒng)性能的提高，其應(yīng)用也在逐漸深入到我們生活的方方面面。 ∥ALU 指令操作碼∥…}void ALU∶∶Run( ) ∥ALU 操作運(yùn)行函數(shù){Operation( ) 。類(lèi)體內(nèi)用于描述模塊內(nèi)部功能操作的成員函數(shù)：Operation ( ) 聲明為private 類(lèi)型，再聲明一個(gè)public 類(lèi)型成員函數(shù)Run ( ) ，其中包含內(nèi)部功能函數(shù)，用于外部對(duì)類(lèi)模塊的調(diào)用。parameter ADDC = 2。而對(duì)于雙向傳遞的_ io 口來(lái)說(shuō)，則需將其分解為一個(gè)輸入端和一個(gè)輸出端，同時(shí)引入另一變量，以保證分解后的雙向連接。在Verilog 中，當(dāng)兩個(gè)非阻塞賦值語(yǔ)句a ＜ = b + c 和b ＜ = a + d，兩條語(yǔ)句需在并行執(zhí)行條件下才能保證其正確的語(yǔ)義。對(duì)于基礎(chǔ)模塊的定義，在Verilog 中可以使用module 來(lái)實(shí)現(xiàn)。在應(yīng)用中，對(duì)象的公共成員可由外部程序調(diào)用。通過(guò)C ++ 語(yǔ)言的設(shè)計(jì)與驗(yàn)證［4］，可實(shí)現(xiàn)向上一層次系統(tǒng)級(jí)延伸完成軟件仿真，再由Verilog 與C ++ 的一致性轉(zhuǎn)化，將軟件設(shè)計(jì)精確地轉(zhuǎn)化到硬件級(jí)上。strcpy( latitude_buf, buf2) 。 sign) 。break。車(chē)輛圖像采集車(chē)牌提取字符分割字符識(shí)別車(chē)輛檢測(cè) 并利用Visual C+ + 6. 0 編程實(shí)現(xiàn)。當(dāng)車(chē)輛通過(guò)關(guān)卡，經(jīng)過(guò)車(chē)體位置傳感器的敏感區(qū)域時(shí)，傳感器發(fā)送一個(gè)信號(hào)給圖像采集控制部分。遺傳算法是建立在自然選擇和群體遺傳學(xué)機(jī)理基礎(chǔ)上的隨機(jī)、迭代、進(jìn)化，具有廣泛適用性的搜索方法，結(jié)合了達(dá)爾文的適者生存和隨機(jī)信息交換，消除解中的不適應(yīng)因素，利用了原有解中已有的知識(shí)，從而有力的加快了搜索過(guò)程。一般情況下，腐蝕與膨脹是不可恢復(fù)的運(yùn)算，但通過(guò)腐蝕與膨脹可以構(gòu)成開(kāi)運(yùn)算和閉運(yùn)算。作者使用一階微分算子對(duì)原始圖像的邊緣進(jìn)行預(yù)處理，并在此基礎(chǔ)上運(yùn)用數(shù)學(xué)形態(tài)學(xué)的閉運(yùn)算獲得車(chē)牌的候選區(qū)，然后采用投影法剔除假車(chē)牌，定位出真車(chē)牌。一般來(lái)說(shuō)，單色圖像的灰度級(jí)有256級(jí)、128級(jí)和64級(jí)不等，通常所采用的為256級(jí)的灰度圖像。車(chē)牌定位是車(chē)牌識(shí)別中的關(guān)鍵環(huán)節(jié)之一。這兩種車(chē)牌字符分割方法在第四章中將會(huì)有詳細(xì)的論述。我們可以加強(qiáng)這些灰度值較高的字符區(qū)域，使之相對(duì)于背景而言更突出一些。后一個(gè)算法的特點(diǎn)是首先采用投影法，利用水平一階差分圖的水平投影進(jìn)行車(chē)牌水平定位，即通過(guò)對(duì)一階差分水平投影曲線進(jìn)行掃描，得到較大的波峰值或波峰積分值較大的波峰在平滑的一階差分水平投影曲線中的位置坐標(biāo)，進(jìn)而利用這些波峰位置坐標(biāo)進(jìn)行車(chē)牌水平定位運(yùn)算，得到一個(gè)或多個(gè)車(chē)牌水平位置候選區(qū)域在原始圖像中的位置坐標(biāo)；然后在豎直定位時(shí)，結(jié)合數(shù)學(xué)形態(tài)學(xué)的特性，利用閉運(yùn)算，在原始圖像中突出車(chē)牌區(qū)域的位置，通過(guò)合理選擇二值化閥值，對(duì)變換后的圖像進(jìn)行二值化，實(shí)現(xiàn)車(chē)牌豎直定位，克服了基于掃描行的車(chē)牌提取方法和基于彩色的車(chē)牌提取方法難以解決在照明不均勻環(huán)境下定位準(zhǔn)確率的問(wèn)題。有的圖像較暗，有的圖像較亮，需要將這些圖像轉(zhuǎn)換為亮度比較接近的圖像，這可以用直方圖均衡化來(lái)實(shí)現(xiàn)，以增強(qiáng)圖像的對(duì)比度。在本章的后續(xù)部分我們將對(duì)本文中的車(chē)牌識(shí)別算法做比較詳細(xì)的說(shuō)明。但是在這樣的圖像上，由于車(chē)輛處于運(yùn)動(dòng)狀態(tài)以及污損等原因，車(chē)牌畫(huà)面往往不夠清晰，難以從中攝取需要的信息。字符識(shí)別模塊從點(diǎn)陣數(shù)據(jù)中提取字符特征數(shù)據(jù)，輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別，得到字符識(shí)別的結(jié)果。針對(duì)中國(guó)的民用車(chē)牌，提出兩種車(chē)牌定位的算法，分別是基于高帽變換和小波變換的車(chē)牌提取方法與基于投影法和數(shù)學(xué)形態(tài)學(xué)的車(chē)牌提取方法。我國(guó)汽車(chē)牌照底色有藍(lán)、黃、黑、白等，字符顏色有黑、紅、白等，一般車(chē)牌顏色搭配是藍(lán)白，黃黑，白紅黑等。為了便于對(duì)國(guó)內(nèi)汽車(chē)的辨認(rèn)和管理，世界每個(gè)國(guó)家和政府都為本國(guó)的車(chē)輛牌照了一個(gè)標(biāo)準(zhǔn)。套牌車(chē)輛自動(dòng)稽查、指定車(chē)輛自動(dòng)跟蹤:此項(xiàng)功能利用車(chē)輛信息網(wǎng)上的實(shí)時(shí)信息，以同一車(chē)牌出現(xiàn)時(shí)的方位、距離、時(shí)間等參數(shù)，快速計(jì)算處理，自動(dòng)查出該車(chē)牌是否有套牌車(chē)。其作用是可以解決車(chē)流高峰期的堵塞問(wèn)題和減少運(yùn)作費(fèi)用。若能用計(jì)算機(jī)實(shí)時(shí)地識(shí)別車(chē)牌就可以在無(wú)需為車(chē)輛加裝其他特殊裝置的情況下實(shí)現(xiàn)對(duì)車(chē)輛的自動(dòng)監(jiān)測(cè)，從而給交通系統(tǒng)的自動(dòng)管理提供極大的方便，因此車(chē)輛牌照自動(dòng)識(shí)別系統(tǒng)的實(shí)現(xiàn)是推動(dòng)交通管理智能化的關(guān)鍵技術(shù)之一。針對(duì)這個(gè)問(wèn)題，我們可以著重開(kāi)發(fā)具有實(shí)時(shí)性和較強(qiáng)魯棒性的軟件算法，這樣既可節(jié)省成本，應(yīng)用也比較方便。直接根據(jù)車(chē)牌特征，進(jìn)行特征提取與選擇，進(jìn)而分割圖像，性好、可靠性高，便于使用，尤其是遺傳算法用于車(chē)牌定位，魯棒性較強(qiáng)。比較常見(jiàn)的方法如基于掃描行的車(chē)牌提取方法。車(chē)牌識(shí)別技術(shù)是現(xiàn)代交通管理中的一個(gè)非常重要的研究課題，在此基礎(chǔ)上實(shí)現(xiàn)的車(chē)輛監(jiān)控和管理的自動(dòng)化、智能化是未來(lái)ITS的發(fā)展趨勢(shì)，對(duì)其發(fā)展具有十分重要的意義。近幾年來(lái)，許多國(guó)家開(kāi)始試行無(wú)停車(chē)收費(fèi)和停車(chē)場(chǎng)無(wú)人管理系統(tǒng)，主要采用無(wú)線通信手段，但是大量未裝載通信裝置的車(chē)輛無(wú)法實(shí)行，另外還存在許多無(wú)線卡和車(chē)輛信息不符的現(xiàn)象。本文提出的算法均已在軟件平臺(tái)上正確實(shí)現(xiàn)，并使用大量從各種不同環(huán)境下的具采集有代表性的車(chē)輛圖像作為算法測(cè)試數(shù)據(jù)源對(duì)算法進(jìn)行測(cè)試，結(jié)果證明兩%％，兩種字符分割算法的準(zhǔn)確率％%。利用電子信息技術(shù)來(lái)提高管理效率、交通效率和安全的智能交通系統(tǒng)ITS已經(jīng)成為當(dāng)前交通管理發(fā)展的主要方向。本論文是基于數(shù)字圖像處理的相關(guān)理論，將計(jì)算機(jī)視覺(jué)與模式識(shí)別技術(shù)相結(jié)合，對(duì)車(chē)輛牌照識(shí)別系統(tǒng)進(jìn)行了較深入的研究和分析，主要完成的工作包括以下兩部分：（1）車(chē)牌定位算法。由于LPR具有廣闊的發(fā)展前景，它的開(kāi)發(fā)和研制工作不論是在國(guó)內(nèi)還是在國(guó)外都受到很大的關(guān)注，它涉及的領(lǐng)域也非常廣闊，包括圖像處理、計(jì)算機(jī)、人工智能、模式識(shí)別、信息論等多門(mén)學(xué)科，是一門(mén)綜合的應(yīng)用技術(shù)。隨著車(chē)牌自動(dòng)識(shí)別系統(tǒng)性能的提高，其應(yīng)用也在逐漸深入到我們生活的方方面面。而在我國(guó)，由于存在信息技術(shù)發(fā)展時(shí)間短、車(chē)牌種類(lèi)復(fù)雜和車(chē)牌類(lèi)別較多等問(wèn)題，我國(guó)在車(chē)牌自動(dòng)識(shí)別系統(tǒng)方面的研發(fā)和應(yīng)用目前還基本停留在實(shí)驗(yàn)室階段。但是在實(shí)際應(yīng)用中車(chē)牌圖像處于變化光源的環(huán)境中，亮度極不均勻，從而限制了上述方法的使用。如果對(duì)遺傳算法加以改進(jìn)，或結(jié)合其他圖像分割方法，可進(jìn)一步提高定位精度，減小運(yùn)算量，具有十分誘人的前景。而且研究表明，神經(jīng)網(wǎng)絡(luò)、模糊技術(shù)和遺傳算法的結(jié)合使用可以取得良好的效果。車(chē)牌識(shí)別系統(tǒng)的成功開(kāi)發(fā)將大大加速I(mǎi)TS的進(jìn)程。（2）城市道路監(jiān)控、違章管理方面的應(yīng)用車(chē)輛的自動(dòng)檢測(cè)報(bào)警:此項(xiàng)功能針對(duì)納入黑名單的車(chē)輛，如沖關(guān)后或肇事后逃逸的車(chē)輛、被公安部門(mén)通緝或掛失的車(chē)輛、欠交費(fèi)的車(chē)輛等。以保證后續(xù)的處理工作順利完成，加大加強(qiáng)處罰的準(zhǔn)確度。根據(jù)92式機(jī)動(dòng)車(chē)號(hào)牌規(guī)范規(guī)定，我國(guó)車(chē)牌具有以下幾個(gè)特點(diǎn)：（1）在字符組成和排列方面，我國(guó)標(biāo)準(zhǔn)汽車(chē)牌照是由漢字、英文字母和阿拉伯?dāng)?shù)字組成，一共7個(gè)字符，一般按照X1 X2車(chē)后牌照則是不同的車(chē)輛有不同的規(guī)定，一般在車(chē)牌識(shí)別系統(tǒng)中使用的車(chē)牌皆為車(chē)前車(chē)牌。第二章 車(chē)牌自動(dòng)識(shí)別系統(tǒng)本章首先對(duì)車(chē)牌自動(dòng)識(shí)別系統(tǒng)的總體結(jié)構(gòu)進(jìn)行了一個(gè)粗略的說(shuō)明，主要包括系統(tǒng)的硬件部分和軟件部分；然后比較詳細(xì)地介紹了車(chē)牌識(shí)別系統(tǒng)的軟件流程；最后對(duì)本章進(jìn)行總結(jié)。圖像采集部分包括光線不足時(shí)自動(dòng)光源補(bǔ)足和CCD攝像頭，以攝取清晰的車(chē)輛圖像。這樣可以為后續(xù)圖像處理減小難度和提高系統(tǒng)的精確度以及穩(wěn)定性。車(chē)牌定位算法實(shí)現(xiàn)的功能就是從一幅復(fù)雜背景的數(shù)字圖像中分割出車(chē)牌圖像，要求具有較高的識(shí)別率和較強(qiáng)的環(huán)境適應(yīng)性。車(chē)牌提取一直是車(chē)牌識(shí)別中備受關(guān)注的一步，因?yàn)樗钦麄€(gè)車(chē)牌識(shí)別的第一步。預(yù)處理一般包括歸一化和圖像增強(qiáng)。所以我們一旦確定一個(gè)字符的位置并且知道它是第幾個(gè)字符的話，其他字符的位置我們也就一并確定了。第三章車(chē)牌定位本章詳細(xì)介紹了如何從含有車(chē)牌的原始圖像中提取車(chē)牌圖像。為了準(zhǔn)確、快速地定位出車(chē)牌區(qū)域，人們已經(jīng)研究了許多定位方法，這些算法基本上都或多或少的借助了車(chē)牌自身特征來(lái)實(shí)現(xiàn)的。因此目前的大多數(shù)研究都是基于灰度圖像的，以滿足車(chē)牌識(shí)別的實(shí)時(shí)性需求。然后根據(jù)車(chē)牌號(hào)碼在水平方向上的投影具有明顯的規(guī)律以及字符間具有較低的谷點(diǎn)的規(guī)律，并結(jié)合車(chē)牌的高寬比來(lái)切割出車(chē)牌的位置。在文獻(xiàn)[22]中，作者通過(guò)對(duì)灰度圖像采用屬性開(kāi)運(yùn)算，削去滿足特定屬性的峰部，確定出目標(biāo)以及少量非目標(biāo)區(qū)域，然后計(jì)算出圖像的傾斜角及目標(biāo)區(qū)域所在范圍。本章對(duì)車(chē)牌定位算法進(jìn)行了研究了，提出了兩種車(chē)牌定位的算法，分別是基于高帽變換和小波變換的車(chē)牌提取方法與基于投影法和數(shù)學(xué)形態(tài)學(xué)的車(chē)牌提取方法。字符識(shí)別模塊從點(diǎn)陣數(shù)據(jù)中提取字符特征數(shù)據(jù)，輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別，得到字符識(shí)別的結(jié)果。break。}部分源程序如下:now_Longitude= m_left + m_ptOrign. x* k_ longit ude。if( now_L atitude 10)lat itude_precision= 9。m_pt rAr ray. A dd( pt_SaveDraw) 。同時(shí)，當(dāng)C ++ 和Verilog 程序在同步的情況下進(jìn)行編寫(xiě)設(shè)計(jì)時(shí)，可使得兩者相互獨(dú)立，構(gòu)成平行的橫向?qū)哟侮P(guān)系。對(duì)于以往過(guò)程化編程語(yǔ)言來(lái)說(shuō)，可以將它的程序結(jié)構(gòu)表示為: 程序= 算法+ 數(shù)據(jù)結(jié)構(gòu)。也就是說(shuō)接口( interface ) 和實(shí)現(xiàn)( implementation) 不能分離。 在C ++ 中若調(diào)用有參函數(shù)，則只能按順序書(shū)寫(xiě)。 C ++ 與Verilog 之間的設(shè)計(jì)轉(zhuǎn)化在設(shè)計(jì)的過(guò)程中，需要將C ++ 程序轉(zhuǎn)換成類(lèi)似Verilog 的結(jié)構(gòu)程序［10］，保證描述的邏輯電路達(dá)到設(shè)計(jì)要求。 ∥輸出信號(hào)private:int r_ alu_ opc ［4: 0］。 ∥功能模塊運(yùn)行函數(shù)∥…} 。break。也只有當(dāng)在大多數(shù)環(huán)境下LPR都具有很高的性能時(shí)，LPR才會(huì)得到更加廣泛的運(yùn)用。老師嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度、淵博的學(xué)識(shí)、獨(dú)特的學(xué)術(shù)思維、耐心細(xì)致的教學(xué)態(tài)度，使我收獲良多。我將以更大的努力來(lái)答謝所有愛(ài)我的人和我愛(ài)的人!