【正文】 車輛以及教練車輛等漢字字符，以及26各英文字母和10個(gè)數(shù)字，字符的類別不超過(guò)100類，其分類規(guī)模要遠(yuǎn)遠(yuǎn)小于一般的車牌自動(dòng)識(shí)別系統(tǒng)。全局特征包括Fourier變換、余弦變換、小波變換、矩特征以及筆畫的密度特征等。由此，車牌識(shí)別系統(tǒng)進(jìn)入了最后一個(gè)環(huán)節(jié)：字符識(shí)別。其分割方法較第一個(gè)漢字字符簡(jiǎn)單。步驟如下：（1）對(duì)預(yù)處理后的車牌圖像，自左向右逐列統(tǒng)計(jì)各列所包含的白色像素點(diǎn)（本文中車牌字符為白色像素點(diǎn)），將統(tǒng)計(jì)后的結(jié)果存儲(chǔ)到一個(gè)矩陣中（n的大小與車牌圖像的寬度相同）。4 字符切割圖像切割是指按一定的規(guī)則，將圖像與背景分成不同的部分或子集的過(guò)程。閉運(yùn)算具有過(guò)濾功能，它可以填充圖像內(nèi)部的微小空洞以及裂隙等。(2) 腐蝕運(yùn)算腐蝕是膨脹的逆運(yùn)算，它縮減物體的邊界，將物體的邊界歸入背景點(diǎn)，使得物體的邊界縮小。經(jīng)過(guò)上述過(guò)程就完成了基于統(tǒng)計(jì)直方圖投影的車牌精確定位。(2) 車牌的精定位在車牌區(qū)域中，其紋理結(jié)構(gòu)和背景有很大的差別，車牌區(qū)域具有更多更密集的縱向邊界，而且車牌字符和背景的對(duì)比度比較大，在車牌區(qū)域上的表現(xiàn)就是車牌區(qū)域水平方向上的灰度變化頻度很高。由于車牌區(qū)域中包含有大量的邊緣信息，因此對(duì)該行（列）進(jìn)行掃描時(shí)，其灰度跳變的次數(shù)將明顯有別于其它非車牌區(qū)域的行（列）。下面對(duì)幾種主要的車牌定位算法進(jìn)行簡(jiǎn)單的分析介紹。3 車牌定位車牌定位就是將車牌區(qū)域從整個(gè)車牌圖像中尋找出來(lái)。假設(shè)灰度圖像是具有整數(shù)像素坐標(biāo)的輸入。圖像的邊緣檢測(cè)是圖像分割、紋理特征提取以及形狀特征提取等圖像后續(xù)處理的前提。彩色圖像的灰度化方法主要有如下三種（g代表灰度化后像素點(diǎn)的亮度值）：（1） 取平均值法，取彩色圖像中像素點(diǎn)三個(gè)分量的平均值，即： （）（2） 取最大值法，取彩色圖像中像素點(diǎn)R、G、B三個(gè)分量的最大值，即： （）（3） 加權(quán)平均值法，根據(jù)彩色圖像像素點(diǎn)R、G、B三個(gè)分量的重要性或者其他指標(biāo)賦予三個(gè)分量不同的加權(quán)值、再使g等于R、G、B三個(gè)分量的加權(quán)平均值，即： （）。因此，在進(jìn)行車牌識(shí)別過(guò)程時(shí)，有必要將彩色圖像轉(zhuǎn)換為灰度圖像。2．2 圖像的灰度化現(xiàn)如今，在智能交通系統(tǒng)中拍攝到的車牌圖像基本上都是真彩色圖像。第一章為引言，介紹了課題研究背景，國(guó)內(nèi)外研究現(xiàn)狀，車牌識(shí)別系統(tǒng)的結(jié)構(gòu)圖以及本文的工作安排；第二章為車牌圖像的預(yù)處理，介紹了圖像處理相關(guān)知識(shí)，并對(duì)車牌進(jìn)行灰度化、二值化以及邊緣檢測(cè)；第三章為車牌定位，簡(jiǎn)要介紹了基于紋理特征和數(shù)學(xué)形態(tài)特征的車牌定位方法，并給出定位結(jié)果；第四章為字符切割，根據(jù)車牌自身特征，采用一種對(duì)水平投影法進(jìn)行改進(jìn)的車牌字符分割的方法對(duì)車牌進(jìn)行分割；第五章為字符識(shí)別，詳細(xì)介紹了模板匹配的方法，建立了字符模板，以及用AD算法檢測(cè)待測(cè)字符和模板字符中的相似程度，最終通過(guò)MATLAB實(shí)現(xiàn)了車牌數(shù)字與字母的識(shí)別；第六章為結(jié)論，總結(jié)了本文所做的主要工作，并分析了其中的不足之處，以待今后改進(jìn)。因而進(jìn)一步加深車牌定位的研究是非常必要的。由于背景的復(fù)雜性，背景紋理及顏色的復(fù)雜不確定性，這些問(wèn)題給提取字符區(qū)域帶來(lái)較大困難。關(guān)鍵詞：汽車牌照，圖像處理 ，字符識(shí)別，模板匹配Number and Character Recognition of License Plate Based on the Part of Image ProcessingAbstractVehicle License Plate Recognition plays an important role in Automatic Recognition System, which has promising future in the intelligent transportation systems. Vehicle License Plate Automatic Recgnition is one of important research subjects of Image Dealing and the important parts of the research on intelligence of transportation management and implementation. Vehicle License Plate Automatic Recognition mostly includes four important parts. These are preprocess, Vehicle License Location, Character Segmentation and Character Recognition. This paper is about the recognition of the located Vehicle License Plate based on the part of image processing. We use the match template method,through AD algorithm to determine the similarity between the plate characters and template characters, to recognize plate license characters from the plex background image. 90 images were tested and the results show that the integral recognition rate is 60% and the method is accurate and fast. Key Words: Vehicle License, Charater Recognition, Image Processing, Match Template1 引言1．1 車牌識(shí)別技術(shù)的研究背景車牌是識(shí)別技術(shù)[1]是計(jì)算機(jī)視覺和模式識(shí)別技術(shù)在現(xiàn)代智能交通系統(tǒng)中的一項(xiàng)重要的研究課題，是實(shí)現(xiàn)交通管理智能化的重要環(huán)節(jié)。title(39。y=whx (:,2)。當(dāng)前常用的數(shù)據(jù)采集裝置，在其系統(tǒng)軟件設(shè)計(jì)中，多采用單任務(wù)順序機(jī)制。10 V ,輸入信號(hào)頻率≤5 MHz ,比較電平為1 V。Intel在 2001年春季的IDF上，正式公布了旨在取代PCI總線的第三代I/O技術(shù)，該規(guī)范由Intel支持的AWG(Arapahoe Working Group)負(fù)責(zé)制定。目前廣泛采用的是32bit、33MHz的PCI 總線，64bit的PCI插槽更多是應(yīng)用于服務(wù)器產(chǎn)品。隨著對(duì)更高性能的要求，1993年又提出了64bit的PCI總線，后來(lái)又提出把PCI總線的頻率提升到66MHz。 由于PCI 總線只有133MB/s的帶寬，對(duì)聲卡、網(wǎng)卡、視頻卡等絕大多數(shù)輸入/輸出設(shè)備顯得綽綽有余，但對(duì)性能日益強(qiáng)大的顯卡則無(wú)法滿足其需求。另外提供4 路脈沖信號(hào)的測(cè)量,信號(hào)輸入幅度也是177。 數(shù)據(jù)采集系統(tǒng)原理框圖 A/D卡的采集、存儲(chǔ)和顯示程序 A/D卡的采集的基本原理： 運(yùn)行時(shí)的數(shù)據(jù)并送給PC機(jī)，通過(guò)運(yùn)行在PC機(jī)上的特定軟件對(duì)這些數(shù)據(jù)進(jìn)行分析，以此判斷當(dāng)前運(yùn)行設(shè)備的狀況，進(jìn)而采取相應(yīng)措施。x=whx (:,1)。)。文章中對(duì)90張相片進(jìn)行了測(cè)試，結(jié)果表明，基于模板匹配的車牌識(shí)別方法的整體識(shí)別率為約60%，證明該方法是有效的，可行的。字符的提取是復(fù)雜背景下目標(biāo)提取問(wèn)題，在復(fù)雜的背景中字符區(qū)域往往只占圖像的小部分。然而現(xiàn)代化交通系統(tǒng)不斷提高的快節(jié)奏，將對(duì)車牌定位的準(zhǔn)確率和實(shí)時(shí)性提出更高的要求。字符識(shí)別字符切割車牌定位預(yù)處理 車牌識(shí)別系統(tǒng)結(jié)構(gòu)圖1．5 論文內(nèi)容安排本文共分為六章。在車牌識(shí)別領(lǐng)域，圖像的預(yù)處理過(guò)程主要包括的內(nèi)容有圖像的灰度化處理、圖像二值化、邊緣檢測(cè)以及圖像平滑等等。其在速度上的影響對(duì)于車牌識(shí)別系統(tǒng)的實(shí)時(shí)性要求來(lái)說(shuō)，是絕對(duì)不可容忍的。因此，圖像的灰度化問(wèn)題就轉(zhuǎn)化為如何調(diào)整彩色圖像中像素的三個(gè)分量，使得R=G=B的問(wèn)題。圖像的邊緣檢測(cè)大幅度的減少了圖像包含的數(shù)據(jù)量，去除了不相關(guān)的信息，保留了圖像的重要的結(jié)構(gòu)屬性。(2) 計(jì)算梯度的幅值和方向取Canny算子的一階卷積差分模板為： 則平滑后的圖像的梯度幅值和梯度方向可表示為： （）其中： （） Roberts算子Roberts算子是一種利用局部差分算子尋找邊緣的算子[10]。本文對(duì)圖像的灰度化、圖像增強(qiáng)、二值化、邊緣檢測(cè)等預(yù)處理技術(shù)進(jìn)行了介紹，并簡(jiǎn)要分析了各種預(yù)處理方法的優(yōu)缺點(diǎn)。為了達(dá)到快速準(zhǔn)確的從車牌圖像中分離出車牌區(qū)域的目的，國(guó)內(nèi)外的研究者們提出了諸多車牌定位的方法，這些方法大部分都是基于上述所說(shuō)的車牌的紋理特征、灰度特征、幾何特征以及顏色特征等等。(1) 車牌粗定位粗定位即從車牌的邊緣圖像中尋找并提取出包含有車牌圖像的區(qū)域的過(guò)程。此時(shí)，需要結(jié)合車輛牌照在圖像中的位置信息、幾何特征、寬高比等先驗(yàn)知識(shí)對(duì)候選區(qū)域進(jìn)行進(jìn)一步的判定，確定真正的車牌區(qū)域。此時(shí)直方圖上會(huì)有一個(gè)波峰密集的區(qū)域，并且此區(qū)域的寬度滿足牌照寬高比的先驗(yàn)知識(shí)，由此我們也可以確定車牌在垂直方向上的精確位置。設(shè)為二值化圖像，為結(jié)構(gòu)元素，則被膨脹記為,其定義是： （）上式可以解釋為：被膨脹所得到的集合為，當(dāng)?shù)脑c(diǎn)平移到時(shí)，與的交集非空。同樣，對(duì)的閉運(yùn)算可記為,其定義是： （）由公式可以看出，閉運(yùn)算是開運(yùn)算的對(duì)偶運(yùn)算，即對(duì)進(jìn)行先膨脹后腐蝕的運(yùn)算。基于紋理特征的車牌定位算法和基于數(shù)學(xué)形態(tài)學(xué)的車牌定位算法，最終定位出車牌圖像。4．1 車牌字符分割方法由于實(shí)際拍攝的車牌圖像容易受環(huán)境的影響，所以本文采用的是一種對(duì)水平投影法進(jìn)行改進(jìn)的車牌字符分割法[13]。（3）車牌圖像中第二到第七個(gè)字符，一般為字母或數(shù)字，不存在不連通的問(wèn)題。5 字符識(shí)別5．1 字符識(shí)別的概述經(jīng)過(guò)圖像預(yù)處理、車牌定位及字符分割等過(guò)程后，車牌區(qū)域由一個(gè)整體的字符串圖像被切分為單個(gè)的字符圖像。對(duì)整個(gè)字符圖像進(jìn)行某種變換，將變換系數(shù)作為圖像的一種特征，稱為全局特征。尋求一個(gè)具有良好的容錯(cuò)能力和自適應(yīng)能力的分類器是字符識(shí)別的主要目標(biāo)。因此，字符識(shí)別算法最好具備較強(qiáng)的抗干擾性和適應(yīng)性。SSD算法[19]通過(guò)計(jì)算S和T之間的灰度值的L2距離對(duì)圖像進(jìn)行相似度匹配。為了檢驗(yàn)本章提出的車牌識(shí)別算法，本文對(duì)90多張車輛圖像進(jìn)行試驗(yàn)。在第四章字符分割中，并提出了本文的字符切割方法，在車牌識(shí)別階段，通過(guò)模版匹配法對(duì)車牌數(shù)字和字母進(jìn)行識(shí)別。原圖39?；叶葓D直方圖39。title(39。腐蝕后圖像39。平滑圖像的輪廓39。myI=double(I5)。 end PY2=MaxY。 while ((Blue_x(1,PX1)3)amp。%對(duì)車牌區(qū)域的校正 PX2=PX2+1。)imwrite(dw,39。jpg=strcat(filepath,filename)。figure(8)。 % d:二值圖像imwrite(d,39。)% 濾波h=fspecial(39。39。/39。)。j=1。 d(:,k1+num+5)=0。wide=0。 if two_thirds/ally2 flag=1。% 分割出第六個(gè)字符[word6,d]=getword(d)。subplot(5,7,3),imshow(word3),title(39。)。% 商用系統(tǒng)程序中歸一化大小為 40*20,此處演示word1=imresize(word1,[40 20])。139。subplot(5,7,18),imshow(word4),title(39。)。39。imwrite(word5,39。)。Z39。.jpg39。 kmax=36。 SamBw2 = imread(fname)。 Code(l*21)=liccode(findc(1)+kmin1)。,39。 wide=0。 n1/m1y2 d(:,[1:wide])=0。flag=1。 % initwhile sum(d(top,:))==0 amp。 left=n left=lef