【正文】 ，為了保存更多的有用信息，經(jīng)過(guò)多次比較，選擇圖 9作為后期處理的依據(jù)。然而，鄰域平均值的平滑處理會(huì)使得圖 像 灰度急劇變化的地方，尤其是物體邊緣區(qū)域和字符輪廓等部分產(chǎn)生模糊作用。圖象增強(qiáng)處理對(duì)圖象牌照的可 辨認(rèn) 度的改善和簡(jiǎn)化后續(xù)的牌照字符定位和分割的難度都是很有必要的。 三 具體技術(shù)路線 （ 1）圖像預(yù)處理及邊緣提取 在車(chē)牌自動(dòng)識(shí)別系統(tǒng)中，車(chē)輛圖像是通過(guò)圖像采集卡將運(yùn)動(dòng)的車(chē)輛圖像抓拍下來(lái)，并以位圖的格式存放到系統(tǒng)內(nèi)存中，這時(shí)的車(chē)輛數(shù)字圖像雖然沒(méi)有被人為損傷過(guò)，但在實(shí)際道路上行駛的車(chē)輛常會(huì)因?yàn)楦鞣N各樣的原因使得所拍攝的車(chē)輛圖像效果不理 想，如外界光線對(duì)車(chē)牌的不均勻反射、極強(qiáng)陽(yáng)光形成的車(chē)牌處陰影、攝像機(jī)快門(mén)值設(shè)置過(guò)大而引起的車(chē)輛圖像拖影、攝像頭聚焦或后背焦沒(méi)有調(diào)整到位而形成的車(chē)輛圖像不清晰、由于視頻傳輸線而引起的圖像質(zhì)量下降、所拍攝圖像中存在的噪聲干擾、所安裝的車(chē)牌不規(guī)范或車(chē)輛行駛變形等，這些都給車(chē)牌的模糊識(shí)別增加了難度。但由于該系統(tǒng)的攝像部分工作于開(kāi)放的戶外環(huán)境，加之車(chē)輛牌照的整潔度、自然光照條件、拍攝時(shí)攝像機(jī)與牌照的 距 離和角度以及車(chē)輛行駛速度等因素的影響，牌照?qǐng)D 像 可能出現(xiàn)模糊、歪斜和缺損等嚴(yán)重缺陷，因此需要對(duì)原始圖像 進(jìn)行識(shí)別前的預(yù)處理。X1是各省，直轄市的簡(jiǎn)稱 ： 如“蘇” 、“桂”，或者特種車(chē)輛類(lèi)型如“警” 。 目前印刷體的識(shí)別技術(shù)已經(jīng)達(dá)到較高水平。從圖像中抽象出來(lái)的“相似性”就可作為原型，拿它來(lái)檢驗(yàn)所要識(shí)別的圖像。當(dāng)前的刺激如果能與大腦中的模板相匹配，這個(gè)圖像也就被識(shí)別了。近年來(lái)計(jì)算機(jī)的飛速發(fā)展和數(shù)字圖像處理技術(shù)的日趨成熟，為傳統(tǒng)的交通管理帶來(lái)了巨大轉(zhuǎn)變。所以，可以廣泛的應(yīng)用于各種領(lǐng)域：如，車(chē)牌檢測(cè)、手寫(xiě)識(shí)別、自動(dòng)閱讀器、機(jī)器視覺(jué)??在生活生產(chǎn)的各個(gè)方面都起到了非常重要的作用。 同時(shí)， 計(jì)算機(jī)已經(jīng)作 為一種人們普遍使用的工具為人們的生產(chǎn)生活服務(wù)。車(chē)輛牌照識(shí)別 (License P1ate Recognition，簡(jiǎn)稱LPR)，是一種關(guān)于計(jì)算機(jī)的包括圖像處理、數(shù)學(xué)技術(shù)、數(shù)據(jù)庫(kù)、信息技術(shù)以及智能技術(shù)于一體的綜合技術(shù)。 從所列舉的圖像技術(shù)的多方 面應(yīng)用及其理論基礎(chǔ)可以看出，它們無(wú)一不涉及高科技的前沿課題，充分說(shuō)明了圖像技術(shù)是前沿性與基礎(chǔ)性的有機(jī)統(tǒng)一。車(chē)輛牌照識(shí)別 (License Plate Recognition，LPR)技術(shù)作為 交通管理自動(dòng)化的重要手段之一，其任務(wù)是分析、處理汽車(chē)監(jiān)控圖像，自動(dòng)識(shí)別汽車(chē)牌照號(hào)碼，并進(jìn)行相關(guān)智能化數(shù)據(jù)庫(kù)管理。但這種模型強(qiáng)調(diào)圖像必須與腦中的模板完全符合才能加以識(shí)別，而事實(shí)上人不僅能識(shí)別與腦中的模板完全一致的圖像，也能識(shí)別與模板不完全一致的圖像。但是，這種模型沒(méi)有說(shuō)明人是怎樣對(duì)相似的 “ 刺激 ” 進(jìn)行辨別和加工的，它也難以在計(jì)算機(jī)程序中得到實(shí)現(xiàn)。 （四）本文的研究?jī)?nèi)容 本文將以車(chē)牌作為研究對(duì)象，從數(shù)字、字母、漢字開(kāi)始逐步提高識(shí)別的范圍，針對(duì)圖片中的字符提出一套切實(shí)可行的識(shí)別算法，并且在試驗(yàn)中不斷改進(jìn)。 （二）技術(shù)路線 1 原理分析 由于車(chē)輛牌照是機(jī)動(dòng)車(chē)唯一的管理標(biāo)識(shí)符號(hào)，在交通管理中具有不可替代的 作用，因此車(chē)輛牌照識(shí)別系統(tǒng)應(yīng)具有很高的識(shí)別正確率，對(duì)環(huán)境光照條件、拍攝位置和車(chē)輛行駛速度等因素的影響應(yīng)有較大的容閾，并且要求滿足實(shí)時(shí)性要求。因此，需要對(duì)字符在識(shí)別之前再進(jìn)行一次針對(duì)性的處理。因?yàn)樗{(lán)色（ 255， 0， 0）與白色（ 255， 255， 255）在通道中并無(wú)區(qū)分，而在 G、 R 通道或是灰度圖 像 中并無(wú)此便利。如果造成這種影響的原因主要是由于被攝物體的遠(yuǎn)近不同，使得圖 像 中央?yún)^(qū)域和邊緣區(qū)域的灰度失衡，或是由于攝像頭在掃描時(shí)各點(diǎn)的靈敏度有較大的差異而產(chǎn)生圖 像 灰度失真，或是由于曝光不足而使得圖像的灰度變化范圍很窄。正是由于牌照?qǐng)D 像 的這些特點(diǎn)，再經(jīng)過(guò)適當(dāng)?shù)膱D象變換，它在整幅中可以明顯地呈現(xiàn)出其邊緣。 1)直接法。利 用遺傳算法對(duì)圖像進(jìn)行優(yōu)化搜索，結(jié)合區(qū)域特征矢量構(gòu)造的適應(yīng)度函數(shù)，最終尋找到車(chē)牌的 牌照 區(qū)域的最佳定位參量。根據(jù)車(chē)牌底色等有關(guān)的先驗(yàn)知識(shí)，采用彩色像素點(diǎn)統(tǒng)計(jì)的方法分割出合理的車(chē)牌區(qū)域，確定車(chē)牌底色藍(lán)色 RGB對(duì)應(yīng)的各自灰度范圍，然后行方向統(tǒng)計(jì)在此顏色范圍內(nèi)的像素點(diǎn)數(shù)量，設(shè)定合理的閾值，確定車(chē)牌在行方向的合理區(qū)域。 圖 313 分割出來(lái)的七個(gè)字符圖像 （ 2）字符歸一化 一般分割出來(lái)的字符要進(jìn)行進(jìn)一步的處 理，以滿足下一步字符識(shí)別的需要?；谌斯ど窠?jīng)網(wǎng)絡(luò)的算法主要有 兩 種：一種是先對(duì)待識(shí)別字符進(jìn)行特征提取，然后用所獲得的特征來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)分類(lèi)器；另一種方法是直接把待處理圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動(dòng)實(shí)現(xiàn)特征提取直至識(shí)別出結(jié)果。⑤具有聯(lián)想和存儲(chǔ)功能。訓(xùn)練以后，節(jié)點(diǎn)權(quán)值保存在配置文件中。在網(wǎng)絡(luò)訓(xùn)練階段用準(zhǔn)備好的樣本數(shù)據(jù)依次通過(guò)輸入層、隱層和輸出層。, 39。其中權(quán)值函數(shù)為“ logsig” ,學(xué)習(xí)函數(shù)為：“ purelin” .運(yùn)行后，可在 matlab上得到： LOADING...... ans = LOAD OK. TRAINGDX, Epoch 0/3000, MSE , Gradient TRAINGDX, Epoch 10/3000, MSE , Gradient TRAINGDX, Epoch 20/3000, MSE , Gradient TRAINGDX, Epoch 30/3000, MSE , Gradient TRAINGDX, Epoch 40/3000, MSE , Gradient TRAINGDX, Epoch 50/3000, MSE , Gradient TRAINGDX, Epoch 60/3000, MSE , Gradient TRAINGDX, Epoch 70/3000, MSE , Gradient TRAINGDX, Epoch 80/3000, MSE , Gradient TRAINGDX, Epoch 90/3000, MSE , Gradient TRAINGDX, Epoch 100/3000, MSE , Gradient TRAINGDX, Epoch 110/3000, MSE , Gradient TRAINGDX, Epoch 120/3000, MSE , Gradient TRAINGDX, Epoch 130/3000, MSE , Gradient TRAINGDX, Epoch 140/3000, MSE , Gradient TRAINGDX, Epoch 150/3000, MSE , Gradient TRAINGDX, Epoch 160/3000, MSE , Gradient TRAINGDX, Epoch 170/3000, MSE , Gradient TRAINGDX, Epoch 180/3000, MSE , Gradient TRAINGDX, Epoch 190/3000, MSE , Gradient TRAINGDX, Epoch 200/3000, MSE , Gradient TRAINGDX, Epoch 210/3000, MSE , Gradient TRAINGDX, Epoch 220/3000, MSE , Gradient TRAINGDX, Epoch 230/3000, MSE , Gradient TRAINGDX, Epoch 240/3000, MSE , Gradient TRAINGDX, Epoch 248/3000, MSE , Gradient TRAINGDX, Performance goal met. 即神經(jīng)網(wǎng)絡(luò) 訓(xùn) 練 過(guò)程 。 1] inputConnect: [1。 trainF: 39。 根據(jù)車(chē)牌特點(diǎn) ，一般采用的車(chē)牌定位算法有： 法； ； 。 （二）體會(huì) 本次實(shí)驗(yàn) 不僅是對(duì)前面所學(xué)知識(shí)的一種檢驗(yàn)，而且也是對(duì)自己能力的一種提高。雖然這個(gè) 實(shí)驗(yàn) 做的 并非對(duì)車(chē)牌都合適 ，但是在設(shè)計(jì)過(guò)程中所學(xué)到的 學(xué) 習(xí)方法 是 我 最大收獲和財(cái)富， 相信定會(huì) 使我受益終身。相反，如果他抓住了主要矛盾，解決問(wèn)題就變得容易多了。 要事 第一 創(chuàng)設(shè)遍及全美的事務(wù)公司的亨瑞。 培養(yǎng)重點(diǎn)思維 從重點(diǎn)問(wèn)題突破，是高效能人士思考的一項(xiàng)重要習(xí)慣。 不找借口 美國(guó)成功學(xué)家格蘭特納說(shuō)過(guò)這樣的話： “如果你有為自己系鞋帶的能力，你就有上天摘星星的機(jī)會(huì)！”一個(gè)人對(duì)待生活和工作是否負(fù)責(zé)是決定他能否成功的關(guān)鍵。 一次做好一件事 著名的效率提升大師博思 .崔西有一個(gè)著名的論斷：“一次做好一件事的人比同時(shí)涉獵多個(gè)領(lǐng)域的人要好得多?！? 把問(wèn)題想透徹 把問(wèn)題想透徹，是一種很好的思