【正文】 left=n left=left+1。flag=1。 wide=0。 Code(l*21)=liccode(findc(1)+kmin1)。 kmax=36。Z39。imwrite(word5,39。)。139。)。% 分割出第六個字符[word6,d]=getword(d)。wide=0。j=1。/39。)% 濾波h=fspecial(39。figure(8)。)imwrite(dw,39。 while ((Blue_x(1,PX1)3)amp。myI=double(I5)。腐蝕后圖像39。灰度圖直方圖39。在第四章字符分割中，并提出了本文的字符切割方法，在車牌識別階段，通過模版匹配法對車牌數(shù)字和字母進行識別。SSD算法[19]通過計算S和T之間的灰度值的L2距離對圖像進行相似度匹配。尋求一個具有良好的容錯能力和自適應能力的分類器是字符識別的主要目標。5 字符識別5．1 字符識別的概述經(jīng)過圖像預處理、車牌定位及字符分割等過程后，車牌區(qū)域由一個整體的字符串圖像被切分為單個的字符圖像。4．1 車牌字符分割方法由于實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水平投影法進行改進的車牌字符分割法[13]。同樣，對的閉運算可記為,其定義是： （）由公式可以看出，閉運算是開運算的對偶運算，即對進行先膨脹后腐蝕的運算。此時直方圖上會有一個波峰密集的區(qū)域，并且此區(qū)域的寬度滿足牌照寬高比的先驗知識，由此我們也可以確定車牌在垂直方向上的精確位置。(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)域的過程。本文對圖像的灰度化、圖像增強、二值化、邊緣檢測等預處理技術進行了介紹，并簡要分析了各種預處理方法的優(yōu)缺點。圖像的邊緣檢測大幅度的減少了圖像包含的數(shù)據(jù)量，去除了不相關的信息，保留了圖像的重要的結構屬性。其在速度上的影響對于車牌識別系統(tǒng)的實時性要求來說，是絕對不可容忍的。字符識別字符切割車牌定位預處理 車牌識別系統(tǒng)結構圖1．5 論文內(nèi)容安排本文共分為六章。字符的提取是復雜背景下目標提取問題，在復雜的背景中字符區(qū)域往往只占圖像的小部分。)。 數(shù)據(jù)采集系統(tǒng)原理框圖 A/D卡的采集、存儲和顯示程序 A/D卡的采集的基本原理： 運行時的數(shù)據(jù)并送給PC機，通過運行在PC機上的特定軟件對這些數(shù)據(jù)進行分析，以此判斷當前運行設備的狀況，進而采取相應措施。 由于PCI 總線只有133MB/s的帶寬，對聲卡、網(wǎng)卡、視頻卡等絕大多數(shù)輸入/輸出設備顯得綽綽有余，但對性能日益強大的顯卡則無法滿足其需求。目前廣泛采用的是32bit、33MHz的PCI 總線，64bit的PCI插槽更多是應用于服務器產(chǎn)品。10 V ,輸入信號頻率≤5 MHz ,比較電平為1 V。y=whx (:,2)。關鍵詞：汽車牌照，圖像處理 ，字符識別，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 車牌識別技術的研究背景車牌是識別技術[1]是計算機視覺和模式識別技術在現(xiàn)代智能交通系統(tǒng)中的一項重要的研究課題，是實現(xiàn)交通管理智能化的重要環(huán)節(jié)。因而進一步加深車牌定位的研究是非常必要的。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。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的亮度值）：（1） 取平均值法，取彩色圖像中像素點三個分量的平均值，即： （）（2） 取最大值法，取彩色圖像中像素點R、G、B三個分量的最大值，即： （）（3） 加權平均值法，根據(jù)彩色圖像像素點R、G、B三個分量的重要性或者其他指標賦予三個分量不同的加權值、再使g等于R、G、B三個分量的加權平均值，即： （）。假設灰度圖像是具有整數(shù)像素坐標的輸入。下面對幾種主要的車牌定位算法進行簡單的分析介紹。(2) 車牌的精定位在車牌區(qū)域中，其紋理結構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。(2) 腐蝕運算腐蝕是膨脹的逆運算，它縮減物體的邊界，將物體的邊界歸入背景點，使得物體的邊界縮小。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程。其分割方法較第一個漢字字符簡單。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。（4）實時性隨著需求的提升，單一的車票識別系統(tǒng)已經(jīng)不能滿足實際的需求。以下列出3組數(shù)據(jù)，給出了原始圖像及識別結果。)I1=rgb2gray(I)。robert算子邊緣檢測39。)。 while ((Blue_y(PY2,1)=5)amp。 dw=I(PY1:PY28,PX1:PX2,:)。a=imread(39。39。)% 某些圖像進行操作% 膨脹或腐蝕% se=strel(39。figure(8),subplot(3,2,5),imshow(d),title(39。 % 分割 endend% 再切割d=qiege(d)。word1=temp。339。word2=imresize(word2,[40 20])。439。)。liccode=char([39。])。 for i=1:40 for j=1:20 SubBw2(i,j)=SegBw2(i,j)SamBw2(i,j)。b39。 if sum(sum(d))~=0 d=qiege(d)。amp。參考文獻[1] 萬國紅，王敏. 基于神經(jīng)網(wǎng)絡的汽車牌照自動識別技術研究[J]. 計算機工程與應用，2002,38(6):204205,226.[2] 廖翔云，徐錦標. 車牌識別技術研究[J]. 微機發(fā)現(xiàn)，2003,13(2):3135.[3] 周科偉. Matlab環(huán)境下基于神經(jīng)網(wǎng)絡的車牌識別[D]. 西安：西安電子科技大學，2009.[4] 龔小兵. 基于BP神經(jīng)網(wǎng)絡的車輛牌照自動識別系統(tǒng)的研究[D]. 武漢：武漢理工大學，2006.[5] 吳冰，秦志遠. 自動確定圖像二值化最佳閾值的新方法[J]. 測繪學院學報，2001,18(4):283285.[6] 王積分，張新榮. 計算機圖像識別[M]. 北京：中國鐵道出版社，1998.[7] 付希金. 自然背景下車牌識別關鍵技術研究[D]. 長春：東北師范大學，2008.[8] 雷靜. 基于圖像處理和神經(jīng)網(wǎng)絡的車牌識別系統(tǒng)的研究[D]. 長沙：中南大學，2009.[9] 陳傳波，金先級. 數(shù)字圖像處理[M]. 北京：機械工業(yè)出版社，2007.[10] 胡寶清. 模糊理論基礎[M]. 武漢：武漢大學出版社，2004.[11] 楊俊，戚飛虎. 一種基于形狀和紋理特征的車牌定位方法[J]. 計算機工程，2006,32(2):170171.[12] 李剛. 基于數(shù)學形態(tài)的車牌定位方法[J]. 儀器儀表學報，2007, 28(7):37.[13] 王鑒. 基于數(shù)字圖像處理的車輛牌照識別技術的研究[D]. 四川：四川大學，2008.[14] 畢曉東. 交通信號控制系統(tǒng)中車牌識別技術研究[D]. 長春：長春理工大學，2007.[15] Chen X, Yang L M. BP the basic principles of neural network[A]. In the 1st International conference on Bionformatics Engineering, 2007: 584587．[16] Hoagg J. Analog Circuits and Signal Processing[J]. Control Systems Magazine, 2002,12(1):4557.[17] 嚴萍. 汽車車牌自動識別技術的研究[D]. 南京：南京理工大學，2008.[18] 周家瑋. 基于圖像處理的數(shù)字字符實時識別系統(tǒng)的設計[D]. 浙江：浙江大學信息科學與工程學院，2007.[19] 龔才春，劉榮興. 基于整體特征的快速手寫體數(shù)字字符識別[J]. 計算機工程與應用，2004,40(9):2023.[20] Chad C. PC based number plate recognition system[J]. IEEE International on Industrial Electronics,1998,18(3):605610.[21] 陸錚剛. 基于小波分析的車牌識別關鍵方法研究[D]. 上海：上海交通大學，2006.49。right=n。amp。Color39。)。 t=imread([ii,39。39。imwrite(word2,39。)。[m,n]=size(word1)。)。 two_thirds=sum(sum(temp([round(m/3):2*round(m/3)],:)))。 if k2k1=round(n/) [val,num]=min(sum(d(:,[k1+5:k25])))。39。figure(8),subplot(3,2,4),imshow(d),title(39。d=(double(b)=T)。)。 end PX1=PX11。(PY11))