【正文】 圖 字符 D與 O的區(qū)別 然后，我們再把待識別圖像與字母‘ G’的標(biāo)準(zhǔn)模板來比對，通過圖 我們可以看出，數(shù)字‘ 0’和字母‘ G’的最大區(qū)別在于圖像的右上部，所以我們只需要比較待識別字符圖像的右上部分即可。所謂骨架，可以理解為圖像的中軸，例如一個長方形的骨架就是它的長方向上的中軸線；正方形的骨架就是它的中心點；圓的骨架就是它的圓心；直線的骨架就是它自身；孤立點的骨架也是自身。 （ 2）調(diào)用數(shù)字模板進(jìn)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(jìn)行第三步。為了實現(xiàn)更好的分割，有關(guān)的總體知識和先驗信息是很有用的，根據(jù)包含在圖像中的信息，可以制定相應(yīng)的判決準(zhǔn)則和控制策略，使其完成自動分割。因此，在進(jìn)行字符分割與識別之前，有必要對牌照進(jìn)行傾斜校正。車牌定位是車牌識別系統(tǒng)中的關(guān)鍵和難點， 實際圖像中的噪聲、復(fù)雜背景等干擾都會使定位十分困難。 整個牌照識別的設(shè)計流程圖如下圖所示： 識別的整個流程就是：首先將采集到的汽車圖像進(jìn)行灰度化、灰度拉伸和濾波處理，以降低噪點、增加車牌部分的對比度。 BP 網(wǎng)絡(luò)有以下優(yōu)點：只要能保證有足夠的隱層和隱層節(jié)點，就可以逼近任意的非線性映射關(guān)系 。 統(tǒng)計模式識別認(rèn)為圖像可能包含一個或多個物體，并且每個物體屬于若干事先定義的類型、范疇或模式之一。對圖像進(jìn)行變換，變換后對圖像從空間域變到頻域，特征的維數(shù)大大降低。可以設(shè)法提取含有這種信息的結(jié)構(gòu)特征及其組字規(guī)律作為識別的依據(jù)，這就是結(jié)構(gòu)模式識別。顯然，國家法律法規(guī)的規(guī)定對設(shè)置停車式標(biāo)識站做出了限制，設(shè)置停車式標(biāo)識站已不可行。當(dāng)長度之差在 10%之內(nèi) ,且車流量較大 ,多路徑通行費較高時 ,也可以考慮在在關(guān)鍵點設(shè)立標(biāo)識站 ,但標(biāo)識站數(shù)量一定要控制 , 盡量減少對全路網(wǎng)的影響 。在研究中針對當(dāng)時蘇北具體路網(wǎng)提出了蘇北高速公路聯(lián)網(wǎng)收費的多路徑判別方法及相關(guān)措施。據(jù)日本政府估計 ,到 2021 年 ,ETC 的用戶將達(dá)到 1500 萬輛。 第二章，國內(nèi)外研究現(xiàn)狀。另外新版本的MATLAB 還著重在圖形用戶界面（ GUI）的制作上作了很大的改善，對這方面有特殊要求的用戶也可以得到滿足。用戶可以在命令窗口中將輸入語句與執(zhí)行命令同步，也可以 先編寫好一個較大的復(fù)雜的應(yīng)用程序（ M 文件）后再一起運行。因此，高速公路上 兩點之間車輛行駛的多路 徑識別問題成為聯(lián)網(wǎng)收費及網(wǎng)絡(luò)費用清分模式中迫切需要解決的問題 。路徑識別不僅僅涉及對每一通行車輛如何計算通行費，同時還要考慮將收入的通行費拆分給哪個收費單位的問題，通行費的拆分直接 關(guān)系到各條高速公路的合法利益，是聯(lián)網(wǎng)收費的關(guān)鍵。 路徑識別不僅僅涉及對每一通行車輛如何計算通行費，同時還要考慮將收入的通行費拆分給哪 個收費單位的問題，通行費的拆分直接關(guān)系到各條高速公路的合法利益， 是聯(lián)網(wǎng)收費的關(guān)鍵。而且新版本的 MATLAB 提供了完整的聯(lián)機查詢、幫助系統(tǒng)，極大的方便了用戶的使用?？捎糜诳茖W(xué)計算和工程繪圖。 4 本文框架結(jié)構(gòu) 本文通過對 多路徑識別算法 理論進(jìn)行系統(tǒng)認(rèn)真的學(xué)習(xí)和研究，查閱了大量的國內(nèi)外相關(guān)的文獻(xiàn)和資料，主要完成了圍繞 汽車牌照識別技術(shù)的多路徑識別算法的實現(xiàn) 。從 2021 年 3 月開始， ETC(電子不停車收費 )技術(shù)在日本整體上投入運營。 國內(nèi)對這方面的專題研究不多 ,目前以軟課題的形式開展此類研究的有江蘇省蘇北高速公路網(wǎng)和浙江省高速公路網(wǎng)。在進(jìn)行路徑識別時 ,根據(jù)具體情況對不同路段采取不同方法。在收費車道上安裝非接觸式 IC 卡讀寫設(shè)備，司機通過此路段時，將 IC 卡（通行卡）在讀寫天線的規(guī)定距離內(nèi)劃過，自動欄桿開啟、車輛通行，并記錄該標(biāo)識站信息。 車牌照識別的主要算法 車牌識別的常用算法法有很多種，如結(jié)構(gòu)模式識別方法、統(tǒng)計模式識別、人工神經(jīng)網(wǎng)絡(luò)識別等等。利用字符圖像在水平及垂直方向的投影作為特征。這些矩形則稱為微結(jié)構(gòu)。 用于字符識別最常用的神經(jīng)網(wǎng)絡(luò)是 BP 神經(jīng)網(wǎng)絡(luò)，所謂 BP 神經(jīng)網(wǎng)絡(luò)是指誤差反向傳播神經(jīng)網(wǎng)絡(luò) ，核心方法是梯度下降法，它采用梯度 搜索技術(shù)，以期使網(wǎng)絡(luò)的實際輸 值與期望的均方差為最小。 算法實現(xiàn)總體設(shè)計方案中首先是要采集圖片，而硬件設(shè)備采集到的圖片要考慮其圖像的存儲格式。同時為了減少圖像中的孤立干擾點，保留車牌字符邊緣，讓車牌字符的圖像灰度水平投影更有的連續(xù)性。 卷積能量公式如下： （式 ） 其中 h(n)為長度為 L 的卷積核。只要檢測出車牌的兩條平行直線即可，符合變換的要求。 （ 2）調(diào)用字母模板庫進(jìn)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(jìn)行第三步。 由于細(xì)化處理在圖像處理中的重要性，所以細(xì)化算法一直是人們比較關(guān)注的問題，人們也提出了許多的細(xì)化算法，這些算法的處理方法和結(jié)果也都不一樣，但是不論其目的，用途怎樣，細(xì)化過程都不能改變原圖的拓?fù)溥B續(xù)性，也不能有顯 著的端點縮短和叉點分離的畸變情況。例如某個待識別字符如圖 （圖像為標(biāo)準(zhǔn)化的 40 20的圖像），它與‘ 0’，‘ Q’，‘ D’，‘ G’標(biāo)準(zhǔn)字符模板的相似度均大于我們預(yù)定的閾值λ 0，并且根據(jù)它所處的位置來進(jìn)行判斷，假設(shè)它處在最后一個位置，那么它就應(yīng)該是數(shù)字，所以不用進(jìn)行細(xì)比對，我們就可以確定它是數(shù)字‘ 0’，但是如 果它處在第三個位置，它就有可能是數(shù)字也有可能是字母，這是我們就無法簡單的確定它是‘ 0’，‘ Q’，‘ D’還是‘ G’，我們就需要對它進(jìn)行細(xì)比對。 實驗環(huán)境 硬件環(huán)境： 數(shù)碼相機一臺（用于采集圖片）， PC 機一臺。這樣，剛好剝掉了一圈，這也正是我們細(xì)化所要做的事。對這三個字符做這樣的完全識別后，可以得到一些非常有用的信息，這些信息可以返回到字符分割模塊，可以指導(dǎo)字符分割調(diào)整字符分割的策略。由于字符在垂直方向上的投影必然在字符間或字符內(nèi)的間隙處取得局部最小值的附近，并且這個位置應(yīng)滿足牌照的字 符書寫格式、字符、尺寸限制和一些其他條件。其 中 Hough 變換的方法比較常用?；谇笕【矸e能量極值區(qū)域進(jìn)行車牌定位的實驗步驟基本如下：首先，為了提高定位準(zhǔn)確率，我們通過連續(xù)的兩幀圖像定出車輛大概位置，再在車輛的位置上搜索車牌，這樣不僅提高了準(zhǔn)確率，還提高了整個程序的運行效率。 本設(shè)計中所用到圖片是用數(shù)碼相機拍的，模型如下圖： 圖 照片模型 圖像預(yù)處理 圖像預(yù)處理部分需要對采集到的圖像進(jìn)行圖像加強、平滑濾波等操作，目的是突出車牌的主要特征，以便更好地提取車牌。其大體步驟是 :首先， 制作模板并要求模板的大小必須統(tǒng)一 。這個方法不需要特征提取這個過程，字符圖像直接作為特征與模板進(jìn)行比較，相似度最高的模板即定為識別結(jié)果。 （ 4） 特征點方法。這些因素直接影響到結(jié)構(gòu)基元的提取。從起點到終點存在兩條或兩條以上的路徑，將最短路徑作為車輛選擇路徑，此方法最為簡便，投資最少。從基本思路看，多路徑識別技術(shù)可以分為精確識別和概率識別兩類。最初山東省采用最短距離法進(jìn)行路徑識別與通行費收入拆分。德國將投入的高速公路收費系統(tǒng)命名為“ Toll Collect” ,是目前世界上不設(shè)收費窗口的最先進(jìn)的道路收費系統(tǒng)之一。 第五章， 實驗環(huán)境平臺搭建、識別過程、實驗數(shù)據(jù)及分析。 MATLAB 的一個重要特色就是具有一套程序擴展系統(tǒng)和一組稱之為工具箱的特殊應(yīng)用子程序。在通常情況下，可以用它來代替底層編程語言，如 C 和 C++ 。 （ 3）倒卡、逃費問題。研究結(jié)果表明車牌識別率較高，適應(yīng)性較強，實時性比較好。并采用了 MATLAB 來完成算法的設(shè)計與實 現(xiàn)。 （ 2）通行費的準(zhǔn)確拆分。函數(shù)中 所使用的算法都是科研和工程計算中的最新研究成果，而前經(jīng)過了各種優(yōu)化和容錯處理。另外， MATLAB 網(wǎng)頁服務(wù)程序還容許在 Web 應(yīng)用中使用自己的 MATLAB 數(shù)學(xué)和圖形程序。 本章是本文的重點，包括 圖像的采集、圖像預(yù)處理、車牌定位、傾斜校正、字符分割、字符識別。德國實行高速公路收費沒有采用傳統(tǒng)的關(guān)卡式收費站 ,他們采用的是衛(wèi)星定位和移動通訊技術(shù)相結(jié)合的收費系統(tǒng)。 山東省高速公路通車?yán)锍坛^ 3000km,預(yù)計 2021 年將達(dá)到 4000km,高速公路通車?yán)锍虨槿珖谝?,聯(lián)網(wǎng)收費里程已達(dá)到 2144km,路網(wǎng)內(nèi)有多家路公司。 多路徑識別方法的分類 目前，在高速公路路徑識別的主要技術(shù)方法有：標(biāo)識站法、 車牌照識別法、最短路徑法。 最短路徑法取最短路徑為行駛路徑。 基于這種方法來描述字符的結(jié)構(gòu)在理論上是比較恰當(dāng)?shù)?，其?要優(yōu)點在于對字體變化的適應(yīng)性強，區(qū)分相似字的能力強；但是，在實際應(yīng)用中，其所面臨的問題是抗干擾能力差，因為在實際得到的文本圖像中存在各種干擾，比如傾斜、斷裂、粘連、污點等。 Spline 曲線是在輪廓上找到曲率大的折點，利用 Spline 曲線來近似相鄰折點之間的輪廓線，該方法的缺點在于對旋轉(zhuǎn)現(xiàn)象比較敏感。它根據(jù)字符的直觀形象抽取特征，用相關(guān)匹配原理進(jìn)行識別。 本文采用的識別算法 本文采用的識別算法是基于模板匹配的車牌識別方案，模板匹配法就是將待識別字符與模板字 符進(jìn)行比對，從而確定字符內(nèi)容。 圖像采集 圖像采集部分所采集的圖像一般是采用 CCD 攝像機攝取的車牌前視圖或后視圖，這些通過由光照檢測裝置控制現(xiàn)場的光照，位置檢測裝置控制攝像機的拍攝角度而得到的。該方法充分利用車牌紋理復(fù)雜、對比度鮮明、外型規(guī)則等特征構(gòu)造車輛圖像的對比度能量圖，然后通過選取極值區(qū)域來定位車牌。.通過模板匹配的方法。 完成牌照區(qū)域的定位后，再將牌照區(qū)域分割成單個字符，然后進(jìn)行識別。 對于車牌圖像的第 2和 3個字符，進(jìn)行完全的識別，主要是因為考慮到字符的分割不一定正確，即不能保證分割后的第 1個車牌字符為漢字，第 2個車牌字符為字母，而第 4個車牌字符為字母或數(shù)字。我們首先水平方向掃描第一行最左邊的點，然后是最右邊的點，接著掃描第二行最左邊的點，最右邊的點，直到最后一行最左邊的點，最右邊的點；然后垂直方向掃描第二列最上邊的點（因為第一列最上邊的點已經(jīng)被刪除），第二列最下邊 的點，直到倒數(shù)第二列最上邊的點，最下邊的點。 28 第 5 章 車牌識別系統(tǒng)在 MATLAB 工具下的實現(xiàn) 本章是對算法的實現(xiàn)，介紹了 實驗環(huán)境平臺搭建、識別過程、實驗數(shù)據(jù)及分析。 圖 待識別的圖像 圖 OQDG標(biāo)準(zhǔn)模板 首先，將待識別圖像與字母‘ Q’標(biāo)準(zhǔn)模板來進(jìn)行細(xì)比對，我們發(fā)現(xiàn)數(shù)字‘ 0’與字母‘ Q’最大的區(qū)別在于圖像的右下方，如圖 所示（為了方便顯示，我們將圖片放大，并且取反色以便觀看），所以我們只需要選取待識別圖像的右下角區(qū)域，再與字母‘ Q’的標(biāo)準(zhǔn)模 板的相同區(qū)域進(jìn)行比較，這時，由于是細(xì)節(jié)比對，所以我們就需要提高判斷閾值，當(dāng)然，根據(jù)字母之間相似度，有些閾值要大一些，有些閾值就要小一些，例如這種比較，我們根據(jù)經(jīng)驗就設(shè)定閾值為 ，通過比較，發(fā)現(xiàn)兩者的相似度遠(yuǎn)遠(yuǎn)低于 ，所以，我們就認(rèn)為這個字符不可能是‘ Q’。此外，在許多情況中，細(xì)化的過程占整個圖像處理一半以上的時間，因而提高細(xì)化算法的速度也是非常有意義的。 按左右寬度切割出字符 計算水平投影進(jìn)行車牌水平校正 去掉車牌的框架 分析垂直投影找到每個字符中心位置 21 （ 3）調(diào)用數(shù)字模板庫進(jìn)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，則最終結(jié)果為空字符，識別結(jié)束。 圖 校正前的圖片 圖 校正后的圖片 字符分割 字 符分割即是對獲得的牌照分離出單個字符 (包括漢字、字母和數(shù)字等 )，以便于字符識別。 圖 定位 到的車牌圖片 傾斜校正 由于 CCD 攝像機采集車牌圖像時，有時候會出現(xiàn)采集到的車牌圖像里牌照區(qū)域是傾斜的。選用 MXl 的模板對灰度拉伸后的圖像進(jìn)行中值濾波。目前比較常用的圖像格式有 *.BMP、 *.JPG、 *.GIF、 *.PCX等，本課題采集到的圖片是 *.JPG 的格式。 BP神12 經(jīng)網(wǎng)絡(luò)主要有兩種形態(tài)： (l)前向傳播：計算網(wǎng)絡(luò)的輸出。利用微結(jié)構(gòu)及微結(jié)構(gòu)之間的關(guān)系組成的特征對字符進(jìn)行識別。這種方法是模式識別早期使用的方法。下面分別介紹各種方法： 結(jié)構(gòu)模式識別可能比較復(fù)雜，但都具有相 當(dāng)嚴(yán)格的規(guī)律性。 標(biāo)識站的主要缺點是車輛每次經(jīng)過標(biāo)識站時必須停車，導(dǎo)致行車速度減慢，降低了高速公路的服務(wù)水平，與聯(lián)網(wǎng)收費的精神直接相違背，在實施時，輕易不采用。根據(jù)當(dāng)時道路情況 ,他們建議在對綜合路阻之差在 10%(可更多或更少 )以上不同路徑進(jìn)行識別時 ,應(yīng)用最短路徑法 。 江蘇省以長江為界分為蘇北高速公路網(wǎng)和蘇南高速公路網(wǎng) ,分別實現(xiàn)聯(lián)網(wǎng)收費。在實際應(yīng)用中， ETC 技術(shù)相對于傳統(tǒng)收費技術(shù)來說有兩個優(yōu)勢：一是更加適應(yīng)于多個不同主體運營管理多條收費道路的情況 ；二是對非法行為、人為破壞和逃費行為有著更強的防范性。本文的主要結(jié)構(gòu)如下所示： 第一章， 緒論。新版本的 MATLAB對整個圖形處理功能作了很大的改進(jìn)和完善，使它不僅在一般數(shù)據(jù)可視化軟件都具有的功能（例如二維曲線和三維曲面的繪制和處理等）方面更加完善，而且對于一些其他軟件所沒有的功能（例如圖形的光照處理、色度處理以及四維數(shù)據(jù)的表現(xiàn)等），MATLAB 同樣表現(xiàn)了出色 的處理能力。簡單