【正文】 對(duì)輸入的車牌漢字字符圖像進(jìn)行字符特征提??； 基于車牌漢字的特點(diǎn)，建 立一個(gè)車牌漢字字符標(biāo)準(zhǔn)識(shí)別樣本字庫(kù)； 通過訓(xùn)練統(tǒng)計(jì)或模式識(shí)別法來識(shí)別漢字并給出結(jié)果。然后，對(duì)預(yù)處理后的圖像進(jìn)行特征提取，包括獨(dú)立結(jié)構(gòu)的個(gè)數(shù)，筆畫橫、豎、撇（包括點(diǎn)和捺）的個(gè)數(shù)，將這些數(shù)放在同一個(gè)向量中。在上述智能系統(tǒng)中，字符識(shí)別都是其核心內(nèi)容，而漢字識(shí)別（ Chinese Character Recognition， 簡(jiǎn)稱 CCR）又是字符識(shí)別的重點(diǎn)和難點(diǎn)所在。 目前的高速公路收費(fèi)輔助系統(tǒng)中，采用車牌圖像識(shí)別技術(shù)在車牌識(shí)別速度指標(biāo)基本可以滿足，但識(shí)別結(jié)果正確率指標(biāo)還不是很理想。其中，車牌識(shí)別正確率是目前車牌識(shí)別產(chǎn)品中存在的最主要的問題，也是國(guó)內(nèi)主流廠商最為頭疼的問題，各個(gè)廠商所聲稱的識(shí)別正確率一般在 95%左右，與真正智能化的要求還有一定的距離。 上述方法 的提出，為本文的有關(guān)研究提供了重要的參考和對(duì)照，在本文的第三章中進(jìn)行了相應(yīng)的分析 [4] [5]。降低漢字圖像特征提取的計(jì)算的復(fù)雜度。所選用的特征空間應(yīng)使各類樣品能夠分布在該特征空間中彼此分開的區(qū)域內(nèi)，分類識(shí)別才有可能 。 本章小結(jié) 本章由現(xiàn)在道路交通中所遇到的問題，提出了本課題研究的意義。經(jīng)以上操作， MN 尺寸的原始圖像就可以歸一化為 PQ 大小的新圖像。 (1)鄰 近插值法 圖 22 最近鄰點(diǎn)的圖形表示 ?????????039。 二值化的目的是將目標(biāo)對(duì)象與背景分離。由于 MATLAB 所提供的很多函數(shù)是對(duì)黑底白字的圖像進(jìn)行處理。常選取的 漢字 特征主要有以二值圖像 漢字 的筆畫像素分布為基礎(chǔ)的 漢字 特征及提取方法，以二值圖像 漢字 輪廓、骨架為基礎(chǔ)的 漢字 特征及提取方法，基于灰度圖像小波變換的 漢字 特征等。 (2) 對(duì)細(xì)化處理后的 漢字 像素點(diǎn)，進(jìn)行如下計(jì)算 ，如公式（ 24）。 西南交通大學(xué)本科 畢業(yè)設(shè)計(jì) (論文 ) 第 21 頁(yè) 本章小結(jié) 本章主要是介紹 了車牌漢字圖像的預(yù)處理及漢字圖像的特征的提取。 其流程圖如圖 33 所示。 2．求出待測(cè)樣品 X 與訓(xùn)練樣品集里每一個(gè)樣品 iX 的距離 D 其計(jì)算公式為 公式（ 32）。其筆畫的提取由漢字整體除去橫和豎的筆畫后得到。端點(diǎn)是筆劃的起 (或終 )點(diǎn)且不 與別的筆劃相接 。如圖 25 所示 。局部閾值法通 過定義考察點(diǎn)的鄰域，并由鄰域計(jì)算模板，實(shí)現(xiàn)考察點(diǎn)灰度與鄰域點(diǎn)的比較。這是因?yàn)?，一方面，在有些圖像處理課題中，如處理文字、指紋、工程圖紙等圖像本身接近于二值圖；另一方面，在某些情況下即使圖像本身是有灰度的，我們也設(shè)法使它變成二值圖像再進(jìn)行處理（即灰度圖像的二值化） [6]。歸一化圖像中的點(diǎn) (x ,y )映射到原圖像中的點(diǎn)(a,b)，如果是整數(shù)，表明 (x ,y )正好對(duì)應(yīng)在原圖像的 網(wǎng)格點(diǎn) (象素 )上，不必進(jìn)行內(nèi)插變換，直接令 (x ,y )的灰度值等于位置 (a,b)處的灰度 值 : g(x ,y )= f(a,b)。我們采用分裂合并的規(guī)格化方法。識(shí)別速度比較快 ,低于實(shí)驗(yàn)任務(wù)書要求。其主要目的是提取出漢字圖像的骨架，使得在識(shí)別過程中不會(huì)因?yàn)楣P畫本身的寬度， 如使得三像素寬的豎當(dāng)成寬來提取， 影響到漢字結(jié)構(gòu)特征提取的準(zhǔn)確度。所以我們想法將輸入的圖像轉(zhuǎn)化為某一固定尺寸大小的圖像。 在車牌區(qū)域定位方面，公開資料中提出的方法主要有 ： 基于神經(jīng)網(wǎng)絡(luò)分類器的車牌區(qū)域定位方法、基于彩色圖像特征的車牌區(qū)域定位方法、基于紋理檢測(cè)和邊緣檢測(cè)的車牌區(qū)域定位方法、基于區(qū)域的車牌區(qū)域定位方法、基于幾何形狀特征的車牌區(qū)域定位方法、基于離散圖像空間變換的車牌區(qū)域定位方法、基于離散圖像空間變換的車牌區(qū)域定位方法、基于遺傳算法的車牌區(qū)域定位方法等。 3． 車牌圖像識(shí)別技術(shù)在停車場(chǎng)收費(fèi)管理系統(tǒng)中的應(yīng)用 停車場(chǎng)收費(fèi)管理系統(tǒng) :用于對(duì)出入車輛號(hào)牌識(shí)別和匹配，實(shí)現(xiàn)自動(dòng)計(jì)時(shí)、計(jì)費(fèi)管理。 1． 車牌圖像識(shí)別技術(shù)在高速公路領(lǐng)域的應(yīng)用 高速公路是車牌圖像識(shí)別技術(shù)在我國(guó)交通工程中最早應(yīng)用的領(lǐng)域，也是車牌識(shí)別產(chǎn)品應(yīng)用最多的領(lǐng)域。但是隨著汽車的普及、交通需求的急劇增長(zhǎng)，道路運(yùn)輸所帶來的交通擁堵、交通事故和環(huán)境污染等負(fù)面效應(yīng)也日益突出 ，成為阻礙經(jīng)濟(jì)和社會(huì)發(fā)展的全球性共同問題。本文提供了一種簡(jiǎn)單的車牌漢字識(shí)別方法。 進(jìn)入 90 年代以后，隨著電子計(jì)算機(jī)軟硬件技術(shù)的發(fā)展，智能交通系 統(tǒng)（ Intelligent Transportation System，簡(jiǎn)稱 ITS）成為解決這一矛盾的有效途徑之一。 Binaryzation。 有些 “停車管理與停車場(chǎng)信息系統(tǒng) ”中也應(yīng)用了牌照識(shí)別技術(shù)，用來將車輛停泊信息記錄在案，可以有效地加強(qiáng)管理，降低車輛丟失率，打擊盜竊車輛的犯罪活動(dòng) [3]。 西南交通大學(xué)本科 畢業(yè)設(shè)計(jì) (論文 ) 第 3 頁(yè) 移動(dòng)電子警察 ： 移動(dòng)電子警察現(xiàn)在逐漸應(yīng)用到交警日常工作中，采用移動(dòng)電子警察技術(shù)可以靈活地對(duì)非固定監(jiān)控點(diǎn)的交通違章和事故進(jìn)行取證處理，不僅提高了警察執(zhí)法效率，而且增強(qiáng)了執(zhí)法的公正性。通過對(duì)有關(guān)資源數(shù)據(jù)庫(kù)中 1998 年 － 20xx 年在各類期刊上公開發(fā)表的約 380 篇相關(guān)論文的統(tǒng)計(jì)，發(fā)現(xiàn)有關(guān)車牌區(qū)域定位的內(nèi)容占 50%以上。 研究方法 本文在參考大量有關(guān)車牌圖像識(shí)別技術(shù)公開資料的基礎(chǔ)上，圍繞著車牌漢字識(shí)別技術(shù)實(shí)際應(yīng)用的特點(diǎn)和要求，并通過一定的實(shí)驗(yàn)分析手段，主要進(jìn)行了如下幾方面的工作 ： 1． 對(duì)輸入的車牌漢字字符圖像進(jìn)行預(yù)處理 在這部分工作 中，重點(diǎn)分析研究了不同圖像的規(guī)格化，灰度圖像的二值化、反色、二值化圖像的細(xì)化等方法在車牌圖像識(shí)別中的作用和應(yīng)用特點(diǎn)。 如果自負(fù)圖像為白底黑字， MATLAB 會(huì)默認(rèn)為漢字圖像的背景為待識(shí)別圖像。對(duì)于車牌漢字來說可以采用模板匹配分類器來進(jìn)行識(shí)別。 漢字 圖像的預(yù)處理 不同尺寸 漢字 圖像的規(guī)格化 圖像的規(guī)格化就是將輸入的任意尺寸（大小）的 漢字 圖像都處理成統(tǒng)一尺寸的標(biāo)準(zhǔn) 漢字圖像。設(shè) f(x,y)為原圖像， g(x,y)為歸一化后的圖像， g(x,y)中的任意一點(diǎn) (x ,y )，對(duì)應(yīng)于 f(x,y)中的點(diǎn) (a,b)，根據(jù) (a,b)的具體情況來確定 g(x,y)中象素點(diǎn) (x ,y )的值。而二值圖像是指一個(gè)取值只有 0 和 1 的邏輯組。式中某些元素可以省略，因此演化為以下三種形式： T = [f(x,y)] ............................... T 為全局 閾值 T = [N(x,y), f(x,y)] ....................... T 為局部 閾值 T = [(x,y), N(x,y), f(x,y)]................. T 為動(dòng)態(tài) 閾 值 全局閾值法根據(jù)圖像的直方圖或灰度空間分布確定 一個(gè)閾值，以此實(shí)現(xiàn)灰度圖像到 二 值圖像的轉(zhuǎn)化。在第二步中，只將那些消 除后并不破壞連通性的點(diǎn)消除，否則保留。在一幅二值化圖像中，漢字信息絕大部分集中在漢字骨架上，而漢字骨架信息又大多集中在若干特征點(diǎn)上。但是對(duì)于車牌漢字來說，由于圖像采集和處理方法的局限往往會(huì)造成筆畫的畸變，使得對(duì)筆畫的定義較困難，易與樣品產(chǎn)生偏差，特別是撇、捺、點(diǎn)這些筆畫的提取。建立標(biāo)準(zhǔn)的車牌漢字結(jié)構(gòu)特征向量模板庫(kù)。 在本章 節(jié)中，我們將對(duì)識(shí)別性能具體介紹。然后介紹了在原有二值圖像 漢字 輪廓、骨架為基礎(chǔ)的 漢字 特征及提取方法的基礎(chǔ)， 改進(jìn)的一種新的二值圖像 漢字 輪廓、骨架為基礎(chǔ)的 漢字 特征的提取方 法。 歧點(diǎn) :指該點(diǎn)周圍有三條線與之相連，即上式 c=3 時(shí)。然后將 漢字 的輪廓圖分為M*N 個(gè)網(wǎng)格，按照橫、豎、撇、捺四種筆畫的定義分別計(jì)算每個(gè)網(wǎng)格中四種筆畫的多少 。如圖 24。 二值化的方法很多， MATLAB 中自帶了函數(shù) im2bw 用于將亮度圖像轉(zhuǎn)化為二值化圖像。)為 (a,b)距 其相鄰四個(gè)網(wǎng)格點(diǎn)中最近的一個(gè)網(wǎng)格點(diǎn)。 除了上面介紹的分裂合并的規(guī)格化方法以外，還有插值變換的規(guī)格化方法。通過本文結(jié)構(gòu)安排，讀者可以對(duì)全文的結(jié)構(gòu)有一個(gè)宏觀上的了解。本課題所用 的特征提取方法在二值圖像字符輪廓、骨架為基礎(chǔ)的字符特征及提取方法的基礎(chǔ)上改進(jìn)而來的。二值化 閾 值的確定應(yīng)該以對(duì)圖像進(jìn)行二值化時(shí)期望達(dá)到的目的為依據(jù)。 車牌區(qū)域定位、單個(gè)字符區(qū)域切分和字符分類識(shí)別作為車牌圖像識(shí)別系統(tǒng)的三個(gè)關(guān)鍵技術(shù)，同時(shí)又是一個(gè)有機(jī)的整體。但通過各個(gè)廠商在其有關(guān)網(wǎng)站提供的信息和對(duì)兩家廠商提供的測(cè)試軟件進(jìn)行一定數(shù)量樣本的測(cè)試后，可以發(fā)現(xiàn)，各個(gè)廠商聲稱的車牌識(shí)別正確率往往是通過對(duì)特定場(chǎng)所、特定時(shí)間范圍內(nèi)的樣本進(jìn)行測(cè)試而得出的結(jié)論。 2． 車牌圖像識(shí)別技術(shù)在城市交通領(lǐng)域的應(yīng)用 隨著我國(guó)機(jī)動(dòng)車保有量的迅速增加，以及政府對(duì)公共安全的日益重視，城市交通監(jiān)控和管理工作日趨繁重。 研究意義 牌照識(shí)別技術(shù)在智能交通領(lǐng)域中的應(yīng)用已經(jīng)非常的廣泛。對(duì)識(shí)別對(duì)象已知的車牌漢字識(shí)別有很好的識(shí)別效果。 西 南 交 通 大 學(xué) 畢業(yè)設(shè)計(jì)（論文） 基于靜止圖像的車牌照漢字識(shí)別 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 年 級(jí) : 20xx 級(jí) 學(xué) 號(hào) : 20xx2220 姓 名 : 郭強(qiáng) 專 業(yè) : 自動(dòng)化 指導(dǎo)老師 : 侯進(jìn) 二零零九 年六月 西南交通大學(xué)本科 畢業(yè) 設(shè)計(jì) (論文 ) 第 I 頁(yè) 院 系 信息科學(xué)與技術(shù)學(xué)院 專 業(yè) 自動(dòng)化 年 級(jí) 20xx 級(jí) 姓 名 郭強(qiáng) 題 目 基于 靜止圖像的車牌照漢字識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 指導(dǎo)教師 評(píng) 語(yǔ) 指導(dǎo)教師 (簽章 ) 評(píng) 閱 人 評(píng) 語(yǔ) 評(píng) 閱 人 (簽章 ) 成 績(jī) 答辯委員會(huì)主任 (簽章 ) 年 月 日