【正文】 he traffic signal automation management system, intelligent traffic monitor system, GPS, automation parking toll system, and intelligence traffic system, . Because license plate is a important part of vehicle management system, so the research of license plate system is particularly important .The core of arithmetic of license plate system is how to improve the recognition, so it requires recognition algorithm has great robustness for the impact of light conditions of the environment and taken the position and vehicle speed it also can satisfy the timely requirement. In this paper, my work is focused on the image processing based on MATLAB emulator. Three problems were analyzed, which are license locating, segmentation and character recognition. Before license locating, artificial neural work (ANN) is adopted to handle the image, then the information of license plate is obtained in evidence. To locate the license plate, the inherent features of license plate being used, and then use mathematical morphology to locate the license plate accurately。 當發(fā)現(xiàn)違章車輛闖關(guān)或排放大量污物、灰塵時，通過采集該汽車的靜態(tài)視頻圖片，并將其資料納入后臺處理，實現(xiàn)實時的車輛信息管理，從而既達到了省時、省力的效果，提高了交通管理的現(xiàn)代化、智能化水平，又減輕交通管理、環(huán)境監(jiān)護部門的壓力。 目前車牌變換域特征被利用的較少，主要是頻譜特征，即對圖像做行或列的 DFT 變換，其頻譜圖中包含了車牌的位置信息。用人工神經(jīng)網(wǎng)絡進行字符識別主要有兩種方法：一種方法是先對待識別字符進行特征提取，然后用所獲得的特征來訓練神經(jīng)網(wǎng)絡分類器?！皾h王眼”的核心技術(shù)是光學字符識別 (OCR)，這項技術(shù)可以對攝像機、掃描儀等設備采集的圖像數(shù)據(jù)進行自動處理，識別圖像中的文字符號，并存入計算機智能交通管理系統(tǒng)用于交通管理。 ，對本文的工作進行總結(jié)，并指出不足和需要進一步改進的地方。 （ a）均值濾波前 （ b） 均值濾波后 圖 23 均值濾波前后對比 9 形態(tài)學預處理 數(shù)學形態(tài)學形成于 1964 年，法國巴黎礦業(yè)學院 和其學生 J.Serra 從事鐵礦核的定量巖石學分析，提出了該理論 [4]。由于車牌字符的多樣性以及車牌背景的復雜性，使得車牌定位 成為車牌識別過程中關(guān)鍵的一步，目前還沒有通用的定位算法。 （ 5）由波谷點序列及評判函數(shù)來確定其余各字符最佳的分割點，并對各字符進行分割。也可以考慮利用車牌本身的先驗知識對連通域進行合并或者切分。因此，可以確定字符的寬度約為 倍的車牌圖像寬度。 在將每個字符分割出來之后，還需對其進行大小歸一化和亮度歸一化，以便于下一步的特征提取和神經(jīng)網(wǎng)絡識別。 20 第四章 汽車牌照字符分割 定位后的車牌，為了在后續(xù)的過程中，把車牌字符準確的識別出來，必須要把單一的車牌字符一個一個的準確分割出來。 (3)通過求取車牌字符區(qū)域的局部極小和局部極大特征點，再進行投影確定車牌的傾斜角。 圖 44 發(fā)生傾斜的車牌圖像 圖 45 校正后的車牌圖像 基于投影圖的字符圖像的分割 當對待分割的車牌圖像進行預定的傾斜校正后， 需要把字符從車牌圖像中分割出來。首先根據(jù)車牌在 X 軸方向上的投影，確定字符區(qū)域的左邊界 leftlin。 28 該方法是通過歸一化圖像中的像素對應在原圖像中點的位置來決定歸一化圖像中像素點的灰度值 [70]。車牌字符經(jīng)常會發(fā)生變形、斷裂等情 況，使字符結(jié)構(gòu)等受損，應盡量減少其影響； （ 3）易于提取，方便運算。神經(jīng)網(wǎng)絡 (Neural Network)是由 32 大量神經(jīng)元 (處理單元 )，廣泛連接而成的網(wǎng)絡，它是在人類對其大腦工作機理認識的基礎上，以人腦的組織結(jié)構(gòu)和活動規(guī) 律為背景，反映了人腦的某些基本特征，可以說是對人腦的某種抽象，簡化和模仿。 即網(wǎng)絡存在的缺陷及其原因分析 BP 神經(jīng)網(wǎng)絡的層數(shù)、及節(jié)點數(shù)，對整個網(wǎng)絡的收斂性，收斂時間、泛化能力都有極大的影響。輸入層的神 經(jīng)單元不對輸入做函數(shù)變換，只起緩沖作用。對于漢字字符，考慮到其自有的特性，采用密度筆畫特征。針對不同類型的字符，進行不同的特征提取，然后采用了不同類別的識別神經(jīng)網(wǎng)絡，分別用來識別漢字字符，阿拉伯數(shù)字和大寫英文字符。 設原始圖像的大小為 M N，歸一化后的圖像大小為 I J。充分利用這些先驗知識，有助于單一字符邊框的精確切分。]為傾斜校正范圍，每次校正的幅度為 1176。如果圖像空間中包含一條直線，則根據(jù)其原理，在參數(shù)空間中有一個對應的累加器會出現(xiàn)局部最大值。部分車牌圖像分割效果如圖 35 所示。 字符分割結(jié)果調(diào)整方法 對于個別車牌，當?shù)谝粋€或者最后一個字符不是優(yōu)割字符時，也就意味著該字符是一個插入形成的字符，此時，需要對該字符進行字符空隙及字符寬度的調(diào)整。⑤對于外形特殊的字符，例如字符“ 1”，通過連通域方法 的中心點可以很好的確定出字符的位置，而投影法常常無能為力。 （ 4）利用評判函數(shù)將最佳分割位置選取出來，進行字符分割。 基于垂直投影法字符分割的步驟為： （ 1）計算車牌二值圖像的垂直投影圖，并歸一化到合適的范圍。定義結(jié)構(gòu)A 被結(jié)構(gòu) B 腐蝕表示為 A● B，數(shù)學形式可表示為： BBABA ???? )( （ 25） 邊緣檢測 邊緣檢測是一種對圖像進行定位、分割和提取的重要方法，其主要是對圖像的邊界進行分析，可以大幅度地減 少了數(shù)據(jù)的運算量，并且可以剔除一些不相關(guān)的信息，這樣子就保留了圖像原本的一些重要的結(jié)構(gòu)屬性。局部閾值的二值化算法是指在整幅圖像中使用多個閾值對灰度圖像進行二值化，主要針對照明不均勻、背景灰度變化較大的圖像，根據(jù)像素的坐標位置關(guān)系自動確定不同閾值，由像素的灰度值和該像素 點周圍的像素局部特性來確定像素的閾值進行二值化。首先介紹并比較幾種典型的校正車牌的方法并分析其不足之處，然后提出本系統(tǒng)采用的一種改進后的傾斜校正車牌方法。但是其中的 VLPRS 產(chǎn)品主要適合新加坡的車牌，而 HITECH 公司的 SEE/CARSYSTEM 有多種變形的產(chǎn)品來分別適應某一個國家的車牌，其中包括對我們中國大陸的車牌進行識別，但是這些產(chǎn)品都存在著一定的缺陷，特別是這些產(chǎn)品都不能很好的支持我們內(nèi)地車牌中的漢字。 （ 2）基于特征匹配的字符識別方法是 :提取字符的相關(guān)特征，然后利用這些特征來進行字符匹配，選擇最接近匹配結(jié)果。 （ 4）車牌的顏色特征，即車牌字符和背景為幾種固定的顏色組合。 LPR 的任務是處理、分析攝取的汽車圖像，用以自動識別汽車牌號。然后結(jié)合牌照自身的一些固有特征，用形態(tài)學的方法進行了車牌區(qū)域的準確定位；對定位得到的車牌，再次結(jié)合牌照內(nèi)部細節(jié)特征，對車牌進行投影，從而得到了車牌較為完整的分割 。 According to the inside features of locating license plate, the platearea is pop out by project the license plate。 因此，本課題的研究對于提高城市交通管理水平，維護城市環(huán)境清潔，加快交通管理，環(huán)境保護現(xiàn)代化步伐具有很重要的實際使用價值。車牌定位方法涉及到的具體方法有：區(qū)域生長法，構(gòu)造灰度模型法 ，二值圖像的數(shù)學形態(tài)學運算法，灰度圖像的數(shù)學形態(tài)學運算法，自適應邊界搜索法， DFT 變換法，模糊聚類法等。這種網(wǎng)絡的識別效果與字符特征的提取有關(guān)，而字符特征的提取比較困難。同時，各大高校如西安交通大學的圖像處理和識別研究室、上海交通大學的計算機科學和工程系、清華大學人工智能國家重點實驗室、浙江大學的自動化系等也做過類似的相關(guān)研究。 7 第二章 車牌預處理及定位與分割算法研究 圖像預處理 采集的車牌圖像在進行定位、分割、識別之前需要對原圖像預處理，這是因為一些諸如車牌本身問題及拍攝環(huán)境條件等因素的影響，導致圖片模糊，無法直接進行車牌的定位及后續(xù)的處理工作。它是一門建立在嚴格數(shù)學理論基礎上的學科，其基本思想和方法對圖像處理的理論和技術(shù)產(chǎn)生了重大的影響?，F(xiàn)在常用的車牌定位算法有基于字符紋理的定位、基于數(shù)學形態(tài)學的定位、基于邊緣檢測的定位、基于顏色空間的定位等方法。 （ 6）輸出分割后的字符圖像。另外，對字符粘連所產(chǎn)生大的連通域可以考慮重新選取閾值再進行切分的方法。 在確定出優(yōu)割字符寬度之后，在車牌圖像二值化圖像的垂直投影圖中， 16 將符合優(yōu)割字符條件的區(qū)域進行標注，這些區(qū)域為字符分割時的優(yōu)先選擇區(qū)域。本文將所有分割出的字符圖像全部歸一化為 16 32 大小，并采用 POSHE 算法對字符圖像進行亮度歸一化。但在實際的處理中，我們要識別的車牌字符情況比較復雜，可能會存在較大的畸變、噪聲干擾、多余邊緣等問題，同時，字符的切分又是在水平和豎直兩個方向上將單個字符區(qū)域給框起來。 (4)通過求取車牌上各字符連通區(qū)域的中心點，然后擬合為直線來確定車牌的傾斜角 [8]。目前的字符分割算法，較常用的可以分成兩大類。和右邊界 rightline，并得到字符區(qū)域的總長度 platewidth 為 :rightlinleftline； 26 charwidh，字符間距 charspace，第二，第三字符間距 bigcharspace。設 f（ x， y）為原始圖像， g(x,， y)為歸一化后的圖像， (x1， y1)為 g(x， y)中任意一點，對應 f(x， y)中的點 (x0， y0)。特征的選取直接影響到最終的識別效率，因此好的模式特征應具有較好的平移不變性、旋轉(zhuǎn)不變性和尺度不變性。它是一個數(shù)學模型，可以用電子線路來實現(xiàn)或用計算機來模擬人的自然智能。因此，對于 BP 神經(jīng)網(wǎng)絡的具體應用，網(wǎng)絡最佳結(jié)構(gòu)的確定非常關(guān)鍵 。 (3)通過前饋網(wǎng)絡，使隱藏層和輸出層的所有神經(jīng)元都采用非線性激活函數(shù) (一般取單極性 :Sigmoid 函數(shù) ): xexf ??? 1 1)(，逐級計算輸出值 。這樣，對于每一 個輸入樣本，輸入節(jié)點個數(shù)為 13 個。算法的流程如下 :歸一化后的字符，分為完全不同的 3 種類型，分別是漢字字符，阿拉伯數(shù)字，英文大寫字母。根據(jù)此，歸一化方法分為兩種：分裂合并歸一化與插值變換歸一化。字符“ 1”的寬度約為 毫米 [10]。,+15176。實際應用中，將參數(shù)空間離散化成一個累加器陣列，按照上式將圖像空 21 間中的每一點 (x, y)映射到參數(shù)空間對應的一系列累加器中，使對應的累加器值加 1。剩余的 2 張是由于字符斷裂、粘連及邊框干擾嚴重而導致分割錯誤。 17 評判函數(shù)定義如下： (31) 其中，函數(shù) 表示車牌中除第 3 個字符的間距是最大的，其它字符間距都是均等這一特征： s2 表示的是第 3 個字符的間距與其它字符間距的誤差之和； 表示標準模板的字符與車牌各個字符中心點的匹配情況，其中 y是模板與實際車牌中各個字符中心距離的方差； 是表示優(yōu)割字符可能是一個實際車牌的字符， M 表示滑動匹配過程中采用的優(yōu)割字符數(shù)量。③如果發(fā)生字符粘連，使兩個或兩個以上字符發(fā)生粘連或字符和邊框發(fā)生粘連形成一個連通部分，那么使用連通域算法進行字符的確定就會失敗，而使用垂直投影算法則應通過垂直投影圖的閾值來排除這種情況，而在一般情況下這個閾值很難確定。然后，依據(jù)每個區(qū)域的坐標位置 14 重新組織所得的區(qū)域?；诖怪蓖队暗淖址指钏惴ㄊ窃谲嚺普諈^(qū)域垂直投影圖上從左至右檢測各坐標的垂直投影數(shù)值，當找到第一個局部最小點的時候，認為這個點是最左面字符的邊界；然后，在水平方向上從右至左檢測坐標的 13 垂直投影數(shù)值，當找到第一個局部最小點的時候，認為這個點是最右面字符的邊界；得到兩邊字符的邊界之后，用同樣方法可以找到每個字符的邊界。該運算的作用是填平小孔，連接臨