【文章內(nèi)容簡介】 好的開放性 ， 使其它原來控制這個領(lǐng)域的封閉式軟件包 （ 瑞典的 LUND， 如英國的 UMIST， 德國的 KEDDC ， SIMNON） 紛紛被淘汰 ， 全變成以 MATLAB 為平臺加以重建。 20 世紀(jì)九十年代， MATLAB 就已成為了國際控制界的公認(rèn)標(biāo)準(zhǔn)計(jì)算軟件 [7]。 20 世紀(jì)九十年代初期 ， 在國際上的 三十幾個數(shù)學(xué)科技 類應(yīng)用軟件中 ， MATLAB 在數(shù)值的計(jì)算方面遙遙領(lǐng)先 ， 而 Mathematica 和 Maple 則居于符號計(jì)算軟件的前兩名。 Mathcad 是因?yàn)樘峁┝宋淖痔幚怼⒂?jì)算、圖形的統(tǒng)一環(huán)境中而深受中學(xué)生歡迎。 在國際的學(xué)術(shù)界中， MATLAB 已經(jīng)被定為可靠、準(zhǔn)確的科學(xué)計(jì)算標(biāo)準(zhǔn)軟件。在許多的國際一流學(xué)術(shù)型刊物上面 ， 都可以看得到 MATLAB 的應(yīng)用。 在工業(yè)部門和設(shè)計(jì)研究單位 ， MATLAB 都被認(rèn)作為進(jìn)行高效開發(fā)、研究的首選的軟件工具。如美國的分析軟件 Lab VIEW、 National Instruments 公司信號測量， Cadence 公司信號和通信分析設(shè)計(jì)軟件 SPW 等 ， 直接構(gòu)造在 MATLAB 之上 ， 或者就以 MATLAB 為主要支撐。又如 TM 公司的 DSP， HP 公司的 VXI 硬件 ，Gage 公司的各種儀器、硬卡等都接受 MATLAB 的支持。 MATLAB 的語言特點(diǎn) 一種語言之所以可以以如此速度地普及 ， 顯示出其極其旺盛的生命力 ， 這跟它有著不同于其他語言的特點(diǎn)是密不可分的。正如同 C和 FORTRAN 等高級語言使人們擺脫了一定需要直接對計(jì)算機(jī)硬件資源進(jìn)行操作一樣 ， 作為第四代計(jì)算機(jī)語言的 MATLAB， 利用其 極其豐富的函數(shù)資源 ， 使編程人員從復(fù)雜的程序代碼中解浙江萬里學(xué)院本科畢業(yè)論文 9 放出來。 MATLAB 的最為突出的一個特點(diǎn)就是簡潔。 MATLAB 用最直觀的、符合人們的思維代碼 ， 代替了 C 和 FORTRAN 語言的冗長代碼。 MATLAB 給用戶帶來的是最直觀、最簡潔的程序開發(fā)環(huán)境。以下簡單介紹一下 MATLAB 的主要特點(diǎn) [8]： （ 1） 語言簡潔緊湊 ， 使用方便靈活 ， 庫函數(shù)極其豐富。 MATLAB 程序書寫形式自由 ， 利用其豐富的庫函數(shù)避開繁雜的子程序編程任務(wù) ， 壓縮了一切不必要的編程工作。由于庫函數(shù)都由本領(lǐng)域的專家編寫 ， 用戶不必?fù)?dān)心函數(shù)的可靠性。可以說 ， 用 MATLAB 進(jìn)行科技開發(fā)是站在專家的肩膀上。 （ 2） 運(yùn)算符豐富。由于 MATLAB 是用 C 語言編寫的 ， MATLAB 提供了和 C 語言幾乎一樣多的運(yùn)算符 ， 靈活使用 MATLAB 的運(yùn)算符將使程序變得極為簡短。 （ 3） MATLAB 既具有結(jié)構(gòu)化的控制語句 （ 如 for 循環(huán)、 while 循環(huán)、 break語句和 if 語句 ）， 又有面向?qū)ο缶幊痰奶匦浴? （ 4） 語法限制不嚴(yán)格 ， 程序設(shè)計(jì)自由度大。例如 ， 在 MATLAB 里 ， 用戶無需對矩陣預(yù)定義就可使用。 （ 5） 程序的可移植性很好 ， 基本上不做修改就可以在各種型號的計(jì)算機(jī)和操作系統(tǒng)上運(yùn)行。 （ 6） MATLAB 的圖形功能強(qiáng)大。在 FORTRAN 和 C語言里 ， 繪圖都很不簡單 ，但是在 MATLAB 中確實(shí)很容易表現(xiàn)出來的。而且 MATLAB 還具有很強(qiáng)的編輯圖形的能力。 （ 7） MATLAB 也是有缺點(diǎn)的，它與其他的高級程序相比較 ， 程序的執(zhí)行速度很慢。但是 MATLAB 的程序不需要編譯等預(yù)處理 ， 不生成能執(zhí)行文件 ， 程序是為解釋執(zhí)行 ， 導(dǎo)致速度非常慢。 （ 8） 功能強(qiáng)勁的工具箱是 MATLAB 的另一重大特色。 MATLAB 包含兩個部分 ：各種可選和核心部分的工具箱。核心部分中有數(shù)百個核心內(nèi)部函數(shù)。其工具箱又可分為兩類 ： 學(xué)科性工具箱和功 能性工具箱。功能性工具箱主要是用來硬件實(shí)時交互功能、文字處理功能、圖示建模仿真功能以及與擴(kuò)充其符號計(jì)算功能。功能性工具箱可以用于多種學(xué)科技術(shù)。而學(xué)科性工具箱是專業(yè)性比較強(qiáng)的 ， 如control、 toolbox、 signal processing toolbox、 munication toolbox 等。這些工具箱都是由該領(lǐng)域內(nèi)的學(xué)術(shù)水平很高的專家編寫的 ， 所以用戶無需編寫自己學(xué)科范圍內(nèi)的基礎(chǔ)程序 ， 而直接進(jìn)行高、精、尖的研究。 浙江萬里學(xué)院本科畢業(yè)論文 10 3 LPR 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 系統(tǒng)框架結(jié)構(gòu)和工作流程 汽車牌照的識別（ LPR）系 統(tǒng)是通過引入計(jì)算機(jī)信息管理技術(shù)和數(shù)字?jǐn)z像技術(shù)，采用先進(jìn)的模式識別、人工智能和圖像處理技術(shù)，通過對圖像的處理和采集，獲得更多的信息，從而更高的達(dá)到智能化管理程度。在 LPR 系統(tǒng)產(chǎn)品的性能指標(biāo)中，識別速度和識別率難以同時提高的原因是有圖像處理技術(shù)不夠成熟，和受到計(jì)算機(jī)攝像設(shè)備等性能因素的限制。因此，研究高速準(zhǔn)確的識別與定位算法，是當(dāng)前的首要任務(wù) [9]。 汽車車牌的自動識別系統(tǒng)主要有圖像采集、觸發(fā)拍照、車牌定位、圖像預(yù)處理、字符分割、字符識別、輸出結(jié)果等單元如圖 31。 圖 31 車牌識別系 統(tǒng)工作流程圖 觸發(fā)拍照：該單元會自動檢測車輛在指定區(qū)域的存在，現(xiàn)有的成熟技術(shù)的有線圈觸發(fā)、視頻觸發(fā)、紅外觸發(fā)、雷達(dá)觸發(fā)以及激光觸發(fā)。其中線圈觸發(fā)和視頻觸發(fā)得到了廣泛的應(yīng)用。 圖像采集：該單元是指道路上安裝的攝像頭在檢測到有車輛通過的同時進(jìn)行拍照并借助網(wǎng)絡(luò)傳送到汽車自動識別系統(tǒng)。 圖像預(yù)處理：該單元是指車牌識別系統(tǒng)對拍攝的汽車圖片進(jìn)行 灰度化和邊緣檢測等 處理。當(dāng)外界光照不均勻時，光照強(qiáng)度不穩(wěn)定的情況下，通過攝像機(jī)所采集到的原始車牌圖像就會會模糊不清，這時需要對圖片進(jìn)行圖像增強(qiáng)處理；在電子器件自身產(chǎn)生的噪聲以及干 擾外界環(huán)境噪聲下，所拍的圖像質(zhì)量可能會有所下降，所以這時就需要對原圖做去噪處理的一系列的事情。綜上所述，這些處理均是圖像預(yù)處理的工作。 圖像采集 圖像預(yù)處理 字符識別 輸出結(jié)果 車牌定位 字符分割 視頻信號 浙江萬里學(xué)院本科畢業(yè)論文 11 車牌定位：是指對預(yù)處理過的汽車圖片進(jìn)行處理，把車牌部分進(jìn)行定位，把無用的部分去除，得到定位好的車牌圖片。在完整的車牌圖像中，絕大的一部分都是背景，對識別毫無用處，我們能將背景區(qū)域當(dāng)做無用區(qū)域，并且想方法將他去除，從而在復(fù)雜的背景中準(zhǔn)確的分割并定位在車牌區(qū)域，從原圖中提取需要的部分舍棄不需要的部分，從而節(jié)省識別圖像的時間，這也是車牌定位分割的意義及目的所在。在定位分割的過程中 確保不要把非車牌區(qū)域識別為車牌區(qū)域，也不能舍棄車牌區(qū)域，不然接下來的工作將無法進(jìn)行。 字符分割：對已經(jīng)定位的車牌圖片的進(jìn)行字符分割，將車牌分割為 7個單一的字符圖片。系統(tǒng)并不能直接識別被分離出的車牌區(qū)域圖像，還需要將車牌上的任何一個字符都要完整的獨(dú)立的分割出來，就是說從車牌區(qū)域中圖像上將車牌里所包含的任意字符都切分出來，將他們變成沒有任何相關(guān)性的獨(dú)立字符圖像，之后由系統(tǒng)對每個字符進(jìn)行分開識別，在切分字符時，需注意保證所有字符的準(zhǔn)確完整度。 字符識別：最為關(guān)鍵的一步是車牌字符的識別，之前對車牌圖像所做的各種處理 都是為完成最終的識別所做的努力。單個的字符圖像是系統(tǒng)的輸入，輸出的卻是以文本格式體現(xiàn)的完整車牌號碼，車牌字符識別的正確率可以直接反映出車牌識別系統(tǒng)的性能好壞。輸出結(jié)果：輸出識別結(jié)果，并進(jìn)行數(shù)據(jù)存儲。 就車牌識別系統(tǒng)來看，以上的所有步驟都是不可或缺的，并且前一步驟均是給后面步驟的打基礎(chǔ)，因此，只有確保做好每一步才能順利完成系統(tǒng)最終的識別工作。 設(shè)計(jì)方案 車牌識別系統(tǒng)包括圖像預(yù)處理、圖像采集、字符分割、字符識別、車牌定位等模塊，本文主要研究字符分割、圖像預(yù)處理和車牌定位三個模塊 [9]。 本系統(tǒng)主要是由 字符識別和圖像處理兩部分組成的。其中圖像處理部分包括邊緣提取、模塊牌照的定位、圖像預(yù)處理以及分割模塊。字符識別部分可以分為特征提取與單個字符識別和字符分割兩個模塊。 字符識別這部分要求照片清晰，但是可能攝像頭在外長時間工作，攝像頭角度和距離、再加上光照條件、車輛自身?xiàng)l件不同以及車輛行駛速度的不同所影響，浙江萬里學(xué)院本科畢業(yè)論文 12 想拍出很理想的圖片很困難。所以我們要對攝像頭拍攝出來的圖片進(jìn)行預(yù)處理，其中主要有圖片邊緣提取和圖片灰度化 等。 車牌定位和車牌分割是整個系統(tǒng)的關(guān)鍵，其作用是在經(jīng)圖像預(yù)處理后的灰度圖象中確定牌照的具體位置， 并將包含牌照字符的一塊子圖象從整個圖象中分割出來，供字符識別子系統(tǒng)識別之用，分割的準(zhǔn)確與否直接關(guān)系到整個牌照字符識別系統(tǒng)的識別率。 車牌識別系統(tǒng)的最終目的就是將不清楚的車牌照片進(jìn)行識別，輸出清晰的圖片?，F(xiàn)在 字符識別的常用方法有模板匹配法和神經(jīng)網(wǎng)絡(luò)模型法。 圖像預(yù)處理 圖像灰度化 汽車圖像的樣本目前大多是通過數(shù)碼相機(jī)、攝像機(jī)等設(shè)備拍下的，因此在預(yù)處理前的所有圖像全都是彩色圖像。 RGB圖像是 彩色圖像簡稱 ， 它是利用 R、 G、 B分量來表示某個像素的顏色 ， 紅、綠、藍(lán) 3種顏色分別用 R、 G、 B個不 同的字母表示 ， 并通過三基色將其調(diào)和成任意顏色。并且每個所知分量有 255種值可取 ，所以說 這樣任意的像素點(diǎn)可以有 1600多萬的顏色的變化。灰度圖像就是 R、 G、 B三個分量具有相同的一種特殊的真彩色圖像 ， 任意的像素點(diǎn)的變化范圍為 255種 ，因此在數(shù)字圖像處理中一般先是會把各種格式的圖像轉(zhuǎn)變?yōu)榛叶葓D像后，這樣圖像的計(jì)算量就會變得少一些。在灰度圖像的描述中，它與彩色圖像一樣仍然反映了整幅圖像的局部和整體的亮度和色度等級的分布和特征。所以 說 對與尺寸為m*n的一個彩色圖像來說 ， 存儲 m*n*3的多維數(shù)組 [10]。 彩色圖像中有 大量的顏色信息，不僅在存儲上面開銷很大，而且會在處理上降低系統(tǒng)的執(zhí)行識別速度。因?yàn)閳D像的每個像素都具有三個顏色不同的分量 ，并且 存在很多同識別無關(guān)的信息 ， 不利于進(jìn)一步展開的識別工作， 所以在對圖像識別過程處理中，經(jīng)常是將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像，以便增加處理速度。 數(shù)字圖像分為灰度圖像和彩色圖像。在 RGB模型中，如果 R=G=B，那么這個顏色就會表示一種灰度顏色，其中 R=G=B的值就叫做灰度值。而彩色轉(zhuǎn)變?yōu)榛叶鹊倪^程就叫做灰度化處理?；叶葓D像就是沒有顏色信息的圖像而只有強(qiáng)度信息，存浙江萬里學(xué)院本科畢業(yè)論文 13 儲的灰度圖像僅僅需要一個數(shù)據(jù)矩陣， 矩陣中每個元素都表示對應(yīng)位置像素點(diǎn)的灰度值?；叶葓D像的像素色為 RGB ( r, r, r ),彩色圖像的像素色為 RGB (R, G, B )， R, G, B可以從彩色圖像的顏色中分解獲得 .并且 R, G, B的取值是 0255的范圍內(nèi) ,而灰度的級別只有 256級。 當(dāng)將彩色圖像轉(zhuǎn)變?yōu)榛叶葓D像時 ， 就現(xiàn)在而言用的比較多的灰度化方法為平均值法 ， 公式為 ： H=++[11] 在公式中， H 表示灰度圖中的亮度值 ； R 代表彩色圖像中紅色分量值 ； G 則代表色彩圖像中綠色分量值 ； B 是 代表彩色圖像 中藍(lán)色分量值 。 RGB 這 三分量前的系數(shù)叫做經(jīng)驗(yàn)加權(quán)值 。 加權(quán)系數(shù)的取值是建立在人眼的視覺模型之上 。所以 對人眼很敏感的綠色取了較大的權(quán)值 ；而 對于人眼比較不敏感的藍(lán)色取較小的權(quán)值 。 通過這個公式將轉(zhuǎn)換的灰度圖能很好的反應(yīng)原來圖像的真實(shí)亮度信息 。 在 MATLAB 中我們可以調(diào)用 im2gray 函數(shù)對圖像來進(jìn)行灰度化處理。 圖像的邊緣檢測 邊緣是指圖像灰度發(fā)生空間突變或者在梯度方向上發(fā)生突變的像素的集合。用攝像機(jī)采集到的機(jī)動車圖像由于受到噪聲干擾以及車輛本身的影響，使得獲得的圖像質(zhì)量不理想。因此，在對汽車牌照進(jìn) 行定位的時候及字符識別之前需要先對車輛的圖像進(jìn)行邊緣檢測處理，從而提高圖像的質(zhì)量，以便于后面的識別和分割?？梢酝ㄟ^良好的邊緣檢測，大幅度的降低了噪聲和分離出復(fù)雜環(huán)境下的車輛圖像，保留較完好的車牌字符信息情況，有助于后面的字符識別與精確定位。 對于車牌識別系統(tǒng)的攝像頭安裝位置以及機(jī)動車的車牌固有屬性，我們就可以發(fā)現(xiàn)機(jī)動車的車牌圖像一般都處在水平的矩形區(qū)域中，在圖像中有較為固定的位置，車牌中的字符都是按照水平方向排列的。因?yàn)橛羞@些非常明顯的特征，所以經(jīng)過適當(dāng)?shù)膱D像變換后，可以更為清晰的呈現(xiàn)出車牌的邊緣。本文采用 經(jīng)典的Roberts 邊緣檢測算子對圖像進(jìn)行邊緣檢測。 Roberts 算子是一種 比較 最簡單的算子，是一種利用局部差分算子尋找邊緣的算子，他采用對角線方向相鄰兩象素之差近似梯度幅值檢測邊緣。檢測垂直邊緣的效果好于斜向邊緣，定位精度高，對噪聲敏感 ,無法抑制噪聲的影響。 浙江萬里學(xué)院本科畢業(yè)論文