【正文】 匹配法[26]：這類方法是將待識別的圖像特征量與模板特征量逐個比較，計算兩者之間規(guī)格化的互相關(guān)量，如果互相關(guān)量越大就表示它們相似程度越高，則認(rèn)為此匹配最好。也可通過計算圖像若干特征量與模板相應(yīng)的特征量之間的距離，其距離值越小則相似度越大。但模板匹配抗噪聲能力差，而且很難適應(yīng)對多種字體風(fēng)格的字符進(jìn)行匹配。不過由于車牌中的漢字并不是太多而且字體風(fēng)格一致，所以可以考慮通過構(gòu)建標(biāo)準(zhǔn)模板字符庫來進(jìn)行模板匹配。(2)特征分析匹配的方法：這種字符識別方法是基于特征平面來進(jìn)行匹配的，相較模板匹配法而言，由于能更好的獲取字符特征，所以其使用率較高些，抗噪聲能力強(qiáng)。根據(jù)所提取特征的類型，特征分析匹配的方法又可以分為下面幾種：(a)整體變換分析法：比如KarhunenLoeve 變換、Fourier 變換、Hadmard 變換、Hough 變換、投影變換、鏈碼變換等。這些變換可以減少特征矢量的個數(shù)，并且這些特征的提取是相對容易的，這類特征模板的生成是較容易的，但是通常都需要較大的計算量。找到一個合適的變換來較多的反映字符的主要特征又是很關(guān)鍵的。(b)由點的統(tǒng)計分布得到的特征抽取法：這些特征包括字符的軌跡，交叉點和距離等。這些特征在某種程度上可以接受字體的變化，速度較高，復(fù)雜性也較小。但是通常這類特征的掩模的生成比較困難。(c)幾何拓?fù)涞姆椒ǎ哼@種方法是利用字符的結(jié)構(gòu)，把字符分解成構(gòu)成它的元素，主要是獲取字符的關(guān)鍵形狀特征，比如字符的骨架或輪廓中的這些特征有端點，連接點，筆劃的交叉點弧，凹度，凸度等。所以這個方法首先要把字符進(jìn)行細(xì)化，然后再從中抽取上述的特征，用拓?fù)浣Y(jié)構(gòu)來描述，從而把一個字符用拓?fù)鋱D來表示，進(jìn)而識別。這類特征也是允許存在一定的字體變形，這種方法可以較高速的處理字符，但是通常特征提取的過程是復(fù)雜的，并且這些特征的模板也不容易生成。(3) 神經(jīng)網(wǎng)絡(luò)的識別方法[28]：這類方法是基于神經(jīng)網(wǎng)絡(luò)機(jī)制來提取字符特征。加強(qiáng)已有的樣本的訓(xùn)練，從而構(gòu)建一個相當(dāng)穩(wěn)定的神經(jīng)網(wǎng)絡(luò)來進(jìn)行識別。網(wǎng)絡(luò)分為輸入層、隱層還有輸入層，層與層之間多采用連接方式是全互聯(lián)方式，同一層單元間是不存在互連連接的。神經(jīng)網(wǎng)絡(luò)訓(xùn)練的缺點就是耗時，不過訓(xùn)練好的網(wǎng)絡(luò)可以很方便的直接用于識別?？紤]到模板匹配法相對比較簡單，且具有高效實時性，因此本文選擇的是基于模板匹配法進(jìn)行字符識別，基于模板匹配的基本過程是：首先建立自動識別的字符代碼表，然后將分割后的字符灰度化后在進(jìn)行二值化,并進(jìn)行歸一化處理且將其與標(biāo)準(zhǔn)模板中的字符對比，我國的普通小汽車車牌第1個字符是漢字，第2個是字母，最后面的五個字符則是數(shù)字和字母的隨機(jī)組合。我們通過對第一位和第二位還有后五位分別識別，以提高效率和準(zhǔn)確性，完成識別并輸出結(jié)果，車牌識別流程圖如圖11所示: 開始建立自動識別字符代碼表對分割后的字符做二值化、歸一化處理 將經(jīng)歸一化處理后的字符信息一一存入數(shù)組里計算待識別字符與模板字符之間規(guī)格化的互相關(guān)量，其相關(guān)系數(shù)越接近于1，相似度越大，并進(jìn)行個數(shù)累計，找出最大值，即匹配的最好。 輸出識別結(jié)果 結(jié)束 圖 11 車牌識別流程圖在信號處理領(lǐng)域中，互相關(guān)[28]（有時也稱為“互協(xié)方差”）是用來表示兩個信號之間相似性的一個度量，通常通過與已知信號比較用于尋找未知信號中的特性。它是兩個信號之間相對于時間的一個函數(shù)，有時也稱為滑動點積，在模式識別以及密碼分析學(xué)領(lǐng)域都有應(yīng)用。在對分割字符模板字符進(jìn)行匹配時，采用了互相關(guān)操作，將分割出來的字符與模板字符進(jìn)行匹配，其相關(guān)量越大，則表示相似度越大，把每一幅進(jìn)行互相關(guān)操作后的圖的1值個數(shù)保存，然后找數(shù)值最大的，即為輸出結(jié)果，如圖12，可見采用本文所述方案可以正確識別車牌號碼：蘇 N H 9 0 1 8。 圖12 識別結(jié)果圖通過以上的方法，又對多幅圖像進(jìn)行了檢測，部分圖片未能很好的識別出完全正確的車牌，一方面原因是算法還不夠精確，系統(tǒng)中采用了近乎水平放置的車牌圖像，但沒有加入傾斜校正；另外一方面是模板匹配法本身的局限性即容錯性和抗干擾能力弱的缺點造成的。本文應(yīng)用的模板匹配的識別方法，也還需要進(jìn)一步的改進(jìn)。 第4章 結(jié)束語 總結(jié)車牌識別系統(tǒng)的經(jīng)濟(jì)價值與實用意義日益明顯，倍受專家學(xué)者的關(guān)注，它的實現(xiàn)可以加快智能交通管理領(lǐng)域現(xiàn)代化的進(jìn)程，在高速公路電子收費、十字路口的“電子警察”、路段車輛流量監(jiān)測等方面有著廣泛的應(yīng)用前景，因此，對車牌識別系統(tǒng)的研究具有很大的實用價值。本文通過分析比較當(dāng)今國內(nèi)外在車牌識別相關(guān)方面的發(fā)展現(xiàn)狀及車牌識別的難點，對采集到的圖像進(jìn)行了圖像預(yù)處理、車牌定位、字符分割及字符識別的研究與實現(xiàn)，此次畢業(yè)設(shè)計的研究工作主要涉及以下幾個方面： (1)圖像預(yù)處理:先將采集到的RGB彩色圖像灰度化，選擇直方圖進(jìn)行圖像灰度修正；緊接著利用中值濾波平滑圖像；選擇合適的算子進(jìn)行邊緣檢測，一系列的圖像預(yù)處理后圖像質(zhì)量得到改善，便于后續(xù)操作。(2)車牌定位，結(jié)合我國車牌特征，本文采取基于數(shù)學(xué)形態(tài)學(xué)處理的車牌定位方法對邊緣檢測后得到的圖像進(jìn)行進(jìn)一步的處理，該方法在數(shù)學(xué)形態(tài)學(xué)的基礎(chǔ)上實現(xiàn)平滑及移除小對象等操作實現(xiàn)車牌區(qū)域的初定位，并利用車牌的顏色信息的先驗知識，結(jié)合彩色分割方法來進(jìn)行車牌區(qū)域的劃分。 (3)字符分割，字符分割一般采用垂直投影法對車牌圖像進(jìn)行垂直投影?？梢猿浞趾侠磉\用車牌字符具有統(tǒng)一規(guī)定的高寬比和間隔等先驗知識進(jìn)行有效準(zhǔn)確分割。保證了字符的完整分割。然后，字符歸一化處理，輸出標(biāo)準(zhǔn)的字符子圖，為字符識別打好基礎(chǔ)。 （4）車牌字符識別，該過程選擇的是模板匹配法，將待識別的圖像特征量與模板特征量逐個比較，計算兩者之間的互相關(guān)量，如果互相關(guān)量越大就表示它們相似程度越高，則認(rèn)為此匹配最好。該算法在字符識別之前車牌圖像要處理得相當(dāng)好的前提下執(zhí)行效果好，且需要字符很清晰，而在實際運用中的每個車牌的字符不可能完全干凈和沒有缺損的所以需要做進(jìn)一步的改進(jìn)。 問題改進(jìn)與展望由于時間以及自身水平的限制，本文還有許多不足之處需要改進(jìn)，具體表現(xiàn)在：（1）因為采集圖像的噪聲干擾源比較多，所以去噪方法不應(yīng)單一，需結(jié)合其他方法改進(jìn)圖像平滑的效果。（2）本文中，對于圖像的處理主要是基于對灰度圖像的分析，可是在圖像灰度化過程中必然損失了很多的圖像信息，隨著計算機(jī)視覺、模式識別等技術(shù)的發(fā)展應(yīng)該積極研究直接在彩色圖像上進(jìn)行車牌信息處理的算法。（3）本文的程序算法中的一些地方如圖像二值化，濾波處理，邊緣檢測或字符分割都涉及到選擇合適的閾值，其閾值的選擇直接影響最后的識別結(jié)果，本文的閾值選擇算法比較單一，不能滿足實際應(yīng)用效果，閾值選擇算法需要得到進(jìn)一步改善。（4）本文中所采集的圖像是靜態(tài)的，但是在實際應(yīng)用中，都是通過攝像頭來采集動態(tài)圖像，所以需要改進(jìn)算法，添加功能使系統(tǒng)能處理各種狀態(tài)下的圖片。（5）本文中的車牌識別系統(tǒng)沒有語音讀取功能，需要進(jìn)一步改進(jìn)。（6）本文中綜合軟件設(shè)計的整體，還要做進(jìn)一步優(yōu)化,使程序模塊化與標(biāo)準(zhǔn)化,讓車牌識別系統(tǒng)更加安全、可靠和高效實時。致 謝四年的大學(xué)求知之旅即將畫上一個圓滿的句號，在此，感謝所有在各方面給予我?guī)椭娜藗?。首先我要特別感謝一下我的導(dǎo)師張老師，張老師在本次畢業(yè)設(shè)計的選題、課題調(diào)研、程序設(shè)計及論文定稿方面給出了非常重要的意見和建議。我這次的畢業(yè)論文能夠如期完成和老師一絲不茍的工作作風(fēng)息息相關(guān)，在此我向張老師致以最崇高的敬意和衷心的感謝。其次，我還要感謝一下大學(xué)期間的輔導(dǎo)員和其他任課老師，他們在平時我的學(xué)習(xí)與生活中給予我最無微不至的關(guān)懷，在此我向這些無私奉獻(xiàn)的老師們致以衷心的感謝。與此同時，我還得到了很多同學(xué)朋友的幫助，在此，向所有給予我?guī)椭呐笥褌冎乱灾孕牡母兄x。最后，向參加論文評審、答辯的老師表示衷心的感謝。向?qū)W術(shù)界的專家，學(xué)者，是他們以豐碩的果實，給我的研究提供了豐富的營養(yǎng)。也要向我最親愛的父母表示最誠摯的感謝，是他們最偉大的愛，呵護(hù)著我健康成長。真心感謝所有人。參考文獻(xiàn)[1] 榮江,王文杰，陳建華. 智能車牌識別系統(tǒng)設(shè)計與實現(xiàn)[J]. 計算機(jī)與現(xiàn)代化，2006:4142[2] 張學(xué)工. 模式識別[M]. 北京：清華大學(xué)出版社，2010[3] Khader M ohammad, Sos Agaian. Practical Automatic Arabic License Plate Recognition System [C ]. SPIE Conference on Multimedia on Mobile Devices, 2011,1[4] IoannisG iannoukos, ChristosN context scanning to support high segmentation rates for real time license plate recognition[J].Pattern Recognition, 2010,43(11)[5] 馮慧娜. 車牌識別系統(tǒng)中車牌定位與字符分割技術(shù)的研究[D]. 中北大學(xué)碩士學(xué)位論文，2011[6] 吳福文. 復(fù)雜背景下車牌定位的研究與設(shè)計[D]. 華南理工大學(xué)碩士學(xué)位論文，2011[7] 中華人民共和國公安部. 中華人民共和國機(jī)動車號牌. GA362007行業(yè)標(biāo)準(zhǔn).[8] 陳瑜. 車牌識別系統(tǒng)關(guān)鍵技術(shù)研究[D]. 碩士學(xué)位論文. 湖南：湖南大學(xué), 2011[9] 李盛寧. 車牌識別系統(tǒng)中車牌定位算法的研究[D]. 碩士學(xué)位論文. 江蘇：蘇州大學(xué), 2011[10] 韓立明，王波濤. 車牌識別中關(guān)鍵技術(shù)的研究與實現(xiàn)[J]. 計算機(jī)工程與設(shè)計, 2010，31(17) ：3919 3923[11] 薛山編著. MATLAB基礎(chǔ)教程[M]. 北京：清華大學(xué)出版社，[12] 于潤偉. MATLAB應(yīng)用技術(shù)[M]. 北京: 機(jī)械工業(yè)出版社, 2011[13] 徐杰. 數(shù)字圖像處理[M]. 武漢: 華中科技大學(xué)出版社, 2009[14] 胡學(xué)龍編著. 數(shù)字圖像處理（第二版）. 北京：電子工業(yè)出版社，[15] 李艷軍. 圖像處理在車牌識別中的應(yīng)用與研究[D]，武漢理工大學(xué)碩士學(xué)位論文，2010[16] 張錚，王艷平，薛桂香. 數(shù)字圖像處理與機(jī)器視覺[M]. 北京：人民郵電出版社，2010 [17] 黃騰. 車牌識別關(guān)鍵技術(shù)的研究[D]. 碩士學(xué)位論文. 上海：上海交通大學(xué), 2010[18] 李春娟，趙艷花. 一種基于形態(tài)學(xué)和幾何特征的車牌定位方法[J].微計算機(jī)信息, 2009, 25( 31) : 175 177.[19] 李云. 車牌定位與字符分割算法的研究及實現(xiàn)[D]. 碩士學(xué)位論文. 成都: 電子科技大學(xué)，2010[20] 程增會, 戴樣, 唐大鵬等. 一種基于HSI和YUV顏色模型的車牌定位方法[J]. 計算機(jī)應(yīng)用與軟件, 2011,28(12) : 132133,231[21] 王曉健. 車牌定位與字符分割算法研究及實現(xiàn)[D]. 碩士學(xué)位論文. 北京: 北京郵電大學(xué)，2009[22] 陸建華. 基于數(shù)學(xué)形態(tài)學(xué)和行掃描的車牌定位算法[J]. 計算時代, 2009(11): 5153[23] 陳濤，楊晨暉，青渡. 基于投影和固有特征結(jié)合的車牌字符分割方法[J]，計算機(jī)技術(shù)與發(fā)展，2009,19(5),4547[24] 羅輝武, 唐遠(yuǎn)炎. 融合特征和先驗知識的車牌字符圖像檢測算法[J]. 計算機(jī)工程與應(yīng)用, 2011,7[25] 龐茂群,鄧開發(fā). 一種基于灰度圖像的車牌定位方法[J]. 計算機(jī)工程與科學(xué)，2009，(10)[26] 何麗. 車牌定位識別系統(tǒng)設(shè)計與實現(xiàn)[D]. 碩士學(xué)位論文. 四川：電子科技大學(xué), 2011[27] 谷秋頗，白艷萍. 基于模板匹配的車牌數(shù)字與字母識別[J]. 數(shù)學(xué)的實踐與認(rèn)識，2011:6869[28] 樊昌信，曹麗娜編著. 通信原理[M]. 北京: 國防工業(yè)出版社，