【正文】 匹配法[26]：這類(lèi)方法是將待識(shí)別的圖像特征量與模板特征量逐個(gè)比較，計(jì)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(guò)計(jì)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(duì)多種字體風(fēng)格的字符進(jìn)行匹配。不過(guò)由于車(chē)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(guò)構(gòu)建標(biāo)準(zhǔn)模板字符庫(kù)來(lái)進(jìn)行模板匹配。(2)特征分析匹配的方法：這種字符識(shí)別方法是基于特征平面來(lái)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(lèi)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(gè)數(shù)，并且這些特征的提取是相對(duì)容易的，這類(lèi)特征模板的生成是較容易的，但是通常都需要較大的計(jì)算量。找到一個(gè)合適的變換來(lái)較多的反映字符的主要特征又是很關(guān)鍵的。(b)由點(diǎn)的統(tǒng)計(jì)分布得到的特征抽取法：這些特征包括字符的軌跡，交叉點(diǎn)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(lèi)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(diǎn)，連接點(diǎn)，筆劃的交叉點(diǎn)弧，凹度，凸度等。所以這個(gè)方法首先要把字符進(jìn)行細(xì)化，然后再?gòu)闹谐槿∩鲜龅奶卣?，用拓?fù)浣Y(jié)構(gòu)來(lái)描述，從而把一個(gè)字符用拓?fù)鋱D來(lái)表示，進(jìn)而識(shí)別。這類(lèi)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(guò)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(shí)別方法[28]：這類(lèi)方法是基于神經(jīng)網(wǎng)絡(luò)機(jī)制來(lái)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(gè)相當(dāng)穩(wěn)定的神經(jīng)網(wǎng)絡(luò)來(lái)進(jìn)行識(shí)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(diǎn)就是耗時(shí)，不過(guò)訓(xùn)練好的網(wǎng)絡(luò)可以很方便的直接用于識(shí)別。考慮到模板匹配法相對(duì)比較簡(jiǎn)單，且具有高效實(shí)時(shí)性，因此本文選擇的是基于模板匹配法進(jìn)行字符識(shí)別，基于模板匹配的基本過(guò)程是：首先建立自動(dòng)識(shí)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(duì)比，我國(guó)的普通小汽車(chē)車(chē)牌第1個(gè)字符是漢字，第2個(gè)是字母，最后面的五個(gè)字符則是數(shù)字和字母的隨機(jī)組合。我們通過(guò)對(duì)第一位和第二位還有后五位分別識(shí)別，以提高效率和準(zhǔn)確性，完成識(shí)別并輸出結(jié)果，車(chē)牌識(shí)別流程圖如圖11所示: 開(kāi)始建立自動(dòng)識(shí)別字符代碼表對(duì)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(jì)算待識(shí)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(gè)數(shù)累計(jì)，找出最大值，即匹配的最好。 輸出識(shí)別結(jié)果 結(jié)束 圖 11 車(chē)牌識(shí)別流程圖在信號(hào)處理領(lǐng)域中，互相關(guān)[28]（有時(shí)也稱(chēng)為“互協(xié)方差”）是用來(lái)表示兩個(gè)信號(hào)之間相似性的一個(gè)度量，通常通過(guò)與已知信號(hào)比較用于尋找未知信號(hào)中的特性。它是兩個(gè)信號(hào)之間相對(duì)于時(shí)間的一個(gè)函數(shù)，有時(shí)也稱(chēng)為滑動(dòng)點(diǎn)積，在模式識(shí)別以及密碼分析學(xué)領(lǐng)域都有應(yīng)用。在對(duì)分割字符模板字符進(jìn)行匹配時(shí)，采用了互相關(guān)操作，將分割出來(lái)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(gè)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(jiàn)采用本文所述方案可以正確識(shí)別車(chē)牌號(hào)碼：蘇 N H 9 0 1 8。 圖12 識(shí)別結(jié)果圖通過(guò)以上的方法，又對(duì)多幅圖像進(jìn)行了檢測(cè)，部分圖片未能很好的識(shí)別出完全正確的車(chē)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(chē)牌圖像，但沒(méi)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(cuò)性和抗干擾能力弱的缺點(diǎn)造成的。本文應(yīng)用的模板匹配的識(shí)別方法，也還需要進(jìn)一步的改進(jìn)。 第4章 結(jié)束語(yǔ) 總結(jié)車(chē)牌識(shí)別系統(tǒng)的經(jīng)濟(jì)價(jià)值與實(shí)用意義日益明顯，倍受專(zhuān)家學(xué)者的關(guān)注，它的實(shí)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(fèi)、十字路口的“電子警察”、路段車(chē)輛流量監(jiān)測(cè)等方面有著廣泛的應(yīng)用前景，因此，對(duì)車(chē)牌識(shí)別系統(tǒng)的研究具有很大的實(shí)用價(jià)值。本文通過(guò)分析比較當(dāng)今國(guó)內(nèi)外在車(chē)牌識(shí)別相關(guān)方面的發(fā)展現(xiàn)狀及車(chē)牌識(shí)別的難點(diǎn)，對(duì)采集到的圖像進(jìn)行了圖像預(yù)處理、車(chē)牌定位、字符分割及字符識(shí)別的研究與實(shí)現(xiàn)，此次畢業(yè)設(shè)計(jì)的研究工作主要涉及以下幾個(gè)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(cè)，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(chē)牌定位，結(jié)合我國(guó)車(chē)牌特征，本文采取基于數(shù)學(xué)形態(tài)學(xué)處理的車(chē)牌定位方法對(duì)邊緣檢測(cè)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(shí)現(xiàn)平滑及移除小對(duì)象等操作實(shí)現(xiàn)車(chē)牌區(qū)域的初定位，并利用車(chē)牌的顏色信息的先驗(yàn)知識(shí)，結(jié)合彩色分割方法來(lái)進(jìn)行車(chē)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(duì)車(chē)牌圖像進(jìn)行垂直投影?？梢猿浞趾侠磉\(yùn)用車(chē)牌字符具有統(tǒng)一規(guī)定的高寬比和間隔等先驗(yàn)知識(shí)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(shí)別打好基礎(chǔ)。 （4）車(chē)牌字符識(shí)別，該過(guò)程選擇的是模板匹配法，將待識(shí)別的圖像特征量與模板特征量逐個(gè)比較，計(jì)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(shí)別之前車(chē)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(shí)際運(yùn)用中的每個(gè)車(chē)牌的字符不可能完全干凈和沒(méi)有缺損的所以需要做進(jìn)一步的改進(jìn)。 問(wèn)題改進(jìn)與展望由于時(shí)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?yàn)椴杉瘓D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(duì)于圖像的處理主要是基于對(duì)灰度圖像的分析，可是在圖像灰度化過(guò)程中必然損失了很多的圖像信息，隨著計(jì)算機(jī)視覺(jué)、模式識(shí)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(chē)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(cè)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(shí)別結(jié)果，本文的閾值選擇算法比較單一，不能滿足實(shí)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(shí)際應(yīng)用中，都是通過(guò)攝像頭來(lái)采集動(dòng)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(chē)牌識(shí)別系統(tǒng)沒(méi)有語(yǔ)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(jì)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(chē)牌識(shí)別系統(tǒng)更加安全、可靠和高效實(shí)時(shí)。致 謝四年的大學(xué)求知之旅即將畫(huà)上一個(gè)圓滿的句號(hào)，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(jì)的選題、課題調(diào)研、程序設(shè)計(jì)及論文定稿方面給出了非常重要的意見(jiàn)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?cè)谄綍r(shí)我的學(xué)習(xí)與生活中給予我最無(wú)微不至的關(guān)懷，在此我向這些無(wú)私奉獻(xiàn)的老師們致以衷心的感謝。與此同時(shí)，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(píng)審、答辯的老師表示衷心的感謝。向?qū)W術(shù)界的專(zhuān)家，學(xué)者，是他們以豐碩的果實(shí)，給我的研究提供了豐富的營(yíng)養(yǎng)。也要向我最親愛(ài)的父母表示最誠(chéng)摯的感謝，是他們最偉大的愛(ài)，呵護(hù)著我健康成長(zhǎng)。真心感謝所有人。參考文獻(xiàn)[1] 榮江,王文杰，陳建華. 智能車(chē)牌識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 計(jì)算機(jī)與現(xiàn)代化，2006:4142[2] 張學(xué)工. 模式識(shí)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(chē)牌識(shí)別系統(tǒng)中車(chē)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(chē)牌定位的研究與設(shè)計(jì)[D]. 華南理工大學(xué)碩士學(xué)位論文，2011[7] 中華人民共和國(guó)公安部. 中華人民共和國(guó)機(jī)動(dòng)車(chē)號(hào)牌. GA362007行業(yè)標(biāo)準(zhǔn).[8] 陳瑜. 車(chē)牌識(shí)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(chē)牌識(shí)別系統(tǒng)中車(chē)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(chē)牌識(shí)別中關(guān)鍵技術(shù)的研究與實(shí)現(xiàn)[J]. 計(jì)算機(jī)工程與設(shè)計(jì), 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(rùn)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(chē)牌識(shí)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(jué)[M]. 北京：人民郵電出版社，2010 [17] 黃騰. 車(chē)牌識(shí)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(chē)牌定位方法[J].微計(jì)算機(jī)信息, 2009, 25( 31) : 175 177.[19] 李云. 車(chē)牌定位與字符分割算法的研究及實(shí)現(xiàn)[D]. 碩士學(xué)位論文. 成都: 電子科技大學(xué)，2010[20] 程增會(huì), 戴樣, 唐大鵬等. 一種基于HSI和YUV顏色模型的車(chē)牌定位方法[J]. 計(jì)算機(jī)應(yīng)用與軟件, 2011,28(12) : 132133,231[21] 王曉健. 車(chē)牌定位與字符分割算法研究及實(shí)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(chē)牌定位算法[J]. 計(jì)算時(shí)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(chē)牌字符分割方法[J]，計(jì)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(yàn)知識(shí)的車(chē)牌字符圖像檢測(cè)算法[J]. 計(jì)算機(jī)工程與應(yīng)用, 2011,7[25] 龐茂群,鄧開(kāi)發(fā). 一種基于灰度圖像的車(chē)牌定位方法[J]. 計(jì)算機(jī)工程與科學(xué)，2009，(10)[26] 何麗. 車(chē)牌定位識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)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(chē)牌數(shù)字與字母識(shí)別[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2011:6869[28] 樊昌信，曹麗娜編著. 通信原理[M]. 北京: 國(guó)防工業(yè)出版社，