【正文】 s Liaoning province, decades ago. The solider gave the old man a handmade saddle when they bid farewell. The story inspired Nasun to write Carved Saddle, a song that later be。s Poly Theater. Their show, titled Ulan Muqir on the Grassland, depicted the history and development of the art troupe. Being from the region allowed me to embrace the culture of Inner Mongolia and being a member of the troupe showed me where I belonged, Nasun, the art troupe39。s performers of the troupe still tour the region39。t have a formal stage. The audience just sat on the grass. Usually, the performances became a big party with local people joining in. For him, the rewarding part about touring isn39。80s. We sat on the back of pickup trucks for hours. The sky was blue, and we couldn39。s Shaanxi province pass through a stop on the ancient Silk Road, Gansu39。 參考文獻(xiàn)不低于 15 篇（其中至少 5 篇為英文），圖像只考慮灰度圖，字符只考慮車牌上的數(shù)字，模糊等級(jí)至少考慮 5種情況。 2．設(shè)計(jì)（論文）的基本要求和內(nèi)容 在查閱文獻(xiàn)了解有關(guān)視頻監(jiān)控及圖像處理技術(shù)的基礎(chǔ)上，分析不同模糊程度圖像中的數(shù)字特點(diǎn)，建立模糊數(shù)字模板，探索模糊數(shù)字的自動(dòng)識(shí)別方法。 16 《 Recognition of Number and Position using Image Processing Techiques for Solving dudoku Puzzles》 Pramod J Simha, Suraj K v, and Tejas Ahobala Electronics and Communications Department, VTUBNM Institute of Technology, Bangalore, India 本科生畢業(yè)設(shè)計(jì)（論文）任務(wù)書 設(shè)計(jì)（論文 ）題目： 基于模板匹配的模糊數(shù)字識(shí)別研究 學(xué)院： 信息學(xué)院 專業(yè)： 通信工程 班級(jí)： 通信 1003 學(xué)生： 指導(dǎo)教師： 李學(xué)斌 副教授 專業(yè)負(fù)責(zé)人： 1．設(shè)計(jì)（論文）的主要任務(wù)及目標(biāo) 用于安全防范的視頻監(jiān)控目前已在人流密集區(qū)域得到普及，然而由于監(jiān)控圖像較為模糊而難以很好發(fā)揮作用，其中監(jiān)控畫面中的較遠(yuǎn)距離汽車車牌號(hào)碼辨識(shí)困難就是一個(gè)急待解決的問(wèn)題。 9 《一種高精度的圖像匹配算法》 主兆仲 周付根 劉志芳 楊建峰 北京航天航空大學(xué)。 6《基于數(shù)字圖像處理的車型車牌識(shí)別與超速檢測(cè)系統(tǒng)研究》 孫宏琦 7《數(shù)字識(shí)別及應(yīng)用》 鄔建 瓴 。 4《基于模板匹配的車牌識(shí)別及 MATLAB實(shí)現(xiàn)》 伏紹鶇 來(lái)自網(wǎng)上資源博客。 2《幾種基于模板匹配法的數(shù)字圖像識(shí)別分析》 吳小艷，王維慶 楊春祥 王小龍 新疆大學(xué)電氣工程學(xué)院。若是沒有他們的幫助，再次衷心甘心李老師以及所有個(gè)哦我提供幫助的同學(xué)們。其次，在模板匹配方面，本論文在空域方面進(jìn)行加權(quán)匹配，提高了匹配準(zhǔn)確率。 圖五 圖六 圖七 圖八 結(jié)論 本論文對(duì)模糊數(shù)字預(yù)處理方面做了很多的研究，這研究主要集中在空域。 圖三 圖四 表三 數(shù)字 編號(hào) 1 編號(hào) 2 編號(hào) 3 標(biāo)號(hào) 4 標(biāo)號(hào) 5 編號(hào) 6 1 1 1 1 0 0 0 2 1 1 1 3 3 3 3 1 1 1 3 4 4 4 2 2 2 2 2 2 5 1 1 1 3 3 3 6 1 2 2 3 3 3 7 1 1 1 1 3 2 8 2 2 2 3 3 3 9 2 2 1 3 3 3 10 2 2 2 2 2 2 通過(guò)與模板庫(kù)存放的模板數(shù)據(jù)即‘表三’ 比較， DATA 數(shù)據(jù)跟數(shù)字 6 的最為匹配，可得所識(shí)別的字符為 6。如果 p1=1(即黑點(diǎn) )時(shí)，下面 4 個(gè)條件同時(shí)滿足，則刪除 p1(p1=0)： ①2≤N(p1)≤6 ，其中 N(p1)是 p1 的非零鄰點(diǎn)的個(gè)數(shù)； ②S(p1)=1 ，其中 S(p1)是以 p2， p3， p4， ? ， p9 為序時(shí)這些點(diǎn)的值從 0到 1變化的次數(shù)； ③p2p4p6=0 或者 S(p1)≠ 1 ； ④p4p6p8=0 或者 S(p1)≠1 。邊界點(diǎn)是指本身標(biāo)記為 1而其 8連通鄰域中至少有一個(gè)標(biāo)記為 0的點(diǎn)。 在細(xì)化一幅圖像 X時(shí)應(yīng)滿足兩個(gè)條件： 第一，在細(xì)化的過(guò)程中， X應(yīng)該有規(guī)律地縮小； 第二，在 X逐步縮小的過(guò)程中，應(yīng)當(dāng)使 X的連通性質(zhì)保持不變。第二類是迭代算法，即重復(fù)刪除圖像邊緣滿足一定條件的像素，最終得到單像素寬帶骨架。 細(xì)化即將二值化的數(shù)字圖像按一定的規(guī)律縮小到成單像素點(diǎn)構(gòu)成，但保持源圖像的結(jié)構(gòu)特征。所謂骨架，可以理解為圖象的中軸，例如一個(gè)長(zhǎng)方形的骨架是它的長(zhǎng)方向上的中軸線；正方形的骨架是它的中心點(diǎn)；圓的骨架是它的圓心，直線的骨架是它自身，孤立點(diǎn)的骨架也是自身。通俗的說(shuō)圖像細(xì)化就是從原來(lái)的圖像中去掉一些點(diǎn)，但仍要保持目標(biāo)區(qū)域的原來(lái)形狀，通過(guò)細(xì)化操作可以將一個(gè)物體細(xì)化為一條單像素寬的線，從而圖形化的顯示出其拓補(bǔ)性質(zhì)。 提取筆劃特征的算法如下： 1）按從上到下，從左到右的順序掃描預(yù)處理后圖像并選擇黑像素點(diǎn) P； 2）計(jì) 算像素 P 的 8——— 領(lǐng)域之和 N； 3）若 N＝ 1，則像素 P 為端點(diǎn)，端點(diǎn)計(jì)數(shù)器加 1； 4）重復(fù)步驟（ 1）－（ 3），直到遍歷整個(gè)圖像。 2）再取水平三條直線，分別取在 1 ／ 3， 1 ／ 2， 2 ／ 3 處，分別記下這三條水平直線與數(shù)字筆段的交點(diǎn)數(shù)。 能描述對(duì)象本質(zhì)特征的元素有很多，但是為了節(jié)約資源，有時(shí)更是為了可行性，在保證分類識(shí)別正確率的前提下，盡量選擇識(shí)別作用較大的特征，使得用較少的特征就能完成分類識(shí)別任務(wù)，有一種簡(jiǎn)單的方法就是減少特征矢量的維數(shù)或符號(hào)字符數(shù)，本文中采用對(duì)待識(shí)別數(shù)字圖像進(jìn)行行列掃描與數(shù)字起點(diǎn)結(jié)合的方法提取特征。列表記錄他們相交點(diǎn)個(gè)數(shù)以及相交點(diǎn)的坐標(biāo)，為后續(xù)匹配識(shí)別做準(zhǔn)備 。 匹配效果如表 表 數(shù)字 匹配次數(shù) 失敗次數(shù) 成功率 1 300 79 65% 2 300 68 71% 3 300 56 72% 4 300 68 71% 5 300 50 80% 6 300 60 75% 7 300 45 83% 8 300 80 64% 9 300 79 65% 0 300 76 64% 第三章 改進(jìn)匹配算 模板修改 通過(guò)改變之前的模糊數(shù)字模板操作，將其統(tǒng)一轉(zhuǎn)化為只有一個(gè)像素點(diǎn)的數(shù)字模板也就是對(duì)所有的模糊數(shù)字模板進(jìn)行細(xì)化操作 得到只有一個(gè)像素點(diǎn)構(gòu)成的細(xì)化模板 。 2）矩形窗口的選用仍然是該類法的缺憾。 歸一化互相關(guān)法匹配 原理 歸一化的目的就是消除上述方法對(duì)于光照變化敏感的問(wèn)題?；舅悸啡缦拢悍謩e在參考圖像和待配準(zhǔn)圖像中以每一個(gè)特征點(diǎn)為中心取一個(gè) (2N+1)(2N+1) 大小的相關(guān)窗，然后以參考圖像中的每個(gè)特征點(diǎn)為參考點(diǎn)在待配準(zhǔn)圖像中尋找對(duì)應(yīng)匹配點(diǎn)，匹配的依據(jù)是計(jì)算特征點(diǎn)相關(guān)窗之間的相關(guān)系數(shù)： CC=∑ ?? (??,??)??2(x,y)??,??∈?? √?? 2(??,??)??22(??,??)? （ 252） 其中， W 是相關(guān)窗的大小， ?? 和 ??2分別為兩幅待配準(zhǔn)圖像中特征點(diǎn)相關(guān)窗內(nèi)像素的灰度值， CC 是相關(guān)系數(shù)。其次，是進(jìn)行特征點(diǎn)匹配時(shí)采用的鄰域窗口為矩形，當(dāng)需要配準(zhǔn)的兩幅圖像存在較大角度的旋轉(zhuǎn)和較大尺度的縮放時(shí)，特征點(diǎn)鄰域窗口的特征將產(chǎn)生較大的改變，因此對(duì)于圖像的旋轉(zhuǎn)和縮放就會(huì)比較敏感。而該方法只是將模板的概念應(yīng)用到了特征點(diǎn)局部的鄰域窗口，以特征點(diǎn)鄰域窗口的灰度信息值作為該特征點(diǎn)的描述符，直接進(jìn)行比較來(lái)實(shí)現(xiàn)特征點(diǎn)的匹配 ? 具體步驟： 首先對(duì)需要配準(zhǔn)的兩幅圖像 I1和 I2分別提特征點(diǎn)，分別得到兩個(gè)特征點(diǎn)集合，記作 p={p1,p2,p3......pn}和 p′={p1′ ,p2′,p3′...... pn′} ，以每一個(gè)特征點(diǎn)為中心，將其鄰域窗口（記作 w）的像素值作為該特征點(diǎn)的描述符，對(duì)于圖像 ?? 中的每一個(gè)特征點(diǎn)?? 分別計(jì)算其與圖像 I2中提取的各個(gè)特征點(diǎn)的鄰域像素值差的平方和： SSD=∑ (?? (??,??)???2(??,??))2x,y∈w 取其最小者作為圖像 ??2中與 pi匹配的點(diǎn)。 3 在比較 4鄰域以及 8鄰域的銳化圖像我們可以發(fā)現(xiàn)， 4鄰域銳化在邊緣以及與原圖像的相似程度上都有比較滿意的效果， 8鄰域銳化在灰度級(jí)對(duì)比上比 4鄰域更加優(yōu)秀，但它的一個(gè)缺點(diǎn)是丟失了一部分圖像細(xì)節(jié)，從而導(dǎo)致圖片看起來(lái)變得“模糊”。圖像的銳化使得目標(biāo)物輪廓變模糊，細(xì)節(jié)輪廓不清晰，加重目標(biāo)物輪廓，使模糊圖像變清晰?？梢钥隙ǖ氖遣煌哪０嫫湫Ч煌瑢?duì)特定的圖像要使用特定的模版。剪切之前計(jì)算好邊緣位置，邊緣位置的計(jì)算可利用投影技術(shù)獲取 。 歸一化處理 4 4在其頻譜上取三點(diǎn)計(jì)算出其 傾斜的角度，利用傅里葉的性質(zhì)： f(r,θ+?? )?F(w,φ+?? ) 將其進(jìn)行調(diào)正。 直流分量移到移動(dòng)頻譜中心 N=abs(M)。 K=fft2(I)。 3 利用 fft2 函數(shù)將其進(jìn)行傅里葉變換并將其直流分量移到移動(dòng)頻譜中心，接著對(duì)其進(jìn)行歸一化處理得到其頻譜圖。本人所介紹的調(diào)整方式是基于傅里葉變換 調(diào)整步驟： 1 讀取圖像 imread(?name?)?。 figure,imshow(K,[]),figure,imshow(J),figure,imshow(G),figure,imshow(F,[]) figure,imshow(E,[]) 圖 圖像銳化可以使得圖像邊緣變得清晰化，如圖 所示，雖然圖像整體變得模糊但目標(biāo)圖像在整張圖像中更為突出了 。 F=KJ。same39。)。 J=conv2(K,M1,39。1,1,1]。 M2=[1,1,1。1,4,1。%讀取圖像 K=rgb2gray(I)。39。 模糊數(shù)字圖像增強(qiáng) 加入噪聲 圖 待識(shí)別的數(shù)字圖像的預(yù)處理，在某些圖像邊緣不是很清晰的情況下，可以通過(guò)加入噪聲的方法使其變得清晰化，如圖 :所示 圖像的平滑 ： 鄰域平均模板 加權(quán)平均模板 M1= [ ] M2= [ ] M3= [ ] M4= [ ] 圖 對(duì)有噪聲干擾而造成模糊的數(shù)字圖像可以通過(guò)領(lǐng)域平均的方法將其除去，如圖 所示 。本文在頻譜圖中央?yún)^(qū)域按列計(jì)算幅度和，得到一個(gè)行向量，從而得到了一組可以使用的圖像特征。利用 Fourier變換將原始的勻速直線運(yùn)動(dòng) 模糊圖像轉(zhuǎn)換到頻域后，現(xiàn)有的主流算法是先計(jì)算出相