【正文】 圖表整潔，布局合理，文字注釋必須使用工程字書(shū)寫(xiě)，不準(zhǔn)用徒手畫(huà)3）畢業(yè)論文須用A4單面打印，論文50頁(yè)以上的雙面打印4）圖表應(yīng)繪制于無(wú)格子的頁(yè)面上5）軟件工程類(lèi)課題應(yīng)有程序清單，并提供電子文檔1）設(shè)計(jì)（論文）2）附件：按照任務(wù)書(shū)、開(kāi)題報(bào)告、外文譯文、譯文原文（復(fù)印件）次序裝訂41。：任務(wù)書(shū)、開(kāi)題報(bào)告、外文譯文、譯文原文（復(fù)印件）。 學(xué)?？梢怨颊撐模ㄔO(shè)計(jì)）的全部或部分內(nèi)容。 作者簽名： 日期： 畢業(yè)論文（設(shè)計(jì)）授權(quán)使用說(shuō)明本論文（設(shè)計(jì)）作者完全了解**學(xué)院有關(guān)保留、使用畢業(yè)論文（設(shè)計(jì)）的規(guī)定，學(xué)校有權(quán)保留論文（設(shè)計(jì)）并向相關(guān)部門(mén)送交論文（設(shè)計(jì)）的電子版和紙質(zhì)版。據(jù)我所知，除文中已經(jīng)注明引用的內(nèi)容外，本論文（設(shè)計(jì)）不包含其他個(gè)人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果。也感謝我的家人對(duì)我無(wú)私的關(guān)懷和照顧，他們一直是我前進(jìn)的動(dòng)力，支持我克服一個(gè)有一個(gè)困難。與此同時(shí)，周?chē)耐瑢W(xué)和舍友也給了我很多幫助，在此，向所有給予我?guī)椭耐瑢W(xué)和朋友們表示衷心的感謝。在待人處事方面，孟老師也給了我很多教誨，讓我對(duì)人、對(duì)社會(huì)有了更全面的認(rèn)識(shí)。首先我要感謝我的導(dǎo)師。通過(guò)對(duì)本課題的研究，對(duì)車(chē)牌位置以及車(chē)牌識(shí)別系統(tǒng)有了更伸到我理解和研究，除此之外感覺(jué)到車(chē)牌識(shí)別仍有許多內(nèi)容需要學(xué)習(xí)，希望能夠得到專(zhuān)家的指正，也希望獲得更好的建議和意見(jiàn)。 4）目前的車(chē)牌識(shí)別系統(tǒng)只能處理單個(gè)車(chē)牌的圖像，對(duì)于一幅圖像中多個(gè)車(chē)牌的識(shí)別無(wú)能為力，本文提出的車(chē)牌識(shí)別算法也是針對(duì)單一車(chē)牌圖像的。是的系統(tǒng)的準(zhǔn)確率更高，分辨率更好。實(shí)驗(yàn)結(jié)果表明，本次畢業(yè)設(shè)計(jì)提出的方法對(duì)于簡(jiǎn)單的車(chē)牌定位是有效的，但是，本次別業(yè)設(shè)計(jì)還可在以下幾個(gè)方面進(jìn)行深入的研究： 1)與攝像頭等硬件設(shè)備相連接，進(jìn)一步改進(jìn)算法，將設(shè)計(jì)的系統(tǒng)產(chǎn)品化。把每一幅相減后的圖的0值個(gè)數(shù)保存，然后找數(shù)值最大的，即為識(shí)別出來(lái)的結(jié)果。其他模板設(shè)計(jì)的方法與此相同。所以建立字符模板庫(kù)也極為方便。汽車(chē)牌照的字符一般有七個(gè)，大部分車(chē)牌第一位是漢字，通常代表車(chē)輛所屬省份，或是軍種、警別等有特定含義的字符簡(jiǎn)稱(chēng)；緊接其后的為字母與數(shù)字。在實(shí)際設(shè)計(jì)模板的時(shí)候，是根據(jù)各區(qū)域形狀固有的特點(diǎn)，突出各類(lèi)似區(qū)域之間的差別，并將容易由處理過(guò)程引起的噪聲和位移等因素都考慮進(jìn)去，按照一些基于圖像不變特性所設(shè)計(jì)的特征量來(lái)構(gòu)建模板，就可以避免上述問(wèn)題。也可以計(jì)算圖像與模板特征量之間的距離，用最小距離法判定所屬類(lèi)。綜合模板匹配的這些優(yōu)點(diǎn)我們將其用為車(chē)牌字符識(shí)別的主要方法。另一種方法則充分利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，直接把待處理圖像輸入網(wǎng)絡(luò)，由網(wǎng)絡(luò)自動(dòng)實(shí)現(xiàn)特征提取直至識(shí)別。識(shí)別效果與字符特征的提取有關(guān)，而字符特征提取往往比較耗時(shí)。基于模板匹配的OCR的基本過(guò)程是:首先對(duì)待識(shí)別字符進(jìn)行二值化并將其尺寸大小縮放為字符數(shù)據(jù)庫(kù)中模板的大小，然后與所有的模板進(jìn)行匹配，最后選最佳匹配作為結(jié)果。現(xiàn)在常用的字符識(shí)別主要是基于模板匹配和神經(jīng)網(wǎng)絡(luò)的方法，本次設(shè)計(jì)中所用的方法是模板匹配。目前還有一定數(shù)量的個(gè)性化車(chē)牌，因?yàn)楸Ｓ辛枯^少，故可以忽略不計(jì)。在此只進(jìn)行了歸一化處理，然后進(jìn)行后期處理。一般分割出來(lái)的字符要進(jìn)行進(jìn)一步的處理，以滿(mǎn)足下一步字符識(shí)別的需要。歸一化處理的目的就是使車(chē)牌字符同標(biāo)準(zhǔn)模板里面的字符特征一樣?；叶葰w一化、幾何歸一化和變換歸一化是獲取圖像不變性質(zhì)的三種歸一化方法。在一般情況下，某些因素或變換對(duì)圖像一些性質(zhì)的影響可通過(guò)歸一化處理得到消除或減弱，從而可以被選作測(cè)量圖像的依據(jù)。（2）字符歸一化使圖像的某些特征在給定變換下具有不變性質(zhì)的一種圖像標(biāo)準(zhǔn)形式。它在前期牌照定位的基礎(chǔ)上進(jìn)行字符的分割，然后再利用分割的結(jié)果進(jìn)行字符識(shí)別。車(chē)牌字符分割中常用的特征有：字符寬度、字符間距、字符中心間距、字符高度比、字符占有面積比等，可以充分利用車(chē)牌字符的這些特征為先驗(yàn)知識(shí)對(duì)牌照進(jìn)行分割。第四章 字符的分割與識(shí)別 字符分割與歸一化[m，n]=size（d），逐排檢查有沒(méi)有白色像素點(diǎn)，設(shè)置1=jn1，若圖像兩邊s（j）=0，則切割，去除圖像兩邊多余的部分切割圖像上下多余部分根據(jù)圖像大小，設(shè)置一閾值，檢測(cè)圖像的X軸，若寬度等于這一閾值則切割，分離出7個(gè)字符歸一化切割出來(lái)的字符圖像的大小為40*20，與模版中字符圖像的大小匹配 （1）字符分割字符分割將車(chē)牌區(qū)域分割成單個(gè)的字符區(qū)域，每個(gè)字符區(qū)域必須是包括單個(gè)字符的最小矩形區(qū)。（1） 首先對(duì)圖像每個(gè)區(qū)域進(jìn)行標(biāo)記，然后計(jì)算每個(gè)區(qū)域特征參數(shù)：區(qū)域中心位置，最小包含矩形、面積。 車(chē)牌提取對(duì)二值圖象進(jìn)行區(qū)域提取，并計(jì)算區(qū)域特征參數(shù)。先膨脹后腐蝕的過(guò)程稱(chēng)為閉運(yùn)算。再進(jìn)行腐蝕作用，外部邊界將改變回原來(lái)的樣子?？梢杂脕?lái)填補(bǔ)物體中的空澗。并在纖細(xì)處分離物體和平滑較大物體邊界的作用；先膨脹后腐蝕的過(guò)程為閉運(yùn)算，具有填充物體內(nèi)細(xì)小空洞，連接臨近物體和平滑邊界的作用。腐蝕是一種消除邊界點(diǎn)的過(guò)程，結(jié)果是是目標(biāo)縮小，空洞增大，因而可有效地消除孤立噪聲點(diǎn)；膨脹是將于目標(biāo)物體接觸的所有背景點(diǎn)合并到物體中的過(guò)程，結(jié)果是使目標(biāo)增大，孔洞減小，可填補(bǔ)目標(biāo)物體中的空洞，形成聯(lián)通閾。有一種特殊定義的里ing預(yù)測(cè)和能夠?yàn)椤敖Y(jié)構(gòu)元素”，在每個(gè)像素位置上它與而制圖相對(duì)應(yīng)的區(qū)域進(jìn)行特定的邏輯運(yùn)算，運(yùn)算結(jié)果為輸出圖像的相應(yīng)像素。數(shù)學(xué)形態(tài)學(xué)首先被用來(lái)處理二值圖像，后來(lái)也被用來(lái)處理灰度圖像，現(xiàn)在又有學(xué)者開(kāi)始用軟數(shù)學(xué)形態(tài)和模糊形態(tài)學(xué)來(lái)解決計(jì)算機(jī)視覺(jué)方面的問(wèn)題。數(shù)學(xué)形態(tài)起源于巖相學(xué)對(duì)巖石結(jié)構(gòu)的定量描述工作，近年來(lái)在數(shù)字圖像處理和機(jī)器視覺(jué)領(lǐng)域中得到了廣泛的應(yīng)用，形成了一種獨(dú)特的數(shù)字圖像分析方法和理論。作為探針的結(jié)構(gòu)元素，可直接攜帶知識(shí)（形態(tài)大小以及灰度和色度信息）來(lái)探測(cè)所研究圖像的結(jié)構(gòu)特征。它的基本思想是用一個(gè)被稱(chēng)為結(jié)構(gòu)元素的探針收集圖像的信息。形態(tài)學(xué)的用途主要用來(lái)獲取物體拓?fù)浜徒Y(jié)果信息，他通過(guò)物體和結(jié)構(gòu)元素相互作用的某些運(yùn)算，得到物體更本質(zhì)的形態(tài)。在MATLAB中，可以用inshow顯示二值圖像。如果物體同背景的差別表現(xiàn)不在灰度值上（比如紋理不同），可以將這個(gè)差別特征轉(zhuǎn)換為灰度的差別，然后利用閾值選區(qū)技術(shù)來(lái)分割該圖像。所有灰度大于或等于閾值的像素被判定為屬于特定物體，其灰度值為255表示，否則這些像素點(diǎn)被排除在物體區(qū)域以外，灰度值為0，表示背景或者例外的物體區(qū)域。在數(shù)字圖像處理中，而值圖像占有非常重要的地位，要進(jìn)行二值化圖像的處理與分析，首先，要把灰度圖像二值化，得到二值圖像，這樣子有利于在對(duì)圖像作進(jìn)一步處理時(shí)，圖像的集合性質(zhì)只與像素值為0或255的點(diǎn)的位置有關(guān)，不再涉及像素的多級(jí)值，使處理變得簡(jiǎn)單，而且數(shù)據(jù)的處理和壓縮量小?；叶葓D像二值化處理就是將圖像上的點(diǎn)的灰度置為0或255，也就是將整個(gè)圖像呈現(xiàn)出明顯的黑白效果。實(shí)際上，這兩個(gè)值就相當(dāng)于開(kāi)和關(guān)，對(duì)應(yīng)于white和black。Canny算子：邊緣檢測(cè)的方法是尋找圖像梯度的局部極大值，它使用兩個(gè)閾值來(lái)分別檢測(cè)強(qiáng)邊緣和弱邊緣，而且僅當(dāng)弱邊緣和強(qiáng)邊緣相連時(shí)，弱邊緣才會(huì)包含在輸出中。以上是對(duì)各種算法的解釋?zhuān)贸觯?Robert 算子：邊緣定位準(zhǔn)確，但對(duì)噪聲敏感，去噪聲作用小，適合與邊緣明顯且噪聲較小的圖像分割；Soble 算子：他是方向性的，在水平和垂直方向上形成了最強(qiáng)烈的邊緣。僅當(dāng)它們比通過(guò)合成預(yù)測(cè)的響應(yīng)顯著地強(qiáng)時(shí)，才將其標(biāo)記為邊緣。具有較大尺度(的算子產(chǎn)生的邊緣根據(jù)它們(標(biāo)記出的邊緣)合成得到(即，根據(jù)從較小的尺度收集到的證據(jù)來(lái)預(yù)測(cè)較大尺度(應(yīng)具有的作用效果)。有可能存在幾個(gè)尺度的算子對(duì)邊緣都給出突出的響應(yīng)(即信噪比超過(guò)閾值)；在這種情況下，選擇具有最小尺度的算子，因?yàn)樗ㄎ蛔顪?zhǔn)確。解決該未知數(shù)的方法是使用多個(gè)尺度，將所得信息收集起來(lái)。這里的低閾值和高閾值需要根據(jù)對(duì)信噪比的估計(jì)來(lái)確定。個(gè)別的弱響應(yīng)通常對(duì)應(yīng)于噪聲，但是如果這些點(diǎn)是與某些具有強(qiáng)響應(yīng)的點(diǎn)連接時(shí)，它們很可能是圖像中真實(shí)的邊緣。紋狀是指邊緣輪廓斷開(kāi)的情形，是由算子輸出超出或低于閾值的波動(dòng)引起的。一般而言，該問(wèn)題在邊緣檢測(cè)中是非常普遍的?？梢宰C明將圖像與一對(duì)稱(chēng)2 D Gaussian做卷積后再沿梯度方向微分，就構(gòu)成了一個(gè)簡(jiǎn)單而有效的方向算子(回想一下，LoG過(guò)零點(diǎn)算子并不能提供邊緣方向的信息，因?yàn)樗褂昧薒aplacian濾波器)。 canny邊緣檢測(cè)算子的提出是基于以下概念：(1)邊緣檢測(cè)算子是針對(duì)一維信號(hào)和前兩個(gè)最優(yōu)標(biāo)準(zhǔn)(即檢測(cè)標(biāo)準(zhǔn)和定位標(biāo)準(zhǔn))表達(dá)的，用微積分方法可以得到完整的解；(2)如果考慮第三個(gè)標(biāo)準(zhǔn)(多個(gè)響應(yīng))，需要通過(guò)數(shù)值優(yōu)化的辦法得到最優(yōu)解，該最優(yōu)濾波器可以有效地近似為標(biāo)準(zhǔn)差為(的高斯平滑濾波器的一階微分，其誤差小于20%，這是為了便于實(shí)現(xiàn)；這與Mar—Hild reth邊緣檢測(cè)算子很相似；它是基于LoG邊緣檢測(cè)算子的；(3)將邊緣檢測(cè)箅子推廣到兩維情況。其整體結(jié)果是邊緣呈現(xiàn)環(huán)行狀態(tài)。過(guò)零點(diǎn)檢測(cè)更可靠，不易受噪聲影響，但．缺點(diǎn)是對(duì)形狀作了過(guò)分的平滑，例如會(huì)丟失且明顯的角點(diǎn)；還有產(chǎn)生環(huán)行邊緣的傾向。與前面的微分算子處僅采用很小的鄰域來(lái)檢測(cè)邊緣不同，過(guò)零點(diǎn)(Zerocrossing)的檢測(cè)所依賴(lài)的范圍與參數(shù)。它把高斯平滑濾波器和拉普拉斯銳化濾波器結(jié)合起來(lái)，先平滑掉噪聲，再進(jìn)行邊緣檢測(cè)，所以效果更好。 高斯拉普拉斯(LoG，Laplacian of Gaussian)算子。右側(cè)是Lena的過(guò)零點(diǎn)檢測(cè)結(jié)果。銳化的輸出圖像f是根據(jù)下式從輸入圖像g得到的：f(i，j)=g(i，j)c s(i，j)，其中c是反映銳化程度的正系數(shù)，s(i，j)是圖像函數(shù)銳化程度的度量，用梯度箅子來(lái)計(jì)算，Laplacian箅子常被用于這一目的。 拉普拉斯算子的缺點(diǎn)：它對(duì)圖像中的某些邊緣產(chǎn)生雙重響應(yīng)。試圖將圖像函數(shù)與邊緣的參數(shù)模型相匹配的箅子。其它近似一階導(dǎo)數(shù)的算子使用幾個(gè)掩模。(一)梯度算子可分為3類(lèi)： 使用差分近似圖像函數(shù)導(dǎo)數(shù)的算子。 圖像邊緣提取及二值化（1） 邊緣提取 邊緣主要存在與目標(biāo)、目標(biāo)與背景、區(qū)域與區(qū)域之間，邊緣檢測(cè)主要是精確定位邊緣和抑制噪點(diǎn)，原理是：由于微分算子具有突出灰度變化的作用，對(duì)圖像進(jìn)行微分運(yùn)算，在圖像邊緣出機(jī)器會(huì)讀變化較大，計(jì)算值較高，可將這些為分支作為供應(yīng)點(diǎn)的邊緣強(qiáng)度，通過(guò)閾值判別來(lái)提取邊緣點(diǎn)，即如果為分支大于閾值，則為邊緣點(diǎn)。均值濾波也稱(chēng)為線(xiàn)性濾波，其采用的主要方發(fā)法為領(lǐng)域平均法。再用模板中的全體像素的平均值來(lái)代替原來(lái)像素值。 經(jīng)過(guò)上述方法分割出來(lái)的車(chē)牌圖像中存在目標(biāo)物體、背景還有噪聲，要想從圖像中直接提取出目標(biāo)物體，最常用的方法就是設(shè)定一個(gè)閾值T，用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群，即對(duì)圖像二值化。然后，在分割出的行區(qū)域內(nèi)，統(tǒng)計(jì)列方向藍(lán)色像素點(diǎn)的數(shù)量，最終確定完整的車(chē)牌區(qū)域。 牌照區(qū)域的分割對(duì)車(chē)牌的分割可以有很多種方法，本程序是利用車(chē)牌的彩色信息的彩色分割方法。根據(jù)車(chē)牌底色等有關(guān)的先驗(yàn)知識(shí)，采用彩色像素點(diǎn)統(tǒng)計(jì)的方法分割出合理的車(chē)牌區(qū)域，確定車(chē)牌底色藍(lán)色RGB對(duì)應(yīng)的各自灰度范圍，然后行方向統(tǒng)計(jì)在此顏色范圍內(nèi)的像素點(diǎn)數(shù)量，設(shè)定合理的閾值，確定車(chē)牌在行方向的合理區(qū)域。在本程序中用到了膨脹和閉合這兩個(gè)基本運(yùn)算，最后還用了bwareaopen來(lái)去除對(duì)象中不相干的小對(duì)象。這里選用的是數(shù)學(xué)形態(tài)學(xué)的方法，其基本思想是用具有一定形態(tài)的機(jī)構(gòu)元素去量度和提取圖像中的對(duì)應(yīng)形狀以達(dá)到對(duì)圖像分析和識(shí)別的目的。 牌照區(qū)域的定位和分割牌照?qǐng)D像經(jīng)過(guò)了以上的處理后，牌照區(qū)域已經(jīng)十分明顯，而且其邊緣得到了勾勒和加強(qiáng)。 牌照的定位和分割牌照的定位和分割是牌照識(shí)別系統(tǒng)的關(guān)鍵技術(shù)之一，其主要目的是在經(jīng)圖像預(yù)處理后的原始灰度圖像中確定牌照的具體位置，并將包含牌照字符的一塊子圖像從整個(gè)圖像中分割出來(lái)，供字符識(shí)別子系統(tǒng)識(shí)別之用，分割的準(zhǔn)確與否直接關(guān)系到整個(gè)牌照字符識(shí)別系統(tǒng)的識(shí)別率。另外。Imerode函數(shù)需要兩個(gè)基本輸入?yún)?shù)：待處理的輸入圖像以及結(jié)構(gòu)元素對(duì)象。I3=imerode(I2,Se)。如果兩目標(biāo)物建有細(xì)小的連通，可以選取足夠大的結(jié)構(gòu)元素，將細(xì)小連通腐蝕掉。腐蝕是一種消除邊界點(diǎn)，是邊界向內(nèi)部收縮的過(guò)程。結(jié)構(gòu)元素是指具有某種確定形狀的基本結(jié)構(gòu)元素，例如，一定大小的矩形，圓形或菱形等。腐蝕處理的作用是將目標(biāo)圖像收縮。4. 定位：邊緣檢測(cè)定位即邊遠(yuǎn)點(diǎn)的具體位置，除此之外還應(yīng)包括邊緣細(xì)化、連接。增強(qiáng)算法可以將領(lǐng)域強(qiáng)度中有顯著變化的點(diǎn)突顯出來(lái)。邊緣檢測(cè)的基本步驟：1. 濾波：邊緣和噪聲同屬圖像中強(qiáng)度變化劇烈的部位，因此邊緣檢測(cè)算子對(duì)邊緣和噪聲都很敏感，因此必須使用濾波來(lái)改善與噪聲有關(guān)的邊緣檢測(cè)算子的性能。同時(shí)