【正文】 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。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。最后，向參加論文評審、答辯的老師表示衷心的感謝。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。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。（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。（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。（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。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)。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)?？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。(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。 第4章 結(jié)束語 總結(jié)車牌識別系統(tǒng)的經(jīng)濟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。 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。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。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。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。加強已有的樣本的訓(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。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。(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。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。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。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。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。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。目前，字符識別的方法可以分為三大類。本文中用 MATLAB 中的 imresize 函數(shù)進(jìn)行字符的歸一化處理。歸一化的映射結(jié)果有可能不是整數(shù)，可能是無意義的，需要應(yīng)用插值運算來計算像素值。如圖9所示： 圖9 字符分割 字符歸一化處理 車牌字符分割后，由于環(huán)境等因素的影響，其每個字符大小并不完全相同，這樣對字符識別產(chǎn)生影響，所以要把車牌的尺寸歸一化[25]。（4） 將經(jīng)歸一化處理后的字符信息一一存入數(shù)組里，進(jìn)行模板匹配。 （3）由于模板字庫中標(biāo)準(zhǔn)字符模板為40 20像素，因此，需要進(jìn)行歸一化處理。以此為界線，分別向前方向與后方向進(jìn)行均勻分割，確定出每個字符的左邊界與右邊界，將其一一存入數(shù)組里。車牌字符分割的具體算法為：（1）通過計算得到車牌圖像列方向上具有的像素值總數(shù)且對其進(jìn)行垂直投影，確定字符寬度和字符的中間位置，并計算相鄰字符之間距離（中間距離的差值）。字符分割一般采用垂直投影法[224]對車牌圖像進(jìn)行垂直投影。我們得到了濾波后的圖像，為了提高其識別的準(zhǔn)確率，我們還要將對其做開運算，結(jié)果如（d）所示。本文采取的濾波處理方法為均值濾波算法[22]，它是指在圖像上就針對目標(biāo)像素選擇一個模板，該模板由其周圍的若干臨近像素組成，求模板中所有像素的均值并代替原有像素值即盡量保留車牌的圖像細(xì)節(jié)特征的條件下對目標(biāo)圖像的噪聲進(jìn)行抑制，從而提升它的有效提取信息，圖像濾波處理是圖像預(yù)處理中不可缺少的操作，其處理效果的好壞將直接響到后續(xù)圖像處理和分析的有效性和可靠性。 經(jīng)過彩色分割法分割出來的車牌圖像是彩色的，占空間大，從而導(dǎo)致計算量大，而且該區(qū)域內(nèi)目標(biāo)物體、背景還摻雜著噪聲，所以需要將圖像灰度化，二值化[21]并且進(jìn)行濾波處理，車牌灰度化后的結(jié)果對圖如（a）所示。一般情況下，這些噪聲在研究對象中一般都是無用的信息，而且還會對研究對象造成干擾，極大降低了圖像質(zhì)量，影響圖像復(fù)原、分割、特征提取、圖識別等后繼工作的進(jìn)行。 采集數(shù)字圖像過程中通常會會受到多種噪聲的污染。均值濾波也稱為線性濾波，其采用的主要方法為鄰域平均法。 均值濾波均值濾波是典型的線性濾波算法，它是指在圖像上對目標(biāo)像素給一個模板，該模板包括了其周圍的臨近像素點和其本身像素點。當(dāng)光照不均勻、有突發(fā)噪聲，或者背景灰度變化比較大時，整幅圖像分割將沒有合適的單一門限，因為單一的閾值不能兼顧圖像各個像素的實際情況。閾值方法分為全局閾值和局部閾值兩種，如果分割過程中對圖像上每個像素所使用的閾值都相等，則為全局閾值方法；如果每個像素所使用的閾值可能不同，則為局部閾值方法。所謂圖像二值化處理就是指整幅圖像轉(zhuǎn)化為畫面內(nèi)只有黑（灰度值設(shè)為0）和白（灰度值設(shè)為255）兩種像素點的圖像，從而使得整張圖片的效果由灰度變黑白，在實際的圖像處理系統(tǒng)中，將灰度圖片通過適當(dāng)?shù)拈撝颠x取，這一步是圖像二值化的關(guān)鍵也使得字符與背景脫離開來。如圖6分別顯示行方向合理區(qū)域和車牌定位后圖。本文采用彩色像素點統(tǒng)計的方法分割出合理的車牌區(qū)域，確定車牌底色藍(lán)色對應(yīng)的各自灰度范圍，然后行方向統(tǒng)計在此顏色范圍內(nèi)的像素點數(shù)量，設(shè)定合理的閾值，確定車牌在行方向的合理區(qū)域。將滿足車牌列區(qū)域條件的列進(jìn)行合并，就可分割出車牌區(qū)域。T180。時，該列不是車牌所在列。車牌列區(qū)域條件:（1）如果nj39。對垂直方向藍(lán)色像素點進(jìn)行統(tǒng)計: (21)根據(jù)像素統(tǒng)計分析確定合理閾值T39。(nj180。n2180。因為車牌顏色具有單一性與連通性，將滿足車牌行區(qū)域條件的行進(jìn)行合并，該合并區(qū)域就為車牌行合理區(qū)域，接著再水平提取車牌區(qū)域。車牌行區(qū)域條件:（1）如果niT時，該行不是車牌區(qū)域所在行。滿足條件的像素點都會密集在車牌合理區(qū)域內(nèi)。n1,n2,...nN (n為第i行的像素個數(shù)，i=l,2…N)。(3)如果某點的BR或BG，則規(guī)定為非藍(lán)。首先沿水平方向行掃描并對此方向進(jìn)行像素分析，進(jìn)行藍(lán)色像素點統(tǒng)計，設(shè)定合理的閾值，確定車牌在水平方向的車牌區(qū)域，然后在已分割出的水平方向圖像中，同理對垂直方向的藍(lán)色像素點進(jìn)行統(tǒng)計，再在對垂直方向合理區(qū)域的圖中進(jìn)行列掃描，分割出垂直方向的合理區(qū)域，最終實現(xiàn)車牌的區(qū)域的劃分，其中對藍(lán)色區(qū)域的判定為:(1)當(dāng)某點