【正文】 第 14 頁 子。灰度信息完全可以忽略。 相反，區(qū)域內(nèi)任意兩像素間的連線不穿過區(qū)域外的像素，則稱為凸形。 (3) 凹凸特性 凹凸特性時區(qū)域的基本特性之一。 (2) 圓形度 R 圓形度用來表示目標物體形狀接近圓形的程度，其計算公式為： () 式中 S為區(qū)域的面積， L為周長， R的取值范圍為 0〈 R≤ 1， R越人，則區(qū)域越接近圓形。因此，在計算血積的過程中對每一個不同像素模式加上不同的權(quán)值，以減少誤差。由于連續(xù)圖像采用離散的像素點描述時，產(chǎn)生了誤差。計算圖像中某個區(qū)域的面積以及該區(qū)域的周長，根據(jù)它們的比值可以分析或提取該區(qū)域所代表的圖像形狀特征。 對數(shù)字降像而言，如果圖像的背景用 0標記，目標物體用 1記，則歐拉數(shù)可用下式計算： () n(1)表明圖像中像素點均數(shù)目 ， 表示二位圖像中具有垂直相鄰兩個 1標記的狀態(tài)記數(shù)， n(1 1) 表示具有水平相鄰 1 標記的狀態(tài)記數(shù)， 表示 4 個武漢科技大學本科畢業(yè)設(shè)計 (論文 ) 第 13 頁 1 標記相鄰的狀態(tài)記數(shù)。 3．歐拉數(shù) 圖像的歐拉數(shù)是圖像的一中拓撲性質(zhì)度量，它表明了圖的連通性。 S y (x,y) t ? ? ? x 圖 坐標投影 (t,s)與原坐標系 (x,y)間的對應(yīng)關(guān)系 由投影定理，對滿足一定條件的 {f (x,y)}， 如果知道全部方向上的 {p(t, ?)}，就可以唯一地恢復 {f (x,y)}，然而統(tǒng)矩方法一樣，獲得所有方向上的投影在實際應(yīng)用中是行不通的。 S 為投影方向， t為與武漢科技大學本科畢業(yè)設(shè)計 (論文 ) 第 12 頁 其垂直的方向， t 與 x 軸夾角為 ?，則 {f (x,y)}沿著 S 的投影定義為： () 當 ? 固定時， p(t, ?)為ｔ的函數(shù)，亦即一個一維波形。 2. 投影 投影的示意圖如圖 21 所示。 (5) 扁度 扁度定義為區(qū)域的長短軸之比： () 根據(jù)帕普利斯的定理，將要無窮多的 mpq序列才能確定 f(x,y)。特別地， M7滿足鏡像對稱不變性。常用的區(qū)域矩特征有以下幾個： (1) 質(zhì)心 () (2) 中心矩 () (3) Hu 矩組 武漢科技大學本科畢業(yè)設(shè)計 (論文 ) 第 11 頁 Hu 矩組是 {mpq}個矩的函數(shù)，它滿足平移、旋轉(zhuǎn)不變性，因而可被廣泛地應(yīng)用于區(qū)域形狀識別中。 對一幅二值圖像 { f(x,y):i,j=0,1,2? N1}來說，上述條件無疑可被滿足。二值化圖像在形狀和結(jié)構(gòu)分析中占有很重要的地位，本節(jié)討論的算法如沒有特別說明都是基于二值化圖像的。 由于感興趣的是圖像的形狀和結(jié)構(gòu)特征，所以其灰度信息往往可以忽略，只要能將它與其他目標或背景區(qū)分開來即可。一個圖像形狀和結(jié)構(gòu)特征有兩種形式，一種是數(shù)字特征主要包括幾何屬性（如長短、面積、距離和凹凸特性等），統(tǒng)計屬性（如黑色像素點在垂直方向的投影）和拓撲屬 性（如連通、歐拉數(shù)）；另一種是由字符串和圖等所表示的句法語言。通常符合上述要求的理想特征是很少甚至沒有的。而且，增加帶噪聲的特征或與現(xiàn)存特征相關(guān)性高的特征實際上會使識別系統(tǒng)的性能下降。圖像識 別系統(tǒng)的復雜程度隨著系統(tǒng)維數(shù)（特征的 個數(shù)）迅速增長。但是，有時相關(guān)性很高的特征組合起來可以減少噪聲干擾，它們一般不作為單獨的特征使用。例如細胞的曲徑和細胞的面積高度相關(guān)，因為面積大致與直徑的平方成正比。 (3) 獨立性好。例如，雜志封面的文字圖像的分割中，顏色是一個不好的特征。 (2) 可靠性。 良好的特征應(yīng)具備以下 4 個特點： (1) 可區(qū)別性。 目前幾乎沒有解析的方法能夠知道特征的選擇，很多情況下，憑直覺的引導可以列出一些可能的特征表，然后用特征排序的方法計算不同特征的識別效率。所謂特征提取在廣義上說是一種變換。 2. 特征提取 原始特征的數(shù)量很大，或者說圖像本身處于一個高 維空間中，通過映射 (或變換 )的方法可以用低維空間來表示樣本，這個過程叫做特征提取。為了方便起見，對幾個經(jīng)常用道的有關(guān)名詞作一些說明。因此研究如何把高維特征寧間壓縮到低維特征空間以便有效地識別圖像成為一個重要的課題，例如手寫體文字識別的特征選擇的研究已將近半個世紀，但依然是一個研究的難點和熱點。 特征選擇和提取的基本任務(wù)是如何從眾多特征中找出那些最有效的特征。因此，特征選擇是圖像識別中的一個關(guān)鍵問題。 特征提取基本概念 圖像識別是根據(jù)一定的圖像特征進行的，顯然這些特征的選擇很重要，它強烈地影響到圖像識別分類器的設(shè)計、性能及其識別結(jié)果的準確性。 圖像特征提取的結(jié)果給出了某一具體的圖像中與其他圖像相區(qū)別的特征。 圖像特征是指圖像的原始特性或?qū)傩浴＿@樣，計算機才能具有認識或者識別圖像的本領(lǐng)，稱圖像模式識別，也叫圖像識別。 武漢科技大學本科畢業(yè)設(shè)計 (論文 ) 第 8 頁 第二章 字符識別系統(tǒng)中的關(guān)鍵技術(shù) 特征提取 圖像處理的高級階段是數(shù)字圖像分析（也對以稱為圖像理解），主要使用計算機系統(tǒng)，從圖像中提取有用的數(shù)據(jù)或信息，生成非圖像的描述或表示，如數(shù)值、符號等，即抽取圖像特征，從而識別視覺圖像。 (2).系統(tǒng)的軟件平臺 系統(tǒng)可以運行 于 Windows 98, Windows2021, Windows XP 或者 Windows 2021操作系統(tǒng)下。 系統(tǒng)即可以單獨使用，也可以把它作為一個識別系統(tǒng)的軟件核心應(yīng)用到車牌識別系統(tǒng)中去。隨著上述核心技術(shù)的研究發(fā)展，應(yīng)用領(lǐng)域和功能等也獲得大幅提高。所以本課題針對這種情況創(chuàng)新性的提出了一種復雜背景下多車牌定位分割與識別方法，并考慮了彩色分割與 ColorLP 算法，這也是當前車牌圖像識別的發(fā)展趨勢。而如今的許多實際應(yīng)用場合，監(jiān)視區(qū)域比較復雜，現(xiàn)有的方法無法直接應(yīng)用。因而車牌字符識別的實用化研究仍然有很長的路要走。而獨立分割車牌取得字符，對較低解析度和較為模糊的車牌來說是非常困難的。由于攝像機的性能、車牌的整潔度、光照條件、拍攝時的傾斜角度及車輛運動等因素的影響使牌照中的字符可能出現(xiàn)比較嚴重的模糊、歪斜、缺損或污跡干擾，這些都給字符識別帶來了難度。 車牌字符識別實際上 是依附在車牌上的印刷體文字的識別，能否正確識別不僅是文字識別技術(shù)的問題，還是考慮其載體 —— 車牌區(qū)域的影響。 國內(nèi)外研究現(xiàn)狀和發(fā)展趨勢 車牌識別技術(shù)自 1988 年以來，人們就對它進行了廣泛的研究，目前國內(nèi)外已經(jīng)有眾多的算法，一些實用的 LPR 技術(shù)也開始用于車流監(jiān)控、出入控制、電子收費、移動稽查等場合。字符的模式表達形式和相應(yīng)的字典形式有多種，每種形式又可以選擇不同的特征，每種特征又有不同的抽取方法。圖 的學習部分。經(jīng)過預處理，字符模式成為規(guī)范化的二值數(shù)字點陣信息。文字經(jīng)光電掃描，模數(shù) 轉(zhuǎn)換為帶灰度值的數(shù)字信號送至預處理環(huán)節(jié)。字符識別的原理框圖如圖 。和其他模式識別的應(yīng)用一樣，字符識別的基本思想也是匹配判別。 缺點：模型在不斷豐富與完善中，目前能識別的程式類還不夠多。 優(yōu)點：可處理一些環(huán)境信息十分復雜，背景知識不清楚，推理規(guī)則不明確的問題。對需同過眾多規(guī)則的推理達到目標確認的問題，有很好的效果。 缺點：準確合理的隸屬度往往難以建立，故限制了它的應(yīng)用。 缺點：當存在干擾及噪聲時，抽取基元困難，且易失誤。 優(yōu)點：識別方便，可從簡單的基元開始，由繁至簡。 缺點：對結(jié)構(gòu)復雜的模式抽取特征困難。通過對樣本的學習建立起記憶，然后將未知模式判決為其最接近的記憶。從事實出發(fā)運用一系列規(guī)則，推理得到不同結(jié)果， m類就有 m個結(jié)果。用隸屬度將模糊集合劃分為若干子集， m類就有 m個子集，然后根據(jù)擇近原則分類。用一個文法表示一類， m類就有 m個文法，然后判定未知模式遵循哪一個文法。用條件概率分布 P(X| wi)表示， m類就有 m個分布，然后判 定未知模式屬于哪一個分布。下面以表格的形式，其用到的方法作一簡單的介紹和比較。這都為字符識別的實際應(yīng)用提供了廣闊的前景。 我國是從七十年代開始字符研究的。到一九七八年 ，能閱讀英文字母、數(shù)字、片假名和平假名等 118 種 OCRT0300 上市。日本雖說起步不是最早，但因投入了大量的人力和物力，目前處于世界領(lǐng)先地位。在這兩類方法的基礎(chǔ)上，已研究出了不同類各具特色的實用系統(tǒng)。這一階段 的研究工作是技術(shù)和實際相結(jié)合，針對實際系統(tǒng)的要求和設(shè)備可能提供的條件，提出了更為復雜的技術(shù)。提出了表示邊界的鏈碼法，用于結(jié)構(gòu)分析的細化思想，以及一些離散圖形上的拓撲性研究，形成了不僅能抽取局部特征， 而且能抽取大范圍的凹凸區(qū)域、連通性、孔等特征的算法，完成了作為基礎(chǔ)理論核心的“特征抽取理論”，及所謂的 KL 展開法工作?，F(xiàn)在此法仍不失為一種重要的匹配方法。 字符識別簡介 字符識 別發(fā)展概況 字符識別發(fā)展可分為三個階段：第一個階段為初級階段，在這一階段中，技術(shù)上是應(yīng)用一維圖像的處理方法完成二維圖像的識別任務(wù)。一個車牌定位與識別系統(tǒng)基本包括：圖像預處理、車牌搜索、車牌定位、車牌校正、車牌字符分割和字符識別結(jié)果的輸出。而當今許多實際應(yīng)用場合，如在繁忙交通路口臨時對欠稅 費報廢掛失等車輛的稽查，則監(jiān)視區(qū)域比較復雜，現(xiàn)有識別方法無法直接應(yīng)用，一般同時出現(xiàn)多輛汽車，背景有廣告牌、樹木、建筑物、斑馬線以及各種背景文字等。 關(guān)于車牌識別技術(shù)及定位系統(tǒng)研究，國內(nèi)外學者已經(jīng)作了大量工作，但實際效果并不理想，對輔助光源要求高，很難有效解決復雜背景下多車牌識別的技術(shù)難題，如：車牌圖像的傾斜、車牌表面污穢或磨損、光線干擾等都會影響定位的準確性。 LPR 系統(tǒng)可以廣泛應(yīng)用于高速公路電子收費站、出入控制、公路流量監(jiān)控、失竊車輛查詢、停車場車輛管理、公路稽查、監(jiān)測黑牌機動車、監(jiān)控違章車輛的電子警察等需要車牌認證的重要場合，尤其在高速公路收費系統(tǒng)中，實現(xiàn)不停 車收費技術(shù)可提高公路系統(tǒng)的運行效率， LPR 系統(tǒng)更具有不可替代的作用，因而對 LPR 車牌識別技術(shù)的研究和應(yīng)用系統(tǒng)開發(fā)具有重要的現(xiàn)實意義。目前指紋識別、視網(wǎng)膜識別技術(shù)已經(jīng)到了實用階段；聲音識別技術(shù)發(fā)展也相當快，而對汽車牌照等相關(guān)信息的自動采集和管 理對于交通車輛管理、園區(qū)車輛管理、停車場管理、交警稽查等方面有著十分重要的意義，成為信息處理技術(shù)的一項重要研究課題。高速度、高效率的生活節(jié)奏，使汽車普及成為必然趨勢，交通管理自動化越來越成為亟待解決的問題。 關(guān)鍵字： 車牌識別； LPR； 字符識別；特征提取； BP 神經(jīng)網(wǎng)絡(luò)；武漢科技大學本科畢業(yè)設(shè)計 (論文 ) 第 II 頁 Abstract For the discernment to the number plate character, this text applies BP neural work to the automatic discernment of the automobile number plate, on the basis that the number plate picture goes on in advance treated , is it use BP neural work method to car discernment , license plate of character to discuss especially. Will train samples to do the pretreatment of the picture at first, character in number plate cut apart, get the individual character. After making normalization to the character not of uniform size, drew the characteristic to the character 15, wide to draw out for character information of 25 picture behind the normalization, picture white point it puts to be 0, black point of picture is it as 1 , receive 15* 25 characteristic vector quantity like this to put, what