【正文】 實(shí)上人不僅能識(shí)別與腦中的模板完全一致的圖像，也能識(shí)別與模板不完全一致的圖像。例如有一個(gè)字母A,如果在腦中有個(gè)A模板,字母A的大小、方位、形狀都與這個(gè)A模板完全一致,字母A就被識(shí)別了。這種模型認(rèn)為，識(shí)別某個(gè)圖像，必須在過(guò)去的經(jīng)驗(yàn)中有這個(gè)圖像的記憶模式，又叫模板。為了編制模擬人類圖像識(shí)別活動(dòng)的計(jì)算機(jī)程序，人們提出了不同的圖像識(shí)別模型。車輛牌照識(shí)別(License Plate Recognition，LPR)技術(shù)作為交通管理自動(dòng)化的重要手段之一，其任務(wù)是分析、處理汽車監(jiān)控圖像，自動(dòng)識(shí)別汽車牌照號(hào)碼，并進(jìn)行相關(guān)智能化數(shù)據(jù)庫(kù)管理。圖像處理技術(shù)發(fā)展相當(dāng)快，而其中對(duì)汽車牌照等相關(guān)信息的自動(dòng)采集和管理對(duì)于交通車輛管理、園區(qū)車輛管理、停車場(chǎng)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(xiàng)重要研究課題。隨著21世紀(jì)經(jīng)濟(jì)全球化和信息時(shí)代的發(fā)展，作為信息來(lái)源的自動(dòng)檢測(cè)、圖像識(shí)別技術(shù)越來(lái)越受到人們的重視。圖像技術(shù)的基礎(chǔ)性研究，特別是結(jié)合人工智能與視覺(jué)處理的新算法，從更高水平提取圖像信息的豐富內(nèi)涵，成為人類運(yùn)算量最大、直觀性最強(qiáng)，與現(xiàn)實(shí)世界直接聯(lián)系的視覺(jué)和“形象思維”這一智能的模擬和復(fù)現(xiàn)，是一個(gè)很難而重要的任務(wù)。從所列舉的圖像技術(shù)的多方面應(yīng)用及其理論基礎(chǔ)可以看出，它們無(wú)一不涉及高科技的前沿課題，充分說(shuō)明了圖像技術(shù)是前沿性與基礎(chǔ)性的有機(jī)統(tǒng)一。并且其還在飛速的發(fā)展著，圖像識(shí)別的應(yīng)用正朝著不同的領(lǐng)域滲透著，像計(jì)算機(jī)圖像生成，圖像傳輸與圖像通信，高清晰度電視，機(jī)器人視覺(jué)及圖像測(cè)量，辦公室自動(dòng)化，像跟蹤及光學(xué)制導(dǎo)所以，可以廣泛的應(yīng)用于各種領(lǐng)域：如，車牌檢測(cè)、手寫識(shí)別、自動(dòng)閱讀器、機(jī)器視覺(jué)……在生活生產(chǎn)的各個(gè)方面都起到了非常重要的作用。在信息社會(huì)中，我們每天都接觸大量的數(shù)據(jù)——工作數(shù)據(jù)、個(gè)人數(shù)據(jù)、無(wú)意間獲得的數(shù)據(jù)等——在這些數(shù)據(jù)中，有些數(shù)據(jù)需要我們?nèi)斯ぬ幚恚行﹦t可以利用計(jì)算機(jī)快速準(zhǔn)確的完成——字符識(shí)別就是其中的一個(gè)范疇。用MATLAB做車牌識(shí)別比用其他工具有許多優(yōu)勢(shì)，因?yàn)镸ATLAB在圖像的灰度化、二值化、濾波等方面都有很大優(yōu)勢(shì)，所以,本次實(shí)驗(yàn)我們利用MATLAB的這些優(yōu)點(diǎn)來(lái)對(duì)車牌進(jìn)行識(shí)別。作為智能交通系統(tǒng)(InteUigent Traffic System，簡(jiǎn)稱ITS)中的一個(gè)重要組成部分的車牌識(shí)別技術(shù)，當(dāng)然就是其中的重點(diǎn)研究對(duì)象。同時(shí)，計(jì)算機(jī)已經(jīng)作為一種人們普遍使用的工具為人們的生產(chǎn)生活服務(wù)?；贛ATLAB BP神經(jīng)網(wǎng)絡(luò)的數(shù)字圖像識(shí)別 基于MATLAB BP神經(jīng)網(wǎng)絡(luò)的數(shù)字圖像識(shí)別 【摘要】 隨著現(xiàn)代社會(huì)的發(fā)展，信息的形式和數(shù)量正在迅猛增長(zhǎng)。其中很大一部分是圖像，圖像可以把事物生動(dòng)的呈現(xiàn)在我們面前，讓我們更直觀地接受信息。如今我們也可以把這些技術(shù)應(yīng)用在交通領(lǐng)域。車輛牌照識(shí)別(License P1ate Recognition，簡(jiǎn)稱LPR)，是一種關(guān)于計(jì)算機(jī)的包括圖像處理、數(shù)學(xué)技術(shù)、數(shù)據(jù)庫(kù)、信息技術(shù)以及智能技術(shù)于一體的綜合技術(shù)。【關(guān)鍵詞】BP神經(jīng)網(wǎng)絡(luò)；圖像識(shí)別；字符識(shí)別；特征提?。卉嚺?；Matlab 一 課題研究背景（一） 圖像識(shí)別的提出及應(yīng)用隨著信息化時(shí)代的不斷發(fā)展，人們?cè)絹?lái)越多地使用信息化的手段來(lái)解決各種問(wèn)題——辦公自動(dòng)化、先進(jìn)制造業(yè)、電子商務(wù)等利用計(jì)算機(jī)技術(shù)而產(chǎn)生的新興行業(yè)正不斷靠近我們的生活。字符識(shí)別是一種圖像識(shí)別技術(shù)，他的輸入是一張帶有某種字符的圖片，而輸出則是計(jì)算機(jī)中對(duì)于圖片中字符的反應(yīng)結(jié)果。（二）圖像識(shí)別技術(shù)的發(fā)展趨勢(shì)雖然圖像識(shí)別技術(shù)還不是非常成熟，但現(xiàn)其已經(jīng)有了很多可喜的成果，比如圖像模式識(shí)別，圖像文字識(shí)別。醫(yī)用圖像處理與材料分析中的圖像分析系統(tǒng)，遙感圖像處理和空間探測(cè)，圖像變形技術(shù)等等?？梢灶A(yù)計(jì)21世紀(jì)，圖像技術(shù)將經(jīng)歷一個(gè)飛躍發(fā)展的成熟階段，為深入人民生活創(chuàng)造新的文化環(huán)境，成為提高生產(chǎn)的自動(dòng)化、智能化水平的基礎(chǔ)科學(xué)之一?！皥D像技術(shù)”這一上世紀(jì)后期誕生的高科技之花，其前途是不可限量的。近年來(lái)計(jì)算機(jī)的飛速發(fā)展和數(shù)字圖像處理技術(shù)的日趨成熟，為傳統(tǒng)的交通管理帶來(lái)了巨大轉(zhuǎn)變。汽車牌照自動(dòng)識(shí)別系統(tǒng)就是在這樣的背景與目的下進(jìn)行研究開(kāi)發(fā)的。（三）圖像識(shí)別的機(jī)理圖像識(shí)別是人工智能的一個(gè)重要領(lǐng)域。例如模板匹配模型。當(dāng)前的刺激如果能與大腦中的模板相匹配，這個(gè)圖像也就被識(shí)別了。這個(gè)模型簡(jiǎn)單明了，也容易得到實(shí)際應(yīng)用。例如,人們不僅能識(shí)別某一個(gè)具體的字母A,也能識(shí)別印刷體的、手寫體的、方向不正、大小不同的各種字母A。為了解決模板匹配模型存在的問(wèn)題，格式塔心理學(xué)家又提出了一個(gè)原型匹配模型。從圖像中抽象出來(lái)的“相似性”就可作為原型，拿它來(lái)檢驗(yàn)所要識(shí)別的圖像。這種模型從神經(jīng)上和記憶探尋的過(guò)程上來(lái)看，都比模板匹配模型更適宜，而且還能說(shuō)明對(duì)一些不規(guī)則的，但某些方面與原型相似的圖像的識(shí)別。因此又有人提出了一個(gè)更復(fù)雜的模型，即“泛魔”識(shí)別模型。這一模型的特點(diǎn)在于它的層次的劃分。目前印刷體的識(shí)別技術(shù)已經(jīng)達(dá)到較高水平。對(duì)印刷體漢字的識(shí)別率達(dá)到98％以上，即使對(duì)印刷質(zhì)量較差的文字其識(shí)別率也達(dá)到95％以上。在開(kāi)發(fā)期間，以功能強(qiáng)大的Matlab作為編程平臺(tái)，利用一些行之有效的技術(shù)提高識(shí)別算法的性能，從而完成相應(yīng)的識(shí)別軟件。牌照在圖像中占有的高度從20個(gè)像素到50個(gè)像素不等。X3X4X5X6X7。全角X2是英文字母，表示各省的不同地區(qū)。 ； X3X4X5X6X7均是阿拉伯?dāng)?shù)字。區(qū)域搜索與分割字符分割歸一化字符特征提取單字識(shí)別圖像輸入預(yù)處理圖21 牌照識(shí)別系統(tǒng)原理圖該系統(tǒng)是計(jì)算機(jī)圖像處理與字符識(shí)別技術(shù)在智能化交通管理系統(tǒng)中的應(yīng)用，它主要由牌照?qǐng)D像的采集和預(yù)處理、牌照區(qū)域的定位和提取、牌照字符的分割和識(shí)別等幾個(gè)部分組成，如圖1所示。2 總體設(shè)計(jì)方案車輛牌照識(shí)別整個(gè)系統(tǒng)主要是由車牌定位和字符識(shí)別兩部分組成，其中車牌定位又可以分為圖像預(yù)處理及邊緣提取模塊和牌照的定位及分割模塊；字符識(shí)別可以分為字符分割與特征提取和單個(gè)字符識(shí)別兩個(gè)模塊。但由于該系統(tǒng)的攝像部分工作于開(kāi)放的戶外環(huán)境，加之車輛牌照的整潔度、自然光照條件、拍攝時(shí)攝像機(jī)與牌照的距離和角度以及車輛行駛速度等因素的影響，牌照?qǐng)D像可能出現(xiàn)模糊、歪斜和缺損等嚴(yán)重缺陷，因此需要對(duì)原始圖像進(jìn)行識(shí)別前的預(yù)處理。由于拍攝時(shí)的光照條件、牌照的整潔程度的影響，和攝像機(jī)的焦距調(diào)整、鏡頭的光學(xué)畸變所產(chǎn)生的噪聲都會(huì)不同程度地造成牌照字符的邊界模糊、細(xì)節(jié)不清、筆劃斷開(kāi)或粗細(xì)不均，加上牌照上的污斑等缺陷，致使字符提取困難，進(jìn)而影響字符識(shí)別的準(zhǔn)確性。車牌識(shí)別的最終目的就是對(duì)車牌上的文字進(jìn)行識(shí)別。因?yàn)橄到y(tǒng)運(yùn)行的過(guò)程中，主要進(jìn)行的都是圖像處理，在這個(gè)過(guò)程中要進(jìn)行大量的數(shù)據(jù)處理，所以處理器和內(nèi)存要求比較高，CPU要求主頻在600HZ及以上，內(nèi)存在128MB及以上。三 具體技術(shù)路線（1）圖像預(yù)處理及邊緣提取在車牌自動(dòng)識(shí)別系統(tǒng)中，車輛圖像是通過(guò)圖像采集卡將運(yùn)動(dòng)的車輛圖像抓拍下來(lái)，并以位圖的格式存放到系統(tǒng)內(nèi)存中，這時(shí)的車輛數(shù)字圖像雖然沒(méi)有被人為損傷過(guò)，但在實(shí)際道路上行駛的車輛常會(huì)因?yàn)楦鞣N各樣的原因使得所拍攝的車輛圖像效果不理想，如外界光線對(duì)車牌的不均勻反射、極強(qiáng)陽(yáng)光形成的車牌處陰影、攝像機(jī)快門值設(shè)置過(guò)大而引