【正文】 ????17　 字符分割的步驟 ??????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????17　 計算車牌水平投影 ??????????????????????????????????????????????????????????????????????????????????????????????????????????????????????17　 二次計算車牌水平投影 ??????????????????????????????????????????????????????????????????????????????????????????????????????????????19　 計算車牌垂直投影 ??????????????????????????????????????????????????????????????????????????????????????????????????????????????????????21　 提取分割字符 ??????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????24第 5 章　 汽車牌照字符識別 ???????????????????????????????????????????????????????????????????????????????????????????????????????????????????27　 字符識別方法簡介 ??????????????????????????????????????????????????????????????????????????????????????????????????????????????????????27　 模板匹配 ??????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????27　 建立樣本庫 ???????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????27II　 自動識別 ???????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????28第 6 章　 結(jié)論 ???????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????29參考文獻(xiàn) ???????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????30致謝 ???????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????31附錄 ???????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????32附錄 A　 外文資料 ???????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????32附錄 B　 程序清單 ???????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????40石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計1第 1章 緒　論　研究背景及意義 汽車牌照自動識別系統(tǒng)是智能交通系統(tǒng)的重要組成部分，是高科技的公路交通監(jiān)控管理系統(tǒng)的主要功能模塊之一。其發(fā)展對社會生活、國民經(jīng)濟和城市建設(shè)將產(chǎn)生積極而深遠(yuǎn)的影響，在作畢業(yè)設(shè)計的過程中，要確保所學(xué)知識得到疏理和運用，它既是一次檢閱，又是一次鍛煉。　國內(nèi)外發(fā)展現(xiàn)狀伴隨著世界各國汽車數(shù)量的增加, 城市交通狀況日益受到人們的重視，如何有效地進行交通管理，越來越成為各國政府和有關(guān)部門所關(guān)注的焦點，針對此問題，人們運用先進的科學(xué)技術(shù)，相繼研制開發(fā)出了各種交通道路監(jiān)視、管理系統(tǒng)，這些系統(tǒng)一般都包括車輛檢測裝置，通過這些裝置對過往車輛實施檢測，提取有關(guān)交通數(shù)據(jù)，以達(dá)到監(jiān)控、管理和指揮交通的目的 [3]。同時，汽車牌照識別的方法還可應(yīng)用到其他檢測和識別領(lǐng)域，所以汽車牌照的識別問題已成為現(xiàn)代交通工程領(lǐng)域中研究的重點和熱點問題之一，運用圖像處理技術(shù)解決汽車牌照識別的研究國內(nèi)外都有(最早出現(xiàn)于 01 年代(這個階段是采用簡單的圖像處理技術(shù)來解決)識別過程是使用工業(yè)電視攝像機拍下汽車的正前方圖像( 然后交給計算機進行簡單處理(并且最終仍需要人工干預(yù)) [4]。但并不盡合我國國情 。采用任何一種單一識別技術(shù)均難以奏效 !目前正在研制的無源石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計2型汽車牌照智能識別系統(tǒng)綜合利用了車輛檢測技術(shù)、計算機視覺技術(shù)、圖像處理技術(shù)、人工智能技術(shù)和人工神經(jīng)網(wǎng)絡(luò)技術(shù)等?！≤嚺谱R別系統(tǒng)的組成　硬件和軟件識別系統(tǒng)中要用到的硬件主要有攝像頭、感應(yīng)器和計算機。 圖 11 系統(tǒng)流程圖原始圖像：由停車場固定彩色攝像機、數(shù)碼相機或其它掃描裝置拍攝到的圖像圖像預(yù)處理：對動態(tài)采集到的圖像進行濾波，邊界增強等處理以克服圖像干擾邊緣提?。和ㄟ^微分運算，2 值化處理，得到圖像的邊緣車牌定位：計算邊緣圖像的投影面積，尋找峰谷點，大致確定車牌位置，再計算此連通域內(nèi)的寬高比，剔除不在域值范圍內(nèi)的連通域。字符分割：利用投影檢測的字符定位分割方法得到單個的字符字符識別：利用模板匹配的方法與數(shù)據(jù)庫中的字符進行匹配從而確認(rèn)出字符，得到最后的汽車牌照，包括英文字母和數(shù)字。　本論文主要研究內(nèi)容本文針對汽車牌照自動識別系統(tǒng)進行了系統(tǒng)的研究和分析,設(shè)計了一種汽車牌照原始圖像 圖像預(yù)處理 邊緣提取 車牌定位 字符分割 字符識別 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計3的自動識別方法，包括圖像的預(yù)處理、車牌定位與提取、字符分隔和提取。 石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計4第 2章　識別系統(tǒng)的相關(guān)技術(shù)簡介　圖像的灰度化彩色圖像包含著過多的顏色信息，因此在對圖像進行識別等處理中經(jīng)常將彩色圖像灰度化處理，轉(zhuǎn)變?yōu)榛叶葓D像，以加快處理速度。彩色圖像的像素色為 RGB(R，G ，B)，灰度圖像的像素色為RGB(r，r ，r),R，G，B 可由彩色圖像的顏色分解獲得。從圖像輸入裝置得到的圖像數(shù)據(jù)，以濃淡表示，各個像素與某一灰度值相對應(yīng)。=g（χ，у） ，則灰度增強可表示為：] 或 （21）),([),(yxfTg?)(39。函數(shù) T（D）稱為灰度變換函數(shù)，它描述了輸入灰度值和輸出灰度值之間的轉(zhuǎn)換關(guān)系。圖像中每一點的運算就被完全確定下來。選擇灰度變換函數(shù)應(yīng)該根據(jù)圖像的性質(zhì)和處理目的來決定?！D像的二數(shù)值化和閾值處理二值圖像是指整幅圖像畫面內(nèi)僅黑、白二值的圖像。在實際的車牌處理系統(tǒng)中，進行圖像二值變換的關(guān)鍵是要確定合適的閥值，使得字符與背景能夠分割開來，二值變換的結(jié)果圖像必須要具備良好的保形性，不丟掉有用的形狀信息，不會產(chǎn)生額外的空缺等等。二值化的閾值選取有很多方法，主要分為 3 類:全局閾值法、局部閾值法和動態(tài)閾值法。全局閾值方法的優(yōu)點在于算法簡單，對于目標(biāo)和背景明顯分離、直方圖分布呈雙峰的圖像效果良好，但對輸入圖像石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計5量化噪聲或不均勻光照等情況抵抗能力差，應(yīng)用受到極大限制。動態(tài)閥 7 閾值法的閾值選擇不僅取決于該象素灰度值以及它周圍象素的灰度值，而且還和該象素的坐標(biāo)位置有關(guān)，由于充分考慮了每個像素鄰域的特征，能更好的突出背景和目標(biāo)的邊界，使相距很近的兩條線不會產(chǎn)生粘連現(xiàn)象。閾值化的變換函數(shù)表達(dá)式如下： （22）??????Txxf,250)(式中 T 為指定的閾值。　圖像的梯度銳化由于需要處理的圖像由拍攝而來，所以在很多情況下字符模糊，所以要對圖像進行銳化處理使模糊的圖像變的清晰便于識別，圖像銳化的實質(zhì)就是增強圖像的邊緣或輪廓，其銳化后的結(jié)果通過微分而使圖像邊緣突出、清晰?！D像的去噪圖像可能在拍攝或者傳輸過程中夾帶了噪聲，去噪聲是圖像處理中常用的手法。為了抑制噪聲，通常我們會采用低通濾波，但由于邊緣輪廓也包含大量的高頻信息，所以低通濾波在過濾噪聲的同時，也使得邊界變模糊，反之，低通濾波后為了提高邊緣輪廓，還需要使用高通濾波，這時存在的噪聲也得到了增強，然而中值濾波在過濾噪聲的同時也很好的保護到了邊緣輪廓，因此常用中值濾波的方法來去噪 [11]?；叶壤斓囊馑季褪前迅信d趣的灰度范圍拉開，使得該范圍內(nèi)的像素，亮的更亮，暗的更暗，從而達(dá)到了增強對比度的目的。但是若以某個固定的經(jīng)驗值對所有牌照統(tǒng)一進行旋轉(zhuǎn)處理，又會使原本正常的牌照傾斜，導(dǎo)致新的錯誤。如何從牌照中自動提取其傾斜度是預(yù)處理過程中的一個難點，一般使用 Hough 變換檢測圖像中的直線來對圖像的傾斜進行相應(yīng)的矯正 [12]。針對這個問題，Radon 變換可以滿足一定實時圖像處理的要求。車牌的字符像素為黑色，用 0 表示。 　字符識別進行車牌識別前需要使用樣本對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，然后使用訓(xùn)練好的網(wǎng)絡(luò)對車牌進行識別。對已經(jīng)定位好的車牌進行圖像預(yù)處理，逐個的特征提取，然后從相應(yīng)的文件中讀取相應(yīng)的節(jié)點數(shù)和權(quán)值，把車牌字符分別送入相應(yīng)的網(wǎng)絡(luò)進行識別，輸出識別結(jié)果。因此在圖像處理之前必須進行預(yù)處理，包括去除噪音，邊界石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計8增強，增加亮度等等。平滑是圖像預(yù)處理的主要環(huán)節(jié)，平滑的好壞直接影響二值化的質(zhì)量。采用中值濾波對圖像進行平滑處理。 Matlab 實現(xiàn)%裝入待處理圖像并顯示原始圖像 如圖 32： clear。Scolor = imread(‘原始圖像’ )。原始彩色圖像39。 圖 32　原始圖像%顯示灰度化后的圖像i = rgb2gray(Scolor)。 title(39。)。在一維情況下，中值濾波器是一個含有奇數(shù)個像素的窗口。中值濾波不影響階躍函數(shù)和斜坡函數(shù)，因而對圖像邊緣有保護作用：但是，對于持續(xù)期小于窗寬一半的脈沖信號將進行抑制，因而可能會損壞圖像的某些細(xì)節(jié)。二維窗口形狀可以是正方形、近似圓形或十字形。 4,黑底白字牌照為國外駐華機構(gòu)使用。民用牌照第 1 個字符是漢字，且是各省市的簡稱，如“京” 、 “蘇” 、 “鄂”等。第 3 個字符是一個“如“貴 A下文將對其算法做詳細(xì)介紹。關(guān)于這方面的文獻(xiàn)很多?；陂撝档姆指罘椒梢苑譃槿珠撝档姆椒ê途植块撝档姆椒āＴ谑褂瞄撝捣ㄟM行分割技術(shù)時，閾值的選取成為能否正確分割的關(guān)鍵，若將所有灰度值大于或等于某閾值的像素都被判屬于物體，則將所有灰度值小于該閾值的像素被排除在物體之外，如果閾值選取的過高，則過多的目標(biāo)區(qū)域?qū)⒈粍澐譃楸尘?，相反如果閾值的選取的過低，則過多的背景將被劃分到目標(biāo)區(qū)。由于物體和背景以及不同物體之間的灰度級有明顯的差別，因此，在圖像的灰度級直方圖中會呈現(xiàn)明顯的峰值。 因此，閾值的選取就成了車牌定位分割的重點?！∵吘墮z測兩個具有不同灰度值的相鄰區(qū)域之間總存在邊緣，邊緣就是灰度值不連續(xù)的結(jié)果，是圖像分割、紋理特征提取和形狀特征提取等圖像分析的基礎(chǔ)。為了對有意義的邊緣點進行分類，與這個點相聯(lián)系的灰度級必須比在這一點的背景上變換更有效，我們通過門限方法來決定一個值是否有效?？梢酝ㄟ^求梯度局部最大值對應(yīng)的點，并認(rèn)定為邊緣點，去除非局部最大值，可以檢測出精確的邊緣。下面簡單介紹幾種常用算子：Roberts 算子是一種利用局部差分算子尋找邊緣的算子，Roberts 算子對具有陡峭的低噪聲圖像效果較好。（3）Prewitt 和 Sobel 算子是在實踐中計算數(shù)字梯度時最常用的，Prewitt 模板石家莊鐵道大學(xué)四方學(xué)院畢業(yè)設(shè)計11實現(xiàn)