【正文】 把PCI總線的頻率提升到66MHz。從結(jié)構(gòu)上看，PCI是在CPU和原來的系統(tǒng)總線之間插入的一級總線，具體由一個橋接電路實現(xiàn)對這一層的管理，并實現(xiàn)上下之間的接口以協(xié)調(diào)數(shù)據(jù)的傳送。 PCI總線系統(tǒng)要求有一個PCI控制卡，它必須安裝在一個PCI插槽內(nèi)。根據(jù)實現(xiàn)方式不同，PCI控制器可以與CPU一次交換32位或64位數(shù)據(jù)，它允許智能PCI輔助適配器利用一種總線主控技術(shù)與CPU并行地執(zhí)行任務(wù)。 由于PCI 總線只有133MB/s的帶寬，對聲卡、網(wǎng)卡、視頻卡等絕大多數(shù)輸入/輸出設(shè)備顯得綽綽有余，但對性能日益強大的顯卡則無法滿足其需求。2002年4月17日，并移交PCISIG（PCI特別興趣小組，PCI Special Interest Group）進行審核。 2002年7月23日，PCISIG 正式公布了PCI Express ，（Spec ），將傳輸率由PCI Express ；目前主流的顯卡接口都支持PCIE 。 本模塊為PCI 數(shù)據(jù)采集模塊,可對4 路單端輸入的模擬信號并行采集,輸入信號幅度為177。另外提供4 路脈沖信號的測量,信號輸入幅度也是177。根據(jù)要求設(shè)計的系統(tǒng)的原理框圖如圖3 所示,系統(tǒng)由PCI 接口電路、FPGA 邏輯控制電路、脈沖比較電路、A/ D 轉(zhuǎn)換電路和信號調(diào)理電路幾個部分組成。為簡化電路、提高集成度、增強系統(tǒng)的抗干擾能力,4 路模擬信號共用一片AD7864 。在設(shè)計中,FPGA 主要負責與PCI9030 本地總線間的通訊以及A/ D 轉(zhuǎn)換器的數(shù)據(jù)傳輸和系統(tǒng)各部分之間邏輯和時序的控制。 數(shù)據(jù)采集系統(tǒng)原理框圖 A/D卡的采集、存儲和顯示程序 A/D卡的采集的基本原理： 運行時的數(shù)據(jù)并送給PC機，通過運行在PC機上的特定軟件對這些數(shù)據(jù)進行分析，以此判斷當前運行設(shè)備的狀況，進而采取相應(yīng)措施。這樣就存在系統(tǒng)安全性差的問題。下面以μＣ/ＯＳⅡ為操作平臺，基于ＡＲＭ７系列處理器，對一種高性能的數(shù)據(jù)采集系統(tǒng)開發(fā)進行探索。D:\39。x=whx (:,1)。plot(x,y)。y軸單位v39。xlabel(39。)。王海馨39。figure:通過實驗采集圖像，數(shù)據(jù)與通過數(shù)據(jù)在MATLAB軟件上得到的圖像比較，兩者是一樣的，從而知道通過不同方式可以得到相同的結(jié)果。車牌自動識別系統(tǒng)主要包括預(yù)處理、車牌定位、字符切割、字符識別四個關(guān)鍵環(huán)節(jié)，本文主要研究的是在已經(jīng)分割好的車牌的基礎(chǔ)上，通過部分圖像處理技術(shù)進行數(shù)字和字母的識別。文章中對90張相片進行了測試，結(jié)果表明，基于模板匹配的車牌識別方法的整體識別率為約60%，證明該方法是有效的，可行的。隨著社會經(jīng)濟和高速公路的快速發(fā)展，以及汽車普及程度的日益提高，先進、高效、準確的交通智能管理系統(tǒng)日益受到們的重視，汽車牌照識別技術(shù)的應(yīng)用為現(xiàn)代交通的智能管理打開了一扇大門。1．2 國內(nèi)外研究現(xiàn)狀車牌識別技術(shù)的研究[2]開始得很早，早在上世紀七十年代，就有不少研究人員和單位開始了這一技術(shù)的研究。從20世紀90年代初，國外就已經(jīng)開始了對汽車牌照自動識別的研究，其主要途徑就是對車牌的圖像進行分析，自動提取車牌信息，確定汽車牌號。字符的提取是復(fù)雜背景下目標提取問題，在復(fù)雜的背景中字符區(qū)域往往只占圖像的小部分。并且字符區(qū)域的提取是整個系統(tǒng)過程的開始，是比較關(guān)鍵的一步。因此這部分工作具有一定的難度。關(guān)于車牌定位系統(tǒng)的研究，國內(nèi)外學(xué)者已經(jīng)作了大量的工作，但實際效果并不是很理想，比如車牌圖像的傾斜、車牌表面的污穢和磨損、光線的干擾等都是影響定位準確度的潛在因素。然而現(xiàn)代化交通系統(tǒng)不斷提高的快節(jié)奏，將對車牌定位的準確率和實時性提出更高的要求。車牌識別系統(tǒng)的主要任務(wù)是分析和處理攝取到的復(fù)雜背景下的車輛圖像，定位分割牌照，最后自動識別汽車牌照上的字符，LPR是利用車輛牌照的唯一性來識別和統(tǒng)計車輛，它是以數(shù)字圖像處理、模式識別、計算機視覺等技術(shù)為基礎(chǔ)的智能識別系統(tǒng)在現(xiàn)代化交通發(fā)展中車牌識別系統(tǒng)是制約交通系統(tǒng)智能化、現(xiàn)代化的重要因素，LPR系統(tǒng)應(yīng)該能夠從一幅圖像中自動提取車輛圖像，自動分割牌照圖像，對字符進行正確識別，從而降低交通管理工作的復(fù)雜度。第二步，車牌定位，即圖像的精確定位算法的實現(xiàn)。用來將上一步得到的長方形車牌圖像，分割為幾個只包含單個待識別車牌號碼字符的圖像；第四步車牌字符識別，它用來從上一步得到的只包含單個車牌字符的圖像識別出車牌號碼，輸入是只包含單個車牌字符的圖像，輸出是車牌號碼字符串。字符識別字符切割車牌定位預(yù)處理 車牌識別系統(tǒng)結(jié)構(gòu)圖1．5 論文內(nèi)容安排本文共分為六章。在本文的安排過程中，第二章圖像的預(yù)處理主要是介紹有關(guān)圖像處理的相關(guān)知識，第三章車牌定位，第四章字符切割，主要是為第五章字符識別做前期準備。而對于車牌定位環(huán)節(jié)來說，車牌圖像的預(yù)處理更是發(fā)揮著相當重要的作用。例如：一般情況下，車牌識別系統(tǒng)處理的都是灰度圖像，因此要先將拍攝的彩色圖像轉(zhuǎn)換為灰度圖像；在拍攝車牌照片時，照片的圖像質(zhì)量往往會受到光照，雨霧天氣等因素的影響，因此要先對車牌圖像進行降噪處理，盡量降低噪聲對識別過程的影響；對于晚上或者在光線比較暗的情況下拍攝的圖像，其對比度必然較低，因此我們還要對這些圖像進行圖像增強，增加其對比度，凸顯灰度值較高的圖像部分，弱化背景，以利于后續(xù)工作的展開。在車牌識別領(lǐng)域，圖像的預(yù)處理過程主要包括的內(nèi)容有圖像的灰度化處理、圖像二值化、邊緣檢測以及圖像平滑等等。真彩色圖像可以使用很多種顏色空間來進行表示，實際應(yīng)用中使用最廣泛的顏色空間是RGB顏色空間。例如，在RGB顏色空間下，彩色圖像的每一個像素點均由R（紅）、G（綠）、B（藍）三個顏色分量組成。同理，使用其他彩色顏色空間存儲圖像時也會產(chǎn)生同樣的問題。其在速度上的影響對于車牌識別系統(tǒng)的實時性要求來說，是絕對不可容忍的。灰度圖像是只包含了圖像的亮度信息而不包含圖像的色彩信息的圖像?；叶葓D像的存儲矩陣大小為，其中矩陣中的每一個元素代表灰度圖像中相應(yīng)點的像素的亮度。以RGB顏色空間為例，我們可以認為圖像的灰度化過程就是使得彩色圖像像素的R、G、B分量變得相等的過程。因此，圖像的灰度化問題就轉(zhuǎn)化為如何調(diào)整彩色圖像中像素的三個分量，使得R=G=B的問題。 車牌原始圖像 車牌灰度圖像2．3 圖像的二值化二值圖像是指圖像中只有黑、白兩種像素值的圖像。車牌圖像的二值化[5]就是將圖像中感興趣的目標特征進一步的提取出來，這些特征包括目標區(qū)域的灰度值、輪廓、紋理特征、頻譜特征以及直方圖特征。 車牌二值化圖像2．4 邊緣檢測邊緣是指圖像灰度發(fā)生劇烈變化的邊界，它是圖像分割的基礎(chǔ)[7]。圖像的邊緣檢測大幅度的減少了圖像包含的數(shù)據(jù)量，去除了不相關(guān)的信息，保留了圖像的重要的結(jié)構(gòu)屬性。尤其對于車牌定位來說，邊緣檢測更是其中的關(guān)鍵環(huán)節(jié)。下面對這幾種常用的邊緣檢測方法做一簡單介紹。Canny算法按照以下步驟對圖像進行處理：(1)用高斯濾波器平滑圖像高斯函數(shù)的一階微分是對理想濾波器的很好近似。(2) 計算梯度的幅值和方向取Canny算子的一階卷積差分模板為： 則平滑后的圖像的梯度幅值和梯度方向可表示為： （）其中： （） Roberts算子Roberts算子是一種利用局部差分算子尋找邊緣的算子[10]。其梯度定義為： （）通常情況下，我們把梯度的摸叫做圖像的梯度，對于數(shù)字圖像來說，可以用差分來近似上述微分過程。這種算法檢測水平邊緣和垂直邊緣的效果要好于斜向邊緣，定位精度高，但是它對噪聲很敏感。在車牌識別系統(tǒng)中，車牌圖像的預(yù)處理是其基礎(chǔ)。本文對圖像的灰度化、圖像增強、二值化、邊緣檢測等預(yù)處理技術(shù)進行了介紹，并簡要分析了各種預(yù)處理方法的優(yōu)缺點。車牌定位在車牌識別系統(tǒng)中占有舉足輕重的地位，車牌定位的精確程度將對系統(tǒng)后續(xù)的字符分割和字符識別連個部分產(chǎn)生直接的影響。近年來，眾多研究者在車牌定位領(lǐng)域做了大量的工作，并取得了豐碩的成果。在實際的應(yīng)用中，由于所獲取的車牌圖像的信噪比不高，圖像有可能會出現(xiàn)傾斜等情況，二值化后的圖像更是會出現(xiàn)字符的斷裂、變形等。為了達到快速準確的從車牌圖像中分離出車牌區(qū)域的目的，國內(nèi)外的研究者們提出了諸多車牌定位的方法，這些方法大部分都是基于上述所說的車牌的紋理特征、灰度特征、幾何特征以及顏色特征等等。 基于紋理特征分析的車牌定位基于車牌統(tǒng)計直方圖的定位方法綜合使用了車牌的結(jié)構(gòu)特征和紋理特征[11]來對車牌區(qū)域?qū)嵤┒ㄎ?。因此，對提取得到的車牌邊緣圖像進行行掃描或列掃描，則車牌區(qū)域的跳變特性會明顯有別于其它非車牌區(qū)域。因此，可基于車牌邊緣圖像的統(tǒng)計特征進行車牌的識別，即車牌識別的統(tǒng)計直方圖方法。(1) 車牌粗定位粗定位即從車牌的邊緣圖像中尋找并提取出包含有車牌圖像的區(qū)域的過程。我們可以利用這一特征實現(xiàn)車牌的粗定位。首先，對邊緣圖像進行行掃描，統(tǒng)計每一行的灰度值，再依據(jù)一定的判決參量（如總灰度值大于某一閾值）來判斷當前行是否屬于車牌區(qū)域，由此就能大致確定車牌的起始行和結(jié)束行。由此就完成了對車牌的粗定位。此時，需要結(jié)合車輛牌照在圖像中的位置信息、幾何特征、寬高比等先驗知識對候選區(qū)域進行進一步的判定，確定真正的車牌區(qū)域。根據(jù)這些特征和一些必要的先驗知識，就可以對粗定位區(qū)域進行更精確的定位。一階差分運算的定義如下式所示： （）其中，表示車牌的粗定位圖像，表示的水平差分圖像。對垂直方向的精定位過程和水平精定位相似，同樣需要對粗定位圖像作垂直方向上的差分直方圖投影。此時直方圖上會有一個波峰密集的區(qū)域，并且此區(qū)域的寬度滿足牌照寬高比的先驗知識，由此我們也可以確定車牌在垂直方向上的精確位置。 基于數(shù)學(xué)形態(tài)學(xué)的車牌定位數(shù)學(xué)形態(tài)學(xué)[12]誕生于20世紀60年代中葉，它基于集合論，具有完備的數(shù)學(xué)基礎(chǔ)，其基本思想是使用具有一定形態(tài)的結(jié)構(gòu)元素取量度和提取圖像中的對應(yīng)形狀以達到分析、識別圖像的目的。數(shù)學(xué)形態(tài)學(xué)有四個基本運算：膨脹、腐蝕、開啟和閉合。(1) 膨脹運算膨脹運算就是擴張物體的邊界，將與物體接觸的所有背景點也合并到物體中，使得邊界向外部擴充。設(shè)為二值化圖像，為結(jié)構(gòu)元素，則被膨脹記為,其定義是： （）上式可以解釋為：被膨脹所得到的集合為，當?shù)脑c平移到時，與的交集非空。腐蝕會去除圖像中的離散點，實際達到了去除圖像噪聲的作用。圖像被腐蝕，記為，其定義是： （） 同樣，腐蝕可以解釋為：被腐蝕所得到的集合為，當?shù)脑c平移到時，包含于。對于二值化圖像和結(jié)構(gòu)元素來說，在下的開運算可以記為，其定義是： （）即在下的開運算是先對進行腐蝕運算，結(jié)果再進行膨脹運算。同樣，對的閉運算可記為,其定義是： （）由公式可以看出，閉運算是開運算的對偶運算，即對進行先膨脹后腐蝕的運算。形態(tài)學(xué)的車牌定位方法主要是基于上述四種形態(tài)學(xué)基本運算，尤其是形態(tài)學(xué)的開閉運算。 車牌定位3．2 本章小結(jié)本章主要討論了車牌定位的相關(guān)問題。車牌圖像的特征在車牌定位過程中具有非常重要的作用。基于紋理特征的車牌定位算法和基于數(shù)學(xué)形態(tài)學(xué)的車牌定位算法，最終定位出車牌圖像。車牌字符切割就是將車牌圖像進行二值化處理，把圖像的字符和背景分開成二值圖像。（1）脫色、泥點、反光等原因使車牌圖像質(zhì)量下降，存在嚴重噪聲。（3）車牌的前2個字符和后面5個字符之間的間隔符（小圓點）需要進行特殊處理。4．1 車牌字符分割方法由于實際拍攝的車牌圖像容易受環(huán)境的影響，所以本文采用的是一種對水平投影法進行改進的車牌字符分割法[13]。（2）利用車牌圖像中，第一個字符是漢字的特點。為了克服水平投影法對解決漢字不連通問題的不足，本文將該列與字符分割的起始列作差，其差值再與另一固定閾值（本文設(shè)定為車牌圖像寬度的九分之一）作比較。若小于閾值，則說明分割得到的不是一個完整的漢字，還需繼續(xù)掃描下一列，當掃描到大于固定閾值的列時，說明掃描到漢字字符的另一半，繼續(xù)掃描下一列，直至遇到小于固定閾值的列，再將該列與字符分割的起始列作差，其差值與等于車牌寬度九分之一的閾值進行比較，若大于閾值，則說明第一個字符分割結(jié)束，若小于閾值，則繼續(xù)上述步驟，直到大于閾值時，停止。（3）車牌圖像中第二到第七個字符，一般為字母或數(shù)字，不存在不連通的問題。自左向右掃描圖像各列，當遇到大于固定閾值（本文設(shè)定為2，閾值需大于1，因為車牌的前2個字符和后面5個字符之間一般存在一個小圓點）的列時，則該列即被認為是字符分割的起始位置，繼續(xù)掃描，直至小于固定閾值或其掃描寬度大于另一固定閾值（車牌寬度的六分之一）時，第二個字符分割結(jié)束。該方法，較好地解