基于靜止圖像的車牌照漢字識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

西南交通大學(xué)畢業(yè)設(shè)計(jì)（論文）基于靜止圖像的車牌照漢字識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)年級(jí):2005級(jí)學(xué)號(hào):20052220姓名:郭強(qiáng)專業(yè):自動(dòng)化指導(dǎo)老師:侯進(jìn)二零零九年六月西南交通大學(xué)本科畢業(yè)設(shè)計(jì)(論文)第PAGEVII頁(yè)院系信息科學(xué)與技術(shù)學(xué)院專業(yè)自動(dòng)化年級(jí)2005級(jí)姓名郭強(qiáng)題目基于靜止圖像的車牌照漢字識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)指導(dǎo)教師評(píng)語(yǔ)指導(dǎo)教師(簽章)評(píng)閱人評(píng)語(yǔ)評(píng)閱人(簽章)成績(jī)答辯委員會(huì)主任(簽章)年月日畢業(yè)設(shè)計(jì)任務(wù)書班級(jí)自動(dòng)化1班學(xué)生姓名郭強(qiáng)學(xué)號(hào)20052220專業(yè)自動(dòng)化發(fā)題日期：2009年1月10日完成日期：2009年6月10日題目基于靜止圖像的車牌照漢字識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)題目類型：工程設(shè)計(jì)技術(shù)專題研究理論研究√軟硬件產(chǎn)品開發(fā)設(shè)計(jì)任務(wù)及要求車牌照識(shí)別是智能交通系統(tǒng)的一個(gè)重要課題，在車輛管理、不停車收費(fèi)等系統(tǒng)中有廣泛應(yīng)用?；谥袊?guó)車牌照的特點(diǎn)，我們需要設(shè)計(jì)一種能識(shí)別漢字的車牌照識(shí)別系統(tǒng)，使得這樣的車牌照識(shí)別系統(tǒng)更優(yōu)于其他只能識(shí)別數(shù)字和字母的系統(tǒng)，具有更廣的適應(yīng)性。具體要求如下：1、對(duì)輸入的車牌漢字字符圖像進(jìn)行字符特征提??；2、基于車牌漢字的特點(diǎn)，建立一個(gè)車牌漢字字符標(biāo)準(zhǔn)識(shí)別樣本字庫(kù)；3、通過訓(xùn)練統(tǒng)計(jì)或模式識(shí)別法來(lái)識(shí)別漢字并給出結(jié)果。應(yīng)完成的硬件或軟件實(shí)驗(yàn)1、利用MATLAB或VC++編程實(shí)現(xiàn)車牌照漢字的識(shí)別技術(shù)2、設(shè)計(jì)一個(gè)人機(jī)交互界面能輸入車牌照漢字圖像并顯示字符識(shí)別的結(jié)果應(yīng)交出的設(shè)計(jì)文件及實(shí)物（包括設(shè)計(jì)論文、程序清單或磁盤、實(shí)驗(yàn)裝置或產(chǎn)品等）1、畢業(yè)設(shè)計(jì)論文（必須完全符合學(xué)校規(guī)范，內(nèi)容嚴(yán)禁有絲毫的抄襲剽竊）2、CD-R（含論文，程序，程序使用說明書，演示視頻，盤面標(biāo)注班級(jí)，姓名，專業(yè)，日期）3、英文翻譯按學(xué)校規(guī)定，導(dǎo)師無(wú)特殊要求指導(dǎo)教師提供的設(shè)計(jì)資料1、研究報(bào)告介紹（包括課題背景、動(dòng)機(jī)、內(nèi)容、意義）2、計(jì)劃說明書3、部分英文文獻(xiàn)資料和MedialabLPR圖像數(shù)據(jù)庫(kù)要求學(xué)生搜集的技術(shù)資料（指出搜集資料的技術(shù)領(lǐng)域）1、本課題相關(guān)領(lǐng)域國(guó)內(nèi)外重要論文及資料2、MATLAB、C++編程指南設(shè)計(jì)進(jìn)度安排第一部分查閱相關(guān)資料，學(xué)習(xí)相關(guān)編程語(yǔ)言（5周）第二部分編制程序并進(jìn)行軟件調(diào)試（8周）第三部分撰寫畢業(yè)論文（2周）評(píng)閱及答辯畢業(yè)論文修改和參加答辯（1周）指導(dǎo)教師：年月日系主任審查意見：審批人：年月日注：設(shè)計(jì)任務(wù)書審查合格后，發(fā)到學(xué)生手上。西南交通大學(xué)信息科學(xué)與技術(shù)學(xué)院2008年制摘要在汽車普及的今天，道路運(yùn)輸已經(jīng)成為超越鐵路運(yùn)輸?shù)淖钪匾牡孛孢\(yùn)輸方式，在國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展中起著舉足輕重的作用。但是隨著汽車的普及、交通需求的急劇增長(zhǎng)，道路運(yùn)輸所帶來(lái)的交通擁堵、交通事故和環(huán)境污染等負(fù)面效應(yīng)也日益突出，成為阻礙經(jīng)濟(jì)和社會(huì)發(fā)展的全球性共同問題。進(jìn)入90年代以后，隨著電子計(jì)算機(jī)軟硬件技術(shù)的發(fā)展，智能交通系統(tǒng)（IntelligentTransportationSystem，簡(jiǎn)稱ITS）成為解決這一矛盾的有效途徑之一。在上述智能系統(tǒng)中，字符識(shí)別都是其核心內(nèi)容，而漢字識(shí)別（ChineseCharacterRecognition,簡(jiǎn)稱CCR）又是字符識(shí)別的重點(diǎn)和難點(diǎn)所在。這個(gè)項(xiàng)目的目標(biāo)就是開發(fā)出一個(gè)識(shí)別速度快、準(zhǔn)確率的高的車牌漢字識(shí)別系統(tǒng)。本文提供了一種簡(jiǎn)單的車牌漢字識(shí)別方法。我國(guó)機(jī)動(dòng)車使用的拍照主要是根據(jù)公安部1992年頒布的《中華人民共和國(guó)機(jī)動(dòng)車號(hào)牌》標(biāo)準(zhǔn)（GA36-92）制作的，其中漢字大約50個(gè)。所以我們只要考慮這50多個(gè)字的結(jié)構(gòu)差別就可以準(zhǔn)確的識(shí)別出這些漢字來(lái)。首先，對(duì)輸入的圖像進(jìn)行尺寸規(guī)格化、二值化、反色、細(xì)化等預(yù)處理。然后，對(duì)預(yù)處理后的圖像進(jìn)行特征提取，包括獨(dú)立結(jié)構(gòu)的個(gè)數(shù)，筆畫橫、豎、撇（包括點(diǎn)和捺）的個(gè)數(shù)，將這些數(shù)放在同一個(gè)向量中。最后，采用模板匹配分類器將特征提取中得到的向量與標(biāo)準(zhǔn)庫(kù)中的向量進(jìn)行比較，找到該向量對(duì)應(yīng)的漢字，并輸出結(jié)果。實(shí)驗(yàn)表明，本文所介紹的方法方便簡(jiǎn)單，準(zhǔn)確率高，速度快。對(duì)識(shí)別對(duì)象已知的車牌漢字識(shí)別有很好的識(shí)別效果。關(guān)鍵詞：智能交通；漢字識(shí)別；二值化；特征提取；模板匹配分類器AbstractWiththeprevalenceofautomobiles,nowadays,roadtransporthasgonebeyondrailtransportandbecomesthemostimportantgroundtransportmode.Itisplayinganimportantroleinthenationaleconomyandsociety’sdevelopment.However,popularityofmotorvehiclesandrapidgrowthindemandfortransportationinevitablyresultinnegativeeffectssuchastrafficjams,trafficaccidentsandpollution,whichhavebecomeincreasinglysevereglobalcommonproblemsthathinderthedevelopmentofeconomyandsociety.Since1990's,withthedevelopmentofcomputerhardwareandsoftwaretechnologies,theintelligenttransportationsystem(ITS)becameoneoftheeffectivewaystosolvethiscontradiction.Asmentionedabove,characterrecognitionisthecorecontentofintelligentsystems,whiletheChinesecharacterrecognition(CCR)isthemostdifficultandimportantpartofcharacterrecognition.Theobjectofthisprojectistodevelopanefficientcharacterrecognitionsystemforvehiclelicenseplateswithhighspeedandaccuracy.Thisarticleprovidesasimplemethod.LicenseplatesonChina'smotorvehiclesaremainlydesignedonthebasisofthestandardof‘thePeople'sRepublicofmotorvehiclenumberplate’(GA36-92),whichispublishedbytheMinistryofPublicSecuritydepartmentin1992involvingabout60Chinesecharacters.Wecouldeasilyidentifythesecharactersaslongaswefigureoutthedifferenceintheirstructures.First,pretreatmentneedstobecarriedoutfortheinputpictureincludingsize-normalization,binarization,andanti-coloring,detailing.Second,thefeaturesofthepre-treatedpicturewillbeextractedandthenputonthesamevector,includingthenumberofindependentstructures,horizontalstrokes,vertical,write(includingpointandNa).Finally,comparingthevectorcomingfromthefeatureextractionwiththevectorfromthestandardlibrary,theTemplateMatchingClassifierisabletoidentifytheChinesecharacterscorrespondingtothevector,andthenoutputtheresult.Theexperimentresultshowedthemethoddescribedinthisarticleissimpleandefficient,andhasagoodeffectonidentificationoftheknownChinesecharactersonthelicenseplate.Keywords:Intelligenttransportation;Chinesecharacterrecognition;Binaryzation;Featureextraction;Templatematchingclassifier目錄摘要 ⅣABSTRACT Ⅴ第1章緒論 11.1問題的提出及研究意義 11.1.1問題的提出 11.1.2研究意義 11.2國(guó)內(nèi)外研究現(xiàn)狀 21.2.1車牌圖像識(shí)別技術(shù)應(yīng)用現(xiàn)狀 21.2.2車牌圖像識(shí)別技術(shù)研究現(xiàn)狀 41.3設(shè)計(jì)的研究?jī)?nèi)容和方法 51.3.1研究?jī)?nèi)容 51.3.2研究方法 51.4本文結(jié)構(gòu)安排 81.5本章小結(jié) 8第2章漢字圖像的處理 92.1漢字圖像的預(yù)處理 92.1.1不同尺寸漢字圖像的規(guī)格化 92.1.2灰度圖像二值化處理 122.1.3反色處理 142.1.4二值化圖像細(xì)化處理 152.2漢字圖像的特征提取 172.2.1筆畫方向線素特征 172.2.2漢字結(jié)構(gòu)特征點(diǎn)特征 172.2.3漢字結(jié)構(gòu)筆畫特征 182.3本章小結(jié) 21第3章漢字圖像的識(shí)別 223.1模版匹配分類器識(shí)別法 223.2識(shí)別性能分析 263.3本章小結(jié) 27第4章基于MATLAB的界面設(shè)計(jì) 284.1GUI簡(jiǎn)介 284.2系統(tǒng)界面設(shè)計(jì) 284.3本章小結(jié) 32結(jié)論 33致謝 35參考文獻(xiàn) 36西南交通大學(xué)本科畢業(yè)設(shè)計(jì)(論文)第37頁(yè)第1章緒論1.1問題的提出及研究意義1.1.1問題的提出在汽車普及的今天，道路運(yùn)輸已經(jīng)成為超越鐵路運(yùn)輸?shù)淖钪匾牡孛孢\(yùn)輸方式，在國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展中起著舉足輕重的作用。但是隨著汽車的普及、交通需求的急劇增長(zhǎng)，道路運(yùn)輸所帶來(lái)的交通擁堵、交通事故和環(huán)境污染等負(fù)面效應(yīng)也日益突出，成為阻礙經(jīng)濟(jì)和社會(huì)發(fā)展的全球性共同問題。進(jìn)入90年代以后，隨著電子計(jì)算機(jī)軟硬件技術(shù)的發(fā)展，智能交通系統(tǒng)（IntelligentTransportationSystem，簡(jiǎn)稱ITS）[1]成為解決這一矛盾的有效途徑之一。智能交通系統(tǒng)是在比較完善的道路設(shè)施基礎(chǔ)上，將先進(jìn)的電子技術(shù)、信息技術(shù)、傳感器技術(shù)和系統(tǒng)工程技術(shù)集成運(yùn)用于地面交通管理所建立的一種實(shí)時(shí)、準(zhǔn)確、高效、大范圍、全方位發(fā)揮作用的交通運(yùn)輸管理系統(tǒng)。近年來(lái)，隨著國(guó)內(nèi)經(jīng)濟(jì)的快速增長(zhǎng)，汽車工業(yè)和交通運(yùn)輸產(chǎn)業(yè)迅速發(fā)展，對(duì)智能交通系統(tǒng)（ITS）提出了更高的要求，包括移動(dòng)車輛稽查、高速公路收費(fèi)站管理、停車場(chǎng)（小區(qū)）車輛管理等在內(nèi)的一系列智能管理系統(tǒng)應(yīng)運(yùn)而生。在上述智能系統(tǒng)中，字符識(shí)別都是其核心內(nèi)容，而漢字識(shí)別（ChineseCharacterRecognition，簡(jiǎn)稱CCR）又是字符識(shí)別的重點(diǎn)和難點(diǎn)所在。雖然現(xiàn)在市面上已經(jīng)有多種CCR軟件出售，但是他們僅僅對(duì)高質(zhì)量的標(biāo)準(zhǔn)印刷文本有較高的識(shí)別率，但是對(duì)于嚴(yán)重污染、變形、模糊、傾斜的忽地字符，特別是針對(duì)車牌識(shí)別系統(tǒng)中提取的車牌漢字字符，不能給出滿意結(jié)果[2]。本課題通過對(duì)車牌漢字灰度圖像識(shí)別的研究，提出針對(duì)汽車牌照中漢字字符的有效識(shí)別算法，以期達(dá)到較高的識(shí)別正確率。1.1.2研究意義牌照識(shí)別技術(shù)在智能交通領(lǐng)域中的應(yīng)用已經(jīng)非常的廣泛。如在“公交車優(yōu)化調(diào)度與智能管理”中要求建立車輛自動(dòng)登記系統(tǒng)，包括:車輛自動(dòng)識(shí)別、車輛定位(如GPS、路邊塔標(biāo))、車輛位置跟蹤、數(shù)據(jù)庫(kù)及數(shù)據(jù)管理。在“不停車電子收費(fèi)系統(tǒng)(Donotstopelectronictollcollectionsystem，簡(jiǎn)稱ETC)”中，電子收費(fèi)將會(huì)減少不必要的收費(fèi)閘門車道數(shù)目以及因排隊(duì)交費(fèi)所造成的交通延遲。其車輛通過的基本流程為:電子不停車收費(fèi)系統(tǒng)(ETC)在一定的范圍內(nèi)，設(shè)置減速板、欄桿等裝置，當(dāng)車輛按一定的速度駛?cè)敫咚俟愤M(jìn)口處時(shí)，該系統(tǒng)通過車載電子標(biāo)簽中的交通卡，自動(dòng)記錄該車的車型、牌照、入口時(shí)間和地點(diǎn);到出口處時(shí)，該系統(tǒng)讀到這些數(shù)據(jù)并同時(shí)生成需付費(fèi)金額，迅速在交通卡中自動(dòng)扣除。萬(wàn)一在匝道出口處沒有電子不停車收費(fèi)系統(tǒng)(ETC)，也可以通過交通卡讀到相關(guān)數(shù)據(jù)，進(jìn)行人工付費(fèi)操作。有些“停車管理與停車場(chǎng)信息系統(tǒng)”中也應(yīng)用了牌照識(shí)別技術(shù)，用來(lái)將車輛停泊信息記錄在案，可以有效地加強(qiáng)管理，降低車輛丟失率，打擊盜竊車輛的犯罪活動(dòng)[3]。1.2國(guó)內(nèi)外研究現(xiàn)狀1.2.1車牌圖像識(shí)別技術(shù)應(yīng)用現(xiàn)狀2002年，車牌圖像識(shí)別產(chǎn)品第一次在國(guó)內(nèi)實(shí)際應(yīng)用于交通工程。剛開始主要用于高速公路收費(fèi)輔助系統(tǒng)以降低交通通行征費(fèi)收入的流失，后來(lái)逐步發(fā)展到城市交通、停車場(chǎng)管理、門禁管理等多種應(yīng)用領(lǐng)域。1．車牌圖像識(shí)別技術(shù)在高速公路領(lǐng)域的應(yīng)用高速公路是車牌圖像識(shí)別技術(shù)在我國(guó)交通工程中最早應(yīng)用的領(lǐng)域，也是車牌識(shí)別產(chǎn)品應(yīng)用最多的領(lǐng)域。據(jù)統(tǒng)計(jì)，目前我國(guó)車牌識(shí)別產(chǎn)品主流供應(yīng)商(如北京漢王科技、昆明利普視覺、上海高德威、沈陽(yáng)聚德、北京信路威等公司)的產(chǎn)品有一半左右是應(yīng)用在此領(lǐng)域。主要用于高速公路收費(fèi)管理、路徑判別、收費(fèi)征稽、交通數(shù)據(jù)采集等方面，其中，最常用的是高速公路收費(fèi)輔助系統(tǒng)。高速公路收費(fèi)輔助系統(tǒng)一般是在高速公路入口處進(jìn)行車牌圖像采集、識(shí)別，將識(shí)別結(jié)果寫入通行卡(票)或者通過網(wǎng)絡(luò)傳送至各出口站，在車輛到達(dá)出口時(shí)，再進(jìn)行一次車牌圖像采集、識(shí)別，并將識(shí)別結(jié)果與入口識(shí)別結(jié)果相比對(duì)，以防止或發(fā)現(xiàn)倒卡、換卡、換牌等逃費(fèi)行為。目前的高速公路收費(fèi)輔助系統(tǒng)中，采用車牌圖像識(shí)別技術(shù)在車牌識(shí)別速度指標(biāo)基本可以滿足，但識(shí)別結(jié)果正確率指標(biāo)還不是很理想。從一些產(chǎn)品的解決方案來(lái)看，實(shí)際使用時(shí)一般仍然需要人工復(fù)核。因此，雖然車牌圖像識(shí)別技術(shù)在這一領(lǐng)域取得了較好的使用效果，但還不能實(shí)現(xiàn)真正意義上的智能化收費(fèi)。2．車牌圖像識(shí)別技術(shù)在城市交通領(lǐng)域的應(yīng)用隨著我國(guó)機(jī)動(dòng)車保有量的迅速增加，以及政府對(duì)公共安全的日益重視，城市交通監(jiān)控和管理工作日趨繁重。因此，城市交通領(lǐng)域迫切需要應(yīng)用一些較可靠、有效的智能化技術(shù)手段。目前，車牌圖像識(shí)別技術(shù)己經(jīng)開始在移動(dòng)電子警察、城市卡口監(jiān)控、超速布控報(bào)警等城市交通(治安)方面有了一定的應(yīng)用。其中，最常用的場(chǎng)所是城市卡口監(jiān)控。城市卡口監(jiān)控：公安部頒布的城市卡口監(jiān)控系統(tǒng)部頒標(biāo)準(zhǔn)明確規(guī)定了車牌識(shí)別是城市卡口監(jiān)控系統(tǒng)的一個(gè)重要組成部分，越來(lái)越多的城市公安部門正在積極籌建卡口系統(tǒng)。公安系統(tǒng)設(shè)立城市卡口監(jiān)控點(diǎn)的主要任務(wù)是對(duì)車輛進(jìn)行車牌識(shí)別，并將識(shí)別結(jié)果與被盜搶、肇事、在逃、通緝的車輛牌號(hào)黑名單進(jìn)行比對(duì)。移動(dòng)電子警察：移動(dòng)電子警察現(xiàn)在逐漸應(yīng)用到交警日常工作中，采用移動(dòng)電子警察技術(shù)可以靈活地對(duì)非固定監(jiān)控點(diǎn)的交通違章和事故進(jìn)行取證處理，不僅提高了警察執(zhí)法效率，而且增強(qiáng)了執(zhí)法的公正性。在城市卡口監(jiān)控、移動(dòng)電子警察方面，對(duì)車牌圖像識(shí)別技術(shù)在車牌識(shí)別結(jié)果的正確率指標(biāo)的要求比較高，否則將給執(zhí)法工作帶來(lái)很大的麻煩。目前的車牌圖像識(shí)別產(chǎn)品在這方面尚不夠理想，因此一般也是作為一種輔助手段，還不能實(shí)現(xiàn)真正意義上的智能化。3．車牌圖像識(shí)別技術(shù)在停車場(chǎng)收費(fèi)管理系統(tǒng)中的應(yīng)用停車場(chǎng)收費(fèi)管理系統(tǒng):用于對(duì)出入車輛號(hào)牌識(shí)別和匹配，實(shí)現(xiàn)自動(dòng)計(jì)時(shí)、計(jì)費(fèi)管理。由于停車管理日益成為城市交通管理中一個(gè)嚴(yán)重問題，人們對(duì)停車管理的智能化呼聲日漸高漲，通過車牌識(shí)別系統(tǒng)可以構(gòu)建一個(gè)智能的停車管理系統(tǒng)，因此，在大中城市的商場(chǎng)、寫字樓有很大的市場(chǎng)潛力。停車場(chǎng)收費(fèi)管理系統(tǒng)對(duì)車牌圖像識(shí)別技術(shù)在車牌識(shí)別結(jié)果的正確率指標(biāo)的要求也非常高，目前的車牌圖像識(shí)別產(chǎn)品在這方面也不夠理想，一般也需要人工干預(yù)。此外，車牌圖像識(shí)別技術(shù)超速抓拍、門禁管理等方面也有一定的應(yīng)用，但與前述三個(gè)方面的應(yīng)用一樣，還存在著一些問題有待于解決。其中，車牌識(shí)別正確率是目前車牌識(shí)別產(chǎn)品中存在的最主要的問題，也是國(guó)內(nèi)主流廠商最為頭疼的問題，，各個(gè)廠商所聲稱的識(shí)別正確率一般在95%左右，與真正智能化的要求還有一定的距離。而且由于并沒有建立一個(gè)標(biāo)準(zhǔn)規(guī)范的測(cè)試體系，因此有關(guān)數(shù)據(jù)的客觀公正性、可比性和可靠性等方面尚值得商榷。由于各個(gè)廠商對(duì)其使用的車牌圖像識(shí)別技術(shù)都是不公開的，我們很難了解其中采用的三個(gè)方面的關(guān)鍵技術(shù)(車牌區(qū)域定位、單個(gè)字符區(qū)域切分、字符分類識(shí)別)中使用的具體方法，因此很難具體評(píng)價(jià)其方法的優(yōu)劣。但通過各個(gè)廠商在其有關(guān)網(wǎng)站提供的信息和對(duì)兩家廠商提供的測(cè)試軟件進(jìn)行一定數(shù)量樣本的測(cè)試后，可以發(fā)現(xiàn)，各個(gè)廠商聲稱的車牌識(shí)別正確率往往是通過對(duì)特定場(chǎng)所、特定時(shí)間范圍內(nèi)的樣本進(jìn)行測(cè)試而得出的結(jié)論。也就是說，所采用的車牌圖像識(shí)別技術(shù)往往還在一定程度上要依賴待識(shí)別圖像具體的采集環(huán)境和采集方式等因素。如果這些因素變動(dòng)時(shí)，就可能要根據(jù)具體的樣本、通過一定的分析學(xué)習(xí)過程以確定和修改使用的有關(guān)參數(shù)，才可能獲得較好的識(shí)別效果，否則其識(shí)別正確率可能不會(huì)很理想。由此可以推斷，目前的車牌圖像識(shí)別產(chǎn)品對(duì)于不同使用環(huán)境的適應(yīng)性還不是特別理想，其原因主要是關(guān)鍵技術(shù)對(duì)于不同背景和不同自然條件下所采集圖像的適應(yīng)性還不是很好，會(huì)導(dǎo)致車牌識(shí)別產(chǎn)品軟件的通用性還不是太好，往往需要在現(xiàn)場(chǎng)采集大量樣本分析測(cè)試，并且要修改相應(yīng)參數(shù)甚至方法，使得施工周期往往較長(zhǎng)，識(shí)別結(jié)果的可靠性往往也不能讓人完全放心。1.2.2車牌圖像識(shí)別技術(shù)研究現(xiàn)狀上世紀(jì)90年代中后期開始，隨著數(shù)字圖像處理基礎(chǔ)理論的不斷發(fā)展和視頻處理技術(shù)、電子技術(shù)及計(jì)算機(jī)信息技術(shù)的迅速進(jìn)步，國(guó)內(nèi)從事車牌圖像識(shí)別技術(shù)研發(fā)的廠商和研究人員增長(zhǎng)迅速，提出了大量的關(guān)鍵技術(shù)算法，實(shí)際應(yīng)用中也取得了一定的成果。有關(guān)研究大多圍繞車牌圖像識(shí)別的三大關(guān)鍵技術(shù)(車牌區(qū)域定位、單個(gè)字符區(qū)域切分、字符分類識(shí)別)進(jìn)行。通過對(duì)有關(guān)資源數(shù)據(jù)庫(kù)中1998年－2006年在各類期刊上公開發(fā)表的約380篇相關(guān)論文的統(tǒng)計(jì)，發(fā)現(xiàn)有關(guān)車牌區(qū)域定位的內(nèi)容占50%以上。這在一定程度上反映了車牌定位技術(shù)的重要地位，也一定程度上反映出目前這方面尚有不盡人意之處。相關(guān)論文中提出了很多車牌圖像處理、分割、分析、識(shí)別的算法，主要利用較經(jīng)典的圖像空間變換、智能計(jì)算和數(shù)據(jù)挖掘理論，并在一定程度上進(jìn)行了實(shí)驗(yàn)論證。在車牌區(qū)域定位方面，公開資料中提出的方法主要有：基于神經(jīng)網(wǎng)絡(luò)分類器的車牌區(qū)域定位方法、基于彩色圖像特征的車牌區(qū)域定位方法、基于紋理檢測(cè)和邊緣檢測(cè)的車牌區(qū)域定位方法、基于區(qū)域的車牌區(qū)域定位方法、基于幾何形狀特征的車牌區(qū)域定位方法、基于離散圖像空間變換的車牌區(qū)域定位方法、基于離散圖像空間變換的車牌區(qū)域定位方法、基于遺傳算法的車牌區(qū)域定位方法等。在車牌字符切分方面，公開資料中提出的方法主要有：基于二值(灰度)圖像水平(垂直)投影分布的車牌字符的切分方法、基于二值圖像字符區(qū)域上下輪廓分布的車牌字符切分方法、基于模板匹配的車牌字符切分方法、基于聚類分析的車牌字符切分方法、基于車牌二值圖像字符連通性的字符切分方法、基于顏色分類的車牌字符切分方法等。在車牌字符分類識(shí)別時(shí)的特征選擇和提取方面，公開資料中利用的字符分類特征主要有：以二值圖像中字符的筆畫像素分布為基礎(chǔ)的字符特征(主要包括四周邊特征、粗網(wǎng)格特征、投影特征等)、以二值圖像字符輪廓、骨架為基礎(chǔ)的字符特征(包括字符筆畫方向線素特征、漢字結(jié)構(gòu)特征點(diǎn)特征等)、基于灰度圖像小波變換的字符特征(包括小波系數(shù)特征、小波矩特征和小波能量特征)。在車牌字符分類器設(shè)計(jì)方面，公開資料中提出的分類器主要有：神經(jīng)網(wǎng)絡(luò)分類器、模板匹配分類器、基于概率統(tǒng)計(jì)的Bayes分類器、幾何分類器等。上述方法的提出，為本文的有關(guān)研究提供了重要的參考和對(duì)照，在本文的第三章中進(jìn)行了相應(yīng)的分析[4][5]。1.3設(shè)計(jì)的研究?jī)?nèi)容和方法1.3.1研究?jī)?nèi)容車牌照識(shí)別是智能交通系統(tǒng)的一個(gè)重要課題，在車輛管理、不停車收費(fèi)等系統(tǒng)中有廣泛應(yīng)用?；谥袊?guó)車牌照的特點(diǎn)，我們需要設(shè)計(jì)一種能識(shí)別漢字的車牌照識(shí)別系統(tǒng)，使得這樣的車牌照識(shí)別系統(tǒng)更優(yōu)于其他只能識(shí)別數(shù)字和字母的系統(tǒng)，具有更廣的適應(yīng)性。車牌區(qū)域定位、單個(gè)字符區(qū)域切分和字符分類識(shí)別作為車牌圖像識(shí)別系統(tǒng)的三個(gè)關(guān)鍵技術(shù)，同時(shí)又是一個(gè)有機(jī)的整體。關(guān)鍵技術(shù)水平的高低，決定了一個(gè)車牌圖像識(shí)別產(chǎn)品性能的優(yōu)劣，在某種程度上也決定著車牌識(shí)別技術(shù)的應(yīng)用前景。對(duì)于92式普通民用車牌，識(shí)別的基本過程如圖1-1所示。原始圖像→車牌定位→字符分割→識(shí)別第一個(gè)字符→…→識(shí)別第七個(gè)字符圖1-192式普通民用車牌識(shí)別過程上述過程可以看作是一個(gè)三個(gè)方面九個(gè)環(huán)節(jié)組成的鏈?zhǔn)浇Y(jié)構(gòu)，而本課題主要研究的是其第三方面第一個(gè)環(huán)節(jié)的“識(shí)別第一個(gè)字符”，即漢字識(shí)別的方法。所以不考慮車牌定位及字符分割對(duì)識(shí)別的影響。采用的漢字庫(kù)為已經(jīng)分割好的灰度圖像。1.3.2研究方法本文在參考大量有關(guān)車牌圖像識(shí)別技術(shù)公開資料的基礎(chǔ)上，圍繞著車牌漢字識(shí)別技術(shù)實(shí)際應(yīng)用的特點(diǎn)和要求，并通過一定的實(shí)驗(yàn)分析手段，主要進(jìn)行了如下幾方面的工作：1．對(duì)輸入的車牌漢字字符圖像進(jìn)行預(yù)處理在這部分工作中，重點(diǎn)分析研究了不同圖像的規(guī)格化，灰度圖像的二值化、反色、二值化圖像的細(xì)化等方法在車牌圖像識(shí)別中的作用和應(yīng)用特點(diǎn)。（1）關(guān)于圖像的規(guī)格化在實(shí)際車牌采集時(shí)，由于拍攝角度、攝像頭與車牌的距離等原因，照成采集到的車牌大小不同。給漢字特征提取造成計(jì)算量的不確定性。所以我們想法將輸入的圖像轉(zhuǎn)化為某一固定尺寸大小的圖像。圖像的規(guī)格化就是將輸入的任意尺寸（大?。┑淖址麍D像都處理成統(tǒng)一尺寸的標(biāo)準(zhǔn)漢字圖像。在這里，我們所說的規(guī)格化不是簡(jiǎn)單的寬和高的同比例縮放，還要求保持拓?fù)洳蛔?。在改變?cè)址麍D像寬高比例的同時(shí)，盡可能的突出所提取特征。降低漢字圖像特征提取的計(jì)算的復(fù)雜度。（2）關(guān)于圖像的二值化在車牌圖像識(shí)別中，圖像二值化是一個(gè)非常重要的技術(shù)。目前提出的車牌字符切分和字符分類特征提取的方法，很多是以二值圖像為基礎(chǔ)的。二值化閾值的確定應(yīng)該以對(duì)圖像進(jìn)行二值化時(shí)期望達(dá)到的目的為依據(jù)。通過閾值的正確選擇可以使?jié)h字圖像的灰度圖像中的部分干擾噪聲取出。在車牌圖像識(shí)別中，對(duì)車牌漢字圖像進(jìn)行二值化可以大大的提升圖像處理速度，而且降低對(duì)計(jì)算機(jī)硬件的要求，減少硬件方面的開支。在實(shí)際應(yīng)用和產(chǎn)品推廣方面有巨大的優(yōu)勢(shì)。（3）關(guān)于圖像的反色在所提供的漢字庫(kù)中，車牌漢字圖像為白底黑字。由于MATLAB所提供的很多圖像處理函數(shù)是對(duì)黑底白字的圖像進(jìn)行處理。如果自負(fù)圖像為白底黑字，MATLAB會(huì)默認(rèn)為漢字圖像的背景為待識(shí)別圖像。所以我們對(duì)二值化后的圖像進(jìn)行取反，將原二值化后的二值化圖像轉(zhuǎn)化為黑底白字的漢字圖像，以供后面進(jìn)一步進(jìn)行處理。（4）關(guān)于圖像的細(xì)化二值圖像的細(xì)化處理是本課題中起著非常重要的作用。其主要目的是提取出漢字圖像的骨架，使得在識(shí)別過程中不會(huì)因?yàn)楣P畫本身的寬度，如使得三像素寬的豎當(dāng)成寬來(lái)提取，影響到漢字結(jié)構(gòu)特征提取的準(zhǔn)確度。所以我們使用細(xì)化處理，將圖像漢字細(xì)化為一個(gè)單像素寬的漢字圖像。這樣就可以大大增加各筆畫提取的準(zhǔn)確度。2．對(duì)輸入的車牌漢字字符圖像進(jìn)行字符特征提取特征空間的設(shè)計(jì)是模式識(shí)別系統(tǒng)的基礎(chǔ)。所選用的特征空間應(yīng)使各類樣品能夠分布在該特征空間中彼此分開的區(qū)域內(nèi)，分類識(shí)別才有可能;如果不同類別樣品在該特征空間中混雜在一起，則一般不可能進(jìn)行正確的分類識(shí)別。常選取的字符特征主要有以二值圖像字符的筆畫像素分布為基礎(chǔ)的字符特征及提取方法，以二值圖像字符輪廓、骨架為基礎(chǔ)的字符特征及提取方法，基于灰度圖像小波變換的字符特征等。本課題所用的特征提取方法在二值圖像字符輪廓、骨架為基礎(chǔ)的字符特征及提取方法的基礎(chǔ)上改進(jìn)而來(lái)的。我們稱為漢字結(jié)構(gòu)筆畫特征提取法。3．基于車牌漢字的特點(diǎn)，建立一個(gè)車牌漢字字符標(biāo)準(zhǔn)識(shí)別樣本字庫(kù)車牌漢字字符標(biāo)準(zhǔn)識(shí)別樣本庫(kù)的建立要根據(jù)第二步所提取的字符特征的提取來(lái)建立。在第二步中，我們提取的字符特征為漢字的不相連獨(dú)立結(jié)構(gòu)、漢字筆畫橫、豎及撇、捺、點(diǎn)的個(gè)數(shù)。所以建立的車牌漢字字符標(biāo)準(zhǔn)識(shí)別樣本庫(kù)實(shí)際就是樣本車牌漢字圖像的四維特征向量庫(kù)。4．通過訓(xùn)練統(tǒng)計(jì)或模式識(shí)別法來(lái)識(shí)別漢字并給出結(jié)果在漢字識(shí)別系統(tǒng)中，現(xiàn)有的識(shí)別方法有神經(jīng)網(wǎng)絡(luò)分類器、模板匹配分類器、基于二值數(shù)據(jù)的Bayes分類器、幾何分類器等等。對(duì)于車牌漢字來(lái)說可以采用模板匹配分類器來(lái)進(jìn)行識(shí)別。因?yàn)檐嚺茲h字只有50個(gè)，所以存儲(chǔ)量不大;而且，每個(gè)待測(cè)樣品與每個(gè)標(biāo)準(zhǔn)模板進(jìn)行相似度判斷的計(jì)算量也不大，根據(jù)對(duì)10個(gè)車牌漢字圖像的識(shí)別用時(shí)的統(tǒng)計(jì)，識(shí)別用時(shí)低于0.5s。識(shí)別速度比較快,低于實(shí)驗(yàn)任務(wù)書要求。所以本課題中選用該識(shí)別方法。本課題總體流程圖如圖1-2所示。開始開始打開并讀取圖像文件圖像規(guī)格化處理漢字識(shí)別結(jié)束漢字特征向量匹配輸出識(shí)別結(jié)果漢字結(jié)構(gòu)特征提取圖像二值化處理圖像反色及細(xì)化處理圖1-2系統(tǒng)流程圖1.4本文結(jié)構(gòu)安排在基于靜止圖像的車牌照漢字識(shí)別系統(tǒng)中，最主要的核心就是漢字圖像的預(yù)處理及字符特征提取，因此本文在第二章主要給出了漢字圖像預(yù)處理及特征提取的詳細(xì)步驟和方法；第三章則給出漢字識(shí)別系統(tǒng)的識(shí)別方法及過程；第四章主要針對(duì)本系統(tǒng)軟件設(shè)計(jì)中流程圖及界面設(shè)計(jì)，同時(shí)針對(duì)本系統(tǒng)作了一個(gè)快速性和精確度的性能分析，最終實(shí)現(xiàn)比較完備的車牌漢字識(shí)別系統(tǒng)。1.5本章小結(jié)本章由現(xiàn)在道路交通中所遇到的問題，提出了本課題研究的意義。然后介紹了國(guó)內(nèi)外的研究現(xiàn)狀及本設(shè)計(jì)所用到得車牌漢字識(shí)別的方法。使讀者可以大概了解到本課題所使用的各種處理方法和步驟。通過本文結(jié)構(gòu)安排，讀者可以對(duì)全文的結(jié)構(gòu)有一個(gè)宏觀上的了解。

第2章漢字圖像的處理技術(shù)在進(jìn)行車牌圖像采集時(shí)，由于天氣變化、光照不均、攝像頭拍攝角度不同、車牌的新舊及其清潔度的原因照成了采集到的車牌圖像質(zhì)量下降，對(duì)我們后面的識(shí)別的準(zhǔn)確率帶來(lái)了很大的負(fù)面影響。所以在識(shí)別前，我們要對(duì)采集到的圖片進(jìn)行必要的預(yù)處理操作，以改善圖像質(zhì)量，提高識(shí)別率。本課題主要研究車牌灰度化漢字圖像的識(shí)別，所以我們用到的預(yù)處理包括圖像尺寸規(guī)格化(標(biāo)準(zhǔn)化)、二值化、反色、細(xì)化等。預(yù)處理效果的好壞與漢字圖像的特征提取有密切的關(guān)系，良好的預(yù)處理可以有效的保持圖像的有效信息，減少各種外部客觀因素對(duì)特征提取的干擾。是整個(gè)設(shè)計(jì)中比較重要的部分。2.1漢字圖像的預(yù)處理2.1.1不同尺寸圖像的規(guī)格化就是將輸入的任意尺寸（大小）的漢字圖像都處理成統(tǒng)一尺寸的標(biāo)準(zhǔn)漢字圖像。在這里，我們所說的規(guī)格化不是簡(jiǎn)單的寬和高的同比例縮放，還要求保持拓?fù)洳蛔儭Ｔ诟淖冊(cè)瓭h字圖像寬高比例的同時(shí)，盡可能的突出所提取特征。我們采用分裂合并的規(guī)格化方法。具體方法如下：設(shè)原始圖像的大小為M×N，規(guī)格化后的圖像為P×Q（在本課題中我們才用23×23）。此方法分為兩個(gè)階段，即分裂（split）和合并（merge）。在分裂階段，將原圖像的每一點(diǎn)放大P×Q倍，即將該點(diǎn)的像素值復(fù)制到P×Q的陣列中，則M×N的陣列變成一個(gè)MP×NQ大小的陣列；接下來(lái)是合并階段，將MP×NQ陣列劃分成陣列大小為M×N的P×Q個(gè)區(qū)域，對(duì)M×N區(qū)域的所有像素取平均，使陣列M×N收縮成一個(gè)像素點(diǎn)。經(jīng)以上操作，M×N尺寸的原始圖像就可以歸一化為P×Q大小的新圖像。如圖2-2-1所示。圖2-1（a）與圖2-1（c）為23×46大小的圖，經(jīng)過規(guī)格化后其大小變?yōu)?3×23。除了上面介紹的分裂合并的規(guī)格化方法以外，還有插值變換的規(guī)格化方法。該方法是通過歸一化圖像中象素對(duì)應(yīng)在原圖像中的點(diǎn)的位置來(lái)決定歸一化圖像中象素點(diǎn)的灰度值。設(shè)f(x,y)為原圖像，g(x,y)為歸一化后的圖像，g(x,y)中的任意一點(diǎn)(x,y)，對(duì)應(yīng)于f(x,y)中的點(diǎn)(a,b)，根據(jù)(a,b)的具體情況來(lái)確定g(x,y)中象素點(diǎn)(x,y)的值。歸一化圖像中象素點(diǎn)和原圖像中象素點(diǎn)的映射關(guān)系見公式（2-1）。a）規(guī)格化前b）規(guī)格化后c）規(guī)格化前d）規(guī)格化后圖2-1圖像的規(guī)格化除了上面介紹的分裂合并的規(guī)格化方法以外，還有插值變換的規(guī)格化方法。該方法是通過歸一化圖像中象素對(duì)應(yīng)在原圖像中的點(diǎn)的位置來(lái)決定歸一化圖像中象素點(diǎn)的灰度值。設(shè)f(x,y)為原圖像，g(x,y)為歸一化后的圖像，g(x,y)中的任意一點(diǎn)(x,y)，對(duì)應(yīng)于f(x,y)中的點(diǎn)(a,b)，根據(jù)(a,b)的具體情況來(lái)確定g(x,y)中象素點(diǎn)(x,y)的值。歸一化圖像中象素點(diǎn)和原圖像中象素點(diǎn)的映射關(guān)系見公式（2-1）。（2-1）式中width是原圖像的寬度，width’是歸一化后的圖像寬度：height是原圖像的高度，height’是歸一化后的圖像高度。歸一化圖像中的點(diǎn)(x,y)映射到原圖像中的點(diǎn)(a,b)，如果是整數(shù)，表明(x,y)正好對(duì)應(yīng)在原圖像的網(wǎng)格點(diǎn)(象素)上，不必進(jìn)行內(nèi)插變換，直接令(x,y)的灰度值等于位置(a,b)處的灰度值:g(x,y)=f(a,b)。如果(a,b)不是整數(shù)，即在該點(diǎn)沒有定義，那么要進(jìn)行象素內(nèi)插變換。一般有三種內(nèi)插變換方法來(lái)決定g(x,y)的值[12]:鄰近插值法、雙線性插值法、三次插值法。下面一一介紹。鄰近插值法圖2-2最近鄰點(diǎn)的圖形表示鄰近插值法中歸一化的圖像g(x,y)的灰度值是用(a,b)鄰接的四個(gè)網(wǎng)格點(diǎn)(1,j),(i+l,j),(i,j+1),(i+1,j+1)中最接近它的點(diǎn)的灰度值來(lái)近,即:g(x,y)=f(a’，b’)，其中(a’，b')為(a,b)距其相鄰四個(gè)網(wǎng)格點(diǎn)中最近的一個(gè)網(wǎng)格點(diǎn)。從圖2-2中可以看出(a,b)與(i,j+l)的幾何距離最小，所以(i,j+l)就是(a,b)的最近鄰點(diǎn)(a’，b’)。（2)雙線性插值法雙線性插值法中(x,y)的灰度值是用與(a,b)鄰近的四個(gè)網(wǎng)格點(diǎn)(i,j),(i+l,j),(i,j+l),(i+l.j+l)，按照下面的公式(2-2)來(lái)近似。g(，)=f(i,j)(1―η)(1―β)+.f(i+1,j)η(1―β)+.f(i,j+1)(1―η)β+f(i+1,j+1)ηβ（2-2）其中，i,j為a,b取整的值，η=a-i,β=b-j。(3)三次插值法三次插值法中(x,y)的灰度值是用與(a,b)鄰近的16個(gè)網(wǎng)格點(diǎn)的灰度值來(lái)近似的，計(jì)算公式比較復(fù)雜，此處不再詳述。2.1.2灰度圖像通常由一個(gè)unit8、unit16或者雙精度類型的數(shù)組來(lái)描述，其實(shí)質(zhì)是一個(gè)數(shù)據(jù)矩陣，該矩陣中的數(shù)據(jù)均代表了一定范圍內(nèi)的灰度級(jí)，每一個(gè)元素與圖像的一個(gè)像素點(diǎn)相對(duì)應(yīng)，通常0代表黑色，1、255或65635（針對(duì)不同存儲(chǔ)類型）代表白色。而二值圖像是指一個(gè)取值只有0和1的邏輯組。不存在介于0和1之間的其他值。所以使二值圖像在數(shù)字圖像處理中具有很多優(yōu)越性。這是因?yàn)?，一方面，在有些圖像處理課題中，如處理文字、指紋、工程圖紙等圖像本身接近于二值圖；另一方面，在某些情況下即使圖像本身是有灰度的，我們也設(shè)法使它變成二值圖像再進(jìn)行處理（即灰度圖像的二值化）[6]。通過對(duì)灰度圖像的二值化處理，我們可以使實(shí)際的信息量巨大、灰度級(jí)豐富的原圖像，轉(zhuǎn)化為計(jì)算量小的二值化圖像。這樣不僅可以大大的提升圖像處理速度，而且降低對(duì)計(jì)算機(jī)硬件的要求，減少硬件方面的開支。在實(shí)際應(yīng)用和產(chǎn)品推廣方面有巨大的優(yōu)勢(shì)。二值化的目的是將目標(biāo)對(duì)象與背景分離。圖像二值化一般作為一種預(yù)處理方法，評(píng)價(jià)其效果的優(yōu)劣應(yīng)當(dāng)兼顧下面兩方面的基本要求:1．二值圖像中目標(biāo)對(duì)象的完整性。2．二值圖像中噪聲對(duì)于后續(xù)處理影響的大小。二值化的方法很多，MATLAB中自帶了函數(shù)im2bw用于將亮度圖像轉(zhuǎn)化為二值化圖像。其語(yǔ)法為g=im2bw(f,T)a）原圖像b)二值化圖像c)原圖像d）二值化圖像圖2-3圖像的二值化該函數(shù)通過閾值處理，將衣服亮度圖像f轉(zhuǎn)化為衣服二值圖像g。如圖2-3。輸出二值圖像g中值為0的像素點(diǎn)，對(duì)于輸入亮度圖像f中值小于閾值T的像素點(diǎn)；輸出二值圖像g中為1的像素點(diǎn)則對(duì)應(yīng)于輸入亮度圖像f中的其他像素點(diǎn)。設(shè)原灰度圖像為f(x,y),二值化后的圖像為g(x,y),則二值化的過程可以表示為公式（2-3）。（2-3）閾值T的選擇是關(guān)鍵,它可以表示為一個(gè)三元函數(shù)，即：T=[(x,y),f(x,y),N(x,y)]，其中（x,y）是圖像中象素位置，f(x,y)代表圖像中像素(x,y)處的灰度值，N(x,y)為(x,y)周圍領(lǐng)域的灰度特征。式中某些元素可以省略，因此演化為以下三種形式：T=[f(x,y)]T為全局閾值T=[N(x,y),f(x,y)]T為局部閾值T=[(x,y),N(x,y),f(x,y)]T為動(dòng)態(tài)閾值全局閾值法根據(jù)圖像的直方圖或灰度空間分布確定一個(gè)閾值，以此實(shí)現(xiàn)灰度圖像到二值圖像的轉(zhuǎn)化。典型的全局閾值方法包括Ostu方法、最大熵方法[7]等。全局閾值算法簡(jiǎn)單，對(duì)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(duì)于由于光照不均勻、噪聲干擾較大或運(yùn)動(dòng)模糊等原因使直方圖分布不呈雙峰的圖像，二值化效果明顯變差;局部閾值法通過定義考察點(diǎn)的鄰域，并由鄰域計(jì)算模板，實(shí)現(xiàn)考察點(diǎn)灰度與鄰域點(diǎn)的比較。非均勻光照條件等情況雖然影響整體圖像的灰度分布卻不影響局部的圖像性質(zhì)，從而使得局部閾值法比全局閾值法有更廣泛的應(yīng)用，Bernsen算法是一種典型的局部閾值法。但局部閾值法在文本圖像識(shí)別中也存在某些問題和缺點(diǎn)，如實(shí)現(xiàn)速度比全局閾值法慢，不能保證漢字筆劃連通性，容易出現(xiàn)偽影(ghost)現(xiàn)象(背景區(qū)域受到噪聲干擾出現(xiàn)筆劃)等:動(dòng)態(tài)閾值法是一種自適應(yīng)的二值化方法，它利用了象素自身及其鄰域灰度變化特征，由于充分考慮了每個(gè)象素鄰域的特征，能夠更好的突出背景和目標(biāo)的邊界，使得相距很近的兩條線不會(huì)產(chǎn)生粘連現(xiàn)象。2.1.3在所提供的漢字庫(kù)中，車牌漢字圖像為白底黑字。由于MATLAB所提供的很多函數(shù)是對(duì)黑底白字的圖像進(jìn)行處理。所以我們對(duì)二值化后的圖像進(jìn)行取反。將原二值化后的二值化圖像轉(zhuǎn)化為黑底白字的漢字圖像，以供后面進(jìn)一步進(jìn)行處理。如圖2-4。a）二值化圖片b）反色后圖像c）二值化圖片d)反色后圖像圖2-4圖像的反色2.1.4二值圖像的細(xì)化處理是本課題中起著非常重要的作用。其主要目的是提取出漢字圖像的骨架，使得在識(shí)別過程中不會(huì)因?yàn)楣P畫本身的寬度，影響到漢字結(jié)構(gòu)特征提取的準(zhǔn)確度。所以我們使用細(xì)化處理，將圖像漢字細(xì)化為一個(gè)單像素寬的漢字圖像。細(xì)化可用兩步腐蝕來(lái)實(shí)現(xiàn)。第一步是正常的腐蝕，但它是有條件的，也就是說，那些被標(biāo)為可出去的像素點(diǎn)并不立即消去。在第二步中，只將那些消除后并不破壞連通性的點(diǎn)消除，否則保留。以上每一步都是一個(gè)3×3領(lǐng)域運(yùn)算。細(xì)化將一個(gè)曲線形物體細(xì)化為一條單像素的線，從而圖形化地顯示出其拓?fù)湫再|(zhì)[9]。如圖2-5所示。a）細(xì)化前圖像b）細(xì)化后圖像c）細(xì)化前圖像d）細(xì)化后圖像圖2-5圖像的細(xì)化處理2.2漢字圖像的特征提取特征空間的設(shè)計(jì)是模式識(shí)別系統(tǒng)的基礎(chǔ)。所選用的特征空間應(yīng)使各類樣品能夠分布在該特征空間中彼此分開的區(qū)域內(nèi)，分類識(shí)別才有可能;如果不同類別樣品在該特征空間中混雜在一起，則一般不可能進(jìn)行正確的分類識(shí)別。常選取的漢字特征主要有以二值圖像漢字的筆畫像素分布為基礎(chǔ)的漢字特征及提取方法，以二值圖像漢字輪廓、骨架為基礎(chǔ)的漢字特征及提取方法，基于灰度圖像小波變換的漢字特征等。本課題所用的特征提取方法在二值圖像漢字輪廓、骨架為基礎(chǔ)的漢字特征及提取方法的基礎(chǔ)上改進(jìn)而來(lái)，所以下面主要介紹二值圖像漢字輪廓、骨架為基礎(chǔ)的漢字特征及提取方法及本文改進(jìn)后的方法[10]。筆畫方向線素特征漢字筆畫方向線素特征[11]的提取步驟如下:首先獲取原漢字圖像的邊緣點(diǎn)，得到漢字的輪廓圖;然后將漢字的輪廓圖分為M*N個(gè)網(wǎng)格，按照橫、豎、撇、捺四種筆畫的定義分別計(jì)算每個(gè)網(wǎng)格中四種筆畫的多少;最后將所有網(wǎng)格中四種筆畫的特征組合在一起，形成一個(gè)M*N*4的方向線素特征向量。漢字是由橫、豎、撇、捺四種筆畫組成的，一個(gè)漢字區(qū)別于其它漢字的主要特征就是筆畫及其所在位置。漢字筆畫方向線素特征可以表達(dá)漢字在不同的空間位置上四種筆畫數(shù)量的多少，從而較好地表達(dá)了漢字的筆畫和位置這兩個(gè)主要特征。但是對(duì)于車牌漢字來(lái)說，由于圖像采集和處理方法的局限往往會(huì)造成筆畫的畸變，使得對(duì)筆畫的定義較困難，易與樣品產(chǎn)生偏差，從而影響漢字的分類識(shí)別結(jié)果。2.2.2一個(gè)漢字的筆劃上和背景中的關(guān)鍵點(diǎn)是漢字結(jié)構(gòu)的一種本質(zhì)字形特征，印刷體漢字基本由直線筆劃構(gòu)成，是一種直線型文字。在一幅二值化圖像中，漢字信息絕大部分集中在漢字骨架上，而漢字骨架信息又大多集中在若干特征點(diǎn)上。一旦確定筆劃特征點(diǎn)，根據(jù)若干連接規(guī)則，漢字筆劃以及結(jié)構(gòu)形狀就可以確定。漢字筆劃特征點(diǎn)可以取斷點(diǎn)、折點(diǎn)、歧點(diǎn)和交點(diǎn)。端點(diǎn)是筆劃的起(或終)點(diǎn)且不與別的筆劃相接;折點(diǎn)是筆劃方向出現(xiàn)顯著變化的點(diǎn):歧點(diǎn)是三叉點(diǎn)，要求其中兩個(gè)筆段分支方向相同;交點(diǎn)是四叉點(diǎn)且有兩對(duì)相等的對(duì)頂角[12]。其特征提取過程如下：(1)首先對(duì)漢字進(jìn)行細(xì)化處理。(2)對(duì)細(xì)化處理后的漢字像素點(diǎn)，進(jìn)行如下計(jì)算，如公式（2-4）。（2-4）式中i,j為漢字像素點(diǎn)的坐標(biāo)值，f(i，j)為像素點(diǎn)取值。(3)進(jìn)行如下判斷：端點(diǎn):指在起筆處和落筆處的位置，與該點(diǎn)相連的點(diǎn)數(shù)為1，即上式c=1時(shí)。歧點(diǎn):指該點(diǎn)周圍有三條線與之相連，即上式c=3時(shí)。交點(diǎn):指該點(diǎn)周圍有四條線與之相連，即上式c=4時(shí)。(4)分別記錄下該漢字中端點(diǎn)、歧點(diǎn)和交點(diǎn)的總個(gè)數(shù)，建立特征向量。該特征更適合標(biāo)準(zhǔn)印刷體漢字漢字的分類。對(duì)于車牌漢字漢字來(lái)說，由于圖像采集和處理方法的局限往往會(huì)造成筆畫的畸變，使得對(duì)漢字的端點(diǎn)、歧點(diǎn)和交點(diǎn)定義和判斷易與樣品產(chǎn)生偏差，從而影響漢字的分類識(shí)別結(jié)果。2.2.3一個(gè)漢字的不相連獨(dú)立結(jié)構(gòu)的個(gè)數(shù)及漢字筆畫結(jié)構(gòu)（橫、撇、豎、捺、點(diǎn)）的個(gè)數(shù)也是漢字結(jié)構(gòu)的一種本質(zhì)形態(tài)特征。但是對(duì)于車牌漢字來(lái)說，由于圖像采集和處理方法的局限往往會(huì)造成筆畫的畸變，使得對(duì)筆畫的定義較困難，易與樣品產(chǎn)生偏差，特別是撇、捺、點(diǎn)這些筆畫的提取。所以要想一種方法，讓我們避開對(duì)撇、捺、點(diǎn)的開始開始漢字結(jié)構(gòu)橫的提取漢字結(jié)構(gòu)豎的提取漢字結(jié)構(gòu)撇的提取結(jié)束圖2-6漢字結(jié)構(gòu)特征提取流程圖提取。由于本課題中所要識(shí)別的漢字只有固定的50多個(gè)車牌漢字，所以我們可以將撇、捺、點(diǎn)這些筆畫劃分為一個(gè)統(tǒng)一的整體。其筆畫的提取由漢字整體除去橫和豎的筆畫后得到。其流程圖如圖2-6所示。a）提取前的圖像b）橫的提取c）豎的提取d）撇的提取e）提取前圖像f）撇的提取g）豎的提取h)撇的提取圖2-7漢字圖像的結(jié)構(gòu)特征提取通過實(shí)驗(yàn)統(tǒng)計(jì)證明，由漢字的不相連獨(dú)立結(jié)構(gòu)、漢字筆畫橫、豎、撇、捺、點(diǎn)的個(gè)數(shù)建立的四維特征向量可以使車牌漢字得以區(qū)分。如圖2-7所示，圖（a）～(d)及（e）～(h)分別為漢字“北”及“蘭”的圖像特征提取結(jié)果。2.3本章小結(jié)本章主要是介紹了車牌漢字圖像的預(yù)處理及漢字圖像的特征的提取。漢字圖像經(jīng)過尺寸規(guī)格化、二值化、反色、細(xì)化等一系列預(yù)處理后，生成了漢字圖像的骨架結(jié)構(gòu)。在這個(gè)基礎(chǔ)上，可以使?jié)h字圖像特征的提取更加簡(jiǎn)單準(zhǔn)確。然后介紹了在原有二值圖像漢字輪廓、骨架為基礎(chǔ)的漢字特征及提取方法的基礎(chǔ)，改進(jìn)的一種新的二值圖像漢字輪廓、骨架為基礎(chǔ)的漢字特征的提取方法。

第3章漢字圖像的識(shí)別與一般印刷體漢字識(shí)別相比，車牌漢字識(shí)別有其自身的特點(diǎn)，它是文字識(shí)別技術(shù)與車牌圖像自身因素協(xié)調(diào)兼顧的綜合性技術(shù)。在車牌漢字識(shí)別設(shè)計(jì)方面，公開資料中提出的識(shí)別方法主要有：神經(jīng)網(wǎng)絡(luò)分類器識(shí)別法、模板匹配分類器識(shí)別法、基于概率統(tǒng)計(jì)的Bayes分類器識(shí)別、幾何分類器識(shí)別法等。下面我們將介紹本課題用到得模版匹配分類識(shí)別方法。3.1模板匹配分類器識(shí)別法模板匹配分類器識(shí)別法就是把訓(xùn)練樣品集的所有樣品作為標(biāo)準(zhǔn)模板，將待測(cè)樣品與每一個(gè)標(biāo)準(zhǔn)模板做比較，按照某種判斷準(zhǔn)則，找出最相似、最近鄰的標(biāo)準(zhǔn)模板，則標(biāo)準(zhǔn)模板的類別即為待測(cè)樣品的類別。本課題采用的為最小距離模板匹配分類識(shí)別法，其實(shí)現(xiàn)過程為:建立訓(xùn)練樣品集的特征模板庫(kù)使用設(shè)計(jì)好的車牌漢字結(jié)構(gòu)特征軟件對(duì)訓(xùn)練樣品集中的每一個(gè)車牌漢字圖像進(jìn)行特征向量（xl）提取。建立標(biāo)準(zhǔn)的車牌漢字結(jié)構(gòu)特征向量模板庫(kù)。每個(gè)向量對(duì)應(yīng)一個(gè)樣品。如圖3-1及圖3-2所示。2．求出待測(cè)樣品X與訓(xùn)練樣品集里每一個(gè)樣品的距離D其計(jì)算公式為公式（3-2）。（3-2）3．找出距離D最小時(shí)對(duì)應(yīng)的訓(xùn)練樣品比較步驟2中計(jì)算出的D,找出最小D值對(duì)應(yīng)的樣品。該樣品的類別即為待測(cè)樣品的類別。從而得到漢字識(shí)別結(jié)果。其流程圖如圖3-3所示。對(duì)于車牌漢字來(lái)說，模板匹配分類識(shí)別法的原理簡(jiǎn)單，要存儲(chǔ)的標(biāo)準(zhǔn)模板數(shù)量只有50多個(gè)，因而存儲(chǔ)量不大;而且，每個(gè)待測(cè)樣品與每個(gè)標(biāo)準(zhǔn)模板進(jìn)行相似度判斷的計(jì)算量也不大，識(shí)別速度比較快。在本章3.2節(jié)中，我們將對(duì)識(shí)別性能具體介紹。圖3-1對(duì)漢字“京”進(jìn)行特征向量提取圖3-2對(duì)漢字“蘭”進(jìn)行特征向量提取開始開始輸入待識(shí)別字符特征向量計(jì)算模版對(duì)照相似度模版相似度比較輸出相似度大的漢字結(jié)果結(jié)束圖3-3最小距離模板匹配分類識(shí)別法流程圖3.2識(shí)別性能分析在種類眾多的識(shí)別方法中，每個(gè)方法都有其各自的優(yōu)點(diǎn)和缺點(diǎn)。所以在選擇方法的時(shí)候，要根據(jù)識(shí)別對(duì)象和設(shè)計(jì)目的，要求的不同選擇合適的識(shí)別方法。本課題中選擇使用最小距離模板匹配分類識(shí)別法，主要由以下兩個(gè)性能來(lái)決定：（1）識(shí)別時(shí)間短我們隨機(jī)抽取10個(gè)樣品對(duì)系統(tǒng)進(jìn)行時(shí)間性能測(cè)試。將每個(gè)樣品識(shí)別所用時(shí)間記錄下來(lái)并且繪成坐標(biāo)圖，如圖3-4。由坐標(biāo)圖可以看出，使用該識(shí)別方法，對(duì)車牌漢字的識(shí)別用時(shí)在0.5s之內(nèi)。符合設(shè)計(jì)指導(dǎo)書要求。圖3-4識(shí)別時(shí)間統(tǒng)計(jì)（2）準(zhǔn)確率高通過對(duì)本課題漢字庫(kù)中漢字圖像進(jìn)行識(shí)別。基本上每個(gè)圖像都可以正確識(shí)別出。也符合畢業(yè)設(shè)計(jì)任務(wù)指導(dǎo)書的要求。3.3本章小結(jié)本章主要介紹了設(shè)計(jì)中使用到的漢字識(shí)別方法以及其識(shí)別性能的分析。該識(shí)別方法雖然在設(shè)計(jì)中有很好的識(shí)別速度和精度。但是其只局限與本設(shè)計(jì)所用的漢字庫(kù)。對(duì)于一些未知的漢字庫(kù)，其識(shí)別效率不能保證。本章只是提供了一種漢字識(shí)別的方法，僅供參考。

第4章基于MATLAB的界面設(shè)計(jì)本文提供了一種基于MATLAB的車牌漢字漢字的識(shí)別系統(tǒng)，該系統(tǒng)使用MATLAB設(shè)計(jì)人機(jī)接口的界面環(huán)境，調(diào)用MATLAB的工具箱函數(shù)實(shí)現(xiàn)車牌漢字的預(yù)處理，使用MATLAB語(yǔ)言編寫車牌漢字特征提取及識(shí)別，從而建立車牌漢字漢字識(shí)別系統(tǒng)的快速實(shí)驗(yàn)平臺(tái)。MATLAB開發(fā)環(huán)境擁有豐富的實(shí)驗(yàn)工具箱，其中包括信號(hào)處理（signalprocessing）、控制系統(tǒng)（controlsystem）、圖像處理（imageprocessing）等等，這些工具箱給各個(gè)領(lǐng)域的研究和工程應(yīng)用提供了有力的工具。MATLAB7.5是目前比較先進(jìn)的版本之一，他在圖形圖像處理功能上得到進(jìn)一步的完善，把使用者從繁瑣、無(wú)謂的底層編程中解放出來(lái)，從而有更多的時(shí)候用于提高工作效率。本設(shè)計(jì)基于MATLAB自帶的GUI設(shè)計(jì)工具箱制作了本程序的人機(jī)接口操作界面4.1GUI簡(jiǎn)介一個(gè)可發(fā)布的應(yīng)用程序通常都需要有一個(gè)友好的圖形界面。MATLAB為用戶開發(fā)圖形界面提供了一個(gè)方便高效的集成開發(fā)環(huán)境，MATLAB用圖形用戶界面開發(fā)環(huán)境GUIDE（MATLABGraphicalUserInterfaceDevelopmentEnvironment）。其中GUI用戶圖形界面是程序化界面。用戶可以在空白模版上添加各種控件，如：按鈕、滾動(dòng)條、單選按鈕、復(fù)選框、編輯框、靜態(tài)文本、列表框等等。然后在界面對(duì)用的M文件中添加各個(gè)按鈕對(duì)應(yīng)的功能程序就可以完成人機(jī)界面的設(shè)計(jì)。4.2系統(tǒng)界面設(shè)計(jì)MATLAB為用戶開發(fā)圖形界面提供了一個(gè)方便高效的集成開發(fā)環(huán)境，MATLAB用圖形用戶界面開發(fā)環(huán)境GUIDE。用戶可以通過GUIDE方便快捷的設(shè)計(jì)出自己想要的人機(jī)接口界面。如圖4-2～圖4-5為本課程設(shè)計(jì)的界面設(shè)計(jì)效果。圖4-2運(yùn)行初始界面運(yùn)行車牌漢字識(shí)別程序后，出現(xiàn)車牌漢字識(shí)別初始界面。該界面由三大功能區(qū)域組成。分別為讀入圖片顯示區(qū)、控制區(qū)以及運(yùn)行結(jié)果顯示區(qū)。圖4-3選擇圖片路徑點(diǎn)擊控制區(qū)的“讀入圖片”按鍵，出現(xiàn)一個(gè)輸入路徑對(duì)話框。通過該對(duì)話框選擇你所要識(shí)別的車牌漢字圖片。圖4-4讀入漢字“北”的圖片點(diǎn)擊“漢字識(shí)別”按鍵，系統(tǒng)開始進(jìn)行漢字識(shí)別。圖4-5漢字識(shí)別結(jié)果輸出識(shí)別結(jié)果。在運(yùn)行結(jié)果顯示區(qū)顯示出識(shí)別結(jié)果及識(shí)別用時(shí)?？梢酝ㄟ^繼續(xù)點(diǎn)擊“讀入圖片”按鍵繼續(xù)識(shí)別其它圖像。也可以點(diǎn)擊“退出”按鍵退出車牌漢字識(shí)別系統(tǒng)。4.3本章小結(jié)設(shè)計(jì)一個(gè)完整的系統(tǒng)軟件，不僅要實(shí)現(xiàn)其所要具有的目的功能，而且要設(shè)計(jì)出友善的人機(jī)接口界面。便于使用者簡(jiǎn)單明了的進(jìn)行操作。本畢業(yè)課題所設(shè)計(jì)的人機(jī)接口界面，簡(jiǎn)潔明了。任何識(shí)字的人都可以熟練的使用。結(jié)論車牌識(shí)別系統(tǒng)是一個(gè)涉及圖像處理、模式識(shí)別、計(jì)算機(jī)視覺、神經(jīng)網(wǎng)絡(luò)和軟件工程等多個(gè)領(lǐng)域的研究課題，它有著廣闊的市場(chǎng)和巨大的商業(yè)應(yīng)用前景。近幾年對(duì)復(fù)雜背景和環(huán)境干擾條件下的高速車牌自動(dòng)識(shí)別技術(shù)研究非?；钴S，諸多學(xué)者提出了很多方法，有些已獲得了成功應(yīng)用，但都有各自的優(yōu)勢(shì)和劣勢(shì)，在理論上也沒有找到現(xiàn)成的高速實(shí)時(shí)的算法能解決識(shí)別系統(tǒng)中的所有現(xiàn)實(shí)問題。漢字識(shí)別，特別是漢字識(shí)別作為車牌識(shí)別系統(tǒng)中的重點(diǎn)和難點(diǎn)，也是現(xiàn)實(shí)問題存在最多的環(huán)節(jié)。所以，需要針對(duì)不同車牌成像環(huán)境特點(diǎn)和任務(wù)的特殊需要提出自己的解決方法。在本系統(tǒng)設(shè)計(jì)和實(shí)現(xiàn)的過程中，首先滲透并學(xué)習(xí)了他人提出的一些典型算法，盡可能實(shí)現(xiàn)或模擬這些算法，從結(jié)果中分析其優(yōu)劣，并提出自己的方法或改進(jìn)的算法。對(duì)于車牌漢字，僅是確定的50多個(gè)漢字。這樣就大大縮小了標(biāo)準(zhǔn)庫(kù)的范圍。根據(jù)車牌漢字識(shí)別的目的，它強(qiáng)調(diào)效率和精確度，因此在漢字結(jié)果特征提取中將每一結(jié)構(gòu)特點(diǎn)都提取出來(lái)。只要找到這50多個(gè)漢字相互的區(qū)分點(diǎn)就可以了。本文在參考大量有關(guān)車牌圖像識(shí)別技術(shù)公開資料的基礎(chǔ)上，圍繞著車牌漢字識(shí)別技術(shù)實(shí)際應(yīng)用的特點(diǎn)和要求，并通過一定的實(shí)驗(yàn)分析手段，首先對(duì)輸入的車牌漢字漢字圖像進(jìn)行預(yù)處理包括不同圖像的規(guī)格化，灰度圖像的二值化、反色、二值化圖像的細(xì)化等等。然后對(duì)輸入的車牌漢字漢字圖像進(jìn)行漢字特征提取，并在二值圖像漢字輪廓、骨架為基礎(chǔ)的漢字特征及提取方法的基礎(chǔ)上，提出了根據(jù)漢字的不相連獨(dú)立結(jié)構(gòu)、漢字筆畫橫、豎、撇、捺、點(diǎn)的個(gè)數(shù)建立的四維特征向量來(lái)區(qū)分車牌漢字。實(shí)驗(yàn)證明，該方法識(shí)別速度快、準(zhǔn)確率高。在識(shí)別對(duì)象確定的車牌漢字識(shí)別中有很好的效果。本文雖然在車牌漢字識(shí)別系統(tǒng)的算法技術(shù)和實(shí)現(xiàn)方法上進(jìn)行了一些探索，并做了大量工作，取得了一些階段性的成果，但由于客觀條件及時(shí)間的限制，在很多方面還存在不足，有待于進(jìn)一步的研究和探討，主要有以下幾點(diǎn)：1、車牌漢字的訓(xùn)練和識(shí)別樣本尚待進(jìn)一步完善本文實(shí)驗(yàn)中采集到的車牌漢字圖像是已經(jīng)處理過的灰度圖像，其效果要比實(shí)際圖像清晰干凈。另外提供給系統(tǒng)的車牌漢字訓(xùn)練樣本和識(shí)別樣本還不夠完備，車牌漢字庫(kù)中漢字圖像的種類和數(shù)量有限。總之，面對(duì)真正復(fù)雜現(xiàn)場(chǎng)情況下的應(yīng)用，還有很多具體工作要做。最后，軟件程序上還需要對(duì)整個(gè)識(shí)別系統(tǒng)進(jìn)行模塊化封裝和標(biāo)準(zhǔn)化設(shè)計(jì)。2、復(fù)雜背景下的多車牌定位識(shí)別目前我們討論的是單個(gè)車牌圖像的定位識(shí)別技術(shù)，對(duì)于復(fù)雜背景下的多目標(biāo)搜索、同幅多輛汽車牌照的圖像分割、精確定位等技術(shù)及現(xiàn)實(shí)的成像噪聲干擾等實(shí)際問題及技術(shù)難點(diǎn)還有很多工作尚待進(jìn)一步研究。在多車牌圖像目標(biāo)分割與定位識(shí)別技術(shù)方面，北京理工大學(xué)信息學(xué)院、國(guó)防科技大學(xué)603教研室、浙江師范大學(xué)模式識(shí)別研究所等單位都進(jìn)行了初步的研究，取得了階段性成果，這些，我們可以進(jìn)一步借鑒并應(yīng)用到商用的便攜式移動(dòng)車牌識(shí)別稽查系統(tǒng)中。3、基于彩色特征的車牌自動(dòng)識(shí)別本文所介紹的是基于灰度圖像的車牌識(shí)別技術(shù)，并沒有利用到車牌圖像的彩色空間特征信息。車牌底色和漢字的顏色是有限的幾種且往往與車身背景不同，當(dāng)前攝像機(jī)與計(jì)算機(jī)性能的提高使得彩色圖像的實(shí)時(shí)處理也變成現(xiàn)實(shí)，因此考慮基于彩色特征和彩色圖像分析技術(shù)來(lái)研究車牌的定位、分割與識(shí)別技術(shù)應(yīng)該說是車牌識(shí)別領(lǐng)域的一種新思路。這方面上海交通大學(xué)計(jì)算機(jī)科學(xué)與工程系、浙江大學(xué)等都已有學(xué)者進(jìn)行了探索研究，如提出采用彩色分割、目標(biāo)定位及多級(jí)混合集成分類器的車牌自動(dòng)識(shí)別方法等，這些算法和思路值得我們進(jìn)一步借鑒和參考。

致謝本次設(shè)計(jì)在我的導(dǎo)師侯進(jìn)副教授和陳曾學(xué)長(zhǎng)的指導(dǎo)和幫助下，我有了很大的收獲，同時(shí)還有很多同學(xué)對(duì)我有很大的幫助，他們向我提出了很多寶貴的意見和建議。侯進(jìn)副教授和陳曾學(xué)長(zhǎng)實(shí)事求是的治學(xué)態(tài)度給我印象頗深，對(duì)我也產(chǎn)生了很大的影響，在這里向他們表示誠(chéng)懇的感謝。侯老師讓我在對(duì)MATLAB編程的理解上少走了很多彎路，再次感謝她的不辭辛勞，向她表示深切的敬意。最后向所有支持我，幫助過我的老師和同學(xué)們表示衷心的謝意。

參考文獻(xiàn)[1]趙明生，包從笑.車牌識(shí)別技術(shù)在交通工程和城市安全中的作用及應(yīng)用前景.北京.人民交通出版社，1997:10-14[2]劉大宇.漢字識(shí)別方法研究及其在車牌識(shí)別系統(tǒng)中的應(yīng)用.四川大學(xué),2003:2-5[3]朱峰.車牌漢字識(shí)別技術(shù)的研究和實(shí)現(xiàn).江蘇大學(xué),2006:6-9[4]童劍軍.站在發(fā)展十字路口的車牌識(shí)別技術(shù).中國(guó)交通信息產(chǎn)業(yè).2005.10:50-53[5]袁紹松.車牌識(shí)別產(chǎn)品市場(chǎng)綜