基于matlab多路徑識(shí)別算法的研究畢業(yè)設(shè)計(jì)

1、<p><b>　　畢業(yè)設(shè)計(jì)（論文）</b></p><p>　　院別： 電氣工程學(xué)院 </p><p>　　專(zhuān)業(yè)： 電子信息工程 </p><p><b>　　摘要</b></p><p>　　隨著各省市高

2、速公路的不斷建設(shè)，基本上建成了大小規(guī)模不等的聯(lián)網(wǎng)收費(fèi)系統(tǒng)，在聯(lián)網(wǎng)收費(fèi)系統(tǒng)建設(shè)中，都面臨了一個(gè)共同的問(wèn)題——車(chē)輛行駛路徑的識(shí)別。路徑識(shí)別不僅僅涉及對(duì)每一通行車(chē)輛如何計(jì)算通行費(fèi)，同時(shí)還要考慮將收入的通行費(fèi)拆分給哪個(gè)收費(fèi)單位的問(wèn)題，通行費(fèi)的拆分直接關(guān)系到各條高速公路的合法利益，是聯(lián)網(wǎng)收費(fèi)的關(guān)鍵。所以說(shuō)解決多路徑識(shí)別問(wèn)題在完善高速公路聯(lián)網(wǎng)收費(fèi)系統(tǒng)中起著至關(guān)重要的作用。</p><p>　　本文介紹了多路徑識(shí)別的多種算法，

3、并著重分析了識(shí)別算法中的汽車(chē)牌照識(shí)別，根據(jù)車(chē)牌圖像特點(diǎn)，對(duì)車(chē)牌識(shí)別算法關(guān)鍵環(huán)節(jié)包括數(shù)字圖像預(yù)處理，車(chē)牌定位，車(chē)牌字符識(shí)別等三部分一一進(jìn)行了分析研究。</p><p>　　本文采用直方圖變換、邊緣檢測(cè)、二值化等方法對(duì)車(chē)牌圖像進(jìn)行了預(yù)處理。對(duì)車(chē)牌定位采用了一種基于灰度圖像求取卷積能量極值區(qū)域的車(chē)牌定位方法。采用模板匹配法對(duì)車(chē)牌字符進(jìn)行識(shí)別。并采用了MATLAB來(lái)完成算法的設(shè)計(jì)與實(shí)現(xiàn)。研究結(jié)果表明車(chē)牌識(shí)別率較高，適應(yīng)性

4、較強(qiáng)，實(shí)時(shí)性比較好。</p><p>　　關(guān)鍵詞：多路徑識(shí)別；車(chē)牌識(shí)別；車(chē)牌定位；模板匹配；字符識(shí)別</p><p><b>　　ABSTRACT</b></p><p>　　As expressway construction unceasingly in provinces, numbers of online charging syste

5、ms was completed bascially. In the construction of online charging system, we are facing a common problem — The identification of vehicle path. Path recognition involves not only how to calculate the tolls to every vehic

6、le, also should consider how to split the incomes to relevant charging unit. Toll split is directly related to the legitimate benifit of every expressway,and is the key to networking toll. So sol</p><p>　　Th

7、is article introduces the multipath recognition algorithms, And emphatically analysed the recognition algorithm of license plate recognition. Based on image characters of license plate, we have a deeply research on the k

8、ey technologies of the vehicle license plate recognition system, which include three parts: digital image pre-processing, license plate location, license plate characters recognition.</p><p>　　In the vehicle

9、 images pre-procession, the paper use the methods of Histogram Transformation, Edge detection, binarization. For license plate localization using a kind of calculating convolution based on gray image energy extremum reg

10、ion of license plate locating method.The paper use pattern matching which method has been improved to recognize the characters. And using MATLAB to complete the design and implementation of the algorithm. Research result

11、s show that the license plate recognition rate</p><p>　　Key Words: Multipath recognition;License plate identification; license plate location; template matching; OCR</p><p><b>　　目 錄</b&

12、gt;</p><p><b>　　第1章 緒論1</b></p><p>　　1.1 研究背景和意義1</p><p>　　1.2 MATLAB的概述1</p><p>　　1.3 本文框架結(jié)構(gòu)4</p><p>　　第2章 國(guó)內(nèi)外研究現(xiàn)狀5</p><p>　

13、　2.1 國(guó)外研究現(xiàn)狀5</p><p>　　2.2 國(guó)內(nèi)研究現(xiàn)狀6</p><p>　　第3章 多路徑識(shí)別算法的基本理論8</p><p>　　3.1 多路徑識(shí)別方法的分類(lèi)8</p><p>　　3.1.1精確識(shí)別8</p><p>　　3.1.2概率識(shí)別9</p><p>　　3

14、.2多路徑識(shí)別算法的理論基礎(chǔ)9</p><p>　　3.2.1 車(chē)牌照識(shí)別的主要算法9</p><p>　　3.2.2本文采用的識(shí)別算法12</p><p>　　第4章 基于模板匹配的車(chē)牌識(shí)別詳細(xì)設(shè)計(jì)15</p><p>　　4.1圖像采集15</p><p>　　4.2圖像預(yù)處理15</p>

15、<p>　　4.3車(chē)牌定位17</p><p>　　4.4傾斜校正18</p><p>　　4.5字符分割19</p><p>　　4.6字符識(shí)別20</p><p>　　4.6.1字符識(shí)別流程概述20</p><p>　　4.6.2本文字符識(shí)別流程21</p><p>

16、;　　第5章 車(chē)牌識(shí)別系統(tǒng)在MATLAB工具下的實(shí)現(xiàn)27</p><p>　　5.1實(shí)驗(yàn)環(huán)境27</p><p>　　5.2平臺(tái)搭建27</p><p>　　5.3識(shí)別過(guò)程28</p><p>　　5.4實(shí)驗(yàn)數(shù)據(jù)及分析33</p><p>　　第6章 總結(jié)與展望35</p><p>

17、<b>　　6.1 總結(jié)35</b></p><p><b>　　6.2 展望36</b></p><p><b>　　致謝38</b></p><p><b>　　參考文獻(xiàn)39</b></p><p><b>　　附錄40</b

18、></p><p><b>　　第1章 緒論</b></p><p>　　隨著各省市高速公路的不斷建設(shè)，基本上建成了大小規(guī)模不等的聯(lián)網(wǎng)收費(fèi)系統(tǒng)，在聯(lián)網(wǎng)收費(fèi)系統(tǒng)建設(shè)中，都面臨了一個(gè)共同的問(wèn)題——車(chē)輛行駛路徑的識(shí)別。路徑識(shí)別不僅僅涉及對(duì)每一通行車(chē)輛如何計(jì)算通行費(fèi)，同時(shí)還要考慮將收入的通行費(fèi)拆分給哪個(gè)收費(fèi)單位的問(wèn)題，通行費(fèi)的拆分直接關(guān)系到各條高速公路的合法利益，是聯(lián)網(wǎng)

19、收費(fèi)的關(guān)鍵。所以說(shuō)解決多路徑識(shí)別問(wèn)題在完善高速公路聯(lián)網(wǎng)收費(fèi)系統(tǒng)中起著至關(guān)重要的作用。</p><p>　　1.1 研究背景和意義</p><p>　　隨著高速公路路網(wǎng)規(guī)模的不斷擴(kuò)大，聯(lián)網(wǎng)收費(fèi)區(qū)域內(nèi)的環(huán)狀路結(jié)構(gòu)變得更加復(fù)雜，僅河北省一片區(qū)（京津以南高速公路）聯(lián)網(wǎng)收費(fèi)區(qū)域內(nèi)的已有路、在建路和未建路共有約20個(gè)最小封閉環(huán)路，如果在每個(gè)不同業(yè)主的路段設(shè)收費(fèi)站，投資巨大，也會(huì)影響高速公路的效率，同時(shí)

20、，傳統(tǒng)的收費(fèi)車(chē)道所采用的人工輸入車(chē)牌號(hào)碼后3位數(shù)字的方式時(shí)效性差，巨大的工作量直接影響高速公路的通行能力和服務(wù)水平。因此，高速公路上兩點(diǎn)之間車(chē)輛行駛的多路徑識(shí)別問(wèn)題成為聯(lián)網(wǎng)收費(fèi)及網(wǎng)絡(luò)費(fèi)用清分模式中迫切需要解決的問(wèn)題。</p><p>　　多路徑識(shí)別主要解決高速公路通行費(fèi)的合理收取以及通行費(fèi)的準(zhǔn)確拆分問(wèn)題。同時(shí)由于高速公路中大型車(chē)輛倒卡、逃費(fèi)現(xiàn)象十分猖獗，通常表現(xiàn)為利用目前機(jī)電系統(tǒng)存在的功能不完善漏洞，實(shí)現(xiàn)相同貨車(chē)

21、套牌倒卡具體表現(xiàn)為滿載長(zhǎng)途與空載短途同號(hào)牌車(chē)輛倒卡，即通過(guò)減少里程，逃避超載處罰力度。為高速公路正常收取車(chē)輛通行費(fèi)造成的及大的損失，同時(shí)也帶來(lái)了不良的社會(huì)影響。所以多路徑識(shí)別在實(shí)現(xiàn)識(shí)別車(chē)輛的實(shí)際行駛路徑從而進(jìn)行收費(fèi)拆分，同時(shí)也要解決倒卡、逃費(fèi)問(wèn)題。綜上所述，多路徑識(shí)別就需要解決以下三個(gè)問(wèn)題：</p><p>　?。?）高速公路通行費(fèi)的合理收取。</p><p>　?。?）通行費(fèi)的準(zhǔn)確拆分。

22、</p><p>　?。?）倒卡、逃費(fèi)問(wèn)題。</p><p>　　1.2 MATLAB的概述</p><p>　　MATLAB是用于算法開(kāi)發(fā)、數(shù)據(jù)可視化、數(shù)據(jù)分析以及數(shù)值計(jì)算的高科技計(jì)算語(yǔ)言和交互式環(huán)境。它具有以下特點(diǎn)：</p><p>　　1．友好的工作平臺(tái)和編程環(huán)境</p><p>　　MATLAB由一系列工具組成

23、。這些工具方便用戶使用MATLAB的函數(shù)和文件，其中許多工具采用的是圖形用戶界面。包括MATLAB桌面和命令窗口、歷史命令窗口、編輯器和調(diào)試器、路徑搜索和用于用戶瀏覽幫助、工作空間、文件的瀏覽器。隨著MATLAB的商業(yè)化以及軟件本身的不斷升級(jí)，MATLAB的用戶界面也越來(lái)越精致，更加接近Windows的標(biāo)準(zhǔn)界面，人機(jī)交互性更強(qiáng)，操作更簡(jiǎn)單。而且新版本的MATLAB提供了完整的聯(lián)機(jī)查詢、幫助系統(tǒng)，極大的方便了用戶的使用。簡(jiǎn)單的編程環(huán)境提供

24、了比較完備的調(diào)試系統(tǒng)，程序不必經(jīng)過(guò)編譯就可以直接運(yùn)行，而且能夠及時(shí)地報(bào)告出現(xiàn)的錯(cuò)誤及進(jìn)行出錯(cuò)原因分析。</p><p>　　2．簡(jiǎn)單易用的程序語(yǔ)言 </p><p>　　MATLAB一個(gè)高級(jí)的矩陣/陣列語(yǔ)言，它包含控制語(yǔ)句、函數(shù)、數(shù)據(jù)結(jié)構(gòu)、輸入和輸出和面向?qū)ο缶幊烫攸c(diǎn)。用戶可以在命令窗口中將輸入語(yǔ)句與執(zhí)行命令同步，也可以先編寫(xiě)好一個(gè)較大的復(fù)雜的應(yīng)用程序（M文件）后再一起運(yùn)行。新版本的MAT

25、LAB語(yǔ)言是基于最為流行的C＋＋語(yǔ)言基礎(chǔ)上的，因此語(yǔ)法特征與C＋＋語(yǔ)言極為相似，而且更加簡(jiǎn)單，更加符合科技人員對(duì)數(shù)學(xué)表達(dá)式的書(shū)寫(xiě)格式。使之更利于非計(jì)算機(jī)專(zhuān)業(yè)的科技人員使用。而且這種語(yǔ)言可移植性好、可拓展性極強(qiáng)，這也是MATLAB能夠深入到科學(xué)研究及工程計(jì)算各個(gè)領(lǐng)域的重要原因。</p><p>　　3．強(qiáng)大的科學(xué)計(jì)算數(shù)據(jù)處理能力 </p><p>　　MATLAB是一個(gè)包含大量計(jì)算算法的集合

26、。其擁有600多個(gè)工程中要用到的數(shù)學(xué)運(yùn)算函數(shù)，可以方便的實(shí)現(xiàn)用戶所需的各種計(jì)算功能。函數(shù)中所使用的算法都是科研和工程計(jì)算中的最新研究成果，而前經(jīng)過(guò)了各種優(yōu)化和容錯(cuò)處理。在通常情況下，可以用它來(lái)代替底層編程語(yǔ)言，如C和C++ 。在計(jì)算要求相同的情況下，使用MATLAB的編程工作量會(huì)大大減少。MATLAB的這些函數(shù)集包括從最簡(jiǎn)單最基本的函數(shù)到諸如矩陣，特征向量、快速傅立葉變換的復(fù)雜函數(shù)。函數(shù)所能解決的問(wèn)題其大致包括矩陣運(yùn)算和線性方程組的求解

27、、微分方程及偏微分方程的組的求解、符號(hào)運(yùn)算、傅立葉變換和數(shù)據(jù)的統(tǒng)計(jì)分析、工程中的優(yōu)化問(wèn)題、稀疏矩陣運(yùn)算、復(fù)數(shù)的各種運(yùn)算、三角函數(shù)和其他初等數(shù)學(xué)運(yùn)算、多維數(shù)組操作以及建模動(dòng)態(tài)仿真等。</p><p>　　4．出色的圖像處理功能</p><p>　　MATLAB自產(chǎn)生之日起就具有方便的數(shù)據(jù)可視化功能，以將向量和矩陣用圖形表現(xiàn)出來(lái)，并且可以對(duì)圖形進(jìn)行標(biāo)注和打印。高層次的作圖包括二維和三維的可視化

28、、圖象處理、動(dòng)畫(huà)和表達(dá)式作圖。可用于科學(xué)計(jì)算和工程繪圖。新版本的MATLAB對(duì)整個(gè)圖形處理功能作了很大的改進(jìn)和完善，使它不僅在一般數(shù)據(jù)可視化軟件都具有的功能（例如二維曲線和三維曲面的繪制和處理等）方面更加完善，而且對(duì)于一些其他軟件所沒(méi)有的功能（例如圖形的光照處理、色度處理以及四維數(shù)據(jù)的表現(xiàn)等），MATLAB同樣表現(xiàn)了出色的處理能力。同時(shí)對(duì)一些特殊的可視化要求，例如圖形對(duì)話等，MATLAB也有相應(yīng)的功能函數(shù)，保證了用戶不同層次的要求。另外

29、新版本的MATLAB還著重在圖形用戶界面（GUI）的制作上作了很大的改善，對(duì)這方面有特殊要求的用戶也可以得到滿足。 </p><p>　　5．應(yīng)用廣泛的模塊集合工具箱</p><p>　　MATLAB對(duì)許多專(zhuān)門(mén)的領(lǐng)域都開(kāi)發(fā)了功能強(qiáng)大的模塊集和工具箱。一般來(lái)說(shuō)，它們都是由特定領(lǐng)域的專(zhuān)家開(kāi)發(fā)的，用戶可以直接使用工具箱學(xué)習(xí)、應(yīng)用和評(píng)估不同的方法而不需要自己編寫(xiě)代碼。目前，MATLAB已經(jīng)把工具箱

30、延伸到了科學(xué)研究和工程應(yīng)用的諸多領(lǐng)域，諸如數(shù)據(jù)采集、數(shù)據(jù)庫(kù)接口、概率統(tǒng)計(jì)、樣條擬合、優(yōu)化算法、偏微分方程求解、神經(jīng)網(wǎng)絡(luò)、小波分析、信號(hào)處理、圖像處理、系統(tǒng)辨識(shí)、控制系統(tǒng)設(shè)計(jì)、LMI控制、魯棒控制、模型預(yù)測(cè)、模糊邏輯、金融分析、地圖工具、非線性控制設(shè)計(jì)、實(shí)時(shí)快速原型及半物理仿真、嵌入式系統(tǒng)開(kāi)發(fā)、定點(diǎn)仿真、DSP與通訊、電力系統(tǒng)仿真等，都在工具箱（Toolbox）家族中有了自己的一席之地。 </p><p>　　6．

31、使用的程序接口和發(fā)布平臺(tái)</p><p>　　新版本的MATLAB可以利用MATLAB編譯器和C/C++數(shù)學(xué)庫(kù)和圖形庫(kù)，將自己的MATLAB程序自動(dòng)轉(zhuǎn)換為獨(dú)立于MATLAB運(yùn)行的C和C++代碼。允許用戶編寫(xiě)可以和MATLAB進(jìn)行交互的C或C++語(yǔ)言程序。另外，MATLAB網(wǎng)頁(yè)服務(wù)程序還容許在Web應(yīng)用中使用自己的MATLAB數(shù)學(xué)和圖形程序。MATLAB的一個(gè)重要特色就是具有一套程序擴(kuò)展系統(tǒng)和一組稱(chēng)之為工具箱的特殊

32、應(yīng)用子程序。工具箱是MATLAB函數(shù)的子程序庫(kù)，每一個(gè)工具箱都是為某一類(lèi)學(xué)科專(zhuān)業(yè)和應(yīng)用而定制的，主要包括信號(hào)處理、控制系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、模糊邏輯、小波分析和系統(tǒng)仿真等方面的應(yīng)用。 </p><p>　　7.應(yīng)用軟件開(kāi)發(fā)（包括用戶界面）</p><p>　　在開(kāi)發(fā)環(huán)境中，使用戶更方便地控制多個(gè)文件和圖形窗口；在編程方面支持了函數(shù)嵌套，有條件中斷等；在圖形化方面，有了更強(qiáng)大的圖形標(biāo)注和處理功能，

33、包括對(duì)性對(duì)起連接注釋等；在輸入輸出方面，可以直接向Excel和HDF5進(jìn)行連接。</p><p>　　本文設(shè)計(jì)的系統(tǒng)采用MATLAB搭建車(chē)輛牌照識(shí)別系統(tǒng)，具有非常明顯的優(yōu)勢(shì)：</p><p>　　(1)可以直接使用MATLAB的Image Acquisition Toolbox、Image ProcessingToolbox以及Neural Network Toolbox作為骨架來(lái)搭建整個(gè)

34、系統(tǒng)。</p><p>　　(2) 使用MATLAB的圖形用戶界面技術(shù)（GUI）編寫(xiě)牌照識(shí)別系統(tǒng)面板，可以達(dá)到與牌照定位切分程序及字符識(shí)別程序的無(wú)縫連接。</p><p>　　(3) 使用專(zhuān)業(yè)工具箱，使得研究人員不必過(guò)于關(guān)心程序的細(xì)節(jié)問(wèn)題，可以將主要的精力放在算法的研究、設(shè)計(jì)方面，極大地減少了工作量，為算法的研究改進(jìn)提供了先決條件。</p><p>　　1.3 本文

35、框架結(jié)構(gòu)</p><p>　　本文通過(guò)對(duì)多路徑識(shí)別算法理論進(jìn)行系統(tǒng)認(rèn)真的學(xué)習(xí)和研究，查閱了大量的國(guó)內(nèi)外相關(guān)的文獻(xiàn)和資料，主要完成了圍繞汽車(chē)牌照識(shí)別技術(shù)的多路徑識(shí)別算法的實(shí)現(xiàn)。本文的主要結(jié)構(gòu)如下所示：</p><p>　　第一章，緒論。本章首先介紹了多路徑識(shí)別理論研究的背景和意義，然后綜述了陳述了本文的內(nèi)容安排。</p><p>　　第二章，國(guó)內(nèi)外研究現(xiàn)狀。本章介紹了

36、多路徑識(shí)別理論的歷史、發(fā)展、國(guó)外各國(guó)發(fā)展現(xiàn)狀及立足我國(guó)的研究發(fā)展方向。</p><p>　　第三章，多路徑識(shí)別基本理論。本章詳細(xì)闡述了多路徑識(shí)別理論的基本原理。首先講述了多路徑識(shí)別理論的構(gòu)成，然后圍繞多路徑識(shí)別算法的精確識(shí)別中汽車(chē)牌照識(shí)別技術(shù)的主要算法展開(kāi)討論，介紹了該技術(shù)應(yīng)用了哪些方面的知識(shí)，是如何實(shí)現(xiàn)的。</p><p>　　第四章，基于模板匹配的車(chē)牌識(shí)別詳細(xì)設(shè)計(jì)。本章是本文的重點(diǎn)，包

37、括圖像的采集、圖像預(yù)處理、車(chē)牌定位、傾斜校正、字符分割、字符識(shí)別。</p><p>　　第五章，實(shí)驗(yàn)環(huán)境平臺(tái)搭建、識(shí)別過(guò)程、實(shí)驗(yàn)數(shù)據(jù)及分析。</p><p>　　第六章，總結(jié)和展望。本章總結(jié)了本設(shè)計(jì)所完成的工作，并對(duì)其中的缺陷做出了說(shuō)明，指出了所采用算法的不足指出，對(duì)下一步的工作做了展望。</p><p>　　第2章 國(guó)內(nèi)外研究現(xiàn)狀</p><p

38、>　　多路徑識(shí)別在高速公路聯(lián)網(wǎng)收費(fèi)系統(tǒng)中起到的關(guān)鍵作用，引起了大家廣泛的關(guān)注和研究，下面我們將對(duì)該理論的歷史和發(fā)展歷程做出介紹。</p><p>　　2.1 國(guó)外研究現(xiàn)狀</p><p>　　國(guó)外高速公路實(shí)行收費(fèi)的雖然有一些，但是大部分規(guī)模不大，或者是路公司比較單一，他們的研究主要集中在電子不停車(chē)收費(fèi)（ETC,即Electronic Toll Collection）系統(tǒng)上面，或者是更

39、為智能的如德國(guó)研究的利用全球定位系統(tǒng)（GPS）的收費(fèi)系統(tǒng)，但專(zhuān)門(mén)就在高速公路路徑識(shí)別這方面的研究很少。</p><p>　　日本是一個(gè)典型的對(duì)高速公路實(shí)行收費(fèi)制度的國(guó)家，其在高速公路收費(fèi)防堵方面進(jìn)行了不倦的探索。從2001年3月開(kāi)始，ETC(電子不停車(chē)收費(fèi))技術(shù)在日本整體上投入運(yùn)營(yíng)。在實(shí)際應(yīng)用中，ETC技術(shù)相對(duì)于傳統(tǒng)收費(fèi)技術(shù)來(lái)說(shuō)有兩個(gè)優(yōu)勢(shì)：一是更加適應(yīng)于多個(gè)不同主體運(yùn)營(yíng)管理多條收費(fèi)道路的情況；二是對(duì)非法行為、人為

40、破壞和逃費(fèi)行為有著更強(qiáng)的防范性。目前,日本高速公路 80%的出入口都實(shí)現(xiàn)了ETC化,而且越來(lái)越多的汽車(chē)安裝了 ETC系統(tǒng)。據(jù)日本政府估計(jì),到2007年,ETC的用戶將達(dá)到1500萬(wàn)輛。日本最常用的ETC收費(fèi)站采取3個(gè)門(mén)橋的樣式,這3個(gè)門(mén)橋分別用于識(shí)別車(chē)型、識(shí)別入口和收費(fèi)信息傳輸。關(guān)于其應(yīng)用此項(xiàng)技術(shù)進(jìn)行路徑識(shí)別的研究還沒(méi)有見(jiàn)諸報(bào)道,但這樣一來(lái)就有望通過(guò)大量的ETC用戶,在關(guān)鍵路段安裝掃描器,來(lái)達(dá)到高概率智能識(shí)別車(chē)輛行駛路徑的效果。<

41、/p><p>　　德國(guó)一直在高速公路上未建任何收費(fèi)設(shè)施,對(duì)車(chē)輛收取的通行費(fèi)包含在燃油費(fèi)和養(yǎng)路費(fèi)中。自2003年8月31日起,實(shí)施一項(xiàng)新的高速公路收費(fèi)政策,即所有行駛在德國(guó)高速公路上的12噸以上的重型卡車(chē),包括外國(guó)入境運(yùn)輸車(chē)輛, 都必須繳納高速公路行駛費(fèi)。所有收取的費(fèi)用將用于改善德國(guó)交通基礎(chǔ)設(shè)施,因?yàn)橹匦涂ㄜ?chē)將大量增加高速公路的建設(shè)和維護(hù)成本。德國(guó)實(shí)行高速公路收費(fèi)沒(méi)有采用傳統(tǒng)的關(guān)卡式收費(fèi)站,他們采用的是衛(wèi)星定位和移動(dòng)通

42、訊技術(shù)相結(jié)合的收費(fèi)系統(tǒng)。德國(guó)將投入的高速公路收費(fèi)系統(tǒng)命名為“Toll Collect”,是目前世界上不設(shè)收費(fèi)窗口的最先進(jìn)的道路收費(fèi)系統(tǒng)之一。它采用衛(wèi)星輔助探測(cè)技術(shù),依靠每輛行駛在高速公路上的車(chē)輛上安裝的收音機(jī)大小的接收機(jī)精確計(jì)算出車(chē)輛所行駛里程。接收機(jī)含有GPS導(dǎo)航信號(hào)接收機(jī)和一個(gè)移動(dòng)通訊終端,一旦卡車(chē)啟動(dòng),接收機(jī)便會(huì)自動(dòng)記錄行駛里程, 并將計(jì)算出的繳費(fèi)金額數(shù)據(jù)發(fā)送到監(jiān)控中心。這種技術(shù)相當(dāng)于已經(jīng)識(shí)別出了車(chē)輛行駛路徑,但其依賴(lài)于美國(guó)的 G

43、PS定位系統(tǒng),受其控制的識(shí)別精度影響,目前GPS的導(dǎo)航精度為10m,但不排除美國(guó)改變其導(dǎo)航精度的可能,使識(shí)別精度受到質(zhì)疑,另外其車(chē)載接收機(jī)的價(jià)格也是一個(gè)問(wèn)題。</p><p>　　2.2 國(guó)內(nèi)研究現(xiàn)狀</p><p>　　目前許多省市建設(shè)的高速公路都具有相當(dāng)規(guī)模,聯(lián)網(wǎng)收費(fèi)己成大勢(shì)所趨。由于路網(wǎng)結(jié)構(gòu)的復(fù)雜性,有的里面具有環(huán)形結(jié)構(gòu),隨著路網(wǎng)的不斷完善這種環(huán)形結(jié)構(gòu)將會(huì)越來(lái)越多, 而一個(gè)路網(wǎng)里面一

44、般有多個(gè)路公司在管理,如何確定車(chē)輛行駛路徑也就成為一個(gè)擺在眼前的問(wèn)題了。</p><p>　　國(guó)內(nèi)對(duì)這方面的專(zhuān)題研究不多,目前以軟課題的形式開(kāi)展此類(lèi)研究的有江蘇省蘇北高速公路網(wǎng)和浙江省高速公路網(wǎng)。</p><p>　　江蘇省以長(zhǎng)江為界分為蘇北高速公路網(wǎng)和蘇南高速公路網(wǎng),分別實(shí)現(xiàn)聯(lián)網(wǎng)收費(fèi)。江蘇省蘇北高速公路路徑識(shí)別技術(shù)研究的對(duì)象即蘇北高速公路網(wǎng),蘇北高速公路網(wǎng)的聯(lián)網(wǎng)收費(fèi)范圍包括京滬高速沂淮江

45、段、寧連高速淮連段、京福高速徐州東繞城段、徐宿高速公路、寧宿高速公路、寧通高速公路、廣靖高速公路、連徐高速公路、寧靖鹽高速公路、汾灌高速公路及江陰大橋。在研究中針對(duì)當(dāng)時(shí)蘇北具體路網(wǎng)提出了蘇北高速公路聯(lián)網(wǎng)收費(fèi)的多路徑判別方法及相關(guān)措施。</p><p>　　浙江省高速公路網(wǎng)對(duì)路徑識(shí)別問(wèn)題進(jìn)行研究的時(shí)候,其高速公路路網(wǎng)中存在兩個(gè)二義性路徑的路環(huán):一個(gè)是杭甫高速公路(沽清—大朱家)、上三高速公路全線、雨臺(tái)溫高速公路(寧

46、波東—吳番樞紐)組成的路環(huán);另一個(gè)是由滬杭、杭甫、繞城高速公路組成的路環(huán)。針對(duì)這兩個(gè)二義性路徑。浙江省當(dāng)時(shí)采用的方法是以出口/入口隔離法為輔,通行費(fèi)的拆分則是在對(duì)歷史交通量和未來(lái)交通量的分析基礎(chǔ)上,與路公司共同商討,取得一致同意的情況下達(dá)成用節(jié)點(diǎn)位勢(shì)法來(lái)進(jìn)行多路徑的路徑識(shí)別,它仿照電學(xué)里面的節(jié)點(diǎn)位勢(shì)法,確定用路段里程來(lái)表征路段阻抗,從而計(jì)算出多路徑情況下各路徑的行駛車(chē)輛數(shù),進(jìn)而依次在各路公司拆分通行費(fèi),對(duì)車(chē)輛的通行費(fèi)按照最短路徑來(lái)征收。

47、其拆分為了適應(yīng)不斷變化的交通流量,省收費(fèi)結(jié)算中心和路公司定期組織對(duì)二義性路徑的交通流量進(jìn)行統(tǒng)計(jì)調(diào)查,并通過(guò)實(shí)際運(yùn)行一段時(shí)間后(三個(gè)月～半年),根據(jù)實(shí)際統(tǒng)計(jì)的流量狀況和分布情況、車(chē)輛選擇路徑的情況以及與現(xiàn)用的二義性路徑拆分原則的差距情況,對(duì)原來(lái)的分配方案和比例進(jìn)行調(diào)整。</p><p>　　山東省高速公路通車(chē)?yán)锍坛^(guò)3000km,預(yù)計(jì)2008年將達(dá)到4000km,高速公路通車(chē)?yán)锍虨槿珖?guó)第一,聯(lián)網(wǎng)收費(fèi)里程已達(dá)到214

48、4km,路網(wǎng)內(nèi)有多家路公司。最初山東省采用最短距離法進(jìn)行路徑識(shí)別與通行費(fèi)收入拆分。隨著聯(lián)網(wǎng)收費(fèi)高速公路網(wǎng)規(guī)模的不斷擴(kuò)大,不同利益主體管轄的路段將會(huì)逐漸并入網(wǎng)中,路網(wǎng)結(jié)構(gòu)日趨復(fù)雜,路徑識(shí)別與通行費(fèi)收入拆分問(wèn)題日益突出,據(jù)估計(jì)由多路徑產(chǎn)生的費(fèi)用占路網(wǎng)總通行費(fèi)用的3.396,每年達(dá)1000萬(wàn)元左右。為此山東省對(duì)山東省高速公路聯(lián)網(wǎng)收費(fèi)系統(tǒng)路徑識(shí)別與通行費(fèi)收入拆分問(wèn)題進(jìn)行研究認(rèn)為:</p><p>　　要從山東省高速公路總

49、體路網(wǎng)規(guī)劃出發(fā),綜合考慮設(shè)備投資、受益及今后運(yùn)營(yíng)成本等多方面因素提出方案;</p><p>　　路徑識(shí)別與通行費(fèi)收入拆分問(wèn)題主要從兩個(gè)方面解決,一是收費(fèi)車(chē)道業(yè)務(wù)操作層,主要是路徑識(shí)別問(wèn)題;二是收費(fèi)管理層面,主要是通行費(fèi)收入拆分問(wèn)題。</p><p>　　車(chē)道收費(fèi)業(yè)務(wù)操作要求盡可能精確識(shí)別每一車(chē)輛的行駛路徑,不損害道路通行者利益,合理收取通行費(fèi)。在進(jìn)行路徑識(shí)別時(shí),根據(jù)具體情況對(duì)不同路段采取不

50、同方法。根據(jù)當(dāng)時(shí)道路情況,他們建議在對(duì)綜合路阻之差在10%(可更多或更少)以上不同路徑進(jìn)行識(shí)別時(shí),應(yīng)用最短路徑法;當(dāng)不同路徑的路阻之差在10%之內(nèi),且車(chē)流量較少,涉及的通行費(fèi)較低時(shí),可采取收費(fèi)員入口指導(dǎo),出口詢問(wèn)方式;當(dāng)長(zhǎng)度之差在10%之內(nèi),且車(chē)流量較大,多路徑通行費(fèi)較高時(shí),也可以考慮在在關(guān)鍵點(diǎn)設(shè)立標(biāo)識(shí)站,但標(biāo)識(shí)站數(shù)量一定要控制, 盡量減少對(duì)全路網(wǎng)的影響;另外,在路徑識(shí)別精度方面,不同路段也要有所側(cè)重。當(dāng)路網(wǎng)中多路徑路段屬于同一經(jīng)營(yíng)主體

51、時(shí),建議不對(duì)行駛路徑進(jìn)行精確識(shí)別。</p><p>　　由于目前我國(guó)聯(lián)網(wǎng)收費(fèi)還是剛剛開(kāi)始,對(duì)其相關(guān)的技術(shù)研究的還不是都很深入,路徑識(shí)別技術(shù)的研究在這種環(huán)境下也只是剛剛開(kāi)始,在現(xiàn)有的“一路一公司”的情況下實(shí)行的協(xié)商法需要各路公司相互之間有良好的協(xié)調(diào)關(guān)系。高速公路多路徑識(shí)別技術(shù)作為依附于高速公路聯(lián)網(wǎng)收費(fèi)的一門(mén)新技術(shù)必然會(huì)隨著聯(lián)網(wǎng)收費(fèi)技術(shù)的進(jìn)步而不斷發(fā)展完善,特別是在當(dāng)前提倡的電子不停車(chē)收費(fèi)(ETC)技術(shù)不斷成熟完善的

52、情況下,對(duì)車(chē)輛行駛路徑的精確識(shí)別必然會(huì)在現(xiàn)實(shí)和經(jīng)濟(jì)上都允許的前提下得以實(shí)現(xiàn)。</p><p>　　第3章 多路徑識(shí)別算法的基本理論</p><p>　　多路徑識(shí)別包含多種技術(shù)方法，下面主要介紹了多路徑識(shí)別方法的主要分類(lèi)，詳細(xì)說(shuō)明了識(shí)別方法涉及到的主要算法。</p><p>　　3.1 多路徑識(shí)別方法的分類(lèi)</p><p>　　目前，在高速公路

53、路徑識(shí)別的主要技術(shù)方法有：標(biāo)識(shí)站法、車(chē)牌照識(shí)別法、最短路徑法。從基本思路看，多路徑識(shí)別技術(shù)可以分為精確識(shí)別和概率識(shí)別兩類(lèi)。</p><p><b>　　3.1.1精確識(shí)別</b></p><p>　　精確識(shí)別的原理是識(shí)別出路網(wǎng)中每一車(chē)輛的實(shí)際行駛路徑，避免路網(wǎng)中出現(xiàn)行駛路徑的歧義，從而解決路網(wǎng)中多路徑問(wèn)題。標(biāo)識(shí)站法、車(chē)牌照識(shí)別法都屬于精確識(shí)別的范疇。</p>

54、;<p>　　要做到對(duì)車(chē)輛行駛路徑的精確識(shí)別通常由兩種方法：通過(guò)土建設(shè)施的手段，確保任意車(chē)輛從一個(gè)收費(fèi)站（點(diǎn)）到另一收費(fèi)站（點(diǎn)）間只能有唯一的行駛路徑；通過(guò)標(biāo)識(shí)方法采集車(chē)輛行駛路徑信息，確認(rèn)車(chē)輛行駛路徑。第二種方法只需在產(chǎn)生歧義的路段設(shè)立標(biāo)識(shí)站，獲取車(chē)輛行駛的標(biāo)識(shí)信息，就可以根據(jù)出口信息、入口信息、標(biāo)識(shí)信息，識(shí)別出任意車(chē)輛的行駛路徑。</p><p><b>　　1.標(biāo)識(shí)站識(shí)別法</

55、b></p><p>　　準(zhǔn)確識(shí)別車(chē)輛的實(shí)際行駛路徑，可分為停車(chē)式和不停車(chē)兩種，以下提到的標(biāo)識(shí)站均為“停車(chē)式標(biāo)識(shí)站”。在收費(fèi)車(chē)道上安裝非接觸式IC卡讀寫(xiě)設(shè)備，司機(jī)通過(guò)此路段時(shí)，將IC卡（通行卡）在讀寫(xiě)天線的規(guī)定距離內(nèi)劃過(guò)，自動(dòng)欄桿開(kāi)啟、車(chē)輛通行，并記錄該標(biāo)識(shí)站信息。</p><p>　　標(biāo)識(shí)站的主要缺點(diǎn)是車(chē)輛每次經(jīng)過(guò)標(biāo)識(shí)站時(shí)必須停車(chē)，導(dǎo)致行車(chē)速度減慢，降低了高速公路的服務(wù)水平，與聯(lián)網(wǎng)

56、收費(fèi)的精神直接相違背，在實(shí)施時(shí)，輕易不采用。在國(guó)家政策方面，交通部交公路發(fā) [1999]9號(hào)文件《關(guān)于認(rèn)真做好公路收費(fèi)站點(diǎn)清理整頓的通知》中規(guī)定“對(duì)通行車(chē)輛一次完成通行費(fèi)收繳和票證發(fā)放工作，不準(zhǔn)設(shè)立旨在進(jìn)行內(nèi)部監(jiān)督驗(yàn)票的檢查站”。顯然，國(guó)家法律法規(guī)的規(guī)定對(duì)設(shè)置停車(chē)式標(biāo)識(shí)站做出了限制，設(shè)置停車(chē)式標(biāo)識(shí)站已不可行。</p><p><b>　　2.車(chē)牌照識(shí)別技術(shù)</b></p>&l

57、t;p>　　隨著圖像識(shí)別技術(shù)的發(fā)展，也可應(yīng)用“車(chē)牌照識(shí)別”技術(shù)進(jìn)行多路徑的識(shí)別。即高速公路入、出口以及路網(wǎng)內(nèi)關(guān)鍵點(diǎn)設(shè)置車(chē)牌照抓拍系統(tǒng)，攝取通過(guò)車(chē)輛牌照。</p><p>　　車(chē)牌照識(shí)別方法雖然不影響行車(chē)速度，但是應(yīng)用車(chē)牌照抓拍系統(tǒng)進(jìn)行多路徑的判別，投資較大且系統(tǒng)精度根據(jù)圖像識(shí)別算法的不同效果也不同一般不能達(dá)到100%。</p><p><b>　　3.1.2概率識(shí)別<

58、/b></p><p>　　一般來(lái)說(shuō)，道路使用者路徑選擇行為是基于道路使用效益最大化和運(yùn)營(yíng)成本最小化的原則之上的，即：花最少的時(shí)間、最少的費(fèi)用、走最短的路、獲取最大的效益。因此，運(yùn)行時(shí)間最少的路徑對(duì)于時(shí)間價(jià)值導(dǎo)向型的道路使用者來(lái)說(shuō)具有更強(qiáng)的吸引力，用戶一般采用最短路徑法。</p><p>　　最短路徑法取最短路徑為行駛路徑。從起點(diǎn)到終點(diǎn)存在兩條或兩條以上的路徑，將最短路徑作為車(chē)輛選擇

59、路徑，此方法最為簡(jiǎn)便，投資最少。最短路徑法直接將多路徑車(chē)輛通行費(fèi)分配給最短路徑業(yè)主，因此，這種方法的精確度取決于車(chē)輛在實(shí)際的路徑選擇過(guò)程中選擇最短路徑的概率。但是在高速公路中倒卡、逃費(fèi)問(wèn)題嚴(yán)重，因此這種算法的拆分關(guān)系到將通行費(fèi)拆分給哪個(gè)收費(fèi)單位的問(wèn)題，影響了一部分單位的收益。</p><p>　　所以在本次設(shè)計(jì)中主要研究了精確識(shí)別中的車(chē)牌照識(shí)別技術(shù)，分析研究圖像處理得算法，用以提高車(chē)牌照識(shí)別的準(zhǔn)確度。</p

60、><p>　　3.2多路徑識(shí)別算法的理論基礎(chǔ)</p><p>　　在本文涉及到的多路徑識(shí)別算法—車(chē)牌照識(shí)別技術(shù)中，對(duì)于一個(gè)完整的車(chē)輛牌照識(shí)別系統(tǒng)而言應(yīng)該包括圖像采集、圖像預(yù)處理、車(chē)牌定位、字符切分、字符識(shí)別以及圖像編碼、數(shù)碼傳輸與更新等步驟，基本可以分為硬件部分和軟件部分，硬件部分主要完成車(chē)輛圖像的攝取采集，軟件部分主要完成對(duì)采集到的車(chē)輛圖像進(jìn)行車(chē)輛牌照定位、車(chē)牌字符切分與車(chē)牌字符識(shí)別等工作，

61、這部分工作最為復(fù)雜，最后對(duì)識(shí)別結(jié)果進(jìn)行數(shù)據(jù)傳送和存儲(chǔ)，將處理后的識(shí)別信息交給管理系統(tǒng)進(jìn)行管理。整個(gè)系統(tǒng)的核心是軟件部分的工作，能否通過(guò)牌照對(duì)車(chē)輛進(jìn)行有效管理，很大程度上取決于軟件部分識(shí)別車(chē)牌的準(zhǔn)確性。</p><p>　　3.2.1 車(chē)牌照識(shí)別的主要算法</p><p>　　車(chē)牌識(shí)別的常用算法法有很多種，如結(jié)構(gòu)模式識(shí)別方法、統(tǒng)計(jì)模式識(shí)別、人工神經(jīng)網(wǎng)絡(luò)識(shí)別等等。下面分別介紹各種方法：<

62、/p><p><b>　　1.結(jié)構(gòu)模式識(shí)別</b></p><p>　　結(jié)構(gòu)模式識(shí)別可能比較復(fù)雜，但都具有相當(dāng)嚴(yán)格的規(guī)律性。換句話說(shuō)，字符圖像含有豐富的結(jié)構(gòu)信息?？梢栽O(shè)法提取含有這種信息的結(jié)構(gòu)特征及其組字規(guī)律作為識(shí)別的依據(jù)，這就是結(jié)構(gòu)模式識(shí)別。</p><p>　　結(jié)構(gòu)模式識(shí)別是早期漢字識(shí)別研究的主要方法。其主要出發(fā)點(diǎn)是漢字的組成結(jié)構(gòu).從漢字的構(gòu)成

63、上講，漢字是由筆劃以及偏旁部首構(gòu)成的;還可以認(rèn)為漢字是由更小的結(jié)構(gòu)基元構(gòu)成的。由這些結(jié)構(gòu)基元及其相互關(guān)系完全可以精確地對(duì)漢字加以描述，這種方法也叫句法模式識(shí)別。識(shí)別時(shí)，利用上述結(jié)構(gòu)信息以及句法分析地方法進(jìn)行識(shí)別，類(lèi)似于一個(gè)邏輯推理器。</p><p>　　基于這種方法來(lái)描述字符的結(jié)構(gòu)在理論上是比較恰當(dāng)?shù)?，其主要?yōu)點(diǎn)在于對(duì)字體變化的適應(yīng)性強(qiáng)，區(qū)分相似字的能力強(qiáng)；但是，在實(shí)際應(yīng)用中，其所面臨的問(wèn)題是抗干擾能力差，因?yàn)?/p>

64、在實(shí)際得到的文本圖像中存在各種干擾，比如傾斜、斷裂、粘連、污點(diǎn)等。這些因素直接影響到結(jié)構(gòu)基元的提取。假如基元不能準(zhǔn)確得到，后面的識(shí)別就成了無(wú)源之水。所以，在字符識(shí)別領(lǐng)域，純結(jié)構(gòu)模式識(shí)別方法己經(jīng)逐漸衰落。</p><p><b>　　2.統(tǒng)計(jì)模式識(shí)別</b></p><p>　　統(tǒng)計(jì)決策論發(fā)展較早，理論也比較成熟.其要點(diǎn)是提取待識(shí)別模式的一組統(tǒng)計(jì)特征，然后按照一定準(zhǔn)則所

65、確定的決策函數(shù)進(jìn)行分類(lèi)判決。字符的統(tǒng)計(jì)模式識(shí)別是將字符點(diǎn)陣看作一個(gè)整體，其所用的特征是從這個(gè)整體上經(jīng)過(guò)大量的統(tǒng)計(jì)而得到的.統(tǒng)計(jì)特征的特點(diǎn)是抗干擾能力強(qiáng)，匹配與分類(lèi)的算法簡(jiǎn)單，易于實(shí)現(xiàn).不足之處在于細(xì)分能力較弱，區(qū)分相似字的能力差一些。常見(jiàn)的統(tǒng)計(jì)模式識(shí)別方法有：</p><p>　?。?）投影直方圖法。利用字符圖像在水平及垂直方向的投影作為特征。這種方法是模式識(shí)別早期使用的方法。</p><p&

66、gt;　　（2）利用變換特征方法。對(duì)圖像進(jìn)行變換，變換后對(duì)圖像從空間域變到頻域，特征的維數(shù)大大降低。但是這些方法總的特征就是運(yùn)算量太大，運(yùn)算復(fù)雜度高，難以滿足實(shí)時(shí)處理的要求。</p><p>　　（3）傅立葉描述子和Spline曲線近似。這兩種方法都是針對(duì)字符圖像輪廓的。傅立葉描述子是利用傅立葉函數(shù)模擬封閉的輪廓線，將傅立葉和函數(shù)的各個(gè)系數(shù)作為特征，該方法致命缺點(diǎn)是對(duì)于輪廓線不封閉的字符圖像不適用。車(chē)牌字符本身所

67、占象素點(diǎn)較少，常常會(huì)出現(xiàn)筆劃斷裂輪廓不封閉。Spline曲線是在輪廓上找到曲率大的折點(diǎn)，利用Spline曲線來(lái)近似相鄰折點(diǎn)之間的輪廓線，該方法的缺點(diǎn)在于對(duì)旋轉(zhuǎn)現(xiàn)象比較敏感。</p><p>　?。?）特征點(diǎn)方法。它的主要思想是利用字符點(diǎn)陣中一些有代表性的點(diǎn)作為特征來(lái)區(qū)分不同的字符。這些點(diǎn)包括端點(diǎn)、折點(diǎn)以及交叉點(diǎn)等等，獲得了比較好的效果。其特點(diǎn)是對(duì)于內(nèi)部筆劃粘連的字符識(shí)別的適應(yīng)性較強(qiáng)，直觀性好，但是不易表示為矢量形

68、式，不適合作為粗分類(lèi)的特征，匹配難度大。</p><p>　　（5）基于微結(jié)構(gòu)特征的方法。字符是由筆劃組成的，筆劃是由一定方向，一定位置關(guān)系和長(zhǎng)寬比的矩形線段組成的。這些矩形則稱(chēng)為微結(jié)構(gòu)。利用微結(jié)構(gòu)及微結(jié)構(gòu)之間的關(guān)系組成的特征對(duì)字符進(jìn)行識(shí)別。其不足之處正好和特征點(diǎn)的方法相反，在內(nèi)部筆劃粘連時(shí)，微結(jié)構(gòu)的提取會(huì)遇到困難。</p><p>　　統(tǒng)計(jì)模式識(shí)別認(rèn)為圖像可能包含一個(gè)或多個(gè)物體，并且每個(gè)

69、物體屬于若干事先定義的類(lèi)型、范疇或模式之一。雖然模式識(shí)別可以用多種方法實(shí)現(xiàn)，但我們只關(guān)心用數(shù)字圖像處理技術(shù)對(duì)它的實(shí)現(xiàn)。字符統(tǒng)計(jì)模式是把字符的點(diǎn)陣看成一個(gè)整體，通過(guò)做大量的統(tǒng)計(jì)得到所需要的特征。最常用的字符統(tǒng)計(jì)模式方法是模板匹配的字符識(shí)別方法。模板匹配的字符識(shí)別方法是通過(guò)一定準(zhǔn)則確定決策函數(shù)，并進(jìn)行分類(lèi)判斷的方法。模板匹配的字符識(shí)別方法是指度量輸入模式與樣本之間的某種相似性，取最相似者為輸入模式所屬類(lèi)別。它根據(jù)字符的直觀形象抽取特征，用相

70、關(guān)匹配原理進(jìn)行識(shí)別。這個(gè)方法不需要特征提取這個(gè)過(guò)程，字符圖像直接作為特征與模板進(jìn)行比較，相似度最高的模板即定為識(shí)別結(jié)果。它優(yōu)點(diǎn)是可以并行處理，簡(jiǎn)單易行。缺點(diǎn)是如果進(jìn)行簡(jiǎn)單的模板匹配，只能夠識(shí)別同種字體、同樣大小的字符，對(duì)于筆劃變粗、變細(xì)、傾斜的字符適應(yīng)能力比較差，特別是模板與字符筆劃的匹配失誤時(shí)，會(huì)有很大的誤差。</p><p>　　3．人工神經(jīng)網(wǎng)絡(luò)識(shí)別</p><p>　　人工神經(jīng)網(wǎng)絡(luò)是

71、模擬人腦思維方式的數(shù)學(xué)模型。神經(jīng)網(wǎng)絡(luò)是現(xiàn)代生物學(xué)研究人腦的組織成果基礎(chǔ)上提出的，用來(lái)模擬人類(lèi)大腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和行為，它從微觀結(jié)構(gòu)和功能上對(duì)人腦進(jìn)行抽象和簡(jiǎn)化。</p><p>　　人工神經(jīng)網(wǎng)絡(luò)方法的優(yōu)點(diǎn)和缺點(diǎn)主要表現(xiàn)在如下的幾個(gè)方面：</p><p><b>　　神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)：</b></p><p>　　1,能逼近任意線性函數(shù)</p

72、><p>　　2,信息的并行分布式處理和存儲(chǔ)</p><p>　　3,可以多輸入多輸出</p><p>　　4,便于用超大規(guī)模的集成電路或光學(xué)集成電路系統(tǒng)實(shí)現(xiàn)</p><p>　　5,具有自學(xué)習(xí)的能力；</p><p>　　6,具有聯(lián)想存儲(chǔ)功能；</p><p>　　7,具有高速尋找優(yōu)化解的能力.&

73、lt;/p><p>　　雖然人工神經(jīng)網(wǎng)絡(luò)有上述的優(yōu)點(diǎn)，并且在OCR中也取得了一些成果，但是在車(chē)牌字符的識(shí)別中仍然存在很大的缺陷：</p><p>　　l，車(chē)牌字符象素點(diǎn)陣小，筆劃常常出現(xiàn)斷裂，通過(guò)學(xué)習(xí)規(guī)則，誤差系數(shù)相差很小，容易出現(xiàn)誤識(shí)；</p><p>　　2，神經(jīng)網(wǎng)絡(luò)在進(jìn)行學(xué)習(xí)時(shí)，每次迭代的梯度值都受樣本中噪聲干擾，影響較大，整個(gè)系統(tǒng)收斂速度較慢，不適合實(shí)時(shí)識(shí)別的要

74、求。用于字符識(shí)別最常用的神經(jīng)網(wǎng)絡(luò)是BP神經(jīng)網(wǎng)絡(luò)，所謂BP神經(jīng)網(wǎng)絡(luò)是指誤差反向傳播神經(jīng)網(wǎng)絡(luò)，核心方法是梯度下降法，它采用梯度搜索技術(shù)，以期使網(wǎng)絡(luò)的實(shí)際輸值與期望的均方差為最小。BP神經(jīng)網(wǎng)絡(luò)主要有兩種形態(tài)：</p><p>　　(l)前向傳播：計(jì)算網(wǎng)絡(luò)的輸出。</p><p>　　隱層神經(jīng)元的輸入為所有輸入的加權(quán)之和，即</p><p><b>　?。ㄊ?.1

75、） </b></p><p>　　隱層神經(jīng)元的輸出井采用S函數(shù)激發(fā)x，得</p><p><b>　?。ㄊ?.2） </b></p><p>　　輸出層神經(jīng)元的輸出為</p><p><b>　?。ㄊ?.3）</b></p><p><b>　　誤差

76、性能指標(biāo)函數(shù)為</b></p><p><b>　　（式2.4）</b></p><p>　　(2)反向傳播：采用占學(xué)習(xí)方法，調(diào)整各層間的權(quán)值根據(jù)梯度下降法，權(quán)值學(xué)習(xí)方法如下：</p><p>　　輸出層即隱層的連接權(quán)值W2、學(xué)習(xí)算法為</p><p>　?。ㄊ?.5） </p>

77、;<p>　　式中 為學(xué)習(xí)速率。</p><p>　　BP網(wǎng)絡(luò)有以下優(yōu)點(diǎn)：只要能保證有足夠的隱層和隱層節(jié)點(diǎn)，就可以逼近任意的非線性映射關(guān)系;由于其學(xué)習(xí)方法屬于全局逼近算法，具有較強(qiáng)的泛化能力;神經(jīng)網(wǎng)絡(luò)有較強(qiáng)的容錯(cuò)性。</p><p>　　雖然BP神經(jīng)網(wǎng)絡(luò)有以上的優(yōu)點(diǎn)，但因?yàn)槠溆惺諗康乃俣缺容^慢;當(dāng)按梯度下降學(xué)習(xí)法進(jìn)行學(xué)習(xí)的時(shí)候很容易陷入局部的最小值;難以確定隱層和隱層節(jié)點(diǎn)的

78、數(shù)目的缺點(diǎn)，所以在用于字符識(shí)別的過(guò)程中，還需要做大量的修改。</p><p>　　3.2.2本文采用的識(shí)別算法</p><p>　　本文采用的識(shí)別算法是基于模板匹配的車(chē)牌識(shí)別方案，模板匹配法就是將待識(shí)別字符與模板字符進(jìn)行比對(duì)，從而確定字符內(nèi)容。其大體步驟是:首先，制作模板并要求模板的大小必須統(tǒng)一。然后，對(duì)待識(shí)別字符進(jìn)行圖像的歸一化操作，最后將字符與模板的每個(gè)像素點(diǎn)進(jìn)行一一的對(duì)照，與所有模板

79、比對(duì)完成之后，選取其中相似結(jié)果最高的，作為最終的識(shí)別結(jié)果。整個(gè)過(guò)程最重要的一步是模板的設(shè)計(jì)，它是后續(xù)工作的基礎(chǔ)。模板的建立要針對(duì)字符的特征來(lái)進(jìn)行，通常可以取筆畫(huà)特征、幾何特征還有圖形的特征。模板匹配方法最大的優(yōu)點(diǎn)是識(shí)別率很高，但是因?yàn)橐瘘c(diǎn)操作，所以效率比較低下。考慮到LRS對(duì)識(shí)別效果準(zhǔn)確率要求比較高，此種方法比較合適，但是怎么樣能提高效率，這還是一個(gè)墮待解決的問(wèn)題。</p><p>　　算法實(shí)現(xiàn)總體設(shè)計(jì)方案中首

80、先是要采集圖片，而硬件設(shè)備采集到的圖片要考慮其圖像的存儲(chǔ)格式。目前比較常用的圖像格式有*.BMP、*.JPG、*.GIF、*.PCX等，本課題采集到的圖片是*.JPG的格式。至于軟件系統(tǒng)的選擇，因?yàn)檐浖到y(tǒng)的編寫(xiě)大多采用VC或者M(jìn)ATLAB語(yǔ)言，本課題選用了MATLAB語(yǔ)言。</p><p>　　整個(gè)牌照識(shí)別的設(shè)計(jì)流程圖如下圖所示：</p><p>　　識(shí)別的整個(gè)流程就是：首先將采集到的汽

81、車(chē)圖像進(jìn)行灰度化、灰度拉伸和濾波處理，以降低噪點(diǎn)、增加車(chē)牌部分的對(duì)比度。然后，通過(guò)對(duì)預(yù)處理后的圖像進(jìn)行小波變換分解提取圖像邊緣，并進(jìn)行形態(tài)學(xué)處理，這時(shí)，車(chē)牌的輪廓已經(jīng)非常清晰，并且可以和非車(chē)牌區(qū)域明顯區(qū)分開(kāi)來(lái)了，接著，根據(jù)車(chē)牌的特點(diǎn)進(jìn)行車(chē)牌初步定位，對(duì)車(chē)牌區(qū)域和偽車(chē)牌區(qū)域進(jìn)行篩選后，采用投影法進(jìn)行車(chē)牌二次定位，提取出車(chē)牌圖像。將提取出的車(chē)牌圖像進(jìn)行二值化處理，根據(jù)投影圖的特點(diǎn)查找傾斜的角度，采用坐標(biāo)變換的方法進(jìn)行車(chē)牌傾斜校正，并利用其垂

82、直投影圖中字符顯示出的峰群的特點(diǎn)進(jìn)行字符切分。最后完成了整個(gè)車(chē)牌字符的識(shí)別。最后搭建了一個(gè)測(cè)試平臺(tái)，將上述三個(gè)部分進(jìn)行了系統(tǒng)化，對(duì)系統(tǒng)的性能進(jìn)行了測(cè)試和分析。</p><p>　　圖3.1 系統(tǒng)識(shí)別流程圖</p><p>　　第4章 基于模板匹配的車(chē)牌識(shí)別詳細(xì)設(shè)計(jì)</p><p>　　本設(shè)計(jì)處理的流程包括：圖像采集-圖像預(yù)處理-車(chē)牌定位-傾斜校正-字符分割-字符識(shí)

83、別六個(gè)部分。</p><p><b>　　4.1圖像采集</b></p><p>　　圖像采集部分所采集的圖像一般是采用CCD攝像機(jī)攝取的車(chē)牌前視圖或后視圖，這些通過(guò)由光照檢測(cè)裝置控制現(xiàn)場(chǎng)的光照，位置檢測(cè)裝置控制攝像機(jī)的拍攝角度而得到的。</p><p>　　本設(shè)計(jì)中所用到圖片是用數(shù)碼相機(jī)拍的，模型如下圖：</p><p&g

84、t;<b>　　圖4.1 照片模型</b></p><p><b>　　4.2圖像預(yù)處理</b></p><p>　　圖像預(yù)處理部分需要對(duì)采集到的圖像進(jìn)行圖像加強(qiáng)、平滑濾波等操作，目的是突出車(chē)牌的主要特征，以便更好地提取車(chē)牌。</p><p>　　圖像預(yù)處理一般包括以下步驟：對(duì)圖像的灰度進(jìn)行處理、圖像平滑、圖像增強(qiáng)、圖像二

85、值化、圖像銳化、邊緣檢測(cè)。</p><p>　　圖4.2 二值化的圖像</p><p>　　圖4.3圖像邊緣提取的圖像</p><p>　　采集的車(chē)輛圖像為彩色圖像，應(yīng)將彩色圖像轉(zhuǎn)化為灰度圖像。由于光線不足或者反光等諸多因素，又可能造成車(chē)牌對(duì)比度較差，對(duì)接下來(lái)的紋理分析產(chǎn)生影響，所以有必要進(jìn)行圖像增強(qiáng)。本文對(duì)圖像中特亮和特暗的地方進(jìn)行灰度拉伸，有效增強(qiáng)圖像對(duì)比度，提

86、高車(chē)牌定位準(zhǔn)確率。為了進(jìn)一步提高定位準(zhǔn)確率，我們通過(guò)連續(xù)的兩幀圖像定出車(chē)大概位置，再在車(chē)的位置上搜索車(chē)牌，這樣不僅提高了準(zhǔn)確率，還提高了整個(gè)程序的運(yùn)行效率。同時(shí)為了減少圖像中的孤立干擾點(diǎn)，保留車(chē)牌字符邊緣，讓車(chē)牌字符的圖像灰度水平投影更有的連續(xù)性。選用 MXl的模板對(duì)灰度拉伸后的圖像進(jìn)行中值濾波。</p><p><b>　　4.3車(chē)牌定位</b></p><p>　

87、　從人眼視覺(jué)的角度出發(fā)，并根據(jù)車(chē)牌的字符目標(biāo)區(qū)域的特點(diǎn)，在灰度圖像的基礎(chǔ)上提取相應(yīng)的特征。車(chē)牌定位是車(chē)牌識(shí)別系統(tǒng)中的關(guān)鍵和難點(diǎn)，實(shí)際圖像中的噪聲、復(fù)雜背景等干擾都會(huì)使定位十分困難。車(chē)牌牌照的提取是一個(gè)尋找最符合牌照特征區(qū)域的過(guò)程。從本質(zhì)上講，就是一個(gè)在參量空間尋找最優(yōu)定位參量的問(wèn)題。</p><p>　　自然環(huán)境下，汽車(chē)圖像背景復(fù)雜、光照不均勻，如何在自然背景中準(zhǔn)確地確定牌照區(qū)域是整個(gè)識(shí)別過(guò)程的關(guān)鍵。首先對(duì)采集到

88、的視頻圖像進(jìn)行大范圍相關(guān)搜索，找到符合汽車(chē)牌照特征的若干區(qū)域作為候選區(qū)，然后對(duì)這些侯選區(qū)域做進(jìn)一步分析、評(píng)判，最后選定一個(gè)最佳的區(qū)域作為牌照區(qū)域，并將其從圖象中分割出來(lái)。</p><p><b>　　流程圖如下：</b></p><p>　　圖4.4 車(chē)牌定位流程圖</p><p>　　本文采用車(chē)牌定位方法是一種基于灰度圖像，求取圖像能量極值區(qū)

89、域的車(chē)牌定位方法，刻意避開(kāi)二值化中閩值的確定問(wèn)題。該方法充分利用車(chē)牌紋理復(fù)雜、對(duì)比度鮮明、外型規(guī)則等特征構(gòu)造車(chē)輛圖像的對(duì)比度能量圖，然后通過(guò)選取極值區(qū)域來(lái)定位車(chē)牌。基于求取卷積能量極值區(qū)域進(jìn)行車(chē)牌定位的實(shí)驗(yàn)步驟基本如下：首先，為了提高定位準(zhǔn)確率，我們通過(guò)連續(xù)的兩幀圖像定出車(chē)輛大概位置，再在車(chē)輛的位置上搜索車(chē)牌，這樣不僅提高了準(zhǔn)確率，還提高了整個(gè)程序的運(yùn)行效率。同時(shí)減少圖像中的孤立干擾點(diǎn)，保留車(chē)牌字符邊緣，讓車(chē)牌字符圖像的灰度水平投影更有

90、連續(xù)性。其次，由于車(chē)牌區(qū)域與車(chē)身相比，車(chē)牌區(qū)域的對(duì)比度特別大，灰度變化具有一定頻度，所以我們先對(duì)圖像的每一行相鄰像素做求極值處理，再求相鄰點(diǎn)間的差，從而減少由車(chē)身帶來(lái)的誤差。求極值處理公式如下：</p><p><b>　?。ㄊ?.1）</b></p><p>　　求相鄰點(diǎn)間的差公式如下：</p><p><b>　　（式4.2）&l

91、t;/b></p><p>　　最后，由于車(chē)牌區(qū)域的變化頻度較大，在一般情況下，車(chē)牌區(qū)域的卷積能量都是最大的，特殊情況下也是第二大。又由實(shí)驗(yàn)可知，對(duì)圖像求卷積能量時(shí)，卷積長(zhǎng)度越接近車(chē)牌的寬度，定位就越準(zhǔn)確。再由先驗(yàn)知識(shí)可知車(chē)牌的寬度與車(chē)寬成一定的比例，所以車(chē)牌寬度可由車(chē)寬求出，因此對(duì)每幀圖像求卷積能量時(shí)，卷積長(zhǎng)度采用自適應(yīng)的方法，進(jìn)一步提高車(chē)牌定位的準(zhǔn)確率。</p><p><

92、b>　　卷積能量公式如下：</b></p><p><b>　?。ㄊ?.3）</b></p><p>　　其中h(n)為長(zhǎng)度為L(zhǎng)的卷積核。</p><p>　　圖4.5 定位到的車(chē)牌圖片</p><p><b>　　4.4傾斜校正</b></p><p>　

93、　由于CCD攝像機(jī)采集車(chē)牌圖像時(shí)，有時(shí)候會(huì)出現(xiàn)采集到的車(chē)牌圖像里牌照區(qū)域是傾斜的。傾斜的牌照不利于后續(xù)的字符分割與識(shí)別，嚴(yán)重的還可能引起牌照內(nèi)容的丟失，直接導(dǎo)致字符識(shí)別的失敗。因此，在進(jìn)行字符分割與識(shí)別之前，有必要對(duì)牌照進(jìn)行傾斜校正。</p><p>　　目前，車(chē)牌的傾斜校正方法主要有：通過(guò)垂直和水平邊緣檢測(cè)相結(jié)合的方法;進(jìn)行水平邊緣檢測(cè)，并進(jìn)行垂直投影的方法;Hough變換法;求得車(chē)牌上字符連通域的中心點(diǎn)，然后

94、擬成直線的方法;求取車(chē)牌字符區(qū)域的極小特征點(diǎn)和極大特征點(diǎn)的方法;.通過(guò)模板匹配的方法。其中Hough變換的方法比較常用。Hough變換運(yùn)用兩個(gè)坐標(biāo)之間的變換來(lái)進(jìn)行檢測(cè)。平面內(nèi)的有規(guī)則曲線和直線，將原始圖像中直線和曲線上的點(diǎn)，都集中到變換空間上，形成峰點(diǎn)。這樣就把原始圖像中的曲線或直線的檢測(cè)問(wèn)題，轉(zhuǎn)化為尋找變換空間的峰值問(wèn)題。Hough變換只能對(duì)己知形狀參數(shù)的曲線方程如二次曲線、直線來(lái)進(jìn)行描述，不能對(duì)未知曲線來(lái)進(jìn)行檢測(cè)，這是此變換的缺點(diǎn)。

95、但是變換的最大優(yōu)點(diǎn)是抗干擾性強(qiáng)。只要檢測(cè)出車(chē)牌的兩條平行直線即可，符合變換的要求。</p><p>　　圖4.6 校正前的圖片</p><p>　　圖4.7 校正后的圖片</p><p><b>　　4.5字符分割</b></p><p>　　字符分割即是對(duì)獲得的牌照分離出單個(gè)字符(包括漢字、字母和數(shù)字等)，以便于字符識(shí)

96、別。</p><p>　　字符分割的算法有很多，通常是根據(jù)處理對(duì)象的不同有許多相應(yīng)的方法。為了實(shí)現(xiàn)更好的分割，有關(guān)的總體知識(shí)和先驗(yàn)信息是很有用的，根據(jù)包含在圖像中的信息，可以制定相應(yīng)的判決準(zhǔn)則和控制策略，使其完成自動(dòng)分割。</p><p>　　傳統(tǒng)的字符分割算法可以歸納為以下三類(lèi)：直接分割法、基于識(shí)別基礎(chǔ)上的分割法和自適應(yīng)分割線聚類(lèi)法。直接分割法簡(jiǎn)單，但它的局限是分割點(diǎn)的確定需要較高的準(zhǔn)確

97、性；基于識(shí)別結(jié)果的分割是把識(shí)別結(jié)果和分割結(jié)合起來(lái)，但是需要高準(zhǔn)確的識(shí)別結(jié)果。它根據(jù)分割和識(shí)別結(jié)果的耦合程度又有不同的劃分；自適應(yīng)分割線聚類(lèi)法是一個(gè)分類(lèi)器，用它來(lái)判斷圖像的每一列是否是分割線，它是根據(jù)訓(xùn)練樣本來(lái)進(jìn)行自適應(yīng)的神經(jīng)網(wǎng)絡(luò)，但是對(duì)于粘連的字符很難訓(xùn)練。</p><p>　　由于本文處理的對(duì)象是相對(duì)類(lèi)型較少，變化較小的車(chē)牌，因此采用直接分割法。具體就是采用投影法先將字符粗分割，然后根據(jù)單個(gè)字符的寬度進(jìn)行分類(lèi)，

98、將粘連字符再分割，斷裂字符合并。</p><p>　　完成牌照區(qū)域的定位后，再將牌照區(qū)域分割成單個(gè)字符，然后進(jìn)行識(shí)別。由于字符在垂直方向上的投影必然在字符間或字符內(nèi)的間隙處取得局部最小值的附近，并且這個(gè)位置應(yīng)滿足牌照的字符書(shū)寫(xiě)格式、字符、尺寸限制和一些其他條件。利用投影法對(duì)復(fù)雜環(huán)境下的汽車(chē)圖像中的字符分割有較好的效果。分割步驟：</p><p>　　圖4.8 車(chē)牌分割步驟 </p&g

99、t;<p>　　圖4.9 分割后的車(chē)牌 </p><p><b>　　4.6字符識(shí)別</b></p><p>　　本文的字符識(shí)別采用的是基于模板匹配的識(shí)別方法。模板匹配是最為直觀的一種方法，就如字面所理解的，選用一些樣本作為模板，當(dāng)進(jìn)行判斷時(shí)，首先計(jì)算待測(cè)數(shù)據(jù)與模板之間的距離，這個(gè)距離通常是兩個(gè)數(shù)據(jù)向量差的一個(gè)范數(shù)，例如它們之間的直線距離等。找出距離最短

100、的那個(gè)模板這個(gè)模板的輸出值就可以作為該數(shù)據(jù)對(duì)應(yīng)的輸出值。</p><p>　　4.6.1字符識(shí)別流程概述</p><p>　　當(dāng)一幅車(chē)牌的原始圖像經(jīng)過(guò)車(chē)牌定位和字符分割處理后，得到這個(gè)車(chē)牌的字符圖像，首先對(duì)字符圖像做歸一化處理，即把字符圖像歸一化成20 ×32的標(biāo)準(zhǔn)大小的圖像，然后對(duì)這幅歸一化的圖像調(diào)用設(shè)計(jì)好的模板匹配程序進(jìn)行識(shí)別，字符識(shí)別流程如下：</p><

101、;p>　　1、識(shí)別車(chē)牌的第1個(gè)字符（若分割正確的話應(yīng)該是漢字）：</p><p>　?。?）調(diào)用漢字模板庫(kù)進(jìn)行匹配識(shí)別，若識(shí)別結(jié)果為漢字，則最終結(jié)果為一漢字，識(shí)別結(jié)束；若識(shí)別結(jié)果為空字符，即表示不是漢字，則進(jìn)行第二步。</p><p>　?。?）調(diào)用字母模板庫(kù)進(jìn)行識(shí)別，若為字母，則最終結(jié)果為一個(gè)字母，識(shí)別結(jié)束；若識(shí)別結(jié)果為空字符，則表示不是字母，進(jìn)行第三步。</p>&

102、lt;p>　?。?）調(diào)用數(shù)字模板庫(kù)進(jìn)行識(shí)別，若為數(shù)字，則最終結(jié)果為一數(shù)字，識(shí)別結(jié)束；若為空字符，則最終結(jié)果為空字符，識(shí)別結(jié)束。</p><p>　　2、識(shí)別車(chē)牌的第2個(gè)字符（若分割正確的話應(yīng)該是字母）：</p><p>　?。?）調(diào)用字母模板庫(kù)進(jìn)行識(shí)別，若為字母，則最終結(jié)果為一個(gè)字母，識(shí)別結(jié)束；若識(shí)別結(jié)果為空字符，則表示不是字母，進(jìn)行第二步。</p><p>

103、　?。?）調(diào)用數(shù)字模板進(jìn)行識(shí)別，若為數(shù)字，則最終結(jié)果為一數(shù)字，識(shí)別結(jié)束；若為空字符，則表示不是數(shù)字，進(jìn)行第三步。</p><p>　　（3）調(diào)用漢字模板進(jìn)行識(shí)別，若識(shí)別結(jié)果為漢字，則最終結(jié)果為一漢字，識(shí)別結(jié)束；若識(shí)別結(jié)果為空字符，則最終識(shí)別結(jié)果為空字符，識(shí)別結(jié)束。</p><p>　　3、識(shí)別車(chē)牌的第3、4個(gè)字符（若分割正確的話應(yīng)該是字母或數(shù)字）：</p><p>

104、　?。?）調(diào)用字母模板庫(kù)進(jìn)行識(shí)別，若為字母，則最終結(jié)果為一個(gè)字母，識(shí)別結(jié)束；若識(shí)別結(jié)果為空字符，則表示不是字母，進(jìn)行第二步。</p><p>　　（2）調(diào)用數(shù)字模板進(jìn)行識(shí)別，若為數(shù)字，則最終結(jié)果為一數(shù)字，識(shí)別結(jié)束；若為空字符，則表示不是數(shù)字，進(jìn)行第三步。</p><p>　　（3）調(diào)用漢字模板進(jìn)行識(shí)別，若識(shí)別結(jié)果為漢字，則最終結(jié)果為一漢字，識(shí)別結(jié)束；若識(shí)別結(jié)果為空字符，則最終識(shí)別結(jié)果為空字

105、符，識(shí)別結(jié)束。</p><p>　　4、識(shí)別車(chē)牌的第5、6、7個(gè)字符（若分割結(jié)果正確的話應(yīng)該是數(shù)字）：調(diào)用數(shù)字模板進(jìn)行識(shí)別，若為數(shù)字，則最終結(jié)果為一個(gè)數(shù)字，識(shí)別結(jié)束；若為空字符，則最終識(shí)別結(jié)果為空字符，識(shí)別結(jié)束。</p><p>　　對(duì)于車(chē)牌圖像的第1、2和3個(gè)字符，進(jìn)行完全的識(shí)別，主要是因?yàn)榭紤]到字符的分割不一定正確，即不能保證分割后的第1個(gè)車(chē)牌字符為漢字，第2個(gè)車(chē)牌字符為字母，而第3、

106、4個(gè)車(chē)牌字符為字母或數(shù)字。對(duì)這三個(gè)字符做這樣的完全識(shí)別后，可以得到一些非常有用的信息，這些信息可以返回到字符分割模塊，可以指導(dǎo)字符分割調(diào)整字符分割的策略。例如，若識(shí)別出的車(chē)牌圖像的第2個(gè)字符是漢字，則說(shuō)明字符模塊做字符分割的時(shí)候在車(chē)牌圖像的左邊提取了一個(gè)多余的字符，因此字符分割模塊要去掉這個(gè)多余的字符，從漢字字符起，依次提取出7個(gè)字符來(lái)。</p><p>　　圖4.10 車(chē)牌中的字符

107、 圖4.11 模板字符 </p><p>　　4.6.2本文字符識(shí)別流程</p><p>　　模板匹配是車(chē)牌字符識(shí)別最早使用的方法之一，本文也主要是研究基于模板匹配的系統(tǒng)，所以本章重點(diǎn)研究這種算法。具體模板匹配的字符識(shí)別步驟如下：</p><p>　　一般使用的模板匹配法是直接使用歸一化后的圖像作為待識(shí)別字符圖像，而歸一化后的圖像由于