西南交通大學畢業設計（論文）基于靜止圖像的車牌照漢字識別系統設計與實現年級:2005級學號:20052220姓名:郭強專業:自動化指導老師:侯進二零零九年六月西南交通大學本科畢業設計(論文)第PAGEVII頁院系信息科學與技術學院專業自動化年級2005級姓名郭強題目基于靜止圖像的車牌照漢字識別系統設計與實現指導教師評語指導教師(簽章)評閱人評語評閱人(簽章)成績答辯委員會主任(簽章)年月日畢業設計任務書班級自動化1班學生姓名郭強學號20052220專業自動化發題日期：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別系統設計與實現題目類型：工程設計技術專題研究理論研究√軟硬件產品開發設計任務及要求車牌照識別是智能交通系統的一個重要課題，在車輛管理、不停車收費等系統中有廣泛應用。基于中國車牌照的特點，我們需要設計一種能識別漢字的車牌照識別系統，使得這樣的車牌照識別系統更優于其他只能識別數字和字母的系統，具有更廣的適應性。具體要求如下：1、對輸入的車牌漢字字符圖像進行字符特征提取；2、基于車牌漢字的特點，建立一個車牌漢字字符標準識別樣本字庫；3、通過訓練統計或模式識別法來識別漢字并給出結果。應完成的硬件或軟件實驗1、利用MATLAB或VC++編程實現車牌照漢字的識別技術2、設計一個人機交互界面能輸入車牌照漢字圖像并顯示字符識別的結果應交出的設計文件及實物（包括設計論文、程序清單或磁盤、實驗裝置或產品等）1、畢業設計論文（必須完全符合學校規范，內容嚴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，盤面標注班級，姓名，專業，日期）3、英文翻譯按學校規定，導師無特殊要求指導教師提供的設計資料1、研究報告介紹（包括課題背景、動機、內容、意義）2、計劃說明書3、部分英文文獻資料和MedialabLPR圖像數據庫要求學生搜集的技術資料（指出搜集資料的技術領域）1、本課題相關領域國內外重要論文及資料2、MATLAB、C++編程指南設計進度安排第一部分查閱相關資料，學習相關編程語言（5周）第二部分編制程序并進行軟件調試（8周）第三部分撰寫畢業論文（2周）評閱及答辯畢業論文修改和參加答辯（1周）指導教師：年月日系主任審查意見：審批人：年月日注：設計任務書審查合格后，發到學生手上。西南交通大學信息科學與技術學院2008年制摘要在汽車普及的今天，道路運輸已經成為超越鐵路運輸的最重要的地面運輸方式，在國民經濟和社會發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，道路運輸所帶來的交通擁堵、交通事故和環境污染等負面效應也日益突出，成為阻礙經濟和社會發展的全球性共同問題。進入90年代以后，隨著電子計算機軟硬件技術的發展，智能交通系統（IntelligentTransportationSystem，簡稱ITS）成為解決這一矛盾的有效途徑之一。在上述智能系統中，字符識別都是其核心內容，而漢字識別（ChineseCharacterRecognition,簡稱CCR）又是字符識別的重點和難點所在。這個項目的目標就是開發出一個識別速度快、準確率的高的車牌漢字識別系統。本文提供了一種簡單的車牌漢字識別方法。我國機動車使用的拍照主要是根據公安部1992年頒布的《中華人民共和國機動車號牌》標準（GA36-92）制作的，其中漢字大約50個。所以我們只要考慮這50多個字的結構差別就可以準確的識別出這些漢字來。首先，對輸入的圖像進行尺寸規格化、二值化、反色、細化等預處理。然后，對預處理后的圖像進行特征提取，包括獨立結構的個數，筆畫橫、豎、撇（包括點和捺）的個數，將這些數放在同一個向量中。最后，采用模板匹配分類器將特征提取中得到的向量與標準庫中的向量進行比較，找到該向量對應的漢字，并輸出結果。實驗表明，本文所介紹的方法方便簡單，準確率高，速度快。對識別對象已知的車牌漢字識別有很好的識別效果。關鍵詞：智能交通；漢字識別；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國內外研究現狀 21.2.1車牌圖像識別技術應用現狀 21.2.2車牌圖像識別技術研究現狀 41.3設計的研究內容和方法 51.3.1研究內容 51.3.2研究方法 51.4本文結構安排 81.5本章小結 8第2章漢字圖像的處理 92.1漢字圖像的預處理 92.1.1不同尺寸漢字圖像的規格化 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漢字結構特征點特征 172.2.3漢字結構筆畫特征 182.3本章小結 21第3章漢字圖像的識別 223.1模版匹配分類器識別法 223.2識別性能分析 263.3本章小結 27第4章基于MATLAB的界面設計 284.1GUI簡介 284.2系統界面設計 284.3本章小結 32結論 33致謝 35參考文獻 36西南交通大學本科畢業設計(論文)第37頁第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，道路運輸已經成為超越鐵路運輸的最重要的地面運輸方式，在國民經濟和社會發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，道路運輸所帶來的交通擁堵、交通事故和環境污染等負面效應也日益突出，成為阻礙經濟和社會發展的全球性共同問題。進入90年代以后，隨著電子計算機軟硬件技術的發展，智能交通系統（IntelligentTransportationSystem，簡稱ITS）[1]成為解決這一矛盾的有效途徑之一。智能交通系統是在比較完善的道路設施基礎上，將先進的電子技術、信息技術、傳感器技術和系統工程技術集成運用于地面交通管理所建立的一種實時、準確、高效、大范圍、全方位發揮作用的交通運輸管理系統。近年來，隨著國內經濟的快速增長，汽車工業和交通運輸產業迅速發展，對智能交通系統（ITS）提出了更高的要求，包括移動車輛稽查、高速公路收費站管理、停車場（小區）車輛管理等在內的一系列智能管理系統應運而生。在上述智能系統中，字符識別都是其核心內容，而漢字識別（ChineseCharacterRecognition，簡稱CCR）又是字符識別的重點和難點所在。雖然現在市面上已經有多種CCR軟件出售，但是他們僅僅對高質量的標準印刷文本有較高的識別率，但是對于嚴重污染、變形、模糊、傾斜的忽地字符，特別是針對車牌識別系統中提取的車牌漢字字符，不能給出滿意結果[2]。本課題通過對車牌漢字灰度圖像識別的研究，提出針對汽車牌照中漢字字符的有效識別算法，以期達到較高的識別正確率。1.1.2研究意義牌照識別技術在智能交通領域中的應用已經非常的廣泛。如在“公交車優化調度與智能管理”中要求建立車輛自動登記系統，包括:車輛自動識別、車輛定位(如GPS、路邊塔標)、車輛位置跟蹤、數據庫及數據管理。在“不停車電子收費系統(Donotstopelectronictollcollectionsystem，簡稱ETC)”中，電子收費將會減少不必要的收費閘門車道數目以及因排隊交費所造成的交通延遲。其車輛通過的基本流程為:電子不停車收費系統(ETC)在一定的范圍內，設置減速板、欄桿等裝置，當車輛按一定的速度駛入高速公路進口處時，該系統通過車載電子標簽中的交通卡，自動記錄該車的車型、牌照、入口時間和地點;到出口處時，該系統讀到這些數據并同時生成需付費金額，迅速在交通卡中自動扣除。萬一在匝道出口處沒有電子不停車收費系統(ETC)，也可以通過交通卡讀到相關數據，進行人工付費操作。有些“停車管理與停車場信息系統”中也應用了牌照識別技術，用來將車輛停泊信息記錄在案，可以有效地加強管理，降低車輛丟失率，打擊盜竊車輛的犯罪活動[3]。1.2國內外研究現狀1.2.1車牌圖像識別技術應用現狀2002年，車牌圖像識別產品第一次在國內實際應用于交通工程。剛開始主要用于高速公路收費輔助系統以降低交通通行征費收入的流失，后來逐步發展到城市交通、停車場管理、門禁管理等多種應用領域。1．車牌圖像識別技術在高速公路領域的應用高速公路是車牌圖像識別技術在我國交通工程中最早應用的領域，也是車牌識別產品應用最多的領域。據統計，目前我國車牌識別產品主流供應商(如北京漢王科技、昆明利普視覺、上海高德威、沈陽聚德、北京信路威等公司)的產品有一半左右是應用在此領域。主要用于高速公路收費管理、路徑判別、收費征稽、交通數據采集等方面，其中，最常用的是高速公路收費輔助系統。高速公路收費輔助系統一般是在高速公路入口處進行車牌圖像采集、識別，將識別結果寫入通行卡(票)或者通過網絡傳送至各出口站，在車輛到達出口時，再進行一次車牌圖像采集、識別，并將識別結果與入口識別結果相比對，以防止或發現倒卡、換卡、換牌等逃費行為。目前的高速公路收費輔助系統中，采用車牌圖像識別技術在車牌識別速度指標基本可以滿足，但識別結果正確率指標還不是很理想。從一些產品的解決方案來看，實際使用時一般仍然需要人工復核。因此，雖然車牌圖像識別技術在這一領域取得了較好的使用效果，但還不能實現真正意義上的智能化收費。2．車牌圖像識別技術在城市交通領域的應用隨著我國機動車保有量的迅速增加，以及政府對公共安全的日益重視，城市交通監控和管理工作日趨繁重。因此，城市交通領域迫切需要應用一些較可靠、有效的智能化技術手段。目前，車牌圖像識別技術己經開始在移動電子警察、城市卡口監控、超速布控報警等城市交通(治安)方面有了一定的應用。其中，最常用的場所是城市卡口監控。城市卡口監控：公安部頒布的城市卡口監控系統部頒標準明確規定了車牌識別是城市卡口監控系統的一個重要組成部分，越來越多的城市公安部門正在積極籌建卡口系統。公安系統設立城市卡口監控點的主要任務是對車輛進行車牌識別，并將識別結果與被盜搶、肇事、在逃、通緝的車輛牌號黑名單進行比對。移動電子警察：移動電子警察現在逐漸應用到交警日常工作中，采用移動電子警察技術可以靈活地對非固定監控點的交通違章和事故進行取證處理，不僅提高了警察執法效率，而且增強了執法的公正性。在城市卡口監控、移動電子警察方面，對車牌圖像識別技術在車牌識別結果的正確率指標的要求比較高，否則將給執法工作帶來很大的麻煩。目前的車牌圖像識別產品在這方面尚不夠理想，因此一般也是作為一種輔助手段，還不能實現真正意義上的智能化。3．車牌圖像識別技術在停車場收費管理系統中的應用停車場收費管理系統:用于對出入車輛號牌識別和匹配，實現自動計時、計費管理。由于停車管理日益成為城市交通管理中一個嚴重問題，人們對停車管理的智能化呼聲日漸高漲，通過車牌識別系統可以構建一個智能的停車管理系統，因此，在大中城市的商場、寫字樓有很大的市場潛力。停車場收費管理系統對車牌圖像識別技術在車牌識別結果的正確率指標的要求也非常高，目前的車牌圖像識別產品在這方面也不夠理想，一般也需要人工干預。此外，車牌圖像識別技術超速抓拍、門禁管理等方面也有一定的應用，但與前述三個方面的應用一樣，還存在著一些問題有待于解決。其中，車牌識別正確率是目前車牌識別產品中存在的最主要的問題，也是國內主流廠商最為頭疼的問題，，各個廠商所聲稱的識別正確率一般在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標準規范的測試體系，因此有關數據的客觀公正性、可比性和可靠性等方面尚值得商榷。由于各個廠商對其使用的車牌圖像識別技術都是不公開的，我們很難了解其中采用的三個方面的關鍵技術(車牌區域定位、單個字符區域切分、字符分類識別)中使用的具體方法，因此很難具體評價其方法的優劣。但通過各個廠商在其有關網站提供的信息和對兩家廠商提供的測試軟件進行一定數量樣本的測試后，可以發現，各個廠商聲稱的車牌識別正確率往往是通過對特定場所、特定時間范圍內的樣本進行測試而得出的結論。也就是說，所采用的車牌圖像識別技術往往還在一定程度上要依賴待識別圖像具體的采集環境和采集方式等因素。如果這些因素變動時，就可能要根據具體的樣本、通過一定的分析學習過程以確定和修改使用的有關參數，才可能獲得較好的識別效果，否則其識別正確率可能不會很理想。由此可以推斷，目前的車牌圖像識別產品對于不同使用環境的適應性還不是特別理想，其原因主要是關鍵技術對于不同背景和不同自然條件下所采集圖像的適應性還不是很好，會導致車牌識別產品軟件的通用性還不是太好，往往需要在現場采集大量樣本分析測試，并且要修改相應參數甚至方法，使得施工周期往往較長，識別結果的可靠性往往也不能讓人完全放心。1.2.2車牌圖像識別技術研究現狀上世紀90年代中后期開始，隨著數字圖像處理基礎理論的不斷發展和視頻處理技術、電子技術及計算機信息技術的迅速進步，國內從事車牌圖像識別技術研發的廠商和研究人員增長迅速，提出了大量的關鍵技術算法，實際應用中也取得了一定的成果。有關研究大多圍繞車牌圖像識別的三大關鍵技術(車牌區域定位、單個字符區域切分、字符分類識別)進行。通過對有關資源數據庫中1998年－2006年在各類期刊上公開發表的約380篇相關論文的統計，發現有關車牌區域定位的內容占50%以上。這在一定程度上反映了車牌定位技術的重要地位，也一定程度上反映出目前這方面尚有不盡人意之處。相關論文中提出了很多車牌圖像處理、分割、分析、識別的算法，主要利用較經典的圖像空間變換、智能計算和數據挖掘理論，并在一定程度上進行了實驗論證。在車牌區域定位方面，公開資料中提出的方法主要有：基于神經網絡分類器的車牌區域定位方法、基于彩色圖像特征的車牌區域定位方法、基于紋理檢測和邊緣檢測的車牌區域定位方法、基于區域的車牌區域定位方法、基于幾何形狀特征的車牌區域定位方法、基于離散圖像空間變換的車牌區域定位方法、基于離散圖像空間變換的車牌區域定位方法、基于遺傳算法的車牌區域定位方法等。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。在車牌字符分類識別時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的字符特征(主要包括四周邊特征、粗網格特征、投影特征等)、以二值圖像字符輪廓、骨架為基礎的字符特征(包括字符筆畫方向線素特征、漢字結構特征點特征等)、基于灰度圖像小波變換的字符特征(包括小波系數特征、小波矩特征和小波能量特征)。在車牌字符分類器設計方面，公開資料中提出的分類器主要有：神經網絡分類器、模板匹配分類器、基于概率統計的Bayes分類器、幾何分類器等。上述方法的提出，為本文的有關研究提供了重要的參考和對照，在本文的第三章中進行了相應的分析[4][5]。1.3設計的研究內容和方法1.3.1研究內容車牌照識別是智能交通系統的一個重要課題，在車輛管理、不停車收費等系統中有廣泛應用。基于中國車牌照的特點，我們需要設計一種能識別漢字的車牌照識別系統，使得這樣的車牌照識別系統更優于其他只能識別數字和字母的系統，具有更廣的適應性。車牌區域定位、單個字符區域切分和字符分類識別作為車牌圖像識別系統的三個關鍵技術，同時又是一個有機的整體。關鍵技術水平的高低，決定了一個車牌圖像識別產品性能的優劣，在某種程度上也決定著車牌識別技術的應用前景。對于92式普通民用車牌，識別的基本過程如圖1-1所示。原始圖像→車牌定位→字符分割→識別第一個字符→…→識別第七個字符圖1-192式普通民用車牌識別過程上述過程可以看作是一個三個方面九個環節組成的鏈式結構，而本課題主要研究的是其第三方面第一個環節的“識別第一個字符”，即漢字識別的方法。所以不考慮車牌定位及字符分割對識別的影響。采用的漢字庫為已經分割好的灰度圖像。1.3.2研究方法本文在參考大量有關車牌圖像識別技術公開資料的基礎上，圍繞著車牌漢字識別技術實際應用的特點和要求，并通過一定的實驗分析手段，主要進行了如下幾方面的工作：1．對輸入的車牌漢字字符圖像進行預處理在這部分工作中，重點分析研究了不同圖像的規格化，灰度圖像的二值化、反色、二值化圖像的細化等方法在車牌圖像識別中的作用和應用特點。（1）關于圖像的規格化在實際車牌采集時，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算量的不確定性。所以我們想法將輸入的圖像轉化為某一固定尺寸大小的圖像。圖像的規格化就是將輸入的任意尺寸（大小）的字符圖像都處理成統一尺寸的標準漢字圖像。在這里，我們所說的規格化不是簡單的寬和高的同比例縮放，還要求保持拓撲不變。在改變原字符圖像寬高比例的同時，盡可能的突出所提取特征。降低漢字圖像特征提取的計算的復雜度。（2）關于圖像的二值化在車牌圖像識別中，圖像二值化是一個非常重要的技術。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的。二值化閾值的確定應該以對圖像進行二值化時期望達到的目的為依據。通過閾值的正確選擇可以使漢字圖像的灰度圖像中的部分干擾噪聲取出。在車牌圖像識別中，對車牌漢字圖像進行二值化可以大大的提升圖像處理速度，而且降低對計算機硬件的要求，減少硬件方面的開支。在實際應用和產品推廣方面有巨大的優勢。（3）關于圖像的反色在所提供的漢字庫中，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是對黑底白字的圖像進行處理。如果自負圖像為白底黑字，MATLAB會默認為漢字圖像的背景為待識別圖像。所以我們對二值化后的圖像進行取反，將原二值化后的二值化圖像轉化為黑底白字的漢字圖像，以供后面進一步進行處理。（4）關于圖像的細化二值圖像的細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，使得在識別過程中不會因為筆畫本身的寬度，如使得三像素寬的豎當成寬來提取，影響到漢字結構特征提取的準確度。所以我們使用細化處理，將圖像漢字細化為一個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確度。2．對輸入的車牌漢字字符圖像進行字符特征提取特征空間的設計是模式識別系統的基礎。所選用的特征空間應使各類樣品能夠分布在該特征空間中彼此分開的區域內，分類識別才有可能;如果不同類別樣品在該特征空間中混雜在一起，則一般不可能進行正確的分類識別。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的字符特征及提取方法，以二值圖像字符輪廓、骨架為基礎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、骨架為基礎的字符特征及提取方法的基礎上改進而來的。我們稱為漢字結構筆畫特征提取法。3．基于車牌漢字的特點，建立一個車牌漢字字符標準識別樣本字庫車牌漢字字符標準識別樣本庫的建立要根據第二步所提取的字符特征的提取來建立。在第二步中，我們提取的字符特征為漢字的不相連獨立結構、漢字筆畫橫、豎及撇、捺、點的個數。所以建立的車牌漢字字符標準識別樣本庫實際就是樣本車牌漢字圖像的四維特征向量庫。4．通過訓練統計或模式識別法來識別漢字并給出結果在漢字識別系統中，現有的識別方法有神經網絡分類器、模板匹配分類器、基于二值數據的Bayes分類器、幾何分類器等等。對于車牌漢字來說可以采用模板匹配分類器來進行識別。因為車牌漢字只有50個，所以存儲量不大;而且，每個待測樣品與每個標準模板進行相似度判斷的計算量也不大，根據對10個車牌漢字圖像的識別用時的統計，識別用時低于0.5s。識別速度比較快,低于實驗任務書要求。所以本課題中選用該識別方法。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格化處理漢字識別結束漢字特征向量匹配輸出識別結果漢字結構特征提取圖像二值化處理圖像反色及細化處理圖1-2系統流程圖1.4本文結構安排在基于靜止圖像的車牌照漢字識別系統中，最主要的核心就是漢字圖像的預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處理及特征提取的詳細步驟和方法；第三章則給出漢字識別系統的識別方法及過程；第四章主要針對本系統軟件設計中流程圖及界面設計，同時針對本系統作了一個快速性和精確度的性能分析，最終實現比較完備的車牌漢字識別系統。1.5本章小結本章由現在道路交通中所遇到的問題，提出了本課題研究的意義。然后介紹了國內外的研究現狀及本設計所用到得車牌漢字識別的方法。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。通過本文結構安排，讀者可以對全文的結構有一個宏觀上的了解。

第2章漢字圖像的處理技術在進行車牌圖像采集時，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量下降，對我們后面的識別的準確率帶來了很大的負面影響。所以在識別前，我們要對采集到的圖片進行必要的預處理操作，以改善圖像質量，提高識別率。本課題主要研究車牌灰度化漢字圖像的識別，所以我們用到的預處理包括圖像尺寸規格化(標準化)、二值化、反色、細化等。預處理效果的好壞與漢字圖像的特征提取有密切的關系，良好的預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特征提取的干擾。是整個設計中比較重要的部分。2.1漢字圖像的預處理2.1.1不同尺寸圖像的規格化就是將輸入的任意尺寸（大小）的漢字圖像都處理成統一尺寸的標準漢字圖像。在這里，我們所說的規格化不是簡單的寬和高的同比例縮放，還要求保持拓撲不變。在改變原漢字圖像寬高比例的同時，盡可能的突出所提取特征。我們采用分裂合并的規格化方法。具體方法如下：設原始圖像的大小為M×N，規格化后的圖像為P×Q（在本課題中我們才用23×23）。此方法分為兩個階段，即分裂（split）和合并（merge）。在分裂階段，將原圖像的每一點放大P×Q倍，即將該點的像素值復制到P×Q的陣列中，則M×N的陣列變成一個MP×NQ大小的陣列；接下來是合并階段，將MP×NQ陣列劃分成陣列大小為M×N的P×Q個區域，對M×N區域的所有像素取平均，使陣列M×N收縮成一個像素點。經以上操作，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，經過規格化后其大小變為23×23。除了上面介紹的分裂合并的規格化方法以外，還有插值變換的規格化方法。該方法是通過歸一化圖像中象素對應在原圖像中的點的位置來決定歸一化圖像中象素點的灰度值。設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(x,y)，對應于f(x,y)中的點(a,b)，根據(a,b)的具體情況來確定g(x,y)中象素點(x,y)的值。歸一化圖像中象素點和原圖像中象素點的映射關系見公式（2-1）。a）規格化前b）規格化后c）規格化前d）規格化后圖2-1圖像的規格化除了上面介紹的分裂合并的規格化方法以外，還有插值變換的規格化方法。該方法是通過歸一化圖像中象素對應在原圖像中的點的位置來決定歸一化圖像中象素點的灰度值。設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(x,y)，對應于f(x,y)中的點(a,b)，根據(a,b)的具體情況來確定g(x,y)中象素點(x,y)的值。歸一化圖像中象素點和原圖像中象素點的映射關系見公式（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(x,y)映射到原圖像中的點(a,b)，如果是整數，表明(x,y)正好對應在原圖像的網格點(象素)上，不必進行內插變換，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，即在該點沒有定義，那么要進行象素內插變換。一般有三種內插變換方法來決定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)鄰接的四個網格點(1,j),(i+l,j),(i,j+1),(i+1,j+1)中最接近它的點的灰度值來近,即:g(x,y)=f(a’，b’)，其中(a’，b')為(a,b)距其相鄰四個網格點中最近的一個網格點。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(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)鄰近的四個網格點(i,j),(i+l,j),(i,j+l),(i+l.j+l)，按照下面的公式(2-2)來近似。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個網格點的灰度值來近似的，計算公式比較復雜，此處不再詳述。2.1.2灰度圖像通常由一個unit8、unit16或者雙精度類型的數組來描述，其實質是一個數據矩陣，該矩陣中的數據均代表了一定范圍內的灰度級，每一個元素與圖像的一個像素點相對應，通常0代表黑色，1、255或65635（針對不同存儲類型）代表白色。而二值圖像是指一個取值只有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字圖像處理中具有很多優越性。這是因為，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，我們也設法使它變成二值圖像再進行處理（即灰度圖像的二值化）[6]。通過對灰度圖像的二值化處理，我們可以使實際的信息量巨大、灰度級豐富的原圖像，轉化為計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，而且降低對計算機硬件的要求，減少硬件方面的開支。在實際應用和產品推廣方面有巨大的優勢。二值化的目的是將目標對象與背景分離。圖像二值化一般作為一種預處理方法，評價其效果的優劣應當兼顧下面兩方面的基本要求:1．二值圖像中目標對象的完整性。2．二值圖像中噪聲對于后續處理影響的大小。二值化的方法很多，MATLAB中自帶了函數im2bw用于將亮度圖像轉化為二值化圖像。其語法為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通過閾值處理，將衣服亮度圖像f轉化為衣服二值圖像g。如圖2-3。輸出二值圖像g中值為0的像素點，對于輸入亮度圖像f中值小于閾值T的像素點；輸出二值圖像g中為1的像素點則對應于輸入亮度圖像f中的其他像素點。設原灰度圖像為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的選擇是關鍵,它可以表示為一個三元函數，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為動態閾值全局閾值法根據圖像的直方圖或灰度空間分布確定一個閾值，以此實現灰度圖像到二值圖像的轉化。典型的全局閾值方法包括Ostu方法、最大熵方法[7]等。全局閾值算法簡單，對于目標和背景明顯分離、直方圖分布呈雙峰的圖像效果良好，但對于由于光照不均勻、噪聲干擾較大或運動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的鄰域，并由鄰域計算模板，實現考察點灰度與鄰域點的比較。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，從而使得局部閾值法比全局閾值法有更廣泛的應用，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別中也存在某些問題和缺點，如實現速度比全局閾值法慢，不能保證漢字筆劃連通性，容易出現偽影(ghost)現象(背景區域受到噪聲干擾出現筆劃)等:動態閾值法是一種自適應的二值化方法，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象素鄰域的特征，能夠更好的突出背景和目標的邊界，使得相距很近的兩條線不會產生粘連現象。2.1.3在所提供的漢字庫中，車牌漢字圖像為白底黑字。由于MATLAB所提供的很多函數是對黑底白字的圖像進行處理。所以我們對二值化后的圖像進行取反。將原二值化后的二值化圖像轉化為黑底白字的漢字圖像，以供后面進一步進行處理。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，使得在識別過程中不會因為筆畫本身的寬度，影響到漢字結構特征提取的準確度。所以我們使用細化處理，將圖像漢字細化為一個單像素寬的漢字圖像。細化可用兩步腐蝕來實現。第一步是正常的腐蝕，但它是有條件的，也就是說，那些被標為可出去的像素點并不立即消去。在第二步中，只將那些消除后并不破壞連通性的點消除，否則保留。以上每一步都是一個3×3領域運算。細化將一個曲線形物體細化為一條單像素的線，從而圖形化地顯示出其拓撲性質[9]。如圖2-5所示。a）細化前圖像b）細化后圖像c）細化前圖像d）細化后圖像圖2-5圖像的細化處理2.2漢字圖像的特征提取特征空間的設計是模式識別系統的基礎。所選用的特征空間應使各類樣品能夠分布在該特征空間中彼此分開的區域內，分類識別才有可能;如果不同類別樣品在該特征空間中混雜在一起，則一般不可能進行正確的分類識別。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的漢字特征及提取方法，以二值圖像漢字輪廓、骨架為基礎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、骨架為基礎的漢字特征及提取方法的基礎上改進而來，所以下面主要介紹二值圖像漢字輪廓、骨架為基礎的漢字特征及提取方法及本文改進后的方法[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，得到漢字的輪廓圖;然后將漢字的輪廓圖分為M*N個網格，按照橫、豎、撇、捺四種筆畫的定義分別計算每個網格中四種筆畫的多少;最后將所有網格中四種筆畫的特征組合在一起，形成一個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，一個漢字區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漢字在不同的空間位置上四種筆畫數量的多少，從而較好地表達了漢字的筆畫和位置這兩個主要特征。但是對于車牌漢字來說，由于圖像采集和處理方法的局限往往會造成筆畫的畸變，使得對筆畫的定義較困難，易與樣品產生偏差，從而影響漢字的分類識別結果。2.2.2一個漢字的筆劃上和背景中的關鍵點是漢字結構的一種本質字形特征，印刷體漢字基本由直線筆劃構成，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上。一旦確定筆劃特征點，根據若干連接規則，漢字筆劃以及結構形狀就可以確定。漢字筆劃特征點可以取斷點、折點、歧點和交點。端點是筆劃的起(或終)點且不與別的筆劃相接;折點是筆劃方向出現顯著變化的點:歧點是三叉點，要求其中兩個筆段分支方向相同;交點是四叉點且有兩對相等的對頂角[12]。其特征提取過程如下：(1)首先對漢字進行細化處理。(2)對細化處理后的漢字像素點，進行如下計算，如公式（2-4）。（2-4）式中i,j為漢字像素點的坐標值，f(i，j)為像素點取值。(3)進行如下判斷：端點:指在起筆處和落筆處的位置，與該點相連的點數為1，即上式c=1時。歧點:指該點周圍有三條線與之相連，即上式c=3時。交點:指該點周圍有四條線與之相連，即上式c=4時。(4)分別記錄下該漢字中端點、歧點和交點的總個數，建立特征向量。該特征更適合標準印刷體漢字漢字的分類。對于車牌漢字漢字來說，由于圖像采集和處理方法的局限往往會造成筆畫的畸變，使得對漢字的端點、歧點和交點定義和判斷易與樣品產生偏差，從而影響漢字的分類識別結果。2.2.3一個漢字的不相連獨立結構的個數及漢字筆畫結構（橫、撇、豎、捺、點）的個數也是漢字結構的一種本質形態特征。但是對于車牌漢字來說，由于圖像采集和處理方法的局限往往會造成筆畫的畸變，使得對筆畫的定義較困難，易與樣品產生偏差，特別是撇、捺、點這些筆畫的提取。所以要想一種方法，讓我們避開對撇、捺、點的開始開始漢字結構橫的提取漢字結構豎的提取漢字結構撇的提取結束圖2-6漢字結構特征提取流程圖提取。由于本課題中所要識別的漢字只有固定的50多個車牌漢字，所以我們可以將撇、捺、點這些筆畫劃分為一個統一的整體。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漢字圖像的結構特征提取通過實驗統計證明，由漢字的不相連獨立結構、漢字筆畫橫、豎、撇、捺、點的個數建立的四維特征向量可以使車牌漢字得以區分。如圖2-7所示，圖（a）～(d)及（e）～(h)分別為漢字“北”及“蘭”的圖像特征提取結果。2.3本章小結本章主要是介紹了車牌漢字圖像的預處理及漢字圖像的特征的提取。漢字圖像經過尺寸規格化、二值化、反色、細化等一系列預處理后，生成了漢字圖像的骨架結構。在這個基礎上，可以使漢字圖像特征的提取更加簡單準確。然后介紹了在原有二值圖像漢字輪廓、骨架為基礎的漢字特征及提取方法的基礎，改進的一種新的二值圖像漢字輪廓、骨架為基礎的漢字特征的提取方法。

第3章漢字圖像的識別與一般印刷體漢字識別相比，車牌漢字識別有其自身的特點，它是文字識別技術與車牌圖像自身因素協調兼顧的綜合性技術。在車牌漢字識別設計方面，公開資料中提出的識別方法主要有：神經網絡分類器識別法、模板匹配分類器識別法、基于概率統計的Bayes分類器識別、幾何分類器識別法等。下面我們將介紹本課題用到得模版匹配分類識別方法。3.1模板匹配分類器識別法模板匹配分類器識別法就是把訓練樣品集的所有樣品作為標準模板，將待測樣品與每一個標準模板做比較，按照某種判斷準則，找出最相似、最近鄰的標準模板，則標準模板的類別即為待測樣品的類別。本課題采用的為最小距離模板匹配分類識別法，其實現過程為:建立訓練樣品集的特征模板庫使用設計好的車牌漢字結構特征軟件對訓練樣品集中的每一個車牌漢字圖像進行特征向量（xl）提取。建立標準的車牌漢字結構特征向量模板庫。每個向量對應一個樣品。如圖3-1及圖3-2所示。2．求出待測樣品X與訓練樣品集里每一個樣品的距離D其計算公式為公式（3-2）。（3-2）3．找出距離D最小時對應的訓練樣品比較步驟2中計算出的D,找出最小D值對應的樣品。該樣品的類別即為待測樣品的類別。從而得到漢字識別結果。其流程圖如圖3-3所示。對于車牌漢字來說，模板匹配分類識別法的原理簡單，要存儲的標準模板數量只有50多個，因而存儲量不大;而且，每個待測樣品與每個標準模板進行相似度判斷的計算量也不大，識別速度比較快。在本章3.2節中，我們將對識別性能具體介紹。圖3-1對漢字“京”進行特征向量提取圖3-2對漢字“蘭”進行特征向量提取開始開始輸入待識別字符特征向量計算模版對照相似度模版相似度比較輸出相似度大的漢字結果結束圖3-3最小距離模板匹配分類識別法流程圖3.2識別性能分析在種類眾多的識別方法中，每個方法都有其各自的優點和缺點。所以在選擇方法的時候，要根據識別對象和設計目的，要求的不同選擇合適的識別方法。本課題中選擇使用最小距離模板匹配分類識別法，主要由以下兩個性能來決定：（1）識別時間短我們隨機抽取10個樣品對系統進行時間性能測試。將每個樣品識別所用時間記錄下來并且繪成坐標圖，如圖3-4。由坐標圖可以看出，使用該識別方法，對車牌漢字的識別用時在0.5s之內。符合設計指導書要求。圖3-4識別時間統計（2）準確率高通過對本課題漢字庫中漢字圖像進行識別。基本上每個圖像都可以正確識別出。也符合畢業設計任務指導書的要求。3.3本章小結本章主要介紹了設計中使用到的漢字識別方法以及其識別性能的分析。該識別方法雖然在設計中有很好的識別速度和精度。但是其只局限與本設計所用的漢字庫。對于一些未知的漢字庫，其識別效率不能保證。本章只是提供了一種漢字識別的方法，僅供參考。

第4章基于MATLAB的界面設計本文提供了一種基于MATLAB的車牌漢字漢字的識別系統，該系統使用MATLAB設計人機接口的界面環境，調用MATLAB的工具箱函數實現車牌漢字的預處理，使用MATLAB語言編寫車牌漢字特征提取及識別，從而建立車牌漢字漢字識別系統的快速實驗平臺。MATLAB開發環境擁有豐富的實驗工具箱，其中包括信號處理（signalprocessing）、控制系統（controlsystem）、圖像處理（imageprocessing）等等，這些工具箱給各個領域的研究和工程應用提供了有力的工具。MATLAB7.5是目前比較先進的版本之一，他在圖形圖像處理功能上得到進一步的完善，把使用者從繁瑣、無謂的底層編程中解放出來，從而有更多的時候用于提高工作效率。本設計基于MATLAB自帶的GUI設計工具箱制作了本程序的人機接口操作界面4.1GUI簡介一個可發布的應用程序通常都需要有一個友好的圖形界面。MATLAB為用戶開發圖形界面提供了一個方便高效的集成開發環境，MATLAB用圖形用戶界面開發環境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、滾動條、單選按鈕、復選框、編輯框、靜態文本、列表框等等。然后在界面對用的M文件中添加各個按鈕對應的功能程序就可以完成人機界面的設計。4.2系統界面設計MATLAB為用戶開發圖形界面提供了一個方便高效的集成開發環境，MATLAB用圖形用戶界面開發環境GUIDE。用戶可以通過GUIDE方便快捷的設計出自己想要的人機接口界面。如圖4-2～圖4-5為本課程設計的界面設計效果。圖4-2運行初始界面運行車牌漢字識別程序后，出現車牌漢字識別初始界面。該界面由三大功能區域組成。分別為讀入圖片顯示區、控制區以及運行結果顯示區。圖4-3選擇圖片路徑點擊控制區的“讀入圖片”按鍵，出現一個輸入路徑對話框。通過該對話框選擇你所要識別的車牌漢字圖片。圖4-4讀入漢字“北”的圖片點擊“漢字識別”按鍵，系統開始進行漢字識別。圖4-5漢字識別結果輸出識別結果。在運行結果顯示區顯示出識別結果及識別用時。可以通過繼續點擊“讀入圖片”按鍵繼續識別其它圖像。也可以點擊“退出”按鍵退出車牌漢字識別系統。4.3本章小結設計一個完整的系統軟件，不僅要實現其所要具有的目的功能，而且要設計出友善的人機接口界面。便于使用者簡單明了的進行操作。本畢業課題所設計的人機接口界面，簡潔明了。任何識字的人都可以熟練的使用。結論車牌識別系統是一個涉及圖像處理、模式識別、計算機視覺、神經網絡和軟件工程等多個領域的研究課題，它有著廣闊的市場和巨大的商業應用前景。近幾年對復雜背景和環境干擾條件下的高速車牌自動識別技術研究非常活躍，諸多學者提出了很多方法，有些已獲得了成功應用，但都有各自的優勢和劣勢，在理論上也沒有找到現成的高速實時的算法能解決識別系統中的所有現實問題。漢字識別，特別是漢字識別作為車牌識別系統中的重點和難點，也是現實問題存在最多的環節。所以，需要針對不同車牌成像環境特點和任務的特殊需要提出自己的解決方法。在本系統設計和實現的過程中，首先滲透并學習了他人提出的一些典型算法，盡可能實現或模擬這些算法，從結果中分析其優劣，并提出自己的方法或改進的算法。對于車牌漢字，僅是確定的50多個漢字。這樣就大大縮小了標準庫的范圍。根據車牌漢字識別的目的，它強調效率和精確度，因此在漢字結果特征提取中將每一結構特點都提取出來。只要找到這50多個漢字相互的區分點就可以了。本文在參考大量有關車牌圖像識別技術公開資料的基礎上，圍繞著車牌漢字識別技術實際應用的特點和要求，并通過一定的實驗分析手段，首先對輸入的車牌漢字漢字圖像進行預處理包括不同圖像的規格化，灰度圖像的二值化、反色、二值化圖像的細化等等。然后對輸入的車牌漢字漢字圖像進行漢字特征提取，并在二值圖像漢字輪廓、骨架為基礎的漢字特征及提取方法的基礎上，提出了根據漢字的不相連獨立結構、漢字筆畫橫、豎、撇、捺、點的個數建立的四維特征向量來區分車牌漢字。實驗證明，該方法識別速度快、準確率高。在識別對象確定的車牌漢字識別中有很好的效果。本文雖然在車牌漢字識別系統的算法技術和實現方法上進行了一些探索，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間的限制，在很多方面還存在不足，有待于進一步的研究和探討，主要有以下幾點：1、車牌漢字的訓練和識別樣本尚待進一步完善本文實驗中采集到的車牌漢字圖像是已經處理過的灰度圖像，其效果要比實際圖像清晰干凈。另外提供給系統的車牌漢字訓練樣本和識別樣本還不夠完備，車牌漢字庫中漢字圖像的種類和數量有限。總之，面對真正復雜現場情況下的應用，還有很多具體工作要做。最后，軟件程序上還需要對整個識別系統進行模塊化封裝和標準化設計。2、復雜背景下的多車牌定位識別目前我們討論的是單個車牌圖像的定位識別技術，對于復雜背景下的多目標搜索、同幅多輛汽車牌照的圖像分割、精確定位等技術及現實的成像噪聲干擾等實際問題及技術難點還有很多工作尚待進一步研究。在多車牌圖像目標分割與定位識別技術方面，北京理工大學信息學院、國防科技大學603教研室、浙江師范大學模式識別研究所等單位都進行了初步的研究，取得了階段性成果，這些，我們可以進一步借鑒并應用到商用的便攜式移動車牌識別稽查系統中。3、基于彩色特征的車牌自動識別本文所介紹的是基于灰度圖像的車牌識別技術，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，當前攝像機與計算機性能的提高使得彩色圖像的實時處理也變成現實，因此考慮基于彩色特征和彩色圖像分析技術來研究車牌的定位、分割與識別技術應該說是車牌識別領域的一種新思路。這方面上海交通大學計算機科學與工程系、浙江大學等都已有學者進行了探索研究，如提出采用彩色分割、目標定位及多級混合集成分類器的車牌自動識別方法等，這些算法和思路值得我們進一步借鑒和參考。

致謝本次設計在我的導師侯進副教授和陳曾學長的指導和幫助下，我有了很大的收獲，同時還有很多同學對我有很大的幫助，他們向我提出了很多寶貴的意見和建議。侯進副教授和陳曾學長實事求是的治學態度給我印象頗深，對我也產生了很大的影響，在這里向他們表示誠懇的感謝。侯老師讓我在對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們表示衷心的謝意。

參考文獻[1]趙明生，包從笑.車牌識別技術在交通工程和城市安全中的作用及應用前景.北京.人民交通出版社，1997:10-14[2]劉大宇.漢字識別方法研究及其在車牌識別系統中的應用.四川大學,2003:2-5[3]朱峰.車牌漢字識別技術的研究和實現.江蘇大學,2006:6-9[4]童劍軍.站在發展十字路口的車牌識別技術.中國交通信息產業.2005.10:50-53[5]袁紹松.車牌識別產品市場綜