1、“.....文科类论文正文字数不少于万字。附件包括任务书开题报告外文译文译文原文复印件。文字图表要求文字通顺，语言流畅，书写字迹工整，打印字体及大小符合要求，无错别字，不准请他人代写工程设计类题目的图纸，要求部分用尺规绘制，部分用计算机绘制，所有图纸应符合国家技术标准规范。图表整洁，布局合理，文字注释必须使用工程字书写，不准用徒手画毕业论文须用单面打印，论文页以上的双面打印图表应绘制于无格子的页面上软件工程类课题应有程序清单，并提供电子文档装订顺序设计论文附件按照任务书开题报告外文译文译文原文复印件次序装订后的图片牌照的定位和分割牌照的定位和分割是牌照识别系统的关键技术之，其主要目的是在经图像预处理后的原始灰度图像中确定牌照的具体位置，并将包含牌照字符的块子图像从整个图像中分割出来，供字符识别子系统识别之用，分割的准确与否直接关系到整个牌照字符识别系统的识别率。由于牌照图像在原始图像中是很有特征的个子区域......”。

2、“.....它在原始图像中的相对位置比较集中，而且其灰度值与周边区域有明显的不同，因而在其边缘形成了灰度突变的边界，这样就便于通过边缘检测来对图像进行分割。牌照区域的定位和分割牌照图像经过了以上的处理后，牌照区域已经十分明显，而且其边缘得到了勾勒和加强。此时可进步确定牌照在整幅图像中的准确位置。这里选用的是数学形态学的方法，其基本思想是用具有定形态的机构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。数学形态学的应用可以简化图像数据，保持它们基本的形态特征，并除去不相干的结构。在本程序中用到了膨胀和闭合这两个基本运算，最后还用了来去除对象中不相干的小对象。对车牌的分割可以有很多种方法，本程序是利用车牌的彩色信息的彩色分割方法。根据车牌底色等有关的先验知识，采用彩色像素点统计的方法分割出合理的车牌区域，确定车牌底色蓝色对应的各自灰度范围，然后行方向统计在此颜色范围内的像素点数量，设定合理的阈值，确定车牌在行方向的合理区域。然后......”。

3、“.....统计列方向蓝色像素点的数量，最终确定完整的车牌区域。牌照区域的分割对车牌的分割可以有很多种方法，本程序是利用车牌的彩色信息的彩色分割方法。根据车牌底色等有关的先验知识，采用彩色像素点统计的方法分割出合理的车牌区域，确定车牌底色蓝色对应的各自灰度范围，然后行方向统计在此颜色范围内的像素点数量，设定合理的阈值，确定车牌在行方向的合理区域。然后，在分割出的行区域内，统计列方向蓝色像素点的数量，最终确定完整的车牌区域。图定位出来的车牌区域车牌进步处理经过上述方法分割出来的车牌图像中存在目标物体背景还有噪声，要想从图像中直接提取出目标物体，最常用的方法就是设定个阈值，用将图像的数据分成两部分大于的像素群和小于的像素群，即对图像二值化。均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给个模板，该模板包括了其周围的临近像素。再用模板中的全体像素的平均值来代替原来像素值。均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给个模板......”。

4、“.....构成个滤波模板，即去掉目标象素本身。均值滤波也称为线性滤波，其采用的主要方发法为领域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点选择个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点作为处理后图像在该点上的灰度个即个为该模板中包含当前像素在内的像素总个数。图像边缘提取及二值化边缘提取边缘主要存在与目标目标与背景区域与区域之间，边缘检测主要是精确定位边缘和抑制噪点，原理是由于微分算子具有突出灰度变化的作用，对图像进行微分运算，在图像边缘出机器会读变化较大，计算值较高，可将这些为分支作为供应点的边缘强度，通过阈值判别来提取边缘点，即如果为分支大于阈值，则为边缘点。其基本步骤是首先利用边缘增强算子，突出图像中的局部边缘，边缘检测算子有算子算子算子算子和算子。梯度算子可分为类使用差分近似图像函数导数的算子。有些是具有旋转不变性的如算子，因此只需要个卷积掩模来计算。其它近似阶导数的算子使用几个掩模......”。

5、“.....试图将图像函数与边缘的参数模型相匹配的箅子。二第类梯度算子拉普拉斯算子通常使用的掩模，有时也使用强调中心象素或其邻接性的拉普拉斯算子这种近似不再具有旋转不变性。拉普拉斯算子的缺点它对图像中的些边缘产生双重响应。图像锐化图像锐化的目的是图像的边缘更陡峭清晰。锐化的输出图像是根据下式从输入图像得到的其中是反映锐化程度的正系数是图像函数锐化程度的度量，用梯度箅子来计算，箅子常被用于这目的。三第二类梯度算子二阶导数过零点算子根据图像边缘处的阶微分梯度应该是极值点的事实，图像边缘处的二阶微分应为零，确定过零点的位置要比确定极值点容易得多也比较精确。右侧是的过零点检测结果。为抑制噪声，可先作平滑滤波然后再作二次微分，通常采用高斯函数作平滑滤波，故有算子。高斯拉普拉斯，算子。噪声点对边缘检测有较大的影响，效果更好的边缘检测器是高斯拉普拉斯算子。它把高斯平滑滤波器和拉普拉斯锐化滤波器结合起来，先平滑掉噪声，再进行边缘检测，所以效果更好......”。

6、“.....这样检测来的边缘点称为，的过零点。与前面的微分算子处仅采用很小的邻域来检测边缘不同，过零点的检测所依赖的范围与参数。有关，但边缘位置与的选择无关，若只关心全局性的边缘可以选取比较大的邻域如时，邻域接近个象素宽来获取明显的边缘。过零点检测更可靠，不易受噪声影响，但缺点是对形状作了过分的平滑，例如会丢失且明显的角点还有产生环行边缘的倾向。产生环行边缘的原因是图像的边缘多出现于亮度呈现突起或凹陷的位置上，其附近边缘法向线条上阶微分会出现两个极值点，也就是会出现两个过零点。其整体结果是边缘呈现环行状态。四边缘提取或边缘检测在如下的三个标准意义下，边缘检测算子对受闩噪声影响的阶跃型边缘是最优的检测标准不丢失重要的边缘，不应有虚假的边缘定位标准实际边缘与检测到的边缘位置之间的偏差最小单响应标准将多个响应降低为单个边缘响应。边缘检测算子的提出是基于以下概念边缘检测算子是针对维信号和前两个最优标准即检测标准和定位标准表达的......”。

7、“.....需要通过数值优化的办法得到最优解，该最优滤波器可以有效地近似为标准差为的高斯平滑滤波器的阶微分，其误差小于，这是为了便于实现这与边缘检测算子很相似它是基于边缘检测算子的将边缘检测箅子推广到两维情况。阶跃边缘由位置方向和可能的幅度强度来确定。可以证明将图像与对称做卷积后再沿梯度方向微分，就构成了个简单而有效的方向算子回想下，过零点算子并不能提供边缘方向的信息，因为它使用了滤波器。由于噪声引起的对单个边缘的多个虚假响应通常造成所谓的纹状问题。般而言，该问题在边缘检测中是非常普遍的。边缘检测算子下多余部分根据图像大小，设置阈值，检测图像的轴，若宽度等于这阈值则切割，分离出个字符归化切割出来的字符图像的大小为，与模版中字符图像的大小匹配些性质，例如物体的面积和周长，本来对于坐标旋转来说就具有不变的性质。在般情况下，些因素或变换对图像些性质的影响可通过归化处理得到消除或减弱，从而可以被选作测量图像的依据。例如对于光照不可控的遥感图片......”。

8、“.....灰度归化几何归化和变换归化是获取图像不变性质的三种归化方法。由于汽车图像大小不样，所以得到的牌照上的字符大小就不样，为了便于字符识别，需要对字符进行归化处理。归化处理的目的就是使车牌字符同标准模板里面的字符特征样。归化处理分为倾斜校正和大小归化，二倾斜度校正前面已经调用工具箱中函数，二大小归是指在长度和宽度方向上分别乘以个比例因子，使其等于标准模块的字符大小，大小归化常用的方法有两种种是将整个牌照图像按线性比例放大或缩小到标准模块尺寸，这样字符就自然的变为标准模块尺寸另种是分别从水平投影和垂直投影两个方向上对字符象素的大小进行归化处理。般分割出来的字符要进行进步的处理，以满足下步字符识别的需要。但是对于车牌的识别，并不需要太多的处理就已经可以达到正确识别的目的。在此只进行了归化处理，然后进行后期处理。图归化处理后的七个字符图像字符的识别标准的车牌共有个字符，其中第位为汉字，第二位为大写英文字母，第三位到第七位为阿拉伯数字。目前还有定数量的个性化车牌，因为保有量较少......”。

9、“.....所以总共需要识别的字符约为个汉字，个英文字母及个阿拉伯数字。现在常用的字符识别主要是基于模板匹配和神经网络的方法，本次设计中所用的方法是模板匹配。字符的识别目前用于车牌字符识别中的算法主要有基于模板匹配的算法以及基于人工神经网络的算法。基于模板匹配的的基本过程是首先对待识别字符进行二值化并将其尺寸大小缩放为字符数据库中模板的大小，然后与所有的模板进行匹配，最后选最佳匹配作为结果。用人工神经网络进行字符识别主要有两种方法种方法是先对待识别字符进行特征提取，然后用所获得的特征来训练神经网络分类器。识别效果与字符特征的提取有关，而字符特征提取往往比较耗时。因此，字符特征的提取就成为研究的关键。另种方法则充分利用神经网络的特点，直接把待处理图像输入网络，由网络自动实现特征提取直至识别。图字符识别流程图模板匹配的主要特点是实现简单，当字符较规整时对字符图像的缺损污迹干扰适应力强且识别率相当高。综合模板匹配的这些优点我们将其用为车牌字符识别的主要方法......”。