华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。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。模板匹配是图象识别方法中最具代表性的基本方法之，它是将从待识别的图象或图象区域,中提取的若干特征量与模板,相应的特征量逐个进行比较，计算它们之间规格化的互相关量，其中互相关量最大的个就表示期间相似程度最高，可将图象归于相应的类。也可以计算图象与模板特征量之间的距离，用最小距离法判定所属类。然而，通常情况下用于匹配的图象各自的成像条件存在差异，产生较大的噪声干扰，或图象经预处理和规格化处理后，使得图象的灰度或像素点的位置发生改变。在实际设计模板的时候，是根据各区域形状固有的特点，突出各类似区域之间的差别，并将容易由处理过程引起的噪声和位移等因素都考虑进去，按照些基于图象不变特性所设计的特征量来构建模板，就可以避免上述问题。图字符识别流程图此处采用相减的方法来求得字符与模板中哪个字符最相似，然后找到相似度最大的输出。汽车牌照的字符般有七个，大部分车牌第位是汉字，通常代表车辆所属省份，或是军种警别等有特定含义的字符简称紧接其后的为字母与数字。车牌字符识别与般文字识别在于它的字符数有限，汉字共约多个，大写英文字母个，数字个。所以建立字符模板库也极为方便。为了实验方便，结合本次设计所选汽车牌照的特点，只建立了个数字个字母与个数字的模板。其他模板设计的方法与此相同。首先取字符模板，接着依次取待识别字符与模板进行匹配，将其与模板字符相减，得到的越多那么就越匹配。把每幅相减后的图的值个数保存，然后找数值最大的，即为识别出来的结果。建立自动识别的代码表读取分割出来的字符第个字符与模板中的汉字模板进行匹配第二个字符与模板中的字母模板进行匹配待识别字符与模板字符相减，值越小相似度越大，找到最小的个即为匹配的最好的识别完成，输出此模板对应值后个字符与模板中的字母与数字模板进行匹配第六章车牌识别系统实现车牌识别系统总流程图车牌识别系统总流程识别结果通过对原始待识别图像的系列预处理，然后进行图像矫正，将图像分割成单个字符图像，最终识别出结果如图所示图识别结果由于在实际中，我们通过数码相机采集的车牌图像数量有限，并且遇到的车牌图像多半比较清楚，所以我们认为这个数据并不能完全反映出整个识别系统的性能，不过，系统的性能稳定，识别率比较高，还是满足了我们的需要，具有实用性强的特点。第七章结论随着汽车数量的增加，城市交通状况口益恶化，如何能够智能有效地进行交通管理，已经成为了各国政府和相关部门所关注的焦点，而汽车牌照识别系统在智能交通系统中占有非常重要的地位，如何实现汽车牌照的自动识别已成为现代交通工程领域中研究的重点和热点问题之。本文采用传统的图像处理技术和模式识别技术，在总结前人研究的基础上，提出自己的方法和改进方法，分别对车牌图像预处理，车牌图像的倾斜校正，车牌图像字符分割，车牌字符识别等四个方面作了系统的研究，并提出了理论上和使用的解决方法。本文的研究工作如下图像预处理该阶段主要研究内容是数字图像的基础以及对车牌图像的去噪处理和二值化。首先阐述了数字图像的基础，作为随后各种对数字图像操作的基础，其次为了去除牌照上的噪音点，更好的保留牌照上的有效信息，我采用了中值滤波的方法，对大多数车牌图像都有较好的效果，最后，针对车牌图像的二值化，我在总结前人理论的基础上，结合车牌图像自身的特点，提出了种改进的闽值算法，通过实验证明，该方法能较好的保留图像有效信息，并且能够在光照不好，图像阴暗的情况下仍然取得比较好的效果，方便后续处理。车牌的倾斜校正在将图像二值化以后，我就可以进行进步的处理。因为拍摄角度等原因，些车牌图像并不是非常标准，存在着些倾斜角度，这样，在进行分割等处理前还需要对图像进行倾斜校正。在进行倾斜校正的时候，首先用变换取得车牌倾斜的角度，然后通过两次变换将图像校正，最终达到我们的目的。在这部分，我们首先利用变换取得两个倾斜角度，然后我们采取有别十通常采用的次校正，取得了比较好的效果。车牌的字符分割通过倾斜校正，我们得到了比较正规的图像，这样就便十分割处理。在进行字符分割前，我们首先利用统计黑白跳变次数的方法分割出车牌的上边框，然后再利用改进后的垂直投影法成功将字符分割。这里对垂直投影法的改进主要采取的是忽略部分字符粘连后造成的影响，合并断裂字符，最后再通过宽高比值验证。在将字符分割后，我们采用最近邻插值法将字符图像作归张云刚利用变换和先验知识的车牌字符分割算法计算机学报期苗挺车牌识别中倾斜牌照的快速矫正算法计算机工程期土良红汽车倾斜牌照中字符的定位与提取电讯技术期杨淑莹像处理程序设计清华大学出版社黄爱民，安向京，骆力等编著数字图像处理与分析基础中国水利水电出版社李文举种新的面向字符分割的车牌图像预处理方法计算机应用研究期韩智广车牌分割与矫正计算机工程与应用期著，朱志刚，石定机等译数字图像处理电子工业出版社著，徐英林等译数字图像处理人民邮电出版社郎锐编著数字图像处理学实现北京希望电子出版社二叶晨洲车辆牌照字符识别上海交通大学学报期边肇祺，张学工等编著模式识别清华大学出版社李介谷，蔡国廉等编著计算机模式识别技术上海交通大学出版社吴颂德，张正友等编著计算机视觉科学出版社杨光正，吴崛，张晓莉编著模式识别中国科学科技大学出版社李金宗编著模式识别的理论与方法高等教育出版社沈清等著模式识别导论国防科技大学出版社土敏种模板匹配和神经网络的车牌字符识别方法中科出去后，汽车便会做出相应的回映，如报告具体位置信息，切断汽车油路等。汽车防盗系统中的检错系统传感器系统检测流程图开始监控中心产生相关指令信息并发送判断汽车网络信号是否正常蜂窝基站接收监控中心指令蜂窝基站发送信息给汽车汽车做出相应回应监听断油路等每隔小时系统重复发送信息当发现从传感器过来的信号不正常时，就要对各个传感器进行检错，其流程图如图所示图传感器系统息故障处理延时达到要求锁控制结论本设计是利用芯片技术，结合移动通信网络和全球定位系统的新型汽车防盗装置。该设计可实现车辆停车后的安全状态监测，非安全状态下的人车对话，以及车辆失窃后的跟踪定位，而且具有网络覆盖范围广信息传播速度快成本和使用费用较低盲区限制较小具有多重防盗功能等优点，为汽车防盗提供了种新的途径与思路。在本设计的实现过程中遇到了很多想到和想不到困难，在老师和同学的帮助下都个个得到了圆满的解决，但由于本设计的系统较大，个别部分实现难度较高，时间紧迫等原因，系统的部分流程，如检错系统，四轮锁死系统的实现情况跟预期效果还有定的差距，以后本人还需要做进步的改进和设计。本设计正是适应现代社会的发展需要应运而生的，充分利用了现代社会的高科技技术，实现了系统的智能化和网络化，对汽车安全问题的提高具有重大的意义，相信本系统的出现必将开辟个汽车防盗史上的新纪元。致谢感谢我的指导老师舒望，他严谨细致丝不苟的作风直是我工作学习中的榜样他们循循善诱的教导和不拘格地思路给了我无尽的启迪。在个月中，我得到了舒望老师的精心指导。老师治学严谨，思想深邃，为我营造了种良好的精神氛围。在老师那里，我不仅接受了全新的思想观念，学会了基本的思考方式，掌握了通用的研究方法，而且还明白了许多待人接物与为人处世的道理。相信他他们的思想和工作作风会给我以后的工作和学习带来重大的帮助。再此，请允许我对老师再次表示我深深的谢意。如今，大学将尽，我们即将离开母校，踏上新的征程。回顾大学历程，老师和同学给予我太多的支持，太多的帮助。在此，我对所有的信息工程学院的老师表示感谢，并祝你们身体健康，工作顺利,也祝我的所有同学事业早成，万事如意,参考文献杨波浅谈汽车防盗器的应用与发展大众科技刘小虎，谢顺依开发板的研制湖北海军工程大学,王昌锋,任作新基于与的智能汽车防盗系统科技情报开发与经济王庆香孙炳达基于芯片的汽车定位防盗系统设计工业控制计算机,池保忠基于单片机的汽车防盗报警系统设计科教文汇王峰汽车四轮锁死防盗系统的设计科研设计孙惠娟,朱瑞祥汽车防盗装置的现状及展望公路与汽车张雄伟，贾冲等芯片原理与应用北京机械工业出版社,郭梯云，李建东等移动通信第四版西安西安电子科技大学出版社,测流程图对传感器系统的检错流程描述如下首先判断信号来自哪个传感器，图中的两个代表的是传感器的种类，规定代表热传感器，代表振动传感器，代表断线式传感器，代表滚珠式触发传感器。例如当检测到信号为时则表示信号来自热传感器。判断出信号来自哪个传感器后就要进步对传感器进行判定，首先判定传华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。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。模板匹配是图象识别方法中最具代表性的基本方法之，它是将从待识别的图象或图象区域,中提取的若干特征量与模板,相应的特征量逐个进行比较，计算它们之间规格化的互相关量，其中互相关量最大的个就表示期间相似程度最高，可将图象归于相应的类。也可以计算图象与模板特征量之间的距离，用最小距离法判定所属类。然而，通常情况下用于匹配的图象各自的成像条件存在差异，产生较大的噪声干扰，或图象经预处理和规格化处理后，使得图象的灰度或像素点的位置发生改变。在实际设计模板的时候，是根据各区域形状固有的特点，突出各类似区域之间的差别，并将容易由处理过程引起的噪声和位移等因素都考虑进去，按照些基于图象不变特性所设计的特征量来构建模板，就可以避免上述问题。图字符识别流程图此处采用相减的方法来求得字符与模板中哪个字符最相似，然后找到相似度最大的输出。汽车牌照的字符般有七个，大部分车牌第位是汉字，通常代表车辆所属省份，或是军种警别等有特定含义的字符简称紧接其后的为字母与数字。车牌字符识别与般文字识别在于它的字符数有限，汉字共约多个，大写英文字母个，数字个。所以建立字符模板库也极为方便。为了实验方便，结合本次设计所选汽车牌照的特点，只建立了个数字个字母与个数字的模板。其他模板设计的方法与此相同。首先取字符模板，接着依次取待识别字符与模板进行匹配，将其与模板字符相减，得到的越多那么就越匹配。把每幅相减后的图的值个数保存，然后找数值最大的，即为识别出来的结果。建立自动识别的代码表读取分割出来的字符第个字符与模板中的汉字模板进行匹配第二个字符与模板中的字母模板进行匹配待识别字符与模板字符相减，值越小相似度越大，找到最小的个即为匹配的最好的识别完成，输出此模板对应值后个字符与模板中的字母与数字模板进行匹配第六章车牌识别系统实现车牌识别系统总流程图车牌识别系统总流程识别结果通过对原始待识别图像的系列预处理，然后进行图像矫正，将图像分割成单个字符图像，最终识别出结果如图所示图识别结果由于在实际中，我们通过数码相机采集的车牌图像数量有限，并且遇到的车牌图像多半比较清楚，所以我们认为这个数据并不能完全反映出整个识别系统的性能，不过，系统的性能稳定，识别率比较高，还是满足了我们的需要，具有实用性强的特点。第七章结论随着汽车