基于HSV空间与数学形态学的车牌定位方法
VIDEO ENGINEERING
No．06Vol.332009（Sum No．329）文章编号：1002－8692（2009）06-0099-03
基于HSV 空间与数学形态学的车牌定位方法*窦育强，刘艳芳
（河南师范大学计算机与信息技术学院，河南新乡453007）
【摘
要】
车牌区域的颜色特征是车牌的重要信息，基于此特征，提出了基于HSV 颜色模型和数学形态学相结合的车牌定位算
法。并利用Matlab 软件对该算法进行仿真，实验证明该方法在复杂背景下具有较强的适应性与稳健性。【关键词】
HSV 颜色模型；色彩分割；数学形态学
【中图分类号】TN911.73
【文献标识码】A
Method of License Plate Location Based on HSV and Mathematical Morphology
DOU Yu-qiang,LIU Yan-fang
（Computer and Information Technology School,Henan Normal University,Henan Xinxiang 453007,China ）
【Abstract 】The color feature of car license region is important information.As to this characteristic,an effective license plate lo -
cation algorithm based on the combination of the color and mathematical morphology is presented in this paper.Matlab software is used in this paper to simulate the algorithm and the experimental results show that this method has strong adaptability and ro -bustness under complicated background image.
【Key words 】
HSV color model;color segment;mathematical morphology
·论文·
1
车牌定位技术简介
车牌识别系统是以特定目标为对象的专用计算机
视觉系统，能从一幅图像中自动提取车牌图像，自动分割字符及对字符进行识别。车牌定位是车牌识别技术的关键部分。它的主要工作是从摄入的汽车图像中找到汽车牌照所在的位置，并把车牌从该区域中准确地分割出来，供后续字符分割使用。各国的科研人员提出了不少提取汽车牌照的方法，如基于纹理的分割方法、基于边缘检测的分割方法、基于数学形态学的分割方法等。
2
基于颜色和数学形态学相结合的车
牌定位算法
我国的汽车牌照有蓝底白字、黄底黑字、白底黑字
和红字及黑底白字4类。为了充分利用车牌的颜色空间信息特征，笔者提出了基于HSV 空间和数学形态学相结合的车牌定位算法。
2.1色彩分割
色彩分割的目的是从原始图像中滤除与标准车牌
底色颜色不同的像素，尽可能只保留与车牌底色颜色近似的像素，以过滤背景中干扰部分。
获得的彩色汽车图像是基于RGB 模式，但是RGB 空间并不适合人的视觉特性，对目标物体的颜色模式描述复杂，各个分量之间冗余信息多。而在HSV 颜色模型
中，色调和饱和度的概念与人的视觉感知是紧密相连的；亮度分量与色度分量是相互独立的，有利于图像处理[1-2]。因此，笔者采用HSV 颜色空间进行色彩分割。
将彩色车辆图像由RGB 模式转换为HSV 模式后，为了对大量数据进行简化处理，基于人眼的色彩感知，对H ，S 和V 这3个数据进行量化。颜色量化通常有等间隔和非等间隔量化，采用前者量化的矢量维数多[3]，计算量大，因此针对车牌图像可采用非等间隔量化，将色度H 分为12个等级，饱和度S 分为5个等级，亮度V 分为4个等级。
在我国车牌图像中，车牌区域具有字符与车牌背景颜色固定搭配，字符颜色与车牌底色对比度较大，且颜色跳跃边缘明显的特征。因此，车牌照所涉及的颜色就只有蓝、黑、白、黄、红5种。
根据HSV 颜色模型的特点，利用H 分量和S 分量为颜色特征鉴别蓝色和红色区域；在接近黑色和白色的色彩空间区域，即V 分量很高或很低时，色调所提供的信息极为有限，无法准确描述颜色，因此黑白两色可通过亮度V 和饱和度分量S 确定；而黄色用H 分量和V 分量区分比较好。具体颜色滤波算法如下：
if
（HH==8&&SS>=3）
为蓝色else if （HH==12&&VV==4）为黄色else if （SS<=2&&VV<2）为黑色else if （SS==1&&VV>＝2）
为白色*河南省科技攻关基金项目（082102210109）；河南省教育自然科学基金项目（2007510008）
99
2009年第33卷第06期（总第329期）
else
为背景色
大量的实验证明，采用上述算法对原图像进行颜色滤波后，能够简化图像背景，突出车牌区域，色彩分割效果如图1a 和图1b 所示。
2.2二值化处理
二值化就是将灰度值处理成只有黑、白两个灰度值
的过程[4]。我国车牌颜色多样，直接对灰度图像二值化，很难选择合适的阈值。由于车牌区域存在连续7个字符，字符颜色与车牌底色固定搭配且对比度较大，颜色跳变频繁，因此本论文中的二值化选择在差分灰度值基础上进行。具体算法如下：
首先对整幅图像进行一次双向差分运算，2个像素点（i 1，j 1）和（i 2，j 2）的差分值定义为
D =I （i 1，j 1，1）-I （i 2，j 2，1）+I （i 1，j 1，2）-I （i 2，j 2，2）+
I （i 1，j 1，3）-I （i 2，j 2，3）
若D ≤255或510 2.3进行数学形态学运算 数学形态学是一种非线性滤波方法，可以用于抑制 噪声、特征提取、边缘检测、图像分割等图像处理问题。其特点是能将复杂的形状进行分解，并将有意义的形状分量从无用的信息中提取出来[5]。 首先选取1×20的结构元素对二值化后的图像进行闭运算。仔细观察后发现，经闭运算后，图像中细小空洞与小裂缝被填充弥合，边界也变得较平滑。之后其进行开运算，选取的结构元素为1×9，经开运算后，图像中细小边缘被消除掉，在纤细处连接的部分被分离开且较大物体边界更平滑，结果如图1d 所示。 2.4中值滤波 中值滤波的基本原理是把数字图像或数字序列中 一点的值用该点的一个邻域中各点值的中值代替[6]。图像进行中值滤波之后就可以去掉随拍摄或传输引入的 噪声，同时还实现了图像的平滑。对图1d 进行中值滤波后得到图1e 。 2.5对连通区域进行标记 连通标记算法[7]可以找到图像中的所有连通成分， 并对同一连通成分的所有点分配同一标记。对连通区域进行标记后，得到n 个标记的连通区域，第i 个连通区域的像素值标记为i （i =1，2，…，n ）。 2.6去除虚假车牌区域 中值滤波后，图像中一般仍有许多个连通区域，其 中包括车牌区域，也包括车灯、商标以及一些标志等虚假区域，对各区域分别按矩形区域进行提取以供进一步分析。众多车牌候选区域中，通过某单一的评价指标，很难准确地定位车牌区域。笔者综合采用车牌的几何纹理 特征与颜色特征来确定出真正车牌区域。 2.6.1初步定位 我国汽车前面的牌照大小均为440mm ×140mm ，大 型汽车为440mm ×220mm 。虽然车牌反映在图像中的大小不同，但车牌区域的长宽比相对固定，成为车牌的一个明显特征，可利用此特征实现车牌的初步定位。 首先为长宽比设定2个阈值：ratio max 和ratio min ，若车牌候选区域的长宽比ratio 满足ratio min ≤ratio ≤ratio max ，则认为该区域为可能是车牌区域，将其标记为精确定位的候选区域，进入下一步处理。对图1e 中连通区域按长宽比筛选后如图1f 所示。 经过初步定位之后，可以看到大量不满足长宽比的车牌虚假区域被滤除掉。经过大量实验发现，其他虚假的连通区域主要来自汽车的左右2个前灯以及中间的进气栅格。 2.6.2精确定位 我国的汽车车牌区具有这样的颜色特征：蓝色与白 （g ） 精确定位后图像 （h ） 车牌区域图 （f ） 初步定位后图像 （c ） 二值化图像 （d ） 开运算后图像 （e ） 中值滤波后图像 （a ）汽车原图像 （b ）色彩分割后图像 图1本文车牌定位方法实验过程 100 VIDEO ENGINEERING No．06Vol.332009（Sum No．329）2）MMDS 基站发射机输出功率不大，可在发射端和接收端都采用高增益天线，所以只需较小功率的发射设备就可覆盖很大面积。 3）功率合成器采用波导滤波器通过级联方式组合而成，完全可以隔频或邻频传输，大大节省了频率资源。 4）和其他传输网络一样，可采用条件接收技术，实现智能化付费管理。 5）MMDS 在数字电视信号传输链路中基本不会因为多级处理而导致信号有很大程度的劣变，而且MMDS 传输网络不会出现容量问题，相对于光纤更有优势。 6）MMDS 传输网络相比于有线网络，基最大的优点是受自然灾害的可能性更小，基本不会出现大片用户无法接收的现象。 7）MMDS 传输网所需工程费用较少，一般为光缆/电缆混合网投资的1/10，维护费也相对较低。 在信息高速公路时代来临之际，MMDS 无线传输技术其覆盖面广，仍然是我国数字信息高速公路连接广大山区、农村的有效手段。 笕 责任编辑：张家豪 收稿日期：2009-05-26 色、黄色与黑色、黑色与白色（有时有红色字符）是相伴而存在的，每种颜色像素点数目之和在整个车牌区域中各占有一定比例，即车牌区域颜色具有伴生特性；并且在车牌区域只有这几种颜色对存在，各颜色区域是相互跳变的，即背景颜色区和字符颜色区非此即彼，二者所占比例之和接近于1，即车牌区域颜色具有互补特性[8]。这种颜色对比的特征是其他区域所不具备的。针对这一特性，笔者提出利用车牌区域颜色伴生与互补特性对汽车牌照进行精确定位。 经过上述初选过程，一般得到几个车牌候选区域，在原汽车图像中，对各候选区域进行颜色统计，分别计算蓝、白、黑与黄色在所属连通区域中所占的比例，分别为Ratio_bule ，Ratio_white ，Ratio_black 和Ratio_yellow 。按4种车牌出现概率的大小分别求伴生颜色，蓝色与白色、白色与黑色、黄色与黑色的比例之和。判断如下： if （Ratio_bule+Ratio_white ≥T1）&（Ratio_blue ≤B1）则为蓝底白字车牌； if （Ratio_white+Ratio_black ≥T2）&（Ratio_white ≤B2）则为白底黑字； if （Ratio_yellow+Ratio_black ≥T3）&（Ratio_yellow ≤B3）则为黄底黑字； if （Ratio_black+Ratio_black ≥T4）&（Ratio_black ≤B4）则为黑底白字； else 没有找到真正的车牌区域； 其中，T1，T2，T3，T4，B4，B1，B2，B3和B4为事先设定的阈值。 利用车牌区域颜色的伴生与互补特性，对图1f 中的连通区域进行进一步筛选，如图1g 所示。由图可看出，汽车的左右两个前灯以及中间的进气栅格被顺利排除掉，只剩下车牌连通区域。将车牌连通区域的坐标映射到原汽车图像中，得到真正的车牌区域，如图1h 所示。 实验中发现，通常情况下，基于几何纹理特征就可以唯一地定位出车牌，不必再进行颜色统计，而在干扰较大的背景下，辅以彩色特征对虚假车牌进行排除。 3 与其他车牌定位方法的比较 为了便于比较，笔者还综合运用了基于边缘统计跳 变次数与垂直投影的方法实现对车牌的定位。此方法直观、简单，但主要是基于灰度图像处理技术，忽略了车牌所固有的颜色信息，当车牌图像对比度较小或光照不均匀以及有类似车牌纹理特征的干扰时，误识率增加。 4 总结 笔者提出的基于颜色和数学形态学相结合的车牌 定位方法，不易受车牌大小、位置以及图像背景的影响，克服了灰度定位方法完全忽略彩色特征信息的缺点。实验证明此方法对各类车牌定位效果较好，尤其在背景颜色与车牌颜色相似的情况下，也能实现准确定位。参考文献： [1]王洪建.基于HSV 颜色空间的一种车牌定位和分割方法[J].仪器仪 表学报，2005，26（8）：371-372. [2]杨琳.一种基于边缘颜色的彩色车牌定位方法[J].交通与计算机， 2007，25（137）：89-91. [3]李树广，吴舟舟，罗小伟.基于边缘和颜色特征的车牌综合自动定位 方法[J].山东大学学报，2005，35（3）：44-47. [4]吴进军，杜树新.基于彩色二值化的车牌定位方法[J].公路交通科 技，2006，23（4）：135-138. [5]阮秋琦.数字图像处理学[M].2版.北京：电子工业出版社，2007.[6]李朝晖.数字图像处理及应用[M].北京：机械工业出版社，2004.[7]SONKA M ，HLAVAC V ，BOYLE R.Image processing ，analysis and machine vision[M].2版.北京：人民邮电出版社，2002．[8]王枚，王国宏.利用伴生与互补颜色特征的车牌定位新方法[J].计 算机工程与应用，2007，43（1）：206-208. 笕 作者简介： 窦育强（1980－），助教，研究方向为图像信号处理；刘艳芳（1981－），女，助教，研究方向为图像信号处理。责任编辑：任健男 收稿日期：2009-04-08 ≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤≤ （上接第90页） 101 专业综合实验报告----数字图像处理 专业：电子信息工程 班级： ： 学号： 指导教师： 2014年7月18日 车牌图像定位与识别 一、设计目的 利用matlab实现车牌识别系统，熟悉matlab应用软件的基础知识，利用其解决数字信号处理的实际应用问题，从而加深对理论知识的掌握，巩固理论课上知识的同时，加强实践能力的提高，理论联系实践，提高自身的动手能力。同时不断的调试程序也提高了自己独立编程水平，并在实践中不断完善理论基础，有助于自身综合能力的提高。 二、设计内容和要求 车牌识别系统应包含图像获取、图像处理、图像分割、字符识别、数据库管理等几个部分，能够完成复杂背景下汽车牌照的定位分割以及牌照字符的自动识别。这里，只要求对给定的彩色车牌图像变换成灰度图像，用阈值化技术进行字符与背景的分离，再提取牌照图像。 三、设计步骤 1．打开计算机，启动MATLAB程序； 2．调入给定的车牌图像，并按要求进行图像处理； 3．记录和整理设计报告 四、设计所需设备及软件 计算机一台；移动式存储器；MATLAB软件。 五、设计过程 车辆牌照识别整个系统主要是由车牌定位和字符分割识别两部分组成，其中车牌定位又可以分为图像预处理及边缘提取模块和牌照的定位及分割模块；字符识别可以分为字符分割和单个字符识别两个模块。 (一）对图像进行图像转换、图像增强和边缘检测等 1.载入车牌图像： 原图 2.将彩图转换为灰度图并绘制直方图： 灰度图 灰度直方图 3.用roberts 算子进行边缘检测： 图像中车辆牌照是具有比较显著特征的一块图象区域，这此特征表现在：近似水平的矩形区域；其中字符串都是按水平方向排列的；在整体图象中的位置较为固定。正是由于牌照图象的这些特点，再经过适当的图象变换，它在整幅中可以明显地呈现出其边缘。边缘提取是较经典的算法，此处边缘的提取采用的是 空间定位方法 导航链接： 说明：蓝色文字的标题有文章链接，点击就可以进入，子目录的内容翻页即可看见 一、【考情分析】 1.考点透视 2.高考回眸 3.高考预测 4.复习重点 二、【知识结构】 三、【考点突破】 1．经纬网定位法(绝对定位法) 2．主要经纬线及附近的地理事物 3．海陆位置定位法(相对定位法) 4．区域轮廓定位法 5．地理景观定位法 6.文字资料定位法 7.图例、注记定位法 8．综合定位法 四、【图表解读】 五、【方法与规律】 1.掌握重要的经线和纬线 2．抓住地图上的特征地物 3．抓住地理事物的空间联系 4．充分利用地理景观图 5．根据特定的地理数据定位 6．根据特定地理事物的分布定位 7.根据地理事物的相对位置定位 8.根据地理事物的分布规律、原理来定位 9.用图例、注记、比例尺等图中信息辅助判断 10.用题目中的文字提示信息辅助判断 六、【高考体验】 七、【能力提高】 【参考答案】 八、【知识拓展】 一、【考情分析】 1.考点透视 2.高考回眸 本单元是世界地理的基础，其高考命题与高中地理联系密切，单纯命题出现得很少。一些常见的地名如海洋、海峡、海湾、大陆、半岛、岛屿、山脉、平原、盆地、河流、人种、民族、语言与宗教都是应该记住的，但更主要是从宏观掌握世界大的地形单元、宗教等的基本特征及分布。 ⑴呈现局部地区轮廓图(含剖面图)．要求判断并说出图中相应的山脉、海峡、半岛等名称。一般比较侧重于记忆层次的能力要求。例如，1998年全国高考第36题，考查到了苏门答腊岛、马六甲海峡等内容，虽然这道题与热点相结合．但都是在世界地理基础知识的基础上命题的。再如2004年全国文综卷Ⅱ第36题和2002年全国高考第40题的地理部分也属于此类命题。 ⑵民族与宗教矛盾引发的地区冲突．在近几年有所加剧，这方面的知识也能与政治、历史学科相融合，成为高考命题的热点。例如，巴以冲突、克什米尔问题、波黑战争等都是复习的重点地区。 ⑶中亚地区由于上海合作组织的成立、石油资源丰富、战略位置重要，成为美、俄和我国外交重点，也成为高考命题的重点地区。例如．2002年全国高考题第36题，就考查了我国北疆伊犁河谷和哈萨克斯坦东部这一地区的气候和水文状况。2004年全国文综卷第36题，以中亚地区的“白风暴”为切入点考查世界区域判断等知识。此类题既回避了中亚的咸海、里海这些都能复习到的知识点，又把我国西部开发与中亚这一热点相结合。 ⑷东南亚地区由于东盟的扩张，可能形成“10+3”的经济联盟，也变得炙手可热。例如，1998年全国高考第36题就结合厄尔尼诺和印度尼西亚的森林大火，考查了东南亚的部分地区。2005年春季北京文综卷第39题就中国－东盟自由贸易区，考查东南亚有关知识。 ⑸南亚地区由于印巴冲突、宗教矛盾突出而成为世界上的一个热点地区。在近几年的高考中，这一地区都没有大题出现，但由于它与我国相邻，与政治和历史很容易综合。因此．在今后的复习中应多加注意。 ⑹西亚地区及周边伊斯兰教的分布是多年的老热点，石油价格动荡、巴以冲突升级、美国打击阿富汗、美国对伊拉克的战争等，使这一地区重新成为重点地区，复习时要侧重西亚的地理位置、资源(石油与水)、地形与宗教等。例如，2002年全国春季高考第36题，考查的是红海与波斯湾之间的地区。2003年上海高考第21～23题，仍考查的是波斯湾的地缘政治、能源问题。2004年北京文综卷第5～7题，考查了西亚的伊斯兰教代表性建筑及其气候特点。 基于投影法的车牌定位研究 摘要：车牌识别系统是近几年发展起来的基于图像处理和字符识别技术的智能化交通管理系统。车牌定位是车牌识别中的关键步骤。为了能在复杂背景和不同光照条件下快速、准确地定位车牌位置。提出了一种基于投影法的车牌定位方法。该方法首先对车牌图像实施二值化、边缘检测等预处理，然后在此基础上，利用基于双向回溯的投影法确定车牌的上下左右边界。实验结果表明，该方法定位准确。 关键词：车牌定位；行扫描；边缘检测；垂直投影 Research of License Plate Locating Method Based on Projection Abstract: license plate recognition system is developed in recent years based on image processing and character recognition technologies intelligent traffic management system. License plate location is one of the key steps in the license plate recognition. In order to obtain accurate location of vehicle plate quickly under complicated background and different illumination condition, this paper proposes a kind of locating method based on projection. First, this method carries out preprocessing such as two-valuation and edge detection. Then the projection approach based on two-way back is adopted to examine up-down and left-right boundary of the car license. The experiment results indicate that the presented method is excellent in accuracy. Key words: license plate location; line scanning; edge detective; vertical projection 0 引言 车牌识别系统作为数字摄像、计算机信息管理、图像分割和图形识别技术在智能交通领域的应用，是智能交通管理系统中重要的组成部分。车牌识别技术可应用于道路交通监控、交通事故现场勘察、交通违章自动记录、高速公路超速管理系统、小区智能化管理等方面[1]，为智能交通管理提供了高效、实用的手段。所以对车牌识别技术的研究依然是目前高科技领域的热门课题之一。车牌识别系统的成功设计、开发和应用具有相当大的社会效益、经济效益和学术意义。 基于图像处理的车牌识别系统一般包括以下五个部分： 图1 车牌识别系统 在实际应用中，车牌识别系统必须快速、准确、鲁棒地识别出车牌。因此，在车牌识别过程中，车辆的检测、图像的采集、车牌的识别等都是重要的环节，其中关键的技术有[2]：1）车辆牌照区域定位技术，即把车牌部分的图像从整个图像中切分出来的过程。 2）车辆牌照字符切分技术，即对定位后的车牌区域中的字符进行切分和归一化处理，其中车牌的二值化和倾斜校正对于字符的切分和识别都是非常重要的。 3）车辆牌照字符识别技术，即将切分后的字符识别出来。 车牌定位是车牌识别系统完成图像采集后对图像进行处理的第一步，它的好坏直接关系到整个系统识别率的高低，并且对识别速度有很大的影响。车牌不能准确定位意味着后面的识别过程都是无效的[3]。 由于车牌背景的复杂性与车牌特征的多样性，目前仍没有一个通用的智能化的车牌定位方法。目前主要的车牌定位算法有基于彩色信息的方法、基于扫描行的方法、基于数学形态 近年来，智能交通系统(ITS)越来越受到人们的重视在车牌识别中，车牌自动识别系统作为核心部分之一应用已经越来越普及。车牌识别系统主要分车牌定位、字符切分和字符识别三部分，而车牌定位又是系统中最重要的步骤，定位的成功与否以及定位的准确程度将会直接决定后期能否进行车牌识别以及识别的准确度。 文中利用MATLAB进行分析与仿真。MATLAB是一种简单，高效、功能强大的高级语言,在科学与工程计算领域有着广泛的应用前途。在数字图像处理领域,可应用MATLAB数字图像处理技术进行系统分析与设计。 本文要讨论的是对彩色车牌图像进行包括灰度化、二值化、图像增强、边缘检测的预处理，之后进行区域提取来实现对车牌的初定位。借助MATLAB编程语言在仿真过程中分析现有算法并加以改进。 1 车牌定位中的基本理论与算法 1.1图像灰度化 彩色图像包含着大量的颜色信息，不但在存储上开销很大，而且在处理上也会降低系统的执行速度，因此在对图像进行识别等处理中经常将彩色图像转变为灰度图像，以加快处理速度。经过灰度变换后，像素的动态范围增加，图像的对比度扩展，使图像变得更加清晰、细腻、容易识别。 在车牌识别中要利用灰度分布的特征进行进一步的分割、识别，因此对车牌图像进行灰度化成为车牌定位的必要步骤之一。 1.2图像二值化 二值图像是指整幅图像画面内仅黑、白二值的图像。在实际的车牌处理系统中，进行图像二值变换的关键是要确定合适的阀值，使得字符与背景能够分割开来，二值变换的结果图像必须要具备良好的保形性，不丢掉有用的形状信息，不会产生额外的空缺等等。车牌识别系统要求处理的速度高、成本低、信息量大，采用二值图像进行处理，能大大地提高处理效率。如果图像中某中像素的灰度值小于该阈值，则将该像素的灰度值设置为0或255，否则灰度值设置为255或0。 区域地理空间定位的方法 区域定位是区域地理学习的第一步，也是解开各类试题中地理区域试题的钥匙，是学习区域地理的第一道门槛。就其空间定位有一下几种方法： 1、绝对定位（经纬线定位） 利用经纬线进行定位是近年来高考的重点，经纬线成为高考区域地理试题的最基本的要素。因此，在区域地理的复习中，我们让学生以填绘地理空白图的形式来搞好区域定位的复习。例如，让学生在空白图上填绘主要的经纬线，并在填绘的过程中着重记忆主要经纬线穿过或经过其附近的地理事物。我们主要复习了如下几条重要经线和纬线：（1）主要经线： 0°经线：穿过欧洲和非洲西部。经过其附近的地理事物有伦敦、巴黎0°东侧）、地中海、撒哈拉沙漠、几内亚湾等。 30°E：穿过欧洲中部、非洲东部。主要的地理事物有摩尔曼斯克30°东侧）、莫斯科（30°东侧）、东欧平原和波德平原交界处、黑海、小亚细亚半岛（西侧）、地中海、开罗、尼罗河、东非高原（西侧）、南非高原（东侧）等。 60°E：穿过亚洲西部。主要地理事物有乌拉尔山脉、咸海、伊朗高原、阿拉伯半岛东侧、阿拉伯海等。 90°E：穿过亚洲中部。主要地理事物有叶尼塞河（西西伯利亚平原与中西伯利亚高原界河）、阿尔泰山、准噶尔盆地、天山、塔里木盆地、青藏高原、恒河三角洲、孟加拉湾等。 120°E：穿过亚洲东部和澳大利亚西侧。主要地理事物有勒拿河（东侧）、大兴安岭（东侧）、北京（西侧）、上海（东侧）、菲律宾群岛、马来群岛、澳大利亚西部。 150°E：穿过亚洲、澳大利亚东部。主要的地理事物有东西伯利亚山地、千岛群岛、大分水岭、堪培拉、悉尼等。 180°经线：即国际日期变更线，穿过太平洋中部。主要的地理事物有白令海、阿留申群岛、图瓦卢群岛、斐济群岛、新西兰等。 30°W：穿过大西洋中部。 60°W：穿过北美洲东部、南美洲中部。主要的地理事物有纽芬兰岛（西部）、加勒比海（东部）、圭亚那高原、亚马孙平原、巴西高原、拉普拉塔平原、南极半岛等。 90°W：穿过北美洲中部。主要的地理事物有密西西比河、墨西哥湾、中美洲等。 120°W：穿过北美洲西部。主要的地理事物有落基山脉等。 150°W：穿过美国的阿拉斯加州中部、夏威夷群岛东部。 （2）主要纬线及穿过的地理事物： 赤道：穿过非洲中部、东南亚、南美洲北部。主要的地理事物有刚果盆地、东非高原、马来群岛、亚马孙平原等。 北回归线：穿过北非、阿拉伯半岛、印度半岛、中南半岛、中国华南地区、台湾岛、夏威夷群岛、墨西哥高原、墨西哥湾等。 北极圈：穿过欧洲、俄罗斯北部等。 南回归线：穿过非洲南部、澳大利亚中部、南美洲中部。主要的地理事物有南非高原、澳大利亚大沙漠、大自流盆地、大分水岭、安第斯山中部、拉普拉塔平原（北部）。 南极圈：南极大陆外围。 以上12条等距的经线、5条特殊的纬线，基本上可以构成覆盖地球表面的经纬网络，搞好这些经纬线的复习，可以基本上使学生对地理事物有一个粗略的定位。同样，在中国区域地理的复习中也可以首先采取绝对定位的方式对中国区域地理中的各省级行政单位、主要城市、主要地形区、主要山脉、主要河流等以填绘图的方式进行掌握。 车辆自动识别技术（一）——车牌定位算法研究及实现 (2010-07-19 22:45:15) 分类：控制仿真类 标签： 杂谈 摘要 随着我国交通事业的迅速发展，城市汽车容量的急速攀升，建立现代化的智能交通系统已经成为解决此类中诸多问题的焦点所在。汽车牌照识别系统是交通管理领域和数字图像处理领域里的热点问题，车辆是构成整个智能交通系统的最基本元素，而车辆牌照是我们标定车辆的唯一ID，所以说，车牌定位是实现车牌字符分割和字符识别的前提和关键。 本文介绍了三种基于MATLAB的汽车牌照图像定位方法。这些算法充分利用了车牌纹理、颜色、宽高比等特征，经过灰度化、运动区域定位、边缘提取、水平投影、自适应数学形态学处理、垂直投影、颜色判定、区域生长等一系列步骤，最终实现车牌定位。特别是边缘处理算子的改进、自适应数学形态学的引入以及小波分析的应用，对算法性能有着巨大影响，是本算法的关键所在。 实验结果表明，所述的三种方法是有效的，能够定位所采集的车牌，虽然不能定位全部采集到的图片，但方法三相对前两种方法的准确率有很大的提高，达到了预期的目的。 关键词：车牌定位；纹理分析；边缘检测；数学形态学；小波分析 目录 摘要 Abstract 第1章绪论 1 1.1 课题研究背景及意义 1 1.2 课题研究目的 2 1.3 国内及国外研究现状 2 1.3.1 国内研究现状 2 1.3.2 国外研究现状 4 1.4 本文的工作及基本结构 4 第2章图像处理技术基础 5 2.1 图像预处理 5 2.1.1 图像灰度化 5 2.1.2 图像二值化 6 2.1.3 图像小波变换 6 2.1.4 图像形态学处理 7 2.2 图像区域裁剪 9 第3章基于MATLAB的车牌定位算法实现 10 3.1 MATLAB及其图像处理工具 10 3.2 我国车牌特点及识别难点 10 3.2.1 我国车辆牌照特点 10 3.2.2 我国车辆牌照定位难点 11 3.3 图像的采集 11 3.4 基于不同车牌特征的程序实现过程及结果图 13 3.4.1 基于车牌颜色特征的方法 13 3.4.2 基于数学形态学和边缘特征的方法 16 3.4.3 基于小波分析的方法 20 3.5 三种方法的结果比较 23 第4章结束语 26 参考文献 27 致谢 28 附录 29 第1章绪论 1.1 课题研究背景及意义 车牌识别LPR(License Plate Recogniti ON)技术作为交通管理自动化的重要手段和车辆检测系统的一个重要环节，能经过图像抓拍、车牌定位、图像处理、字符分割、字符识别等一系列算法运算，识别出视野范围内的车辆牌照号码；它运用数字图像处理、模式识别、人工智能技术对采集到的汽车图像进行处理，能够实时准确地自动识别出车牌的数字、字母及汉字字符，并以计算机可直接运行的数据形式给出识别结果，使得车辆的电脑化监控和管理成为现实。 车牌识别技术的任务是处理、分析摄取的视频流中复杂背景的车辆图像，定位、分割牌照字符，最后自动识别牌照上的字符。为了保证汽车车牌识别系统能在各种复杂环境下发挥其应有的作用，识别系统必须满足以下要求: (1)鲁棒性:在任何情况下均能可靠正常地工作，且有较高的正确识别率。 (2)实时性:不论在汽车静止还是高速运行情况下，图像的采集识别系统必须在一定时间内识别出车牌全部字符，达到实时识别。 车牌识别技术的关键在于车牌定位、字符分割和字符识别三部分，其中车牌定位的准确与否直接决定后面的字符分割和识别效果，是影响整个LPR系统识 别率的主要因素，是车牌识别技术中最为关键的一步。目前车牌定位的方法多种多样, 归纳起来主要有基于纹理特征分析的方法、 基于边缘检测的方法、 基于数学形态学定位、基于小波分析定位以及基于彩色图像定位等，这些方法各有所长。 1、车牌目标区域特点 车牌定位方法的出发点是利用车牌区域的特征来判断牌照，将车牌区域从整幅车辆图像中分割出来。车牌自身具有许多的固有特征，这些特征对于不同的国家是不同的。从人的视觉角度出发，我国车牌具有以下可用于定位的特征: (1)车牌底色一般与车身颜色、字符颜色有较大差异; (2)车牌有一个连续或由于磨损而不连续的边框; (3)车牌内字符有多个，基本呈水平排列，在牌照的矩形区域内存在丰富的边缘，呈现规则的纹理特征; (4)车牌内字符之间的间隔较均匀，字符和牌照底色在灰度值上存在较大的跳变，字符本身和牌照底内部都有比较均匀的灰度; (5)不同图像中牌照的具体大小、位置不确定，但其长宽比在一定的变化范围内，存在1个最大值和1个最小值。 以上几种特征都是概念性的，各项特征单独看来都非车牌图像所独有，但将它们结合起来可以唯一地确定车牌。在这些特征中，颜色、形状、位置特征最为直观，易于提取。纹理特征比较抽象，必须经过一定的处理或者转换为其他特征才能得到相应的可供使用的特征指标。通常文字内容特征至少需要经过字符分割或识别后才可能成为可利用的特征，一般只是用来判断车牌识别正确与否。 空间定位1世界地理空间定位 (2019·河南中原名校质量考评)如图为某岛屿部分地区等高线地形图(单位：米)。读图，完成1～3题。 1．图示区域() A．山脉大致呈东北—西南走向 B．西南坡河流短小、湍急 C．气温年较差大于日较差 D．各地年降水量基本没有差异 答案B 解析读图可知，图示山脉大致呈西北—东南走向；西南坡等高线密集，水流湍急，河流短小；气温年较差小于日较差；西南坡和东北坡年降水量差异较大。 2．甲区域() A．气候湿热B．河流流量小 C．人口密度大D．优良港口众多 答案A 解析甲区域位于赤道附近，气候湿热；河流流量大；人口密度小；海岸线平直，缺乏优良港口。 3．关于乙地的说法，正确的是() A．冰川侵蚀的山顶 B．火山口积水成湖 C．岩浆堆积成的山峰 D．流水侵蚀成的鞍部 答案B 解析读图，根据等高线可知，乙地位于山顶；根据示坡线可知，乙地山顶向内凹陷，故乙地最可能是火山口积水成湖，B项正确。 (2019·安徽巢湖3月联考)下图示意某岛屿地理位置。据此完成4～6题。 4．形成甲处曲折海岸的主要地质作用是() A．火山活动B．海浪侵蚀 C．冰川侵蚀D．河流侵蚀 答案C 解析该岛为冰岛，第四纪以来冰川广布，冰川侵蚀形成峡湾地貌，海岸线曲折。 5．桦树是乙市重要的绿化树种之一，桦树在该市生长良好的原因主要是() A．火山灰深厚，土壤肥沃 B．受西南风影响，全年降水丰沛 C．地处背风坡，冷空气影响小 D．暖流通过附近海域，冬季温暖 答案D 解析乙市为雷克雅未克，虽然地处高纬度，但因受北大西洋暖流影响，冬季温暖，阔叶树种可以顺利越冬。 6．某日，乙市居民看到太阳位于西南地平线附近，该日() A．昼短夜长B．昼长夜短 C．昼夜等长D．正值极夜 答案A 北京联合大学毕业设计（论文）任务书 题目：基于MATLAB的车牌定位算法设计 专业：电子工程系指导教师：章学静 学院：信息学院学号： 2009080403104 班级： 20090804031 姓名：林本存 一、课题的任务与目的 自从2010年以来，北京的交通拥堵问题成为社会普遍关注和谈论的话题。而其他交通问题也呈现增长趋势。由于车辆牌照是我们标定车辆的唯一ID，因此，车牌的定位识别对于处理突发的交通事件就显得尤为重要。车牌定位识别系统是近几年发展起来的计算机视觉和模式识别技术在智能交通领域应用的重要课题之一。所谓车牌定位(License Plate Location)，就是把车牌区域完整的从一幅具有复杂背景的车辆图像中分割出来。它是进行车牌识别的首要任务和关键技术，能否将牌照的位置找出来，决定着车牌识别的后续工作能否继续进行，如果不能正确找到牌照的位置，那么就无法将它分割出来，字符分割和字符识别工作将无从谈起。同时，车牌定位的效率也直接影响着整个识别系统的效率，一个高效率的车牌识别系统首先必须是建立在高效的车牌定位算法的基础之上。因此，研究与开发车牌定位的算法具有十分重要的实用意义。例如，在公安执法系统、高速公路自动收费系统、城市道路监控系统、智能停车场管理系统等诸多智能交通系统中都有应用。车牌定位的目的是对摄像头获取的汽车图像进行预处理，确定车牌位置。 此次设计的任务就是在MATLAB中对采集到车辆图像进行色彩直方图分析，匹配车牌背景颜色的峰值从而实现车牌在图像位置中的定位。然后将此算法移植到DSP中，在DSP中验证移植的算法正确性。 二、调研资料情况 目前国外车牌定位识别系统已经有很多成熟的产品，以色列Hi—Tech公司的See/CarSystem系列，新加坡optasia公司的IMPS系列都是比较成熟的产品。但是，这些产品基本上只适合于自己国内的状况。而我国的情况与国外有很大的不同，比如车牌的形状，颜色，字符的颜色以及我国车牌中包含着汉字等。同时，目前的牌照识别系统具有一定的识别率，在天气条件差的情况下或夜晚时，识别率会明显下降，此外，也受到其他许多客观干扰的影响，例如天气、背景、车牌磨损、图像倾斜等。因此现有的识别系统要达到完全实用化仍然有很长的路要走。现有的比较好的车牌定位方法主要有J.Barroso等提出的基于水平线搜寻的定位 摘要: 车牌定位是车牌自动识别技术中的一个关键问题，许多学者研究发展多种车牌定位算法。简要介绍和比较了目前比较常见的几种车牌定位方法进行了。 车牌识别LPR(License Plate RecognitiON)技术作为交通管理自动化的重要手段和车辆检测系统的一个重要环节，能经过图像抓拍、车牌定位、图像处理、字符分割、字符识别等一系列算法运算，识别出视野范围内的车辆牌照号码；它运用数字图像处理、模式识别、人工智能技术对采集到的汽车图像进行处理，能够实时准确地自动识别出车牌的数字、字母及汉字字符，并以计算机可直接运行的数据形式给出识别结果，使得车辆的电脑化监控和管理成为现实。 车牌识别技术的任务是处理、分析摄取的视频流中复杂背景的车辆图像，定位、分割牌照字符，最后自动识别牌照上的字符。为了保证汽车车牌识别系统能在各种复杂环境下发挥其应有的作用，识别系统必须满足以下要求: (1)鲁棒性:在任何情况下均能可靠正常地工作，且有较高的正确识别率。 (2)实时性:不论在汽车静止还是高速运行情况下，图像的采集识别系统必须在一定时间内识别出车牌全部字符，达到实时识别。 车牌识别技术的关键在于车牌定位、字符分割和字符识别三部分，其中车牌定位的准确与否直接决定后面的字符分割和识别效果，是影响整个LPR系统识别率的主要因素，是车牌识别技术中最为关键的一步。目前车牌定位的方法多种多样, 归纳起来主要有基于纹理特征分析的方法、基于边缘检测的方法、基于数学形态学定位、基于小波分析定位以及基于彩色图像定位等，这些方法各有所长。 1、车牌目标区域特点 车牌定位方法的出发点是利用车牌区域的特征来判断牌照，将车牌区域从整幅车辆图像中分割出来。车牌自身具有许多的固有特征，这些特征对于不同的国家是不同的。从人的视觉角度出发，我国车牌具有以下可用于定位的特征: (1)车牌底色一般与车身颜色、字符颜色有较大差异; (2)车牌有一个连续或由于磨损而不连续的边框; (3)车牌内字符有多个，基本呈水平排列，在牌照的矩形区域内存在丰富的边缘，呈现规则的纹理特征; (4)车牌内字符之间的间隔较均匀，字符和牌照底色在灰度值上存在较大的跳变，字符本身和牌照底内部都有比较均匀的灰度; (5)不同图像中牌照的具体大小、位置不确定，但其长宽比在一定的变化范围内，存在1个最大值和1个最小值。 以上几种特征都是概念性的，各项特征单独看来都非车牌图像所独有，但将它们结合起来可以唯一地确定车牌。在这些特征中，颜色、形状、位置特征最为 《考试地图》P68~89或《中学地理图文详解指导地图册》P95~131 一、东亚 1．朝鲜半岛（中朝边界）的 区域框图 考查内容：①中朝界 河，②重要的地形区，③沿38°N 纬线的地形剖面图，④重要的城市与港口，⑤相关的历史事件（热点问题），⑥周边的海洋，⑦河流流向与地势的关系。 2．朝鲜海峡（对马海峡）的区域框图 考查内容、①区域内国家 （韩、日）的经济特征，②海峡 与岛屿，③区域内气候特征， ④重要的港口。 3．日本濑户内海区域框图 考查内容：①海域名称， ②区域内重要城市与工业区的 分布及成因，③地壳活动频繁的 原因，④日本自然资源与经济特 征，⑤日本文字的创造与唐文化 的联系，⑥遣唐使的历史事件。 4．蒙古框图 考查内容、①自然地理特征（地形——高原、气候——蒙古高压），②畜牧业。 二、东南亚 5．菲律宾群岛的区域框图 考查内容：①两大岛屿名称，②首都的位置，③著名特产，④与我国南海海域专属经济区的重叠问题，⑤地质地貌特点。 6．中南半岛区域框图 考查内容：①湄公河流域 及其开发（热点问题），②泛亚铁路（起止点及其对我国西南地区开发的积极意义），③湄公河源头（澜沧江）的山河大势，开发时应注意的问题，④缅——泰——马——印尼的巨大锡矿带及旅游资源等，⑤克拉地峡及克拉运河有望开通后对泰国经济的积极意义和我国的石油安全问题，⑥马六甲海峡及航线，⑦马来群岛的地质地貌特点及成因，⑧区域内自然资源与物产，马来西亚、印度尼西亚的农业地域类型（热带经济作物种植园农业），⑨气候特征、旅游业等，⑩主要城市及首都的区位选择因素（华人、华侨对该区域的贡献）。 7．马六甲海峡框图 考查内容：①交通区位，②新加坡的工业区位，③气候——气压带和风带。 三、南亚 8．孟加拉国与喜马拉推山区域框图 考查内容：①喜马拉雅 山的成因，②雅鲁藏布江的水 车牌定位的一个有效方法 Danian Zheng *, Yannan Zhao, Jiaxin Wang 国家重点实验室智能技术与系统、计算机科学与技术系、 清华大学、北京100084、中国 摘要 车牌定位是机动车牌照自动识别运输系统的一个重要阶段。本文提供了一个实时和强劲车牌定位方法。车牌区域包含丰富的边缘和纹理信息。我们先用图像增强和Sobel算子提取出图象的垂直边缘, 然后用一个有效算法除去图像的大部分背景和噪声边缘, 最后在剩余边缘图像中利用一个矩形窗口搜索车牌区域并从原始图像中将车牌切割出来。实验结果表明,我们的方法有很强的鲁棒性和很高的效率。 _ 2005 Elsevier B.V. All rights reserved。 关键词:图像增强; 边缘检测; 长曲线和随机噪声的去除; 车牌定位和分割 1.引言 车牌识别成为当今许多自动交通管理系统如公路交通管理, 公路自动缴费和桥梁或停车场出入管制的关键技术。车牌定位是这项技术中非常必要和重要的一个阶段,它已引起了相当大的关注。 研究人员已经找到许多不同的方法定位车牌。 Rodolfo 和Stefano(2000)制定了一种基于矢量量化(VQ)的方法。矢量图像是基于一种特定的编码机制的四叉树，它可以提供给系统关于图像区域所包含内容的一些线索，这些信息有助于定位的实现。Park et al. (1999)使用神经网络定位车牌。神经网络可作为过滤分析图像的小窗口,判断每个窗口是否包含车牌,其输入为HIS值。一个后处理器将这些过滤图像合并起来并在图像中定位跳跃的车牌区域。除去神经网络,其他过滤方法也被研究过。例如,有些作者用线敏感过滤器提取车牌区域。可以确定车牌区域由很高密度的薄暗线或曲线。因此,车牌的定位是一个在图像中寻找包含由一个累积函数计算能得到的最大线过滤值的矩形区域的操作(Luis et al. 1999)。车牌字符可以直接通过对输入图像的扫描和寻找到图像中彼此不相连的部分来识别。如果发现有一些字符存在于一条直线上,那么他们所组成的部分 * Corresponding author。 Tel。: +86 10 62775613; fax: +86 10 62795871。 E-mail address: zdn02@mails。tsinghua。edu。cn (D。 Zheng)。 0167-8655/$ - see front matter _ 2005 Elsevier B。V。 All rights reserved。 doi:10。1016/j。patrec。2005。04。014 【中国区域定位】 【重要城市】 1234 56 789101112 8 【地形区】 252626272829 303132333435 363738394041 ● 40oN 116oE ● 40oN 120oE ● 40oN 113oE ● 40.5o 110oE ● 40oN 95oE ● 44oN 88oE ● 46oN 127oE ● 47oN 125oE ● 35oN 114oE ● 34oN 109oE ● 36oN 104oE ● 30oN 92oE ● 31oN 104oE ● 20oN 110oE ● 30.5o 120oE ● 22oN 114oE ● 31oN 114oE ● 23.5o 104oE ● 25oN 103oE ● 23.5o 113oE ● 25oN 122oE ● 23.5o 117oE ● 27oN 107oE ● 23oN 108oE ● 38oN 107oE ● 40oN 85oE ● 39oN 100oE ● 41oN 108oE ● 45oN 85oW ● 34oN 108oE ● 30oN 105oE ● 45oN 125oE ● 35oN 115oE ● 31oN 122oE ● 37oN 95oE ● 37oN 102oE ● 38oN 107oE ● 41oN 108oE ● 34oN 108oE ● 45oN 125oE ● 35oN 115oE ● 31oN 122oE ● 25oN 103oE ● 27oN 99oE ● 38oN 110oE ● 42oN 110oE ● 23oN 114oE ● 36oN 112oE 文章编号：XXXXX 汽车牌照汉字识别方法综述 摘 要:字符识别是汽车牌照自动识别系统中的关键环节, 汉字字符识别是其中的难点。本文在对车牌汉字识别方法分类的基础上,介绍了各种传统的和最新的汉字识别方法, 分析各种方法的特点,算法及其实现,并对它们的性能进行评述。 关键词:识别; 汉字; 车牌 中图分类号：文献标识码：A Methods of license plate character recognition Abstract：License plate character recognition is the key of automatic identification system, and Chinese character recognition is one of the difficulties.Based on the classification of license plate character recognition method ,this paper descripts various traditional and the latest character recognition methods , analyzes the characteristics of every method, algorithms and their implementation, and reviewes their performance . 1 引言 随着国民经济的高速发展, 高速公路、城市道路、停车场建设越来越多，对交通控制、安全管理的要求也日益提高，智能交通系统ITS( Intelligent Traffic System) 已成为世界交通领域研究的前沿课题[1]。在此基础上发展的车牌照识别LPR (License Plate Recognition）系统是智能交通系统的重要组成部分，它在交通管理中占有重要的地位，有着多种应用。 LPR系统主要由三部分组成：车牌定位、字符分割、字符识别[2]，其中关键技术是字符识别技术，西文和数字识别技术已经取得了相当大的成果。由于我国车牌的特殊性，汉字字符识别技术依然是重要研究的课题。 光学字符识(Optical Character Recognition)[3]别属于模式识别和人工智能的范畴，同时涉及到图像处理、形式语言、自动机、统计决策理论、模糊数学、组合数学、信息论等学科，它由德国科学家TausheCk于1929年首先提出，但这种梦想直到计算机诞生后才变为现实，现在这一技术己经由计算机来实现。OCR目前依然是国际上比较流行的研究课题，随着研究的深入己成为比较实用的技术。字符识别的基本原理：文字经光电扫描，模数转换为带灰度值的数字信号送至预处理环节。预处理的内容和要求取决于识别方法，一般包括行字切分、二值化、规范化等。经过预处理，字符模式成为规范化的二值数字点阵信息。对该二值汉字点阵，抽取一定的表达形式后，与存储在字典中己知的标准字符表达形式匹配判别，就可识别出输入的未知字符[4]。 目前常用的字符识别方法有结构模式识别、统计模式识别和神经网络三类。典型的汉字识别方法主要有：基于小波的车牌汉字特征提取方法；基于PCA( Principal Component Analysis) 学习子空间的字符识别算法；基于模糊模板匹配的车牌汉字识别方法；基于SVM的车牌汉字识别方法；利用投影特征的车牌识别汉字方法等。然而，虽然这些算法在某些特定条件下识别效果较好，但综合一些诸如天气、背景、车牌磨损和图像倾斜等干扰因素的影响，暂时还不能完全满足实际应用的要求，有必要进行进一步的研究。 空间定位方法 一、【考情分析】 1.考点透视 2.高考回眸 本单元是世界地理的基础，其高考命题与高中地理联系密切，单纯命题出现得很少。一些常见的地名如海洋、海峡、海湾、大陆、半岛、岛屿、山脉、平原、盆地、河流、人种、民族、语言与宗教都是应该记住的，但更主要是从宏观掌握世界大的地形单元、宗教等的基本特征及分布。 ⑴呈现局部地区轮廓图(含剖面图)．要求判断并说出图中相应的山脉、海峡、半岛等名称。一般比较侧重于记忆层次的能力要求。例如，1998年全国高考第36题，考查到了苏门答腊岛、马六甲海峡等内容，虽然这道题与热点相结合．但都是在世界地理基 础知识的基础上命题的。再如2004年全国文综卷Ⅱ第36题和2002年全国高考第40题的地理部分也属于此类命题。 ⑵民族与宗教矛盾引发的地区冲突．在近几年有所加剧，这方面的知识也能与政治、历史学科相融合，成为高考命题的热点。例如，巴以冲突、克什米尔问题、波黑战争等都是复习的重点地区。 ⑶中亚地区由于上海合作组织的成立、石油资源丰富、战略位置重要，成为美、俄和我国外交重点，也成为高考命题的重点地区。例如．2002年全国高考题第36题，就考查了我国北疆伊犁河谷和哈萨克斯坦东部这一地区的气候和水文状况。2004年全国文综卷第36题，以中亚地区的“白风暴”为切入点考查世界区域判断等知识。此类题既回避了中亚的咸海、里海这些都能复习到的知识点，又把我国西部开发与中亚这一热点相结合。 ⑷东南亚地区由于东盟的扩张，可能形成“10+3”的经济联盟，也变得炙手可热。例如，1998年全国高考第36题就结合厄尔尼诺和印度尼西亚的森林大火，考查了东南亚的部分地区。2005年春季北京文综卷第39题就中国－东盟自由贸易区，考查东南亚有关知识。 ⑸南亚地区由于印巴冲突、宗教矛盾突出而成为世界上的一个热点地区。在近几年的高考中，这一地区都没有大题出现，但由于它与我国相邻，与政治和历史很容易综合。因此．在今后的复习中应多加注意。 ⑹西亚地区及周边伊斯兰教的分布是多年的老热点，石油价格动荡、巴以冲突升级、美国打击阿富汗、美国对伊拉克的战争等，使这一地区重新成为重点地区，复习时要侧重西亚的地理位置、资源(石油与水)、地形与宗教等。例如，2002年全国春季高考第36题，考查的是红海与波斯湾之间的地区。2003年上海高考第21～23题，仍考查的是波斯湾的地缘政治、能源问题。2004年北京文综卷第5～7题，考查了西亚的伊斯兰教代表性建筑及其气候特点。 ⑺欧元的顺利流通和发行标志欧盟正式成为一个强大的经济实体，也使欧盟在国际事务中的作用和地位日趋提高，从而使该区成为高考的重点、热点地区。例如，2002 年全国高考第1～7题，就把政治和地理学科综合在一起，通过欧元的流通，考查了它对世界金融格局的影响。 主要考查的国家有以下几个： 研究生试卷 2013年— 2014年度第二学期 课程名称：空间定位技术评分：_________ 专业：测绘工程年级： 2013 研究生姓名: * * * 学号：********** 任课教师姓名： * * * 注意事项 1．答题必须写清题号； 2．字迹要清楚，保持卷面清洁； 3．试题随试卷交回； 4．考试课按百分制评分，考查课按5级分制评分； 5．阅完卷后，一周内将试卷、试题、成绩单由任课教师签名后，送有关部门。 合成孔径雷达干涉测量（InSAR） 摘要：本文主要介绍了合成孔径雷达干涉测量技术的发展简史、基本原理、及其3种基本模式，并且对其数据处理的基本步骤进行了概述。最后，还讲述合成孔径雷达干涉测量的主要应用，并对其未来发展进行了展望。 关键字：合成孔径雷达，合成孔径雷达干涉测量，微波遥感，影像 1.发展简史 合成孔径雷达（Synthetic Aperture Radar，SAR）是一种高分辨率的二维成像雷达。它作为一种全新的对地观测技术，近20年来获得了巨大的发展，现已逐渐成为一种不可缺少的遥感手段。与传统的可见光、红外遥感技术相比，SAR 具有许多优越性，它属于微波遥感的范畴，可以穿透云层，甚至在一定程度上穿透雨区，而且具有不依赖于太阳作为照射源的特点，,具有全天候、全天时的观测能力，这是其它任何遥感手段所不能比拟的。微波遥感还能在一定程度上穿透植被，可以提供可见光、红外遥感所得不到的某些新信息。随着SAR 遥感技术的不断发展与完善，已经成功应用于地质、水文、海洋、测绘、环境监测、农业、林业、气象、军事等领域。 L. C. Graham 于1974 年最先提出了合成孔径雷达干涉测量（InSAR ）三维成像的概念，并用于金星测量和月球观察。后来Zebker、G. Fornaro及A. Pepe等做出了进一步的研究，以解决InSAR 处理系统中有关基线估计、SAR 图像配准、相位解缠和DEM 生成等方面的问题。自1991 年7 月欧空局发射载有C 波段SAR 的卫星ERS- 1 以来，极大地促进了有关星载SAR 的InSAR 技术研究与应用。由于有了优质易得的InSAR 数据源，大批欧洲研究者加入到这个领域，亚洲（主要是日本）的一些研究者也开展了这方面的研究。日本于1992 年2 月发射了JERS- 1，加拿大于1995 年初发射了RADARSAT，特别是1995 年ERS- 2 发射后，ERS- 1 和ERS- 2 的串联运行极大地扩展了利用星载SAR 干涉的机会，为InSAR 技术的研究提供了数据保证。目前用于InSAR 技术研究的数据来源主要有:ERS- 1/2、SIR- C/X SAR、RADARSAT、JERS- 1、TOPSAR 和SEASAT 等。 1979年9月，我国自行研制的第一台合成孔径雷达原理样机在实验室完成，并在试飞中获得我国第一批SAR 影像。1989年起国家科委设立了“合成孔径雷达遥感应用实验研究项目”，拉开了大规模雷达遥感研究的帷幕。目前国内外许多部门和科研机构正积极从事着InSAR 技术机理及其应用的研究，已经取得了许多成果，InSAR 技术的前景日益看好。 本人的毕设收集资料 a.一些算法 1．基于纹理特征的车牌定位法 车辆图像随拍摄环境的变化而不同，然而车辆牌照具有不因外部条件变化而改变的特征。车牌内有多个基本成水平排列的字符，字符和牌照底在灰度值上存在跳变，因而车牌这个矩形区域(包括边缘)有丰富的边缘存在，呈现出规则的纹理特征。在传统的基于灰度分割技术上，这些特征为车牌定位研究提供了切实可行的依据。基于纹理分析的方法利用车牌区域内字符纹理丰富的特征定位车牌，它对于光照偏弱、偏强、不均匀性、牌照倾斜和变形等情况不敏感。但该方法应用于背景复杂的图像时，容易把一些纹理分布较丰富的非车牌区域定位进来，产生包含车牌在内的车牌候选区域，这是纹理分析方法的缺陷。 2．基于神经网络的定位算法 利用神经网络来定位车牌是一类较为常见的方法。本算法的基本步骤和各模块的功能如下：(1)神经网络训练模块：收集一定数量的车牌图像样本，归一化后输入至BP神经网络进行训练，达到预定的正确率后，训练结束。本模块将获得一个对车牌敏感的BP神经网络。 (2)图像预处理模块：提取车牌前，对图像进行预处理；抑制噪声，提高图片质量。 (3)车牌定位模块：利用训练好的神经网络在图像中搜索车牌区域，定位车牌。 本方法的特点是从车牌区域特征来判别牌照，因此在搜索时会重点考虑以下表面特征(如边缘、对比度、纹理等)而忽视图像区域的内容。有用信号的特征有时会误导搜索，如果因为定位模块忽视了非牌照区域包含的车牌特征信号点，将这些区域送入后续步骤将会影响车牌字符识别。 3基于特征统计的车牌定位 基于特征统计的车牌定位利用车牌区域的结构特征和字符纹理特征。车牌区域字符笔划变化含有丰富的边缘信息。对整幅汽车图像进行边缘检测，车牌区域相对于其它非车牌区域含有更多的细节信息。对边缘图像进行行或列扫描，该行或列灰度值跳变的次数明显不同非车牌区域的行或列，即基于特征统计的车牌定位方法。此方法分为两个部分：粗定位和精确定位。1．粗定位： 粗定位是从车牌边缘检测后的图像中找出含有车牌的区域，并把它提取出来，考虑到车牌区域中存在大量笔画边缘点集，当线段扫描到车牌区域时，￡会大于某个阈值，这样就能初步找到横穿车牌区域的线段，然后以此线段为起点，上下平移扫描，利用车牌区域横向积分投影的连续性特征，定出车牌的上下边。在定位出上下边的同时，利用车牌白点数目占据主导的特点，用一定宽度的矩形，从左往右扫描。粗定位具体做法是用一个比估计车牌小的矩形遍历整个边缘二值图，则落在该矩形内白色的点最多的位置就是车牌区域的大致位置。2．精确定位： 车牌颜色主要分为：蓝底白字、黄底黑字、黑底白字，白底黑字四种。相同号码不同颜色组合的车牌不是同一个车牌，所以颜色信息在车牌定位的过程中相当重要。本文在精确定位时结合车牌的长宽信息、颜色信息，根据车牌颜色(蓝、白、黄、黑4种)像素占候选车牌区域所有像素的比例来确定哪个是车牌部分，由此得到准确的车牌区域。 具体思想如下：对粗定位中提取的区域进行研究，如果此区域蓝、黑、黄色中哪种颜色较多，则认为蓝底色牌照、黑底色牌照、黄底色牌照，剩余的车牌为白底色军车和武警车牌照等。每个颜色的RGB有一定的范围比例，如蓝色的RGB各值中蓝色分量最大，并且蓝色红色分量的比值大于门限Tb；黑色的RGB各值相差不大，它们与其它颜色的RGB值相比是很小的值，且小于门限Tbl；黄色的RGB各分量依次减小，而且蓝色分量远小于其它两色。设图像中像素的红车牌图像定位与识别
空间定位方法[1]
基于投影法的车牌定位研究
关于车牌定位的一些算法
区域地理空间定位的方法
车牌定位算法研究及实现
数字图像处理-常用车牌定位方法的介绍和分析
2021新高考地理一轮复习方案湘教版练习：空间定位1 世界地理空间定位
基于MATLAB的车牌定位算法设计
车牌定位方法
世界地理区域空间定位与区域特征分析
有效的车牌定位方法
高三一模后地理空间定位练习题
车牌定位方法综述
空间定位方法
空间定位技术作业参考答案
车牌定位