摘要:復雜交通下的數字識別是研究如何實現自動化識別道路上出現的數字，如限速牌等。對于智能交通系統，特別是汽車的自動駕駛系統來說，這項技術是相當重要、必不可少的。復雜交通環境下的數字識別，數字識別是目標，而復雜的交通環境是處理的重點。復雜意味著不能單純的去搞數字識別，必須要考慮噪聲等影響因素。交通二字指明了研究的方向，即要在交通道路上。如此一來，大致方向已經明晰。現代的車牌識別系統已經相當純熟，不需要我們再去浪費時間。但是，道路上限速牌的識別卻少有人做。因此，選這個方面來學習是完全有價值的。然而要實現這一目標，也并不是一件容易的事。

限速牌識別必須要可慮數字部分的提取工作。有一種思路是根據數字的顏色提取數字部分：紅色圓圈內白色底的黑色字。然而這種做法無法在復雜環境中進行，畢竟復雜環境中顏色復雜，紅白黑三種顏色絕不會少見。因而這里選用的是另一種方法：利用霍夫變換進行圓提取。

利用霍夫變換進行圓提取之后，要考慮的是數字識別工作。數字識別方法有很多，如神經網絡法、模板匹配法、數字結構分析法等等。經過對比分析，最終選用的是模板匹配法。如此一來，大體思路就是：首先進行邊緣處理，再用霍夫變換進行數字部分提取；然后圖像去噪、傾斜校正、數字分割以及歸一化處理；緊接著是特征提取和模板匹配。本文在介紹背景，現狀及發展趨勢后，將詳細探究邊緣提取，霍夫變換，特征提取三方面，并通過matlab編程去實現這一最終目標。

關鍵詞：邊緣提取，霍夫變換，特征提取，現狀及發展

目錄

摘要

Abstract

第1章-前言-4

1.1復雜交通下的數字識別的背景意義-4

1.2 數字識別技術的研究內容和研究方法-4

1.2.1 數字識別技術的研究內容-4

1.2.2 數字識別技術的研究方法-6

1.3邊緣檢測的應用-7

1.4霍夫變換在數字識別中的應用-8

1.4.1 霍夫變換的基本原理-8

1.4.2霍夫變換的應用-9

1．5本論文的主要工作及結構安排-9

第2章-圖像預處理-11

2.1 邊緣提取-11

2.1.1 圖像灰度化處理-11

2.1.2 圖像二值化處理-12

2.1.3 邊緣提取-13

2.2 霍夫變換-16

第3章-數字分割-20

3.1圖像去噪-20

3.2傾斜校正-21

3.3數字分割-24

3.4歸一化處理-25

3.4.1調整大小-25

3.4.2輪廓提取-26

第4章-數字識別-28

4.1特征提取-28

4.1.1傅里葉變換特征-28

4.1.2筆畫密度特征-29

4.1.3投影特征-29

4.1.4字符輪廓特征-30

4.1.5重心和重心矩特征-30

4.1.6首個黑點特征-30

4.2模板匹配-30

4.3實驗總結-31

第5章-結論-34

參考文獻-35

致謝-36

附錄-37