摘要:复杂交通下的数字识别是研究如何实现自动化识别道路上出现的数字，如限速牌等。对于智能交通系统，特别是汽车的自动驾驶系统来说，这项技术是相当重要、必不可少的。复杂交通环境下的数字识别，数字识别是目标，而复杂的交通环境是处理的重点。复杂意味着不能单纯的去搞数字识别，必须要考虑噪声等影响因素。交通二字指明了研究的方向，即要在交通道路上。如此一来，大致方向已经明晰。现代的车牌识别系统已经相当纯熟，不需要我们再去浪费时间。但是，道路上限速牌的识别却少有人做。因此，选这个方面来学习是完全有价值的。然而要实现这一目标，也并不是一件容易的事。

限速牌识别必须要可虑数字部分的提取工作。有一种思路是根据数字的颜色提取数字部分：红色圆圈内白色底的黑色字。然而这种做法无法在复杂环境中进行，毕竟复杂环境中颜色复杂，红白黑三种颜色绝不会少见。因而这里选用的是另一种方法：利用霍夫变换进行圆提取。

利用霍夫变换进行圆提取之后，要考虑的是数字识别工作。数字识别方法有很多，如神经网络法、模板匹配法、数字结构分析法等等。经过对比分析，最终选用的是模板匹配法。如此一来，大体思路就是：首先进行边缘处理，再用霍夫变换进行数字部分提取；然后图像去噪、倾斜校正、数字分割以及归一化处理；紧接着是特征提取和模板匹配。本文在介绍背景，现状及发展趋势后，将详细探究边缘提取，霍夫变换，特征提取三方面，并通过matlab编程去实现这一最终目标。

关键词：边缘提取，霍夫变换，特征提取，现状及发展

目录

摘要

Abstract

第1章-前言-4

1.1复杂交通下的数字识别的背景意义-4

1.2 数字识别技术的研究内容和研究方法-4

1.2.1 数字识别技术的研究内容-4

1.2.2 数字识别技术的研究方法-6

1.3边缘检测的应用-7

1.4霍夫变换在数字识别中的应用-8

1.4.1 霍夫变换的基本原理-8

1.4.2霍夫变换的应用-9

1．5本论文的主要工作及结构安排-9

第2章-图像预处理-11

2.1 边缘提取-11

2.1.1 图像灰度化处理-11

2.1.2 图像二值化处理-12

2.1.3 边缘提取-13

2.2 霍夫变换-16

第3章-数字分割-20

3.1图像去噪-20

3.2倾斜校正-21

3.3数字分割-24

3.4归一化处理-25

3.4.1调整大小-25

3.4.2轮廓提取-26

第4章-数字识别-28

4.1特征提取-28

4.1.1傅里叶变换特征-28

4.1.2笔画密度特征-29

4.1.3投影特征-29

4.1.4字符轮廓特征-30

4.1.5重心和重心矩特征-30

4.1.6首个黑点特征-30

4.2模板匹配-30

4.3实验总结-31

第5章-结论-34

参考文献-35

致谢-36

附录-37