车牌识别是智能交通系统中的一个重要环节,它在交通监视和控制中占有很重要的地位。车辆牌照自动识别系统实现对交通信息统计收集、路车间通信、停车场管理、无停车收费、车辆自动行驶,对交通路口、高速公路、军事要塞、机关门卫的过往车辆进行实时登记、流量统计和对防卫目标的安全警备,对肇事车辆、被盗车辆、犯罪车辆进行辨识和拦截等具有重要的作用。论文结合实际应用,对车辆图像的车牌定位、字符分割和字符识别进行了系统的研究,主要研究内容如下: 首先分析了几种传统的车牌定位方法,提出了基于投影图像分布特征和数学形态学的车牌定位算法。根据车牌区域纹理丰富的特点,采用水平梯度算子求得图像的水平投影图,利用投影图上的灰度跳变频率得到车牌的水平定位,再运用数学形态学的开闭运算进行车牌垂直定位,克服了粗定位精度不高的问题。 其次讨论了几何校正的各种算法,在此基础上提出了改进的Hough变换方法,该方法能准确地校正车牌图像的倾斜度:设计了一种基于汽车牌照特点的归一化和投影特征相结合的算法较好地实现了车牌字符的分割。 针对车牌字符由于受摄像机的性能、车牌的整洁度、光照等因素的影响,出现较严重的模糊、缺损或污染而难以识别的问题,采用改进的BP神经网络模式识别方法,以车牌字符作为识别对象,研究在干扰情况下的车牌识别问题,得到了较好的识别效果。 在上述算法研究的基础上,采用Visual C++ 6.0编程语言实现了相关处理算法和车牌识别软件的界面,并构建了一套实用的车牌识别监控管理系统,该系统具有车牌图像和车辆信息的读取存储、车牌字符的识别、车辆数据和图像的传输、车辆信息的数据库操作等功能。 本文的研究表明:采用基于投影图像分布特征和神经网络的车牌识别方法,可以有效地提高系统的抗干扰性和识别率,经大量实验证明该系统的准确率高、识别速度快、鲁棒性好,具有较好的实用价值。