汽车牌照自动识别系统(LPR)是计算机视觉、图像处理与模式识别技术在智能交通领域应用的重要研究课题之一,它是实现交通管理智能化的重要环节,在高速公路、城市交通和停车场等项目的管理中具有举足轻重的作用。车牌识别系统是一个硬件和软件相结合的整体智能化体系。其软件部分可以分为三个主要功能模块:车牌定位、车牌字符分割、车牌字符识别。本文对车牌自动识别系统的关键技术进行了研究,提出了有效的解决策略,完成了实验,并根据项目要求完成了车牌自动识别软件的开发。文中根据车牌识别系统的模块划分为线索,首先对于车牌定位中的一些常用算法进行了介绍,如利用车牌水平纹理特征的车牌定位算法、利用HSV颜色空间的颜色距离和相似度的车牌定位方法。车牌字符分割一般三个步骤:车牌图像的二值化、倾斜校正和字符切分。文中分别对三部分的适用算法进行了介绍,如车牌图像二值化中的Otsu算法,利用Hough变换求解车牌的倾斜角度以及利用坐标变换进行校正,通过垂直投影的方法对车牌字符进行切分。字符识别是车牌识别系统的最后一个功能模块,也是本文的研究重点。我国的车牌根据其标准制式共有三种字符类型,分别是数字、英文字母和汉字。不同的字符类型,因为其结构复杂程度的不同应采用不同的特征进行描述和识别。对于数字和英文字母,因其笔画少且结构简单,所以本文采用结构特征对其进行描述和识别。目前,常用的结构特征是字符的外轮廓特征,该方法能够较好的描述字符的整体外形,且实现简单速度快。但当字符图像质量较低,不能很好的对字符进行区分。在此基础上,本文提出采用多种结构特征融合(包括字符外轮廓特征、字符内轮廓特征和字符差分跳变特征)的方法来进行改进和弥补。并在试验中给出了改进效果。对于汉字,由于汉字笔画繁多且多数结构很复杂,若同样采取结构特征来描述和识别不能达到很好的效果。Gabor滤波器有方向选择性和频率选择性两个重要特性,其在图像中的表现是对字符图像中字符笔画的宽度和方向具有选择性。只有当字符笔画宽度同滤波器频率尺度相符且笔画分布方向同滤波器方向相差90°时,Gabor滤波器才有有效滤波输出且是最大输出。因此本文提出采用Gabor滤波器组的统计特征提取来对汉字进行描述和识别。通过实验反应了该方法能够有效的对汉字进行分类识别。为进一步提高识别率,本文还采用了经过PCA降维处理的全像素特征来描述和识别车牌字符。在分类器的设计和构架上,本文采用支持向量机(SVM)分类器和多种特征的融合。因为融合后,各种特征在分类时的性能表现各有优劣,本文提出了一种通过分类置信度进行分类信息反馈指导分割的分类器分级级联结构,提高车牌字符的识别率。通过实验效果,表明本文提出的分类器分级级联结构达到了预期的效果。最后本文对整个车牌识别软件的实现进行了介绍,并对目前所取得的效果进行了总结,并提出了当前还存在的不足和需改进的方向。