车牌识别系统是智能交通系统的核心组成部分,在智能交通管理中起着重要。车牌识别系统主要包含四个模块:车牌定位、倾斜校正、字符分割、字符识别。本文分别对前三个模块进行研究,具体工作如下:针对车牌定位难、定位速度慢,提出一种基于车牌背景和字符颜色特征的车牌定位算法和一种基于边缘检测和改进Harris角点检测的车牌定位方法。前者利用新的颜色模型和改进的Canny边缘检测完成车牌定位,后者应用所提横纵边缘分检法和改进的Harris角点检测完成车牌定位。算法定位速度快,通用性较好。针对车贴对车牌定位造成的影响,提出一种基于最大稳定极值区域(MSER)的车贴检测算法。利用改进的MSER检测算法完成车贴检测,算法设计简单,检测精度较高。针对车牌倾斜校正鲁棒性差、对光线明暗敏感,提出一种基于字符中位线的车牌倾斜校正方法和一种基于颜色模型和角点检测的车牌倾斜校正算法。前者利用投影法、字符中位线和最小二乘法完成车牌倾斜校正,实验表明该算法设计简单,误差偏小,抗噪性、抗变形能力较好,且对各种倾斜和残损的车牌校正效果较好。后者利用HSI颜色模型和改进的Harris角点检测完成车牌倾斜校正。实验表明,算法可以完成光线明暗不同情况的车牌倾斜校正,但对噪声比较敏感。针对车牌字符分割速率低,提出一种基于核函数的图像分割算法。利用指数核函数收敛速度快的特征,将指数核函数应用到CV模型中,提升模型的效率;通过改进CV模型的能量泛函,提高车牌图像分割的精确度;利用水平集函数正则项,避免重复初始化。与CV模型相比,该模型分割精度高,迭代次数少,分割时间短,分割效率高。