摘 要：車(chē)輛牌照識(shí)別（LPR）系統(tǒng)是一個(gè)專(zhuān)用的計(jì)算機(jī)視覺(jué)系統(tǒng)，它能夠自動(dòng)地?cái)z取車(chē)輛圖像和識(shí)別車(chē)牌號(hào)碼，可應(yīng)用在公路自動(dòng)收費(fèi)、停車(chē)場(chǎng)管理、失竊車(chē)輛偵察、門(mén)衛(wèi)系統(tǒng)、智能交通系統(tǒng)等不同場(chǎng)合。LPR系統(tǒng)的廣泛應(yīng)用將有助于加快我國(guó)交通管理自動(dòng)化的進(jìn)程。
本文對(duì)車(chē)牌識(shí)別系統(tǒng)中的圖像預(yù)處理、車(chē)牌定位、字符分割和字符識(shí)別等環(huán)節(jié)涉及到的技術(shù)、算法以及系統(tǒng)整體設(shè)計(jì)作了全面的論述，并與已有方案進(jìn)行了比較，對(duì)部分關(guān)鍵算法進(jìn)行了設(shè)計(jì)和改進(jìn)。
圖像預(yù)處理：采用灰度變換、對(duì)比度增強(qiáng)、圖像平滑、邊緣檢測(cè)、二值化等方法對(duì)圖像進(jìn)行了處理，提高了圖像的質(zhì)量，強(qiáng)化了圖像區(qū)域。
車(chē)牌定位：這是車(chē)牌識(shí)別系統(tǒng)中至關(guān)重要的一步，本文采取了基于邊緣點(diǎn)圖，根據(jù)車(chē)牌區(qū)域的豎向紋理特征對(duì)車(chē)牌進(jìn)行定位，具有較高的車(chē)牌定位準(zhǔn)確率。
字符分割：首先對(duì)得到的車(chē)牌進(jìn)行傾斜度調(diào)整，然后利用連通域法分割得到單獨(dú)的字符，并對(duì)字符進(jìn)行了歸一化處理，便于下一步字符識(shí)別。
字符識(shí)別：選取了13個(gè)特征點(diǎn)，采用模板匹配的方法，對(duì)漢字、字母、數(shù)字字符進(jìn)行快速識(shí)別，取得了較高的識(shí)別率和可靠性。
用采集到的40多幅汽車(chē)圖片作為實(shí)驗(yàn)樣本數(shù)據(jù)，用純軟件的方法實(shí)現(xiàn)了車(chē)牌字符的自動(dòng)識(shí)別，達(dá)到了較高的識(shí)別率。

關(guān)鍵詞：圖像預(yù)處理 車(chē)牌定位 豎向紋理 字符分割 字符識(shí)別
1 引言 - 1 -
1.1 課題的研究背景與意義 - 1 -
1.2 國(guó)內(nèi)外研究現(xiàn)狀 - 2 -
1.3 車(chē)牌識(shí)別研究的技術(shù)特點(diǎn) - 3 -
1.4 論文的主要工作 - 4 -
2 車(chē)輛圖像的預(yù)處理 - 7 -
2.1 圖像的灰度化 - 7 -
2.2 圖像的增強(qiáng) - 7 -
2.3 圖像的邊緣檢測(cè) - 13 -
2.4 圖像的二值化 - 18 -
3 車(chē)牌區(qū)域的定位 - 23 -
3.1 生成邊緣點(diǎn)圖 - 23 -
3.2 車(chē)牌區(qū)域的定位算法 - 24 -
4 車(chē)牌字符識(shí)別的預(yù)處理 - 33 -
4.1 識(shí)別的技術(shù)路線 - 33 -
4.2 傾斜度調(diào)整 - 33 -
4.3 字符分割 - 35 -
4.4 字符歸一化處理 - 39 -
4.5 字符的緊縮重排 - 40 -
4.6 字符的細(xì)化 - 41 -
5 車(chē)牌字符的識(shí)別 - 45 -
5.1 字符的特征提取 - 45 -
5.2 特征模板的匹配 - 47 -
6 車(chē)牌識(shí)別系統(tǒng)的研制 - 49 -
6.1 系統(tǒng)的設(shè)計(jì)原則 - 49 -
6.2 系統(tǒng)的結(jié)構(gòu) - 50 -
6.3 開(kāi)發(fā)環(huán)境 - 50 -
6.4 相關(guān)算法實(shí)現(xiàn)的類(lèi)和方法 - 51 -
7 車(chē)牌識(shí)別系統(tǒng)運(yùn)行結(jié)果及分析 - 52 -
7.1 車(chē)牌定位的結(jié)果分析 - 52 -
7.2 字符分割的結(jié)果分析 - 54 -
7.3 字符識(shí)別的結(jié)果分析 - 55 -
7.4 系統(tǒng)成功率和性能分析 - 55 -
7.5 人機(jī)交互界面 - 57 -
結(jié)論與展望 - 58 -
致 謝 - 60 -
參 考 文 獻(xiàn) - 61 -