全文总字数：2585字

1. 研究目的与意义及国内外研究现状

随着科学技术的不断进步和国民经济的飞速发展，人民的生活水平越来越高。近年来，汽车作为一种便捷的代步方式，其数量在持续迅速增加，交通需求急剧增长，于是道路运输所带来的交通拥堵、交通事故现象屡屡发生，传统交通运输系统负担越来越繁重。因此提高道路交通场所的车辆管理效率的要求迫在眉睫。为了适应这种发展状况，智能交通系统系统作为一种便捷高效的交通运输体系，目前在多种组成技术方面得到了深入的研究以及综合有效的推广。由于车牌是每辆车自身特有标志，对具体车辆的识别可以转化为对汽车牌的自动识别，因此车牌识别系统变成了智能交通系统的一个极其重要的环节，对提高交通系统管理水平和自动化程度具有很大的意义。

国内外研究现状

车牌识别系统是一项科技含量很高的多种技术结合的产品，主要有计算机视觉、数字图像处理、数字视频处理、模式识别等技术组成，也是智能交通系统的核心技术，产生于60年代。在80年代，由于城市交通问题日益严重，美国和欧洲许多国家投入了大量的人力和物力，建立了自动化的高速公路网，安装了摄像、雷达探测系统和光纤网络，建立智能交通系统。在这些发达国家带动下，世界各国也开始建立了智能交通系统。从应用产品来看，以色列hi-tech公司的see/car system系列，新加坡optasia公司的vlprs系列都是比较成熟的产品。其中vlprs产品主要适合新加坡的车牌，hi-tech公司的see/car system有多种变形的产品来分别适应某一个国家的车牌。see/car chinese系统可以对中国大陆的车牌进行识别，但都存在很大的缺陷，而且不能识别车牌中的汉字，另外日本、加拿大、德国、意大利、英国等各个西方发达国家都有适合本国车牌的识别系统。我国在90年代也开始了车牌识别的研究，目前比较成熟的产品有中科院自动化研究所汉王公司的“汉王眼”，亚洲视觉科技有限公司、深圳吉通电子有限公司、中国信息产业部下属的中智交通电子有限公司等也有自己的产品，另外西安交通大学的图像处理和识别研究室、上海交通大学的计算机科学和工程系、清华大学人工智能国家重点实验室、浙江大学的自动化系等也做过类似的研究。

目前，基于数字图像处理和模式识别的方法是车牌自动识别中最为常用和最为有效的方法。车牌识别的两个关键指标是识别精度和识别速度。随着计算机技术的发展，计算机处理能力越来越强，识别速度有了很大的提高。车牌识别的主要问题是如何提高识别正确率。很多因素例如复杂的背景、不同的车型、变化的天气、不同的光照条件、高速行驶等都会导致采集的图像质量差(如模糊、噪声大等)、识别率低。另外，中国车牌字符是由汉字、字母和数字混合组成，增大了字符识别的复杂度，导致识别系统难以实时处理、识别率低。

2. 研究的基本内容

本课题的主要工作是在软件上实现RBF神经网络算法对静态和动态车牌图像的识别。车牌识别的步骤一般为:图像预处理、车牌定位、字符分割、字符识别等几个部分。另外还须做好车牌图像的采集以及样本的制作等工作。

3. 实施方案、进度安排及预期效果

1、图像的预处理，在这一部分中对得到的含有车牌的图像进行一些必要的初步处理，包括图像的灰度化、灰度变换、滤波、锐化等处理。

2、研究车牌定位的算法，对各种算法进行比较的基础上，采用了基于数学形态学的车牌定位的算法。

3、研究设计车牌字符分割的算法，本系统采用改进的垂直投影法作为字符分割的方法，这种改进的方法不受字符粘连和噪声干扰的影响，具有很好的适应性，能够准确的分割字符。

4. 参考文献

[1]李文举，梁德群，崔连延等一种新的面向字符分割的车牌图像预处理方法〔j].计算机应用研究，2004 (7):258260.

[2]李文举，梁德群，崔连延等一种新的车牌校正方法[j]，信息与控制学报，2004,33 (2):

231235.