1.1 研究目的及意义

近年来，随着生活水平的日益提高，机动车已成为中国人日常生活中不可或缺的一部分。越来越多的机动车驶上道路，在给人们带来便利的同时也造成了交通管理的诸多问题。针对目前的交通环境和管理状况，各种智能化的控制和监控系统不断地被引入到交通日常管理过程中，如利用自适应控制系统进行交通信号的智能管理、利用 GPS 进行车辆的管理及导航、利用人工智能实现车辆牌照的自动识别等。车辆牌照作为机动车在道路上行驶时使用的唯一标识，在对机动车管理方面起着举足轻重的作用。因此，车牌识别系统在交通智能管理中也就显的尤为重要。利用计算机和可以采集图像的设备，智能化地实现机动车牌照的识别从而实现车辆的定位以及智能化管理，能够减少人力成本，达到实时高效的目的，提高交管工作效率和道路使用率。

1.2 国内外研究现状

国外车牌识别方面的研究出现的比较早，现有的成熟算法也很多。A.S.Johnson等人提出了将数字图像处理算法和模式识别算法相结合的优秀算法。P.V.Suryanarayana等人提出一种算法，该算法先把含有车牌的图像使用二值化算法二值化，然后使用边缘检测算子得到边缘特征图像。Eun Ryung Lee等提出的算法则利用了现在流行的神经网络应用技术。意大利人M.Notturmo、Gramieri等针对自己国家车牌的特点设计了一种车牌识别系统，这个识别系统的名字是TELEPASS。英国也有自己名为ARGUS的车牌识别系统，该系统比较先进，功能齐全，识别耗时仅为100ms 左右，还能对高速运行的车辆进行准确的识别。其他发达国家比如美国、日本、德国等都有自己国家车牌相对应的车牌识别系统。

我国的车牌具有以下的一些特殊性，给车牌识别带来了额外的困难：

（a）我国车牌的字符包括汉字、英文字母、阿拉伯数字。而汉字的笔画数一般比较多，在对汉字进行二值化时，容易使笔画看起来模糊，导致识别的时候发生错误。另一方面，有些英文字母和阿拉伯数字比较接近，比如‘Q’和‘0’，在识别的时候很容易弄混出错。

（b）我国车牌颜色不统一，有蓝底白字、黄底黑字、黑底白字等，增加了识别计算时的工作量。

此外，我国的车牌识别研究起步较晚。黄志斌等人的论文主要是依靠串行分类器进行字符识别，并且对分类器做了很详尽的介绍。廖金周等人提出了基于连续字符的字符分割方法。浙江大学的张引设计了将区域增长算法和边缘检测共同运算的方法，并指出了新的彩色边缘算子 ColorPrewitt 算子，此方法简单，并容易剥离背景。也有人提出利用小波提取图像中纹理清晰的边缘子图像然后运用数学形态学计算图像从而进实现定位和切分的算法。史湘全等人研究了以遗传算法为基础并综合了区域特征向量构造的适应度函数定位车牌的方法。

2. 研究的基本内容与方案

车牌定位与识别技术一般由车牌定位（定位图像中的车牌位置）、牌照字符分割（把车牌中的每个字符分割出来）、字符识别（对分割出来的字符进行识别）、给出识别结果几个步骤组成。本文计划在研究一系列车牌识别算法的基础上，通过彩色图像灰度化，再进行边缘检测、形态学的膨胀腐蚀操作实现对背景的过滤，并通过水平和垂直投影法实现对车牌的定位；在字符分割的实现上，本文将会先对车牌区域的彩色图像进行灰度化以及阀值处理，将图像转换为黑白图像，再进行中值滤波，最终结合字符水平和垂直投影的特性，从而实现对车牌字符的分割；在字符识别方面，可以首先将字符归一化，然后和建立好的模板字符库进行逐一比对，通过查找绝对差值的最小值来实现字符的匹配，也可以采用基于BP神经网络的字符识别方法。本文的算法将会在MATLAB上进行仿真和测试，希望可以较好地识别出车牌号码。车牌识别流程图如图2-1所示：