1. 研究目的与意义及国内外研究现状

遗传算法是一种模拟自然界生物进化机制的启发式搜索方法。针对现实世界中的最优化问题，遗传算法通常是使一定数量的候选解抽象表示的种群向更好的种群进化的过程。车牌识别是计算机视觉在智能交通领域的重要应用方向，包括车牌定位、字符分割和字符识别环节。在车牌识别中车牌定位很关键。本课题将分析遗传算法并将算法应用到车牌定位中去，在Matlab平台上实现算法，并进行算法性能测试与对比。

国内外研究现状

在现代化交通系统中，如何快速准确地提取目标车辆的车牌信息一直是一个技术性难题，它一直制约着交通系统现代化、自动化、智能化的发展脚步。车牌识别技术的研究早在20世纪90年代就已经开始了。技术的核心是通过对拍到的车牌图像进行分析，在非人工千预的情况下自动获取车牌信息，从而确定车辆牌号。在车牌识别系统研究中，许多的新技术和新方法被不断地提出并应用，例如图像处理技术、模糊数学理论、神经元网络算法等等，也有人将一些传统方式和高新技术相结合来进行应用，但到目前为止，由于各种客观的不利环境因素存在，还没有一种解决办法可以作为最有效的“银弹“来解决应用中的所有技术难题，它们在系统的准确性和实时性方面虽都有其自己的解决办法和设计方案，但健壮性和鲁棒性均达不到理想要求。因此LPR系统虽然经历了20多年的发展，依然是一个能够被解决但一直没有被妥善解决的问题。

2. 研究的基本内容

根据车牌所在区域灰度变化剧烈，且高低灰度差异较大的特点，对原始图像中任意的一个矩形区域中的每一行灰度值进行一维的波峰波谷检测，然后统计区域波峰密度、波峰均值、波峰波谷均值差、波峰方差、波谷方差和波峰分布的均匀程度，将这六个特征组成的特征矢量进行线性变换得到新的特征矢量，将车牌识别问题就转化为如何确定矩形区域的参量，使从中提取的特征矢量最佳。

3. 实施方案、进度安排及预期效果

实行方案：

基于遣传算法的车牌定位方法利用遗传算法对图像进行优化搜索，结合区域特征矢量构造适应度函数，最终寻找车牌区域的最佳定位参量。车牌定位是寻找一个符合“车牌区域特征”最佳区域的过程，本质上就是从参量空间寻找最优定位参量的问题，而寻找参量空间的最优解正是遗传算法所擅长的。但是在实时系统中，车牌定位速度受遗传算法中迭代次数的影响很大。

原始图像→特征提取→交叉和变异运算→迭代到收敛→车牌定位

4. 参考文献

[1]徐飞,施晓红.《MATLAB应用图像处理》西安电子科技大学出版社， 2002.5.

[2]张文修，梁怡 .《遗传算法的数学基础》.西安交通大学出版社， 2003.05.

[3]阮沈勇，王永利，桑群芳.《MATLAB程序设计》.电子工业出版社， 2005.1.