1、隨著模式識(shí)別技術(shù)的日益發(fā)展，車(chē)牌識(shí)別技術(shù)(LPR)正逐漸走向成熟，并已最廣泛的應(yīng)用到包括智能交通監(jiān)管、智能小區(qū)監(jiān)管、停車(chē)場(chǎng)計(jì)費(fèi)等應(yīng)用中。與此同時(shí)，基于這種全數(shù)字化智能系統(tǒng)的相關(guān)衍生與擴(kuò)充也越來(lái)越受到人們的關(guān)注，使自動(dòng)識(shí)別技術(shù)的發(fā)展擁有廣闊的前景。
　　車(chē)牌識(shí)別系統(tǒng)一般由車(chē)牌定位、字符分割和字符識(shí)別三部分組成。本文基于圖像處理和人工神經(jīng)網(wǎng)絡(luò)相關(guān)理論，對(duì)車(chē)牌識(shí)別過(guò)程中的車(chē)牌圖像預(yù)處理、車(chē)牌圖像定位提取和字符分割與識(shí)別等環(huán)節(jié)進(jìn)行研究和分

2、析，并在MATLAB環(huán)境下進(jìn)行了仿真實(shí)驗(yàn)。
　　首先在圖像預(yù)處理過(guò)程中，利用中值濾波與最小均方濾波技術(shù)增強(qiáng)圖像質(zhì)量，然后采用OSTU算法進(jìn)行二值化處理。得到的二值化圖像清晰可辨，為后文的處理打下了基礎(chǔ)。
　　其次在車(chē)牌提取階段，本文比較了幾種比較成熟的圖像分割算法后，根據(jù)特定的背景環(huán)境和圖像規(guī)格，并權(quán)衡了系統(tǒng)對(duì)計(jì)算量和識(shí)別率的要求，選擇將數(shù)學(xué)形態(tài)學(xué)算法與車(chē)牌特點(diǎn)相結(jié)合的方式作為車(chē)牌粗定位的算法。并且根據(jù)大量仿真實(shí)驗(yàn)確定了相關(guān)

3、操作參數(shù)，實(shí)現(xiàn)了車(chē)牌區(qū)域的粗定位與提取。
　　再次，對(duì)提取的車(chē)牌圖像進(jìn)行號(hào)碼分割與識(shí)別之前，本文采用了基于Radon變換圖像傾斜校正技術(shù)，在校正車(chē)牌圖像傾斜的同時(shí)去除了車(chē)牌圖像的邊框和冗余部分，實(shí)現(xiàn)了車(chē)牌的精定位。
　　最后在車(chē)牌號(hào)碼分割與識(shí)別階段，本文通過(guò)大量對(duì)比實(shí)驗(yàn)，采用結(jié)合了模板匹配與車(chē)牌字符結(jié)構(gòu)特征的算法，對(duì)車(chē)牌字符進(jìn)行了分割提取，并使用基于BP人工神經(jīng)網(wǎng)絡(luò)算法完成了車(chē)牌號(hào)碼的識(shí)別。
　　實(shí)驗(yàn)結(jié)果表明，本文算法