1、本文先分析研究了目前國(guó)內(nèi)外已有的車(chē)牌定位算法研究成果及現(xiàn)狀，再結(jié)合中國(guó)汽車(chē)牌照自身的特點(diǎn)，設(shè)計(jì)了一個(gè)三級(jí)定位的方案。分為圖像預(yù)處理、車(chē)牌區(qū)域粗定位、車(chē)牌區(qū)域精確定位三個(gè)步驟。針對(duì)彩色圖像像素點(diǎn)過(guò)多導(dǎo)致的運(yùn)算量大和光線(xiàn)不足時(shí)圖像噪聲較大的問(wèn)題，對(duì)采集到的車(chē)牌圖像做灰度化和去噪等預(yù)處理，達(dá)到圖像銳化和增強(qiáng)的目的。在對(duì)車(chē)牌進(jìn)行粗定位的時(shí)候，鑒于車(chē)牌區(qū)域具有豐富邊緣的特征，使用Robert算子對(duì)圖像做邊緣檢測(cè)，再利用數(shù)學(xué)形態(tài)學(xué)的方法獲取車(chē)輛牌照

2、的候選區(qū)域。在對(duì)候選區(qū)域中偽車(chē)牌部分進(jìn)行剔除的時(shí)候，考慮到中國(guó)汽車(chē)牌照首字符為漢字，在多尺度空間下存在豐富的尺度不變特征點(diǎn)，而偽車(chē)牌部分不具有這個(gè)特點(diǎn)，利用尺度不變特征轉(zhuǎn)換算法——SIFT(Scale-invariantfeaturetransform)對(duì)篩選出來(lái)的車(chē)輛牌照區(qū)域進(jìn)行特征匹配，達(dá)到精確定位車(chē)牌的目的。
　　在三級(jí)定位方案的基礎(chǔ)上，本文又提出一種基于簡(jiǎn)化的PCNN(PulseCoupledNeuralNetwork)模

3、型和行掃描、垂直投影相結(jié)合的車(chē)牌定位算法。針對(duì)汽車(chē)高速運(yùn)動(dòng)帶來(lái)的圖像模糊，采用一種簡(jiǎn)化的PCNN模型對(duì)車(chē)牌原圖像做PCNN圖像增強(qiáng)和PCNN圖像分離的處理。在圖像得到增強(qiáng)后，針對(duì)車(chē)牌區(qū)域具有豐富紋理特征的特點(diǎn)，采用行掃描和垂直投影的方式將車(chē)輛牌照的上下、左右邊界分別精確定位。
　　本文的算法在Matlab2009的編程環(huán)境下使用200張隨機(jī)拍攝的圖片進(jìn)行試驗(yàn)，并與其他文獻(xiàn)中的算法在同一個(gè)運(yùn)行環(huán)境下做對(duì)比分析實(shí)驗(yàn)，實(shí)驗(yàn)采用的圖片分辨