1、隨著經(jīng)濟的不斷發(fā)展和交通管理的復(fù)雜化,交通智能中的車牌識別系統(tǒng)(LPR)已經(jīng)成為熱門研究領(lǐng)域。車牌識別系統(tǒng)可以動態(tài)抓取視頻圖像或者靜態(tài)圖像,將車牌號碼自動識別出來,并且可以應(yīng)用到停車點、收費站、非法車輛檢測等各種領(lǐng)域。隨著信息和人工智能技術(shù)的不斷發(fā)展,交通管理信息化和智能化必將是大勢所趨。LPR系統(tǒng)一般包括車牌定位、字符分割和字符識別三個模塊。其中字符分割最為關(guān)鍵,不僅受到前面車牌定位結(jié)果的影響,還直接影響后面識別的效果。在獲取圖片過程

2、中,復(fù)雜光照、拍攝距離不定、車牌多樣性等因素給車牌字符分割和字符識別模塊帶來了很大的困難和挑戰(zhàn),所以現(xiàn)在很多準確率較高的算法都是在嚴格限定條件下提出的,但是由于局限性,很難移植到其他領(lǐng)域。
　　 本文詳細總結(jié)了圖像分割中經(jīng)常用到的對比度拉伸、空間濾波、邊緣檢測,以及處理二值化圖像和灰度圖像的數(shù)學(xué)形態(tài)學(xué)操作等圖像處理技術(shù)。然后又詳細介紹了基于圖像內(nèi)容分類中的特征選擇和分類器選擇問題,比如最優(yōu)特征提取中的主成分分析和線性判別分析,多

3、分類中的樸素貝葉斯、k近鄰算法和支持向量機。
　　 美國佛羅里達州車牌的字符布局不一、字符個數(shù)多變、背景復(fù)雜多樣等特點和光照陰影、陰天灰暗等外界環(huán)境因素,都給車牌識別系統(tǒng)的穩(wěn)定性和實時性提出了更高的要求。本文在增強魯棒性和滿足實時性的原則下,提出了可以處理復(fù)雜多變車牌的車牌字符分割算法,并綜合利用聚類分析和概率統(tǒng)計技術(shù)解決了分割中遇到的多個常見的技術(shù)難題。比如復(fù)雜背景下提出了基于字符分布的尋找車牌旋轉(zhuǎn)角度算法、基于垂直投影局部梯

4、度的偽字符區(qū)域去除算法、循環(huán)局部梯度分割算法、斷裂字符合并技術(shù)、偽字符去除技術(shù)等。為了獲得穩(wěn)定的高識別率和高效率分類器,本文利用了可以提取最優(yōu)特征的主成分分析和具有最大分類面的支持向量機來建立分類器。最后利用本文提出的分割算法對美國佛羅里達州采集到的視頻進行了測驗,并與基于投影的分割算法、基于連通域的分割算法做了對比,正確率分別是89.3％、84.7%和82.5%?？梢钥闯霰疚奶岢龅乃惴ú粌H同時滿足了實時性和穩(wěn)定性要求,還獲得了很高的正