1、車牌識別系統(tǒng)是智能交通系統(tǒng)的重要組成部分。車牌識別是一項涉及到數(shù)字圖像處理、計算機(jī)視覺、模式識別、人工智能等多門學(xué)科的技術(shù)，它在交通監(jiān)視和控制中占有很重要的地位，已成為現(xiàn)代交通工程領(lǐng)域中研究的重點和熱點之一。 車牌識別一般可以分為車牌的定位、牌照上字符的分割和字符識別三個主要組成部分。本文研究了進(jìn)行車牌識別的各項關(guān)鍵技術(shù)，在分析了近年來一些典型的車牌識別算法的基礎(chǔ)上，最終確定一系列有效的算法對車牌進(jìn)行識別。 車牌定位是汽

2、車牌照識別系統(tǒng)的重要環(huán)節(jié)，定位的準(zhǔn)確性直接影響車牌識別的準(zhǔn)確率。在車牌定位(車牌檢測)階段，本文提出了基于數(shù)學(xué)形態(tài)學(xué)與多特征組合分析相結(jié)合的快速汽車車牌定位方法。首先將彩色圖像轉(zhuǎn)換成灰度圖像，消除了因車身顏色不同以及環(huán)境因素給車牌定位造成的不良影響。采用Otsu算法將圖像進(jìn)行二值化處理，用Sobel算子進(jìn)行邊緣檢測，利用數(shù)學(xué)形態(tài)學(xué)中由膨脹和腐蝕組合成的開運算和閉運算對邊緣圖像進(jìn)行處理，得到較好的車牌候選圖像。針對車牌候選區(qū)的二值圖像，采

3、用長寬比、面積比以及車牌字符的水平分布特征等多種因素綜合分析的方式進(jìn)行判別，提高了車牌檢測的準(zhǔn)確性。本文用該方法對白天和夜間拍攝的汽車圖像進(jìn)行了檢測實驗，實驗表明，本文方法能快速準(zhǔn)確地實現(xiàn)車牌定位，檢測準(zhǔn)確率在97％以上。對于車牌圖像中可能出現(xiàn)的車牌傾斜問題，本文采用了Radon變換算法進(jìn)行傾斜矯正，經(jīng)過矯正處理的車牌可以為后面的字符分割帶來方便。 在字符分割階段，主要借助相關(guān)的投影信息和先驗知識來確定每個字符的分割位置，正確分

4、割字符，為下一步字符識別奠定了基礎(chǔ)。 在字符分類識別階段，本文給出了改進(jìn)算法的BP神經(jīng)網(wǎng)絡(luò)。首先將歸一化的字符特征作為神經(jīng)網(wǎng)絡(luò)的輸入，然后訓(xùn)練相應(yīng)的權(quán)值矩陣，實現(xiàn)字符的分類。為了提高識別的準(zhǔn)確度，本文把漢字、數(shù)字字母及數(shù)字輸入不同的網(wǎng)絡(luò)進(jìn)行訓(xùn)練與測試。對于BP算法容易陷入局部極小和訓(xùn)練速度較慢的問題，本文采用了改進(jìn)算法——動量法，以及學(xué)習(xí)速率自適應(yīng)調(diào)整兩種策略，從而提高了學(xué)習(xí)速度并增加了算法的可靠性，動量法降低了網(wǎng)絡(luò)對誤差曲面局