自然场景中存在着大量的交通标志,这些标志信息给人们的日常生活带来诸多方便。研究—种能够自动从路牌图像中提取路牌文字信息的工具对视觉导航、场景理解均有重要意义。本文对从一幅路牌图像中提取路牌汉字信息的关键技术进行了深入研究,主要工作内容如下。首先,本文提出一种“矩形+Harris角点数”的路牌矩形区域定位新方法。该方法先检测出图像中的所有矩形轮廓,再运用Harris角点检测算法对图像进行角点提取,最后将具有最多Harris角点数的矩形轮廓区域确定为路牌矩形区域。经试验验证,在通常情况下,利用该方法对路牌矩形区域定位的准确率很高。其次,本文对路牌区域图像进行预处理,分为对路牌区域图像透视变形矫正和路牌区域字符分割两个部分。对于图像变形矫正部分,首先找出图像平面和世界平面的四组对应点,利用“四点法”对图像进行变形矫正,同时研究了矫正过程所需要的相关插值算法。对于字符分割部分,首先利用二值化算法实现路牌区域文字像素和背景像素的分割,再基于连通域标记法和对标记图进一步的改进处理实现单个汉字图像的分割。通过实验证明,本文方法对于十字型、分栏型等路牌都有很好的分割结果。最后,对于低质量汉字识别,本文构建了先粗分类再细分类的两级识别方法。分类中的分类器均采用正确率较高的KNN分类器。在粗分类中采用粗网格特征和粗外围特征的连合特征构建特征向量。在细分类中首先将汉字图像分成5个分块结构,对每个分块图像运用主成分分析法提取特征,再基于5个分块图像构建5个弱KNN分类器,最后结合5个分类器的分类结果采用投票得分的方法确定最终识别结果。同时对分割出的单个汉字图像特征进行了分析,利用人工方法构造出含有丰富低质量信息的样本,并由此建立数据库。实验验证,本文的两级识别方法对于低质量汉字识别取得较高的识别率。