该文所研究的车牌识别(CLPR)是复杂情况下特定目标识别的一个特例.该文的主要内容有三个方面:目标定位,目标分割以及目标识别.1.该文提出了一个基于矢量映射定位算法(VMLA)的车牌识别方法,在这个方法的框架内,该文对目标定位、目标分割以及目标识别进行了深入的研究.国家汽车牌照标准特别把车牌的对比度设计成最大(采用三种对比度最大的颜色的组合:黑色字符黄色背景的黑色边线;白色字符蓝色背景和白色边线;红色或黑色字符白色背景和黑色边线)以方便视觉识别.但是采集的汽车图像不可避免的带来某些干扰.比如在夜间由于车灯部的对比度非常强烈,采集的汽车图像会受到很大的干扰,所以在进行车牌定位前,进行预处理来消除这些干扰是必不可少的.再比如,由于照相机的轴与车牌不精确的垂直而造成的车牌的变形也是不可避免的.因为车牌都是矩形而且是汽车图像中对比度最大的区域,该文提出了一个在给定的矩形内基于矢量映射定位算法的车牌定位算法,其定位的正确率达到了98.09％,而过去的算法只有84％.过去我们受到汽车散热器栅格的困扰,因为它与车牌有很多相同的图像特性,而新的算法解决了车牌定位这一难题.2.目标分割是车牌识别系统所要解决的第二个难题.由于车牌的边界可由形态和字符的垂直投影而决定,因此该文提出了一个基于知识的单字符图像分割方法.该车牌图像和单字符分割方法是基于一个新的可靠的二值化经验公式,它成功的解决了字符粘连的问题,字符分割的准确率达到97.7％,过去只有93％.3.该文要解决的第三个关键问题是目标的识别.由于分割后的字符矩阵太小,所以采用了模板匹配和基于字符特征的统计识别相结合的方法,另外还使用惯性距中心等特征和专门设计的径向编码和差分径向编码来形成两极多模分类器.采取上述手段后,字符的识别率由93％提高到97.1％.