汽车牌照自动识别技术可以应用于道路收费、交通管理等领域,起到节省人力成本、提高效率、改进管理体系等作用。随着我国智能交通行业的发展,车牌识别技术越来越呈现出巨大的经济价值和现实意义。 目前车牌识别系统国内已有一些产品,但这些产品要在光照充足,车牌干净等前提下才能达到较高的识别率,因而对于实际工作环境的适应性较差。本文在对车牌识别系统已有方法进行深入研究的基础上,致力于解决因天气、光线、污点所造成的车牌模糊现象的车牌识别问题,以使得识别系统具备更强的环境适应性,并完成了车牌图像识别软件的开发。通过对搜集到的不同地点、时间、天气的车牌图像样本进行检验,证明本文所提出的方法具有较好的适应性,具有实际工程应用的价值。 本文对车牌识别系统的车牌定位、字符分割和字符识别进行了系统的研究。 对于车牌定位,论文提出了基于垂直Sobel边缘检测和移动窗口搜索的定位算法,先把图像进行垂直Sobel边缘检测,利用车牌区域垂直边缘丰富的特点,对整幅图像进行窗口扫描,找到各个类似车牌的区域,然后根据所统计的两个特征值的范围筛选出唯一的车牌区域。为了简化字符分割的难度,本文又提出了基于相连特征区域的边框去除算法,根据相连特征区域的长度和数量对车牌图像进行四个方向的边框去除工作,大大简化了字符分割的难度。 在字符分割方面,在进行了传统的垂直投影分割的基础上,对于一些字符有粘连和断裂的车牌图像提出了有针对性的二次切分,充分利用了字符宽度和高度的先验知识。 对于车牌字符的识别问题,本文提出了基于改进的BP神经网络识别算法,网络的训练过程采用可变动量项和自适应学习率相结合的方法。而且本文对于易误识的字母和数字按结构特征进行了分类,在第一次识别后再根据不同的分类进行一次二次识别。仿真结果表明该算法对字符的识别具有很好的效果。