进入21 世纪以来,随着人口的增加和人们生活水平的增加,车辆大量增加,交通变得越来越拥挤,给社会和环境造成了越来越大的压力。智能交通系统(ITS)恰好为我们解决这些问题提供了答案,得到了越来越多的应用。而车牌识别系统(LPR)是ITS 中关键技术之一,同时LPR 发展也非常快,已经逐渐地应用到我们的现实生活中了。车牌识别系统可以对车辆进行自动登记、验证、监视和报警,进而可以应用到高速公路收费管理系统、高速公路超速自动化监管系统、公路布控、停车场收费管理系统和“电子警察”等领域。本文完成了车牌识别系统的算法研究和设计工作,主要工作有以下几个部分:(1)车牌提取算法。首先对原始图像进行预处理,去除噪声和增强对比度;然后利用原图像的垂直梯度的水平投影实现车牌图像的粗定位;最后利用小波分析提取车牌图像的高频信息从而实现车牌精定位;(2)字符分割算法。使用车牌拉普拉斯边缘二值图像的区域生长算法和车牌图像灰度垂直投影算法共同提供的字符位置信息进行字符定位,并且结合车牌字符排列的先验知识以分割出字符;(3)字符识别算法。首先进行增强后的字符二值化算法和模板细化算法提取字符骨骼信息;然后进行字符特征提取算法,字符特征包括字符细化后的特征点向量和字符的小波矩向量,最后将这些特征向量输入训练好的BP 神经网络进行字符识别,输出车牌号码。本文提到的所有算法皆已在Matlab 上正确实现并仿真成功,使用从各种不同环境中采集了353 幅含有车牌的图像作为数据源,数据源具有相当的代表性。使用这些图像对我们的算法进行验证,车牌号码(不包括汉字)的正确识别率为93.2%。所有这些都表明我们的算法识别率较高,速度较快,并且具有相当的鲁棒性。