论文部分内容阅读
车牌自动识别系统是智能交通系统中的重要组成部分。在电子收费、车流监控、出入控制等场合都有着广泛的应用，对于整个智能交通系统的发展起着举足轻重的作用。由于问题的复杂性和困难性，目前的一些识别系统还存在一些需要解决的问题，因此有必要对此进行进一步的研究。
本文对车牌自动识别系统的各个模块和环节进行了深入的研究，在实践的基础上，对一些关键技术给出了一些创新性的解决方法，使系统的识别性能有所提高，本文的创新点如下：
1、提出一种基于单程分裂与合并算法的快速车牌粗定位方法，并结合颜色空间方法和纹理方法进行细定位，使车辆图像中车牌的定位更加快速与准确。
2、对传统二维Otsu算法进行改进，以解决原始二维Otsu算法的复杂性问题，提高了算法对噪声的容限，一定程度上解决了视频采集到的低对比度车牌图像的二值化问题。
3、利用车牌字符的间距特征构造一种基于字符间距模板的字符切分方法，该方法适应性比较强、算法简单，实验表明该方法能取得较好的字符切分效果。
4、将对错误及噪声容忍度较高、训练容易、收敛速度快，非常适用于实时处理的概率神经网络应用于车牌的汉字字符识别，取得了一定的效果。
5、用描述物体形状特征的高斯描述子对数字字符进行了识别，高斯描述子对移位、旋转、尺寸等具有不变性，且对噪声不太敏感，在字符识别方面取得较好的效果。