车标识别系统(VLR)是智能交通系统(ITS)的重要组成部分,在交通管理中充当着重要的角色。本文介绍了车牌定位技术和车标识别算法。车标识别是以车牌定位为先验知识,首先介绍车牌定位算法。针对当前定位算法时间消耗过高的情形,本文提出了基于统计特征的定位算法,将车牌区域字符密集特征量化为跳变特征,在搜索过程中利用动态规划算法思想,记录中间结果,有效的降低了处理时间。为了减少搜索范围,又在统计特征的基础上,提出了基于横幅搜索的定位算法,运用边缘化操作大幅度区分前景背景信息,使得前景区域明显变少,再在水平方向上统计跳变数进行筛选,进一步将前景划分为独立的横幅,对横幅进行合并,高度筛选等工作使得搜索范围更小。在横幅的基础上进行矩形框搜索,以横幅高度为矩形高度,高度与长宽比乘积为宽度,使得矩形框大小可以动态确定。该方法在保证定位准确率的同时,将处理时间限制在15ms以内。针对车标定位,首先利用车牌倾斜校正方法(旋转投影法,窄孔透视模型)对车形进行校正,然后依据车牌位置得到车标初定位结果。利用水平边缘图像和垂直边缘图像的投影差值直方图分析得到车标背景纹理方向,利用边缘化操作和形态学处理抑制背景纹理,最后,根据直方图分析得到最终车标的精确位置。针对车标识别,利用Hu矩和Tchebichef矩的不变性,将标准化的7个Hu矩和3阶以内的Tchebichef矩作为两个不同的特征向量,进行比较实验。学习算法采用KNN近邻方法,并且比较不同K值下的实验结果。对灰度车标,采用直方图均衡化增强,MSR增强,混合增强,比较不同增强处理下的识别率。在Matlab下实验,结果表明K取13,采用混合增强,利用Tchebichef矩特征能使识别率达到97%。