车牌自动识别是计算机视觉、图像处理与模式识别技术在智能交通领域应用的重要研究课题之一,是实现交通管理智能化的重要环节。开展这一问题的深入研究,不仅丰富了模式识别、计算机视觉等技术理论,而且其研究成果具有较现实的实际应用价值。基于计算机视觉技术的车牌自动识别系统主要由图像采集、车牌定位、字符分割和字符识别等模块组成。本文主要研究了车牌识别系统中的车牌定位算法、字符分割算法和字符识别算法,并在VC平台上给出了其实现且对算法进行了验证。本文引用了边缘检测、图像形态学原理和聚类分析,对车牌定位算法展开了研究,提出了以Sobel算子进行边缘、图像形态学的水平膨胀及聚类分析的方法确定车牌的候选区域,再应用模糊决策方法在候选区域中找出真正车牌区域。该算法定位准确率高、适用于复杂的交通环境。在字符分割算法研究中,提出了以同态滤波方法去除不均匀光照影响,采用Hough变换对车牌进行倾斜校正,以车牌的垂直投影并结合可变模板对字符进行切分,很好的解决了车牌的倾斜和个别车牌字符的宽度不均问题。在字符识别算法研究中,采用了结构法对字符进行识别。对分割出的每个字符图像,对其像素值图设定一个分割阈值,大于此阈值的像素点其灰度值如实标示出来,小于此阈值的像素点用“0”标示其像素值,且这两类像素点用不同的颜色标示以示区分。在统计字符结构特征信息的基础上,采用两种基于字符结构的识别算法,纵向结构树形分类识别和结构基元组合识别分别进行字符识别,效果良好,满足了实际应用中快速、准确的要求。并对两种方法进行对比总结。