车牌筛选可以看做是一种对车牌识别的预处理过程。通过筛选出能够被识别的车牌图像,以及分析不能够识别的图像,修正车牌图像采集系统误差,来达到提高车牌识别准确率的目的。本文使用基于图像信息熵的无参考图像质量评价算法来进行车牌筛选。本文对车牌图像采集系统的工作特点进行了简要分析,总结出车牌图像质量评价算法需要覆盖噪声、模糊、块效应等失真类型。根据图像质量对车牌识别准确率的影响,得出筛选时应该反映图像的亮度、清晰度、对比度。比较了四种现有的车牌图像质量评价算法对图像的亮度、清晰度等方面的评价。发现其中三种算法均没有给出车牌图像的总体质量,另外一种也是对四种评价因子的简单加权求和。针对这些算法的缺点,提出了基于图像信息熵的车牌图像质量评价算法。使用车牌图像的空间熵值、频谱熵值和梯度熵值作为图像的特征向量,采用两级框架的结构计算图像的总体质量分数。其中空间熵值反映图像的亮度,频谱熵值反映图像的清晰度,梯度熵值反映图像的对比度。设计了交互性友好的人机界面,使用该界面检测算法的性能。本文算法能够通过评价图像的亮度、清晰度指导MCS爬山法和单向搜索算法找到合适的光圈和焦距。即能够通过分析质量低下的图像,修正图像采集系统的误差。本文算法能够筛选出图像数据库中图像质量小于阈值的图像,且准确性、一致性和单调性能均比文章所比较的算法好,即表示能够准确的筛选出质量合格的图像。