车牌自动识别系统是智能交通系统的关键技术之一,近年来国内外许多学者都进行了车牌识别技术的研究并取得了丰硕的成果,并有部分产品已经投入实际应用中。该技术广泛应用于停车场安全管理、高速公路自动缴费、电子支付系统(支付通行费和停车费)、交通监控管理系统等。一般来说,车牌识别系统包括四个步骤：图像预处理、车牌定位、字符分割和字符识别,输入的是一幅含有车牌的图片,输出的是车牌上的七个字符。车牌识别的效率一方面依赖于识别技术,另一方也依赖于采集的图片质量。绝大多数的车牌识别系统工作于室外环境,由于受光照条件、周围环境、车速、车身震动等因素的影响,采集的车牌图像可能会出现模糊、歪斜和缺损等严重缺陷,增加了车牌识别的难度。另外,快速发展的智能交通系统对车牌识别系统的“实时性”要求更高。本文针对长春市某小区车辆管理系统要求,通过总结和分析现有车牌识别技术发展现状和已有方法,在前期已开发的车辆入门自动照相、录像及存档等功能基础上,重点研究车牌自动识别方法。本文首先采用灰度图像进行车牌定位和识别。通过将彩色图像用加权平均值法转换为灰度图像,并用中值滤波去掉图像噪声。采用边缘检测的方法突出车牌边缘,分离目标与背景。为了减少非目标区域的干扰,并且保存或增强目标区域的像素度,本文采用Laplace算子与迭代法相结合的方法对图像进行二值化处理。在车牌识别系统中,车牌定位是基础部分,定位准确与否直接关系到后续的字符分割和识别。本文通过将车牌区域每行的边缘点数量、边缘点数量与车牌区域长度的比值等因素作为参考值,首先是利用纹理特征对车牌进行粗定位,获得几个车牌可能存在的区域,然后通过计算各区域的长宽比,剔除伪车牌区域,精确定位车牌。汽车牌照字符的切分效果直接影响到字符的识别,为保证字符切分的准确性,在车牌字符切分之前,对定位后的汽车牌照进行倾斜校正。利用车牌的长宽和字符特征等信息,采用行列扫描方法分割字符。同时为便于字符识别,对分割后的字符进行归一化和细化处理。汽车牌照的字符识别是整个系统最重要的一环,识别方法的好坏直接影响到了整个系统的识别结果。本文采用统计特征和结构特征相结合的特征提取方法,用网格特征进行字符粗分类,根据内部结构特征进行细分类来区分相似字符。以每类目标样本集特征的均值和标准差来描述该类目标,并对特征差距较小的字符制作了多个模板,建立字符模型库。根据各个字符的位置特征,设计字符分类器,并提出基于模糊决策的模糊识别方法对单个字符进行分类识别。在上述工作成果的基础上,本文利用VC++6.0开发了可独立运行的集车牌图像预处理、车牌定位、字符分割和识别功能于一体的系统软件,该软件具有模块化、可视化、使用简单等特点。最后,对开发的识别算法进行相关试验,验证本文算法具有一定的有效性和实时性。