ETC(电子不停车收费系统)是ITS(智能交通系统)领域中的一个重要的分支,由于它涉及到交通建设投资的回收,又是缓解收费站交通堵塞的有效手段,因此许多国家都把ETC作为ITS领域最先投入应用的系统来开发。本文利用数字图像处理技术来完善不停车收费系统的功能,针对不停车收费系统中的图像处理,模式识别关键技术进行了较深入研究。 车牌识别是本文研究的主要内容。其中包括图像预处理,车牌定位,字符分割,字符识别四个部分。常用的定位算法是对全图进行处理,而在实时监控系统中这些算法根本不能满足实时的要求,本文所提出的定位算法能够大大减少运算量。通常的字符分割算法如投影法和聚类分析法易受字符粘连的干扰,本文所提出的分割方法很好的解决了这一问题。针对车牌字符图像的变形、非均匀光照、强噪声干扰等条件,本文提出了一种基于推广的一类支持向量机的字符识别方法,该方法具有抗干扰能力强,识别率高等诸多优点。 本文主要内容如下: 1.图像预处理部分。对本文采用的图像灰度转换、图像差分和图像二值化以及Hough变换算法做了详细介绍。 2.车牌定位部分。首先采用基于行扫描的车牌粗定位方案粗定位车牌;提出一种基于先验知识和模板匹配的方法来精确定位车牌。 3.字符分割部分。首先提出基于行扫描跳跃点数目变化率的车牌倾斜检测方法。然后采用行扫描法确定字符串上下边界;最后根据字符串的结构和尺寸特征,设计出车牌字符串模板,并结合最大类间方差分类法,提出基于模板匹配的最大类间方差车牌字符分割算法来分割字符。 4.字符识别部分。将推广的一类支持向量机用于字符识别,针对汉字、数字和字母分别训练了三组分类器,取得了较为满意的识别效果。 在上述研究的基础上,设计、实现了一个汽车牌照实时识别系统,系统执行效果理想,能够使不停车收费系统的运行自动化、智能化。