车辆牌照自动识别系统(LPRS)是现代智能交通系统的重要组成部分,由于交通问题日益突出,使得智能交通系统成为一个热点研究领域,研究涉及数字图像处理技术、计算机视觉技术、模式识别与人工智能等多个技术领域。LPRS的主要应用领域有:高速公路收费、电子警察、特定车辆定位、社区及停车场车辆的管理等。一个完整的LPRS应该包括车辆图像获取、车牌定位、车牌字符分割、字符识别、识别结果处理等几个部分,本文着重对车牌定位、车牌字符分割、字符识别三个部分进行了详细的论述。论文首先总结了当前车牌识别技术的发展情况,并对我国车牌的特点进行了分析。车牌定位是车牌识别非常关键的一步,定位的结果将直接影响车牌字符分割和字符识别的效果。在分析和总结了当前用于车牌定位的几种算法的基础上,本文采用了基于数字图像处理的边缘检测和投影相结合的定位方法,实验表明这种算法计算量小、速度快,相对比较稳定。算法需要对获取的车辆图像进行灰度化、图像增强、二值化、边缘提取、中值滤波等图像处理,并利用投影的方法定位截取车牌照子图像。车牌字符分割部分在车牌自动识别系统中处于承上启下的一个环节。本文首先对截取到的车牌照子图像进行的一系列图像的预处理操作做了算法说明和结果展示,这些处理主要包括图像的二值化、去除边框干扰、倾斜校正、去除干扰噪声等。然后对车牌字符分割的传统算法做了介绍,并选择其中的投影法作为本文实现字符分割的算法。完成对字符分割的同时对字符进行了归一化处理,为下一步字符识别做好准备。字符识别是系统的核心部分,本文在分析和总结了字符识别的主要算法的基础上,重点介绍了BP神经网络分类器的结构和计算步骤,最终选择在对字符进行特征提取的基础上利用BP神经网络作为字符识别的算法,算法将网络分为汉字识别子网络、字母识别子网络、数字字母识别子网络,对不同位置的字符进行分类识别,从而提高了识别的速度和准确度。