车牌自动识别系统分为车牌定位、车牌倾斜校正、车牌字符分割和车牌字符识别这几个模块,这几个关键环节直接影响着车牌自动识别系统的识别率。虽然,对于车牌自动识别技术得到越来越多的关注带来了不少开创性的成果,但是同时也不断出现了更高的需求,特别是在复杂环境下对自由车牌进行自动的识别,这方面迫切需要更加好的算法去解决更加复杂的问题,因此,车牌自动识别技术有着广阔的发展前景。本文按照车牌自动识别的一般处理流程介绍了车牌自动识别技术的各个关键环节,首先是在理论上对车牌倾斜校正和车牌字符识别这两个环节的主流算法进行了研究,针对这些方法的优缺点,提出了基于旋转投影姿态评估函数的车牌倾斜校正和基于评分模型的车牌字符识别这两个算法,然后对其做了实验,最后与其他算法进行了对比实验验证本文算法。本文的具体研究内容如下：(1)提出基于旋转投影姿态评估函数的车牌倾斜校正方法。常见的车牌倾斜校正方法有着各自的优缺点,但是普遍都是算法复杂度比较高,运算时间较多,而且在非车牌区域的颜色与车牌字符颜色相近,或者车牌存在一定的污迹时,其车牌倾斜校正的精确度不是很理想,针对这些缺点,本文首先将定位出来的车牌图片进行二值化,再将二值化后的图片转换为跳变点图。然后将跳变点图向垂直方向进行投影,发现投影的姿态在车牌倾斜不同的角度时会产生一些变化,根据这些变化构造出旋转投影姿态评估函数,接着利用此评估函数对车牌进行倾斜校正,最后对这一算法进行了实验,并且与其他算法进行了对比,证明了这是一个有效的算法。(2)提出基于评分模型的车牌字符识别算法。从监控视频中切割出来的车牌字符图片往往具有低像素、模糊、字符混淆严重或者边缘凹凸不齐等缺陷,针对传统的车牌字符识别算法对于这种类型车牌字符的低识别率。本文首先将字符图片分成若干个方格,全部格子根据白点的数目划分为不同的等级,标准字符模板也是如此划分等级。在识别匹配时,待识别字符图片与字符模板相对应的方格分别进行等级匹配,按照该算法中的评分模型打出相应的分数,有加分、减分或者给零分,最后将分数相加,匹配得出最高分的字符模板将是最终的识别结果。