车辆的自动识别有着极其重要的理论意义和实际价值,如对过往车辆的实时登记、交通流量统计、对特定车辆的辨识和拦截、自动记费和不停车缴费等.目前中国的汽车牌照识别主要靠人工来完成,它的主要缺点是工作环境差、劳动强度大、劳动繁琐、工作效率低、成本高等.因此如何实现车辆的自动管理显得越来越重要.针对上述问题,许多专家学者提出了不同的识别方法,例如条形码识别、IC卡识别等.该文在对上述方法分析研究的基础上对基于图像处理的汽车牌照自动识别系统进行了深入的研究.基于图像处理的汽车牌照自动识别方法有着其它方法不可比拟的优点:无需为车辆加装其它特殊装置.这不仅可以降低成本,而且有利于短期内大泛围的推广.该文把基于图像处理的汽车牌照自动识别系统分为图像采集、汽车牌照图像的定位与分割、汽车牌照字符的切分及归一化和字符识别四个部分.在汽车牌照图像的定位与分割中分析了在图像取样过程中产生各种缺陷的原因及消除这些缺陷的处理方:二值化、直方图均衡、边缘检测、中值滤波等.并针对牌照区域的特点采用了基于水平线搜索的汽车牌照定位方法.在汽车牌照字符的切分及归一化部分,借鉴并改进了传统的基于垂直投影的单字切分方法,找到了更适于单字切分的轮廓投影法.在字符识别部分利用人工神经网络作为分类器,将字符的灰度特征、纹理特征及轮廓特征作为参数输入神经网络,进行网络训练,并对识别结果进行检验分析.该文通过对数字图像处理方法、模式识别方法及特征的提取方法的深入研究,建立了基于图像处理的汽车牌照自动识别实验系统,并通过对实际采集汽车图像的识别,验证了基于图像处理的汽车牌照自动识别系统的有效性和实用性.