该文详细介绍了由作者设计并完成的一套汽车牌照自动识别系统.在系统的设计中,构造出具有最小支集特性的二阶B样条小波来检测汽车图像边缘,边缘图像是由小波变换后的模局部极大值构成,这样得到的边缘图像不但含有边缘的模值信息,还可以求得相应的相角信息.该算法根据实际情况通过调整多分辨率分析尺度的大小来获得相对清晰同时又很好地抑制了噪声的汽车边缘图像.从对试验结果的分析中可以明显得出根据此算法得到的边缘图像来定位车牌比用传统的Sobel算子更准确、更精确.该文首先阐述了课题提出的背景及意义,然后简要介绍了汽车牌照自动识别系统的组成.它主要由五部分组成:图像的摄入与预处理、车牌区域的分割、识别前预处理、特征提取、车牌字符识别.在后五章的内容中,论文详细介绍了每一部分的工作原理,各种功能模块的具体实现过程以及相关算法的设计.汽车图像的摄取与预处理部分完成汽车图像的摄取、数字化及存储工作,并对原始汽车图像进行必要的灰度化、去噪声、图像增强等预处理,以便于后面各部分处理.在车牌区域分割部分,鉴于以往方法的优缺点,采用二阶B样条小波检测汽车图像边缘,根据此算法得到的边缘图像来定位车牌更准确、更精确,为下一步——车牌字符识别奠定了良好的基础.车牌提取出来以后,该文对其进行了一系列识别前的预处理:倾斜校正、二值化、去噪声和字符分割,最终将车牌图像分割为单独的字符.针对样本的特点,该文对现有的一些算法作了改进.实验结果表明,改进后的算法能获得更为准确的结果.最后研究字符的识别.该文在识别时,分析了字符识别中特征量的提取方法,并对神经网络的构成以及相关的理论进行了讨论,着重分析了神经网络的理论原理和在字符识别中的应用方法.在最后一章,作者对实验数据进行了汇总和分析,对该系统的性能进行了客观的评价,并分析了影响系统性能的主要因素.针对系统存在的诸多不足,作者提出了若干改进方法或新的设计思路.