在科技飞速发展的21世纪,家家户户都在享受着种种交通工具带来的好处。科技融入生活,为我们带来了方便,却也造成了交通管理难度越来越大。因此,为解决城市交通管理,国家提出了智能化交通管理系统。车牌识别系统作为智能交通系统的核心技术之一,为城市交通管理以及国民出行带来了巨大的方便。针对其各方面技术的探索,受到越来越多科研人员的热衷与重视。本文针对如何提高车牌识别系统的工作效率为主,从改善车牌图像质量和提高识别算法效率入手进行研究。论文主要工作如下:1.为改善车牌图像质量,本文研究了传统的非局部均值去噪算法,发现其测量相似性具有不稳定性以及容易导致边缘细节丢失,对此不足本文提出了基于边缘检测的车牌图像去噪算法。该算法使用标准化欧几里德距离代替简单欧几里德距离来测量邻域块之间的相似性,同时利用改进的Canny边缘检测算子进行边缘独立去噪。通过实验与经典算法进行比较,证明改进算法提高了相似性度量的准确性和稳定性,且较好保留了边缘细节信息。2.为进一步提高车牌字符识别的效率,本文针对模板匹配算法以及卷积神经网络进行了研究与分析,发现模板匹配法识别相似字符精确度低,而卷积神经网络识别时间效率低。针对上述不足本文提出了一种新的字符识别算法。该算法使用模板匹配判断相似字符,并使用改进的卷积神经网络对相似字符进行二次识别处理。实验表明,本文算法的字符识别率高达98.6%,识别时间仅为35.5毫秒,在保证了高识别率的同时又明显减少了识别时间,具有一定的实践和理论指导意义。图[32]表[8]参[57]