车牌自动识别系统(Vehicle License Plate Recognition System,LPRS)利用计算机对视频交通图像进行处理、分析和识别,从中提取出车牌信息,方便交通调度、收费和统计等管理,是智能交通管理的热门核心课题之一。目前国内外许多学者专门研究车牌定位和车牌字符识别等关键技术,并取得一定成果,但仍存在许多值得继续研究和改进的地方。比如现在大多数的车牌识别方法对清晰度高的图像识别率很高,但都不能解决全天候的问题,实用性差,准确率低,所以提高全天候下车牌识别技术的鲁棒性对我们来说很有意义,是我们值得深入研究的一个方向。
　　 车牌识别技术主要包括三个环节,车牌定位、字符分割和字符识别,三个环节依次进行。本课题针对全天候拍摄的视频交通图像的特点对这三个环节的技术方法进行了深入的研究。首先,在车牌定位环节为了提高系统的实时性,略去增强图像质量的处理。在边缘检测时对于清晰度较低的图像采用能检测弱边缘的Canny算子,而对于清晰度高的图像为避免产生较多的干扰,采用既能平滑噪声又比Canny算子简便的Sobel算子。在动态二值化后针对噪声问题,本课题提出了一种利用行扫描标记与数学形态学处理结合的去噪方法,该方法充分利用车牌的纹理特性,能快速定位车牌候选区域。在筛选车牌候选区时提出一种角点提取获取候选区位置信息的方法,该方法需要判断计算的点很少,与传统的连通区域标记法相比,大大缩短了时间。在精定位时本课题提出利用纹理特性和垂直投影法结合的切边方法,由于在精定位之前本课题进行了几何矫正,所以该方法的定位精度较高;其次,在字符分割环节针对字符的粘连和断裂问题,本课题提出一种基于模糊决策的垂直投影法,该方法能自动添加或者删除分割点,能有效解决非连通汉字和字符粘连问题;最后在字符识别环节本课题通过提取33个数字和字母的八个特征向量来建立特征集,然后用特征向量相似度进行字符识别,并采用特征点匹配法对相似字符进行二次识别,本课题提取的字符特征向量对于二值字符图像的几何膨胀有一定的容忍度,可以很好的区分字符。针对模糊图像的汉字笔画粘连问题,本课题提出一种基于模糊外轮廓的汉字识别方法,先通过提取汉字的模糊外轮廓,然后求其外轮廓的傅里叶描述子来区分汉字,该方法不依赖于汉字内部笔画信息,提取的傅里叶描述子具有旋转、平移和尺度不变性,具有很强的鲁棒性。本课题在Visual C++6.0环境下对各环节算法进行了实现,构建出一套车牌识别系统软件平台,实验结果表明,本课题的车牌识别方法对全天候视频交通图像的鲁棒性较强,且满足实时性要求,与传统的识别方法相比,整体识别率有较大的提高。
　　 本论文主要包括三部分内容,第一部分为课题的研究背景及意义,第二部分为自己使用及改进方法的介绍,最后一部分为仿真结果以及对未来研究的展望。