论文部分内容阅读
智能交通系统作为分析处理城市和公路上的车辆的工具被迅速地发展。车牌识别系统涉及到计算机视觉、图像处理、模式识别等多个学科。由于应用场景及车牌本身的复杂性，该系统需解决的问题相当复杂，比如外界光照条件恶劣、特殊天气条件、复杂的非车牌区域干扰等因素都会影响车牌识别系统的性能。本文选用抗噪性较好的小波包变换对图像进行增强；根据车牌图像具有Haar特征采用Adaboost算法训练数据区分含有车牌的图像和不含车牌的图像，采用SUSAN角点检测方法标记所有角点位置，然后定义一个矩形滑动窗口扫描整幅图像，最后滑动窗口中白色像素点最多的位置即为车牌区域，从而定位出车牌区域。根据Hough变换进行水平分割，之后再进行垂直分割准确的分割出各个字符，最后采用BP神经网络的方法是识别出分割出来的字符。