车牌识别技术作为智能交通系统的重要组成部分,因其具有认知车辆唯一性的能力,所以在实时、准确、高效地管理运输系统中起着重要的作用,也是目前交通管理研究的主要方向。车牌识别系统的定位检测方法受到系统所处环境等多方面的影响,尤其是在光照过强或光照不足的情况下,采集到的车辆图像质量较低,往往直接影响车牌定位的结果,不利于车牌识别。因此,本文设计了复杂光照下的车牌识别系统,该系统基于计算机视觉识别技术,分别对车牌识别系统的关键技术进行研究和改进,如：图像增强、图像分割、车牌二值化算法、字符分割、字符识别等。本文重点研究了对关照不均下采集到的车牌图像的预处理以及车牌定位的方法,系统主要模块及其主要功能如下：图像预处理模块,由于复杂光照(光照过强、光照不足或光异常反射等)的影响导致采集到的车牌图像质量偏低,若直接对其进行二值化处理效果往往不太理想。本文用改进后的高低帽变换对传统的固定阈值二值化算法进行了优化,并将其运用到了车牌图像的二值化算法中,改善了不均匀光照对车牌图像的影响。车牌定位模块,根据车牌图像失真的情况,确定定位方法,颜色失真不严重的图像,采用基于自适应维纳滤波的模糊化车牌定位方法对其进行定位检测,即利用HSV空间,提取车牌图像的饱和层,然后调节自适应维纳滤波器的滤波窗口,使图像中的非车牌区域模糊化,突出车牌区域,然后采用形态学处理等方法实现车牌的最终定位。对于复杂光照下采集到的低质量图像,采用基于灰度图像的车牌识别方法,在获得较清晰的二值图像的基础上,运用形态学处理的方法得到车牌区域。字符分割模块,针对由复杂光照造成的图像字符不清的情况,本文融合投影特征及嵌入车牌字符分割的先验知识对垂直投影法进行改进,首先用水平差分投影对图像进行倾斜校正,同时对图像进行水平精确定位,这样不仅降低了算法的复杂度而且提高了水平定位的精度。再采用基于连通域的直方图投影法,通过寻找车牌的优割字符对车牌区域进行垂直分割。该方法有效地降低了夜间光照不均匀对字符分割的影响,同时对字符粘连、断裂等问题的处理较为理想,具有较高的鲁棒性和自适应能力。字符识别模块,目前较为常用的方法有模板匹配法、基于数理统计法以及人工智能技术。针对复杂光照对车牌的影响,本文采用基于粗网格特征提取和BP神经网络提取相结合的人工神经网络车牌字符分类识别方法,通过选取字符的粗网格特征训练BP神经网络,再用其识别待识别车牌字符。该方法对字符识别的准确率高,适应性强,对光线不均、扭曲或倾斜严重的车牌字符有较高的识别率。在MATLAB平台上编程实现了该系统,通过实验验证,本文提出的识别系统可以有效地解决复杂光照对车牌图像的影响,且相较于基于颜色的多车牌识别系统以及基于图像纹理特征的车牌识别系统,在保证准确率和识别率的前提下,具有更高的鲁棒性和自适应性。