论文摘要
随着现代交通技术的发展,汽车已经成为人们日常生活中不可缺少的一种重要交通工具,这就必然对交通管理有一个更高的要求,随着对高速公路收费,停车场管理等的自动化,车牌识别(LPR)技术的研究就成了一个热门课题。车牌识别系统是一个基于图像处理和字符识别技术的智能化交通管理系统,它能够自动摄取车辆的图像并识别车牌。一个完整的车牌识别系统由车牌定位、字符分割和字符识别等单元组成。本项目提出了一套简洁高效、基于数学形态学的车牌定位与识别的方法。定位方法综合考虑了灰度和边缘信息,首先对图像进行了预处理,采用了灰度变换、去噪、增强对比度、边缘检测、二值化等方法对图像进行处理,提高了图像的质量,强化了图像区域;接着,采用一种基于二值图像灰度变化特征进行定位的方法,根据灰度的跳变搜索车牌区域,再利用车牌几何形状的特点对候选区进行筛选,得到车牌位置。实验证明,该算法简单、高效、实用,定位速度快,对采集的图像数据库的实验效果较好,基本很少出现定位错误或切割掉有效边缘信息的情况。在字符分割上,改进了传统的投影算法,采用了在二值中对白色像素进行垂直投影的方法,在投影中计算横向间隔最大的位置,认为该位置即是第2、3字符的中间位置;以该位置为基础,按照字符的大致宽度,向左分割出2个字符,向右分割出5个字符。使用该方法的好处是充分利用了车牌的布局特征,能够很好的分割出每个字符。识别则采用了一种基于模板匹配的方法,并结合统计学进行,即利用现有的特征向量,从待识别的图像中提取若干图像的特征向量与模板相对应的特征向量进行比较,计算模板向量和现有向量之间的相似度,然后将现有特征向量归入与它相似度最高的模板一类。计算图像和模板特征向量之间的距离,用最小距离法,并辅以模式识别中的k-近邻法,该方法能有效地完成不同解析度和不同模糊程度的车牌识别工作。实验表明,此套方法识别度较高,识别效果令人满意。