毕业论文_车牌识别算法调研.doc

车牌识别算法调研 前 言 随着 交通问题的日益严重，智能交通系统应运而生。从20世纪90年代起，我国也逐渐展开了智能交通系统的研究和开发，探讨在现有的交通运输网的基础上，提高运输效率，保障运输安全。我国加强智能交通系统（ITS）的研究与开发势在必行，特别是考虑到我国的国情和我国经济的快速发展，社会信息化程度日益提高，交通管理智能化成为发展的趋势。 汽车牌照自动识别系统是近几年发展起来的 计算机视觉和模式识别技术在智能交通领域应用的重要研究课题之一。 车牌识别的目的是对摄像头获取的汽车图像进行预处理,确定车牌位置,提取车牌上的字符串，并对这些字符进行识别处理,用文本的形式显示出来。车牌自动识别技术在智能交通系统中具有重要的应用价值。在车牌自动识别系统中，首先要将车牌从所获取的图像中分割出来，这是进行车牌字符识别的重要步骤，定位准确与否直接影响车牌识别率。本次论文主要对车牌的定位做了比较详细的研究。 车牌自动识别系统（LARS）作为一种交通信息的获取技术在交通车辆管理、园区车辆管理、停车场管理有着特别重要的应用价值，受到业内人士的普遍关注。车牌自动识别的处理有三部分组成，其中车牌定位作为最关键的技术，成为重点研究的对象。 输入图像数据库字符识别系统 输 入 图 像 数 据 库 字符识别系统 车牌定位系统 图像预处理系统 车牌定位的成功与否以及定位的准确程度将会直接决定后期能否进行车牌识别以及识别的准确度。由于在现实中，汽车的车牌图像受到光照、背景、车型等外界干扰因素以及拍摄角度、远近等人为因素的影响，造成图像受光不均匀，车牌区域不明显，给车牌区域的提取带来了较大的困难。 车牌定位的方法有很多种，目前比较经典的定位方法大都在基于灰度图像的基础上，针对不同背景和光照条件下的车辆图像，提出了一种基于灰度图像灰度变化特征进行车牌定位的方法。依据车牌中不同区域的灰度分布，车牌定位可以首先将彩色车牌进行灰度化然后再进行车牌定位。 第一章 绪论 1.1机器视觉概述 人类在征服自然、改造自然和推动社会进步的过程中，面临着自身能力、能量的局限性，因而发明和创造了许多机器来辅助或代替人类完成任务。智能机器，包括智能机器人，是这种机器撮理想的形式，也是人类科学研究中所面临的最大挑战之一。智能机器是指这样一种系统，它能模拟人类的功能，能感知外部世界并有效地解决人所能解决的问题。人类感知外部世界主要是通过视觉、触觉、听觉和嗅觉等感觉器官，其中约80％的信息是由视觉获取的。因此，对于智能机器来说，赋予机器以人类视觉功能对发展智能机器是极其重要的，也由此形成了一门新的学科～一机器视觉(也称计算机视觉或图像分析与理解等)。机器视觉的发展不仅将大大推动智能系统的发展，也将拓宽计算机与各种智能机器的研究范围和应用领域。 机器视觉是研究用计算机来模拟生物外显或宏观视觉功能的科学和技术。机器视觉系统的首要目标是用图像创建或恢复现实世界模型，然后认知现实世界。机器视觉系统获取的场景图像～般是灰度图像，即三维场景在二维平面上的投影。此时，场景三维信息只能通过灰度图像或灰度图像序列来恢复处理，这种恢复需要进行多点对一点的映射逆变换。在信息恢复过程中，还需要有关的场景知识和投影几何知识。机器视觉是一个相当新且发展十分迅速的研究领域。可以说，对机器视觉的全球性研究热潮是从20世纪80年代开始的，到了80年代中期，机器视觉获得了蓬勃发展，新概念、新方法、新理论不断涌现。比如，基于感知特征群的物体识别理论框架、主动视觉理论框架、视觉集成理论框架等等。 机器视觉的应用主要包括以下一些方面： （1）零件识别与定位 （2）产品检验 （3）移动机器人导航 （4）遥感图像分析 （5）医学图像分析 （6）安全鉴别、监视与跟踪 （7）国防系统 （8）其它 1．2智能交通系统及车牌识别系统在其中的应用 智能交通系统(Intelligent Transportation System，ITS)就是以缓和道路堵塞和减少交通事故，提高交通利用者的方便、舒适为目的，利用交通信息系统、通讯网络、定位系统和智能化分析与选线的交通系统的总称。它通过传播实时的交通信息使出行者对即将面对的交通环境有足够的了解，并据此做出正确的选择；通过消除道路堵塞等交通隐患，建设良好的交通管制系统，减轻对环境的污染：通过对智能交叉路口和自动驾驶技术的开发，提高行车安全，减少行驶时间。 智能交通系统已成为被普遍认可的改善交通状况的最为有效的途径。目前世界各国都在大力发展，其中的代表是美国。1995年3月美国交通部首次正式出版了《国家智能交通系统项目规划》，明确规定了智能交通系统的7大领域和29个用户服务功能．此后进入新世纪第一年，又与美国