随着我国铁路建设的快速发展,机车的安全运营问题正日益突出。机车车号识别是机车在线检测系统的关键组成部分,其自动化与智能化显得尤为重要。本文主要针对机车车号识别技术进行了深入研究,利用数字图像处理方法和光电测量技术,设计研发了基于图像处理的机车车号自动采集识别系统,用于实现机车车号的动态在线识别。论文主要从机车车号自动采集识别系统的机车车型分类、机车车号定位、机车车号的分割与识别三个方面进行了研究,主要工作包括以下几个方面:(1)多种机车车型分类。近年来,深度学习成为了理论研究和工程应用领域的一个研究热点。针对复杂光照下的多型机车的车号识别问题,论文设计了基于卷积神经网络(Convolutional Neural Network,CNN)的机车车型分类方案,并对网络的参数调整问题进行了分析。实验结果表明卷积神经网络模型对机车车型分类具有较好的效果,为多种机车车号识别提供了一种新的方向。(2)机车车号定位。在预处理阶段,提出了结合车型分类结果,提取相应的单通道颜色分量实现灰度变换的方法,增加了车号与背景的对比度。在阈值分割阶段,针对车号区域光照不均匀和光照变化较大,本文结合图像局部灰度特性实现阈值分割。在车号定位阶段,本文结合形态学处理和车号先验知识实现车号的定位与提取。该算法能适应复杂光照条件下多种机车的车号定位,二值化效果好,具有较好的鲁棒性。(3)机车车号的分割与识别。在字符分割阶段,采用寻找轮廓最小外接矩形的方法实现字符分割,并采用形态学闭运算消除由于漆刷造成的字符断裂,对于汉字字符,将其作为一个整体进行分割提取,避免了由于汉字笔画不连通造成的误分割。在字符识别阶段,提出结合方向梯度直方图特征(Histogram of Oriented Gradient,HOG)和支持向量机(Support Vector Machine,SVM)的字符识别方法。实验结果表明,相对于传统算法,该算法具有较高的识别率和较好的鲁棒性。基于上述技术研发的机车车号自动采集识别系统在机车在线检测线上进行了试验,识别准确率达到了96.81%,为机车车号自动采集识别系统的产品化打下了良好的基础。