本文主要研究汽车牌照识别中的车牌定位算法,其系统主要应用于高速公路收费口以及住宅小区车库的管理等场合。 汽车牌照识别系统作为一个专用的计算机视觉系统,能够自动地摄取图像和识别出车牌号码。该系统主要包括三个内容:车牌定位、字符分割和字符识别。其中车牌定位的目的就是从所拍摄的汽车图像中确定车牌的位置,从而便于后续的字符分割和字符识别工作。车牌定位的准确性和定位速度直接影响着整个系统的识别率和识别速度。 但是,由于新型车体不断出现,结构千变万化,背景复杂多变等因素,都给车牌定位带来了困难,所以车牌定位算法的研究仍然是目前国内外学术界研究较多的一个课题。 首先,本文对现有的车牌定位方法进行了系统的分析,总结出了车牌定位研究存在的主要问题。 其次,本论文针对车辆图像背景复杂、垂直纹理散热器噪声干扰严重等条件,提出了一种基于结构特征的车牌定位算法。该算法先利用车牌区域密度比较大的信息得到包含车牌区域在内的若干候选区域,然后利用车牌区域自身异于其它背景区域的四个结构特征从若干候选区域中提取车牌区域。本文给出该算法的三个实验阈值:车牌区域高宽比范围在[2,5]内,车牌区域的密度大于0.25,车牌区域内灰度跳变次数的范围在[5,15]内。 最后,本文针对垂直纹理散热器噪声干扰严重的情况,提出并验证了号码模板匹配车牌定位的算法,由于该算法匹配度的阈值难以取舍,所以并没有实用价值。 实验结果表明,本论文所提出基于结构特征的车牌定位算法在定位准确性上有明显的优势。针对717幅图像2本算法的定位准确率可以达到90.17%。