车辆牌照自动识别系统LPR(License Plate Recognition)把计算机视觉理论和技术应用于车辆牌照自动识别的专用系统,是计算机视觉处理与模式识别技术在智能交通领域中的综合应用,同时又涉及了包括图像处理,人工智能,信息论,通信技术,工程学在内的多门技术,故而它既有重要的理论研究意义,也具有良好的实际应用价值。本论文是基于数字图像处理的相关理论,将计算机视觉与模式识别技术相结合,对车辆牌照识别系统进行了较深入的研究和分析,主要完成的工作包括以下几个部分。运用基于虚拟线圈的视频检测算法,在视频图像中放置虚拟线进行车辆检测的技术。基本原理类似于物理线圈检测法:在待检测图像上的合适位置人为地设置上下两条线圈作为虚拟线圈,当车辆经过时预先设定的虚拟线区域上的图像特征就会发生变化,而没有车辆经过时虚拟线上的地方为背景,其图像特征保持不变。从而,可在这两条检测线上进行车辆压线检测。对原始的车辆图像进行预处理,增强图像对比度,然后利用处理后图像的差分图像进行数学空间降维处理,接下来把降维后的数据进行高斯变换与小波变换定位出车牌在车辆中的水平位置,把水平定位出来的车牌图像再次进行数学空间降维和高斯变换,最后进行形态学膨胀与腐蚀处理,从而实现车牌的精确定位。详细探讨了两种字符分割方法,一种是方法融合的字符分割法,另一种是基于快速区域标号算法和车牌大间隔定位方法的车牌字符分割法。前者采用拉普拉斯变换和区域生长法进行字符区域检测,利用车牌先验知识进行字符区域定位;后者通过快速区域标号算法得到字符的候选区域,结合车牌大间隔的位置特征得到最终的字符区域。经过分割后的字符大小不一,明亮程度不同,清晰程度各异,故而需要先把字符尺寸大小归一化。先用基于过线数的识别方法对车牌中的字符进行初步粗分类,再用模板匹配法来进行细分类与识别。抽象与零散的算法若能通过一个直观的表现形式来表达,则说服力会更强,一开始在Matlab环境下开发算法,所用到的语言属于脚本语言类型,Matlab的执行效率毕竟不如c/c++,需要把Maltlab环境下开发的算法通过自编程序来实现。所以搭建一个基于c/c++语言的演示平台来直观的体现车牌识别的效果。