车牌识别系统的研究与开发是制约交通系统智能化、现代化的重要因素,在现代化交通发展中倍受关注。 本文通过对车辆牌照进行分析,得出一系列特征信息,并基于这些特征信息,应用图像处理和神经网络技术,研究了车牌识别的各项关键环节,包括汽车图像预处理、车牌定位,车牌图像二值化和字符识别等,设计并实现了一个车牌识别原型系统。 在对图像进行各种综合处理的基础上,利用图像灰度化、灰度拉伸、中值滤波、边缘检测的预处理方法,较好地消除了图像的噪音,强化了车牌区域。通过对车牌特征的研究,采用了基于窗口扫描搜索的车牌定位方法,并对此方法进行了优化。使用Hough变换搜索车牌外围轮廓线,进行车牌图像变换,实现了车牌的倾斜校正。采用全局动态迭代法求取阈值,进行车牌图像的二值化处理,分析讨论了全局动态迭代法中系数取值对车牌图像的影响。 利用车牌的模型特征,使用窗口扫描搜索的方法,提出了一种车牌字符分割的方法,实现了车牌字符的精确定位。应用字符的外围轮廓法和投影浓度法对字符的特征进行提取。应用神经网络的容错和自适应的特征,结合网孔法和扫描法对所识别的字符进行并行和串行的多识别融合方法识别字符。整个神经网络的识别是并行的,由汉字网络、字母网络、字母数字网络和数字网络四大部分组成。对字母网络和字母数字网络又用到串行的方法;有效地完成了字符的识别。