车牌识别技术在高速公路车辆管理,停车场管理,交通违规管理等方面得到了广泛应用。将运动中的汽车牌照从复杂的背景中提取出来,经过车牌提取、图像预处理、特征提取、车牌字符识别等技术实现车牌的识别、记录以及显示。目前车牌识别技术面临的最大问题是在能见度低,天气环境变化大的情况下识别能力下降,准确率变低,严重影响正常的车辆管理。针对上述问题,本文提出了一种新的基于Otsu(大津法或最大类间方差法)性质和准则的降维阈值算法。该算法并不对二维图像信息进行大量的计算,而是根据Otsu准则及性质将二维直方图降维成两个一维直方图,分别对两个一维直方图利用Otsu准则的性质进行快速运算,从而得到二维直线阈值分割法所需要的阈值点,由此得到一条阈值直线,根据这条阈值直线在二维直方图中对图像进行划分。该算法抗噪性能稳健,比基于二维Otsu法中的直方图法和二维直线阈值法耗费时间更少,而且过程更简单,适用于实时应用中。根据以上图像识别的理论基础、算法分析以及本文提出的新算法,设计出新的基于FPGA的车牌识别系统。借助Quartus II软件搭建软硬件系统平台,设计车牌识别算法的各个相关模块以及总线,将各个模块与总线之间连接起来,实现数据通信传输。验证本文提出的基于Otsu准则和性质的降维阈值算法的有效性,提升整个车牌识别系统的识别准确率及系统处理速度。实验表明,本文提出的新算法在基于FPGA的车牌号识别系统中有效可行,在复杂的天气条件下或者在干扰较多的情况下,能够对目标车牌进行完善的二值化,以及更加准确有效的车牌定位,最终达到良好的识别效果。