随着我国公路交通事业的迅速发展,智能交通管理系统已成为了人们关注的焦点问题。车辆牌照识别系统作为智能交通管理系统的一部分在桥梁路口自动收费、停车场自动管理及违章车辆自动记录等领域都有着广泛的应用。车辆牌照识别系统作为一个综合的实时计算机视觉系统主要包括车牌照定位分割和车牌照字符识别两个部分。它的研究主要涉及模式识别、人工智能、计算机视觉、数字图像处理等众多学科领域。车牌照的定位与分割是该系统的关键步骤之一,由于图像场景的复杂性以及车牌位置和图像质量的不可预知性,牌照定位分割系统一直都未能做到令人满意的程度,所以车牌照的定位分割算法一直是该领域的研究热点。本文主要对车辆牌照识别系统中的车牌定位与字符分割技术进行研究。在讨论了国内外研究现状的基础上,本文主要完成了以下四方面的工作:1.提出了一种车流图像预处理方法。该方法首先利用彩色边缘算子ColorPrewitt提取了图像的水平边缘,然后利用全局阈值法对梯度图像进行二值化,最后对二值梯度图像进行形态学水平膨胀。通过上述操作,车牌区域得到很好的突出。2.在车牌定位阶段,本文提出了基于连通区域水平聚类的车牌粗定位方法。该方法充分考虑了梯度图像中车牌字符的水平相关特征,实验中得到了很高的车牌召回率。此外,本文还利用了车牌区域的梯度形态特征和配色特征完成了车牌精确定位,得到了满意的定位结果。3.在车牌字符分割阶段,本文采用一种基于多尺度模板匹配的车牌字符分割方法。该方法充分考虑了我国车牌的结构特征,具有鲁棒性强、切分准确率高的特点,其对于模糊车牌的切分也取得了很好的效果。此外,本文还提出了基于最大连通域的字符图像去噪方法。4.在实验数据的分析阶段,本文对不同环境下所拍摄的车辆图片和视频等大量实验数据进行了反复测试,统计出不同测试样本的识别率,并系统地分析了车牌的不同特征对车牌定位的影响。实验表明,本文提出的车牌定位与字符分割算法对于背景和光照的限制较少,牌照区域的定位与切分准确、快速,能够满足实际应用的需要。