车牌识别系统(LPR)是智能交通系统的核心组成部分,广泛应用于交通部门的违章检测(电子警察)、高速公路自动收费和智能停车场管理等方面。车牌识别系统主要包含车牌定位、字符分割、车牌字符识别三个主要部分,综合了模式识别、人工智能、计算机视觉和数字图形图像处理等多个学科领域。本文针对复杂环境多车牌定位及识别相关技术进行研究,主要工作包括:(1)车辆图像识别前进行预处理工作。在车辆图像灰度化后,通过对多种清晰化方法的比较,提出了一种插值自适应直方图均衡化和高斯滤波相结合的方法,对复杂环境下车辆图像进行清晰化,最后用垂直算子进行边缘检测,更有利于多车牌的定位。(2)提出了一种基于感兴趣区域的多车牌自动定位算法。该算法首先根据车牌边缘间距特征进行粗定位,把粗定位的结果作为感兴趣区域;接着再根据车牌区域灰度变化和车牌纹理特征,对“感兴趣区域”进行多层检测,进一步确认车牌区域;并对定位后的车牌进行倾斜矫正。该算法能对图像中多个车牌定位,且定位准确率高,定位速度快。(3)提出了一种基于改进的弹性模板匹配法对车牌数字字母进行识别。该算法将每一个模板在待识别图像中的某个小范围内进行适当的移动和变形,并计算两者之间的最小欧氏距离;当所有模块都按相同的算法与待识别图像匹配完,具有最小欧氏距离的匹配则为最佳匹配,视为最终的匹配结果。该算法能很好解决实际应用中的车牌图像字符变形、缺损等情况带来的问题,并同时与Gabor汉字特征提取识别方法相结合对车牌字符进行有效识别。(4)采用面向对象的设计方法实现了车牌识别的原型系统,从实际运行中验证了上述方法的有效性。