车牌识别技术(Vehicle License Plate Recognition)综合了计算机视觉技术和模式识别技术,在智能交通系统(Intelligent Traffic System,简称ITS)中占有重要的地位。车牌自动识别系统可以广泛应用于公路和桥梁收费站、停车场管理、城市交通监控系统、港口和机场等车辆认证的实际交通系统中,以提高交通系统的车辆监控和管理的自动化程度,具有较高的实用价值和经济价值。车牌自动识别系统一般包括图像预处理、车牌定位、字符分割和字符识别等几个环节,本文分别对各个环节的已有方案和算法进行了比较和研究,提出了适于DSP实时实现的新方法,并通过C/C++语言编程在PC机上仿真通过。为了满足实时性要求,避免对整幅图像进行二值化耗时较长且阈值选取困难的缺点,直接在预处理后的灰度图像中定位车牌,然后对粗定位出的车牌二值化。同时,提出了一种基于改进的行扫描方法和数学形态学相结合的车牌定位方法:首先基于车牌区域的灰度跳变特征利用行扫描方法进行粗定位,再对粗定位得到的数个可能车牌区域二值化后,运用数学形态学方法精确定位,并根据车牌的先验知识排除伪车牌区域。实验表明该方法能够快速有效地搜索和定位车牌。对倾斜的牌照进行校正,并分割出单独的字符后,针对车牌字符的排列特征,设计了四种分类器分别对汉字、数字、字母、字母+数字进行识别。对于单纯的汉字、数字、字母等待识别字符,主要提取其粗网格特征与标准字符进行匹配,以最小欧氏距离为判别准则进行识别;对于数字+字母识别,由于存在相似字符,采用了分类器串联集成的思想,当依据粗网格特征无法正确分类时,提取字符的结构特征以及其它统计特征进行细分类。对于汉字还尝试提取其分形维数作为识别特征。实验表明,本文提出的汉字识别方法识别率在85%以上,非汉字字符识别率超过95%。从图像读取到识别结果输出,PC机的仿真运行时间不超过600ms,基本可以满足实时性要求。