车牌识别技术作为智能交通系统中的一项核心技术,在高速公路收费、车辆安全防盗、停车场出入管理等领域都有非常广泛的应用。在低照度环境下,车牌的边缘和颜色信息不明显,使用传统的方法难以有效地进行检测和识别。针对这种情况,本文研究了一种低照度环境下的车牌识别新方法,具体工作如下:在车牌检测模块,本文采用一种基于改进最大稳定极值区域的车牌检测方法。首先通过改进的最大稳定极值区域检测算法来提取字符候选区;然后按照标准车牌字符的几何特性做初筛选;接着使用一个文字分类器做进一步筛选,并根据分类概率选定强种子,依照种子生长法在强种子周边搜寻弱种子;再判断是否存在缺失字符,若存在还需增加一个滑动窗口来寻找缺失的字符;最后通过支持向量机分类器来确定真正车牌区域。在字符分割模块,本文通过对传统的垂直投影法进行改善从而完成字符分割操作。首先用改进的大津阈值法对定位到的车牌进行二值化操作;然后去除车牌的上下边框和铆钉;接着用改进的垂直投影法对车牌区域进行粗分割操作;最后基于字符的先验知识完成精确分割。在字符识别模块,本文采用自适应差分进化极限学习机训练的模型来识别车牌字符。该方法利用自适应差分进化算法来优化极限学习机网络的输入权值与隐层偏差,并结合改进的局部二值模式特征来训练最后的分类器。实验结果表明,本文所研究算法在低照度环境下能够获得较好的车牌检测与识别效果,在满足系统实时性的前提下还能适应于其他的复杂环境中,为车牌识别提供了一种新的思路。