车牌识别系统是现在智能交通系统的重要组成部分,在交通监控、交通管理等方面发挥着重要的作用,是近年来计算机视觉和模式识别技术在智能交通领域应用中的重要研究课题之一。随着汽车的普及,车牌识别系统的性能显得日益重要,在理想无噪声环境下的车牌识别系统已经无法满足当前的需要,开展噪声环境下车牌识别技术研究,对于提高识别准确率具有重要意义。本文紧密围绕噪声环境下的车牌识别进行研究。先对车牌噪声的来源、图像噪声模型以及图像去噪的方法进行分析,再对车牌识别的关键技术进行研究,主要包括车牌图像预处理、车牌区域定位和车牌区域分割、车牌字符分割、车牌字符识别等技术。通过对传统车牌识别方法进行深入分析和研究,本文提出了一套较为完整的车辆牌照识别流程及算法。首先对输入图像进行预处理,包括颜色空间转换、自适应去噪、辐射校正,去除噪声等不利因素的影响,将图像转换为适合后续车牌定位、识别的图像。然后进行基于边缘提取和形态学处理的车牌初定位,再进行基于颜色的车牌分割。对于边缘提取,通过对比各经典边缘提取算子对噪声的敏感度,选取既对噪声不敏感又能有效提取出车牌边缘的sobel算子。紧接着对获得的车牌图像进行倾斜校正和自适应二值化处理,利用提出的移动窗口投影法对字符进行分割,有效的减小噪声的影响。最后,对字符图像作归一化和字符笔画粗细处理,选取具有较强鲁棒性的相关匹配法对字符进行识别。利用matlab进行系统仿真实验。实验结果表明,在各种强单一噪声和强混合噪声下,本文设计的系统字符正确识别率可达到90%以上,能有效的去除强噪声的干扰,适应噪声环境下的车牌识别,具有较强的鲁棒性。