车牌自动识别LPR(License Plate Recognition)是指通过识别车辆车牌来自动认证车辆的身份。它是以特定目标为对象的专用计算机视觉系统。该系统能从一幅图像中自动提取车牌图像,自动分割字符,进而对字符进行识别。它是智能交通系统ITS(Intelligent Transportation Systems)的关键技术之一,在电子收费系统、城市交通监控系统以及特种车辆识别等方面都有广泛的应用。国内外有关学者穷数十年精力对此进行深入的研究,将图像工程、模式识别、人工智能、计算机视觉、计算机图形学以及相关的数学工具用于车牌定位、字符识别等方面,在理论和实践上取得了长足的进展。车牌自动识别第一步是获取尽量清晰的汽车图像,消除光线、阴影、天气等因素的影响;第二步是在获取的图像中确定车牌的位置,第三步是对车牌图像预处理,第四步是字符的切分及识别。本文从以上4个部分着手详细介绍了车牌自动识别系统硬件组成、软件结构、处理流程。对于某些关键算法进行了深入细致的研究,改善处理效果,提高识别率。本文详细论证了车牌图像预处理的方法,将多分辨分析(MRA)与样条函数卷积滤波进行了详尽的比较,结果表明,尽管Daubechies小波(n=4)的滤波效果优于Haar小波,但在多分辨分析的框架下都有同样的缺陷,即被虑除的低频分量都有明显的小方块,最终导致二值化图像的质量下降;而模板卷积滤波所得的低频分量,图像明暗过渡自然,不含小方块,其二值化图像质量明显优于小波滤波所得的图像。在此前提下,深入研究了样条函数,并提出了新的样条函数集,使其能够无限趋近高斯函数,从而在理论上阐明了样条函数与高斯函数的联系。同时推导了样条模板卷积滤波的简化计算公式,在进行样条模板卷积运算时,充分利用前一个卷积的计算结果,大大降低了计算量。本文提出了用于边界描述的一种新方法——双函数法,双函数法的主要思路是动点沿二维目标图像的边界匀速移动时,其横轴及纵轴上的投影形成两个时间函数,从而将任意的曲线转化为以时间为变量的参数方程。使用双函数法描述物体边界或曲线可以大大拓宽对边界或曲线的处理方法,可将傅立叶变换、小波分析等处理手段应用于对图像目标区域边界或曲线的处理。本文使用双函数法提取数字和英文字母笔划特征,收到了理想的效果。本文提出采用掩码技术开设特殊形状的窗口检测车辆的方法代替传统的感应装置,不仅简化了系统的硬件结构,同时较之通常的矩形、梯形、或直线组成的虚拟线圈而言,采用掩码技术可以更加精确地定义检测区域,从而有效地去除了树木,花草等复杂背景产生的影响,减少了误检。本文还对一些常规算法作出了改进,例如使用基于链表结构的算法替代递归算法,减少了系统资源消耗;采用改进的图像旋转错切算法,有效地消除了因舍入误差而造成的锯齿状纹理;提出了基于8邻域判别法的二值化图像滤波方法替代形态学运算,在对笔画宽度只有2-4个象素的字符进行处理时该方法可以在保留字符的基本笔画的基础上有效地消除宽度为1个象素的噪音点,从而避免形态学运算对于细笔画的过度影响。文章介绍了车牌自动识别系统的实现方法,包括车牌自动识别系统中的图像描述数据格式,车牌自动识别系统概况,及其运行平台、开发环境和相关工具软件。然后给出了车牌自动识别系统的识别结果。最后总结了本文的主要研究工作及进展和创造性的成果,对车牌自动识别技术的前景作了展望。