Matlab车牌定位技术研究与实现(2)
结 论 24
致 谢 25
参考文献 26
1 绪论
1.1 课题背景
智能交通系统己成为当前交通管理发展的主要方向，而车牌识别技术作为智能交通系统的核心，起着举足轻重的作用。车牌识别系统是在装备了数字摄像设备和计算机信息管理系统等软硬件平台的基础之上，采用先进的图像处理、模式识别和人工智能技术，通过对图像的采集和处理，完成车牌识别的功能。
目前车牌识别（License plate recognition）技术已成为公安执法系统、高速公路自动收费系统、城市道路监控系统、智能停车场管理系统等诸多相关应用系统的重要一环可以大大简化人的劳动量，消除人为干扰，减少乃至杜绝出错的可能。相对于射频信号识别和条形码识别技术，有两大优点：（1）不需要在汽车上安装专门的条形码或射频识别标识；（2）LPR系统本身是基于视频技术的识别系统，可方便地进行图像回放、检索。
车牌识别技术的主要用途有：
城市交通：交通路口流量统计；
智能交通违章监摄管理（电子警察）；
高速公路：自动收费，自动车辆登记，违章记录；
公安系统：肇事、失窃、犯罪车辆监控；
军事要塞、机关、宾馆：车辆自动化管理；
停车场及居民小区：进出车辆管理，自动计费。
而车牌区域定位则是车牌识别系统的基础，是车牌识别系统成功与否的决定因素。
目前在国外，对于车牌自动识别系统已有比较深的研究，识别率已经达到很高的水平，识别系统逐渐实用化，但是相对成熟的软件仍然比较昂贵。在国内，也有很多大学正在研究车牌自动识别技术，并已有较大成果。
随着我国汽车数量的迅速增加，我相信车牌自动识别技术具有广阔的前景和重要的现实意义。
1.2 车牌定位技术的现状
车牌自动识别的过程主要分成四个步骤：图像的预处理、车牌区域定位、字符分割、字符识别。目前这四部分的研究情况大致如下：
1.2.1 车牌定位
主要方法有：
1.基于图像彩色信息的车牌定位方法
该方法是根据不同颜色车牌出现的概率，合理利用投影技术，进行统计分析，而后定位和分割出车牌。该算法具有速度快、准确率高、适应性强等特点。但是，该方法在车牌区域颜色与附近区域颜色非常相近时，车牌的定位误差会有所增加。
2.基于纹理的分割的车牌定位方法
利用字符纹理定位车牌，对于光照偏弱、偏强或不均匀，牌照倾斜和变形等情况定位较好。但应用于背景复杂的图像时，很容易把一些纹理分布比较丰富的其他非车牌区域也定位进来，产生包含真车牌在内的较多的车牌候选区域。通过结合垂直投影的方法可以弥补纹理分析法的不足。
3．基于边缘检测的车牌定位方法
所谓“边缘”就是指其周围像素灰度有阶跃变化的那些像素的集合。“边缘”的两侧分属于两个区域，每个区域的灰度均匀一致，而这两个区域的灰度在特征上存在一定的差异。边缘检测的任务是精确定位边缘和抑制噪声。检测的方法有多种，例如Roberts 边缘算子、Prewitt 算子、sobel算子以及拉普拉斯边缘检测。这些方法正是利用物体边缘处灰度变化剧烈这一特点来检测图像的边缘。各算子对不同边缘类型的敏感程度不同， 产生的效果也不同，经过大量实验分析可知，Roberts边缘算子是一种利用局部方差算子寻找边缘的算子，定位比较精确；Prewitt算子和Sobel算子对噪声有一定的抑制能力，但不能完全排除伪边缘；拉普拉斯算子是二阶微分算子，对图像中的阶跃型边缘点定位准确且具有旋转不变性，但容易丢失一部分边缘的方向信息，同时抗噪能力较差。针对不同的环境和要求，选择合适的算子来对图像进行边缘检测才能达到好的效果。