摘要：近年来，人们的生活品味日趋进步，汽车也逐步变成人们喜爱购置的出行工具之一。然而随着家庭汽车的普及，其带来的问题诸如：道路拥挤、交通事故等也逐渐引起群众的广泛关注。为了缓和这些问题，对智能交通系统的钻研逐步引发人们的正视。而车牌辨认作为智能交通系统的主要组成部分，其作用更是不言而喻。车牌定位、字符分割、车牌字符的识别，这三个步骤在车牌识别系统中环环相扣缺一不可。车牌字符识别作为车牌识别系统最后也是最重要的部分，其好坏决定能否实现车牌识别系统的正确输出结果。
首先，本文探讨了车牌图像的预处理过程。将采集到的彩色车牌图像进行单一分量法灰度化，选用红色作为分量，其灰度化效果更佳。得到灰度化车牌后，依次进行图像增强、去噪、校正倾斜度、二值与归一等一系列过程，最终获得了比较清晰的高质量车牌图像，为后文的车牌字符识别奠定了良好的基础。
接着，研究了车牌字符的识别算法。我国车牌字符识别的难点就在于它并不是单一的数字与字母的组合，它还包括了汉字。因此在车牌字符识别这一方面，我们还需添加对汉字的识别。目前有几种常见的车牌字符识别算法例如：AdaBoost算法、基于神经网络与支持向量机的算法、传统的模板匹配方法等，它们或实时性不高或计算量大或无法处理多分类问题。因此本文根据原有的传统模板进行改进，首先对字符进行网格特征提取与结构特征提取并基于距离度量最小原则和特征加权与模糊匹配规则相结合的两种方法来进行车牌字符的模板匹配。
然后，通过Matlab软件平台完成对车牌的字符识别。首先采用Robert算子检测车牌边缘再通过数学形态学的方法进行车牌图像处理，实现了对车牌的精准定位。在车牌分割这一部分，根据我国车牌的规格、颜色特点，采用基于先验知识的车牌字符分割方法，从而获取了清晰的分割图像。最后比较了字符特征提取模板匹配与特征加权模板匹配两者的优缺点，发现如果仅仅进行特征提取而不进行特征加权调整，车牌的识别率将受到外界因素的干扰，其鲁棒性较差。所以本文在提取字符特征后又进行了算法的改进，进行特征的加权处理，让车牌的特征更加明显，更有利于最后的字符识别。
本文在原有的传统模板匹配的基础上加入了字符特征的提取，提高了车牌字符的识别率。在此基础上，进行了特征加权处理，提高了车牌字符识别技术的抗干扰性。所以本文的车牌识别算法具有较强的抗扰性与实时准确度。
关键词：字符特征提取、特征加权、模板匹配、车牌字符识别、图像预处理
目录
摘要
ABSTRACT
第一章 绪 论-1
1.1课题的研究背景和意义-1
1.2国内外研究现状-1
1.3 我国车牌的主要特点-2
1.3.1我国车牌的组成要素-2
1.3.2 我国车牌的颜色种类-2
1.3.3 我国车牌的尺寸-2
1.4 本文研究的主要内容-3
1.5本文章节安排-3
第二章 车牌图像的预处理-5
2.1 车牌图像的预处理-5
2.2 车牌图像灰度化-5
2.2.1 图像灰度化算法-5
2.2.2 灰度化效果图-6
2.3车牌图像增强-7
2.3.1空域增强-7
2.3.2频域增强-7
2.3.3直方图均衡化-7
2.3.4 图像去噪-9
2.4 车牌图像二值化-10
2.4.1车牌图像二值化效果-10
2.5 车牌图像倾斜校正-11
2.5.1车牌图像倾斜的情况-11
2.5.2 车牌图像倾斜校正的方法-11
2.5.3 车牌图像的倾斜校正效果-11
2.6 车牌图像归一化-13
2.6.1 车牌图像归一化的方法-13
2.6.2 车牌图像归一化的效果-13
第三章 车牌字符识别算法的研究-15
3.1 我国车牌字符识别技术的难点-15
3.2常见的车牌字符识别算法-15
3.3 车牌字符识别算法的具体分析-15
3.3.1 AdaBoost法-15
3.3.2 支持向量机法-16
3.3.3 神经网络法-16
3.4 几种车牌识别算法的比较-17
3.5 本文车牌字符识别方法-17
3.5.1 传统的模板匹配法-17
3.5.2 基于字符特征的模板匹配-17
3.5.3特征加权模板匹配-19
3.5.4 本文字符识别算法流程-21
第四章 车牌字符识别的实现-22
4.1车牌字符定位-22
4.1.1车牌字符定位的常见算法-22
4.1.2 Robert边缘检测-22
4.1.3基于数学形态学的车牌定位-22
4.1.4车牌定位的结果-23
4.2 车牌字符分割-24
4.2.1常见的车牌字符分割方法-24
4.2.2 车牌字符分割步骤-24
4.2.3车牌分割结果-25
4.3 车牌字符识别-25
4.3.1 基于特征提取的模板匹配-26
4.3.2 基于特征加权的模板匹配-26
4.3.3 两种方法的比较-26
4.3.4 软件平台的介绍-26
4.3.5 车牌字符识别流程-27
4.3.6 车牌字符识别结果-27
第五章 总结与展望-30
5.1总结-30
5.2展望-30
参考文献-31
致 谢-33
提示：本站支持手机（IOS，Android）下载论文，如果手机下载不知道存哪或打不开，可以用电脑下载，不会重复扣费
