随着我国车辆的日益增多,城市交通状况日渐恶化,如何有效地对车辆进行管理越来越受到人们的重视。汽车牌照识别系统是近几年发展起来的基于数字图像处理和模式识别技术的智能交通管理系统。它可以广泛地应用于道路收费、交通监管等领域,能够提高工作效率、节约人力成本,具有巨大的经济价值和现实意义。车牌识别系统主要包括车牌定位、字符分割和字符识别三部分。本文针对这三部分分别进行了算法研究:(1)车牌定位部分,针对车牌字符具有丰富角点的特点和HSI彩色空间的优势,提出了基于Harris角点检测的彩色车牌定位算法。首先将图像由RGB彩色空间转换为HSI彩色空间并对其进行滤波处理;然后结合色调信息对饱和度进行角点检测;最后结合车牌自身特点,经过粗、细两次定位,搜索出车牌区域。该方法能够在复杂背景及各种天气条件下准确定位车牌,并且其系统开销较传统方法明显减少。(2)字符分割部分,首先利用角点信息求出倾斜车牌的倾斜角度并对其进行矫正;其次结合色调与饱和度信息用固定阈值对其进行二值化处理;然后采用水平及垂直积分投影法去除铆钉及边框等杂质的影响,并对剩余的车牌区域进行字符分割;最后对分割后的字符使用数学形态学进行修复。实验结果表明,以上方法可以在减少系统开销的同时,成功地将各种倾斜角度的车牌成功矫正,继而准确地将各个字符从车牌图像中分割出来,并能有效地对字符填充空洞消除毛刺。(3)字符识别部分,首先使用轮廓特征法对分割后的字符进行特征提取;其次根据车牌字符自身的特点构造了四种分类器;最后以一对一的多类分类方式,通过对惩罚因子和核函数参数的选取,采用RBF核函数支持向量机对单个字符进行训练和识别。实验结果表明,该方法在小样本的情况下具有出色的识别能力。