本文讨论机器视觉技术在智能交通系统(ITS)中的应用。侧重于车辆牌照 识别、交通流量检测和最短路径计算的理论研究与实现技术等。 本文首先研究和分析了基于特征的最大似然聚类方法及其在图像分割和牌 照识别中的应用。分析了该方法的收敛性和计算复杂度。经过30余幅汽车照片 和30余幅牌照图像的实验表明，该方法适用于车辆牌照分割和牌照识别字符二 值化，优于Otsu方法和本文提出的其他方法。 利用汽车保险杠下有阴影区域这一特征为指导，提出一种基于阴影检测的 牌照定位算法：找出保险杠下阴影区域，由阴影区域指导找出保险杠区域，进而 完成车辆牌照定位。分割成功率为96.7％。费时0.1秒到0.2秒。 在分析车辆牌照特点及牌照定位的图像分割方法特点的基础之上，提出了适 于牌照分割的快速二值化算法——黄金分割法。 本文研究了牌照字符识别的有关问题，并提出了相应的算法。一幅牌照字 符识别时间在0.1秒左右。提出一种牌照字符图像快速二值化算法，对一幅牌照 进行二值化费时在0.01秒以下。实验表明，该方法优于Otsu方法和Bernsen算 法。我们借助牌照字符固定宽度、间距等先验知识，较好地解决单字切分问题。 实验表明字符切分准确率几乎为100％。采用笔划密度特征和粗外围特征识别牌 照上的字符。 改进了交通流量检测的计算机视觉系统；提出一种基于车尾定位技术的车 辆速度检测方法；完成高架道路交通流量检测系统。 本文提出一种新的能量函数-优化约束条件能量函数的神经网络方法求解 TSP问题，具有计算速度快、不易陷入无效解、易获得优化解等特点。由于神经 网络方法求解TSP问题还存在对参数A，B，C，D，U0，神经元初始值以及城市 距离分布的敏感性，往下还有很多工作要做。 关键词：机器视觉、模式识别、图像分割、牌照识别、字符识别、