全文总字数：5016字
一 前 言
伴随着我国的汽车行业的迅猛发展，对于汽车的管理势在必行，针对这一情况，对汽车的智能化管理应运而生。所谓的智能交通系统，是指在较完善的基础设施（包括道路，机场）之上将先进的通信技术和计算机技术和系统综合技术有效的集合并应用于地面交通运输系统，从而建立起来在大范围发挥作用的，准确，高速，实时的交通运输系统。车辆牌照定位与识别是计算机视觉与模式识别技术在智能交通领域应用的重要研究课题之一，该技术应用范围非常广泛，其中包括：（1）小区车辆管理；（2）交通控制与诱导；（3）机场、港口等出入口车辆管理；（4）小区车辆管理；（5）闯红灯等违章车辆监控；（6）不停车自动收费；（7）道口检查站车辆监控；（8）公共停车场安全防盗管理；（9）计算出行时间；（10）车辆安全防盗、查堵指定车辆等。它的潜在在市场应用价值极大，有能力产生巨大的社会效益和经济效益。
车牌识别系统作为智能交通系统最重要的子系统之一，是指对公路上配置的摄像头所拍摄的照片进行数字图像处理与分析对汽车图像进行平滑、二值化、模糊处理、边缘检测、图像分割等利用多种手段实现车牌定位，识别，分割最终完成对车牌的识别。车牌识别系统的用途很多，在高速公路收费站、路口监测(电子警察)、大型停车场等场所具有广阔的发展前景。由此可见，对车牌自动识别系统的研究有重要的现实意义。
二 国内外研究现状
车牌自动识别系统起源于 20 世纪 80 年代，那时候主要是应用在被盗车辆的检测，还没有形成一套完整的识别系统。到了 80 年代，出现了一些用于车牌自动识别的图像处理方法，那时只是针对一些特定的问题采用简单的图像处理技术来实现。到了 20 世纪 90 年代，随着计算机视觉技术的发展以及计算机计算性能的提高，才兴起了车牌的自动识别研究热潮，欧美的一些国家率先开始了车牌识别系统的研究工作。
国外学者具有代表性的研究工作有： 詹森等在 1990 年提出了利用图像分割来实现车牌自动识别，系统主要由特征提取、模板构造和字符识别三个部分组成，该系统可以实现车牌的自动识别，具有开创性的意义。R.Mullot等在 1991 年利用文字纹理的特性对车牌和集装箱上的文字进行定位和识别，开发了一套包含车牌识别和集装箱识别于一体的识别系统。EunRyung等于 1995 年利用图像中的颜色分量实现对车牌的定位和识别，也得到了比较高的识别率。Tindail在1997年开发了一套利用车牌反光原理而实现的车牌识别系统。R.Paris在1998年结合人工神经网络和 DSP 开发出了一套车牌识别系统，向真正的市场应用打下良好的开端。现有国外技术比较成熟而且应用广泛的的产品主要有：以色列 Hi-Tech 公司研发的 see/Car 系统系列，香港 Asia Vision Technology 公司研发的 VECON 系列，新加坡 Optasia 公司研发的 VLPRS 系列。其中，VECON 系列和 VLPRS 系列主要适合于香港和新加坡地区的车牌。See/Car Chinese 系统能够对中国内地大部分地区的车牌类型进行识别，但是对于车牌字符中的汉字却无法进行识别，因此不能直接应用于我国的车牌识别。
国内在车牌识别方面的研究开始于 20 世纪 90 年代，取得了一定的成效并且日趋成熟，车牌识别率可达到 95%左右。国内比较好的定位算法有基于车牌字符变化特征的自动扫描识别算法，但由于车牌多具有不同的色彩，且多与牌号、车身、车辆背景不同，因此基于颜色来研究车牌的定位成为了车牌定位方法的一种新思路。尽管在车牌的彩色定位方面的研究还不十分成熟，但有些人做出了一些有益的探索。赵雪春等提出了一种采用色彩分割及多级混合集成分类器的车牌自动识别方法，该方法采用多层感知器网络 (MLPN)将具有均匀色度空间的彩色图像进行色彩分割，再利用投影法分割出潜在的各种底色的车牌区域。郭捷等车牌图像从 RGB 颜色模型转换为 HSV 颜色模型，利用颜色空间距离和相似度计算，得到满足车牌颜色特性的区域，再利用纹理及结构特征对分割出的颜色区域进行分析和进一步判断，确定车牌区域。任仙怡等将图像从 RGB 颜色模型转换到 HSI 颜色模型，再结合区域融合的方法定位车牌区域。这些人在这方面做出一些有益尝试，但这些方法受环境光的影响较大，特别是偏色光线的影响，并且对计算机性能的要求也比较高。
虽然上述各种车牌定位方法都具有一定的实用性和参考价值，但大都不完善，具有一定的针对性和局限性，背景要求比较简单，基本属于单一车辆情景，不能满足当今背景复杂、车牌多、干扰多等实际场合应用要求。因此对实用的复杂背景下的车牌定位方法需要做进一步研究，需要解决如下一些难点：
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
