文献综述
车牌识别系统是计算机视频图像识别技术在车辆牌照识别中的一种应用。车牌识别技术要求能够将运动中的汽车牌照从复杂背景中提取并识别出来。车牌识别技术一般分为图像预处理、车牌定位、车牌字符分割、车牌字符识别四个步骤，实现识别车辆牌号、颜色等信息的功能。
- 图像预处理
- 灰度处理
采集到的车辆图像大部分为真彩色图像，在研究领域又被称为RGB图像，其中蕴含极其丰富的彩色信息。我们肉眼看到的每一种颜色都包括R(红)、G(绿)、B(蓝)，只不过组成色彩的分量不同。彩色信息在处理过程中，运算量巨大，在此基础上引入灰度化图像处理技术，图片灰度化指的是没有色彩信息只有强度信息的图片。对车牌的彩色信息实施处理，主要是对其灰度转化，目的是减少后面需要处理的数据量。
- 二值化处理
二值化处理指的就是把灰度图像转化成只有黑白两种颜色的二值图像。对灰度图进行二值化处理的关键是要确定-一个合适的阀值，使目标图像和背景能够分割开来，并且所得到的结果图像应具有良好的保形性。
二、车牌定位
- 基于特征提取的方法
基于特征提取的方法，又可分为基于灰度特征的方法和基于颜色特征的方法。其中，基于颜色特征的方法无法正确定位受到光照影响、分辨率低和不清晰的车牌图片。此外，图片中有些区域的颜色与车牌区域的颜色类似，此种情况下，基于颜色特征的方法存在错误定位车牌问题。车牌区域的灰度特征包含了足够多的可以用来进行车牌定位的信息，但是基于灰度特征的车牌定位方法需要大量的计算时间。
- 基于模式识别的方法
模式识别是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程。基于模式识别的车牌定位方法在训练集上进行训练，然后对其他车牌的图片进行检测。
3.基于深度学习的方法
深度学习是一种特殊的机器学习。深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据。以R-CNN、Fast R-CNN、Faster R-CNN为代表的经典2-stage方法，和以YOLO、SSD为代表的经典1-stage方法可以达到很好的车牌定位效果。
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。
