車牌識別方法的研究
車牌識別系統主要包括車牌定位、字符分割、字符識別等工作模塊，同時系統統自身具有良好的維護性和擴展性，可在無需為車輛加裝其他特殊裝置情況下實現對車輛的自動檢測。
車牌定位方法的研究
車牌定位就是把車牌區域完整的從壹副具有復雜背景的車輛圖像中分割出來，它是解決圖像處理中的實際問題，其方法多種多樣，當前最常見的定位技術主要有：基於邊緣檢測的方法、基於彩色分割的方法、基於小波變換的方法、遺傳算法和人工神經網絡技術等。
基於邊緣檢測的車牌定位方法：在對車牌進行定位前，先將汽車圖像通過灰度變換、直方圖均衡化等增強預處理，再經二值化，最後利用邊緣檢測算子對圖像進行邊緣檢測。檢測到邊緣後在進行區域膨脹，腐蝕去無關的小物件，這時圖像會呈現出多個連通的判斷區域，最後找出所有連通域中最可能是車牌的那壹個便可 。
基於色彩分割的車牌定位方法：主要由彩色分割和日標定位等模塊組成，在進行色彩分割前，要先將原始圖像從RGB色彩空間轉換到HSV空間，再在HSV空間內進行色彩分析。具體的分割運算：依次將四種車牌底色中壹種為基準，對圖像中每壹像素先對照表1進行色彩分量比較，對超出基準色限定範圍的像素直接設置為背景色（白色），否則統計所有落在該區間內的像素三分量的均值，作為分割計算的顏色中心，再對所有區間範圍內的像素計算其與顏色中心的色彩距離，若距離大於閥值，則設置為背景色，否則設置為日標色（黑色）
由於圖像背景的復雜性，色彩過濾後的圖像仍然可能包含多個可能的目標區域，需進壹步使用車牌體態比特征對多個目標區域進行過濾。
基於小波變換的車牌定位方法：先將車輛圖像轉換成索引圖像，然後對索引圖像作用小波變換，獲取圖像在不同子帶的小波系數。車牌識別特征提取就是基於汽車圖像在小波變換後的LH高頻子帶，根據圖像中車牌區域的小波系數幅值大、密度高的特點，可以通過作用壹個閾值來濾掉非牌照候選區域的小波系數。通過小波尺度分解提出紋理清晰且具有不同空間分辨率、不同方向的邊緣子圖；再利用車牌日標區域具有水平方向低頻、垂直方向高頻的特點實現子圖提取，最後用數學形態學方法對小波分解後的細節圖像進行壹系列的形態運算，進壹步消除無用信息和噪聲，以確定車牌位置。
基於遺傳算法的車牌定位方法：車牌日標區域的主要特點有車牌底色往往與車身顏色、字符顏色有較大差異；另外牌照的長度比變化有壹定範圍，存在壹個最大和最小長寬比。根據這些特點，可以在灰度圖像的基礎上提取相應的特征。還有車牌內字符之間的間隔比較均勻，字符和牌照底色在灰度值上存在跳變，而字符本身與牌照底的內部都有較均勻灰度。又由於車牌有壹個連續或由於磨損而不連續的邊框，車牌內字符有多個，基本呈水平排列，所以在牌照的矩形區域內存在較豐富的邊緣，呈現出規則的紋理特征，因此在實際中我們只要先對彩色圖像進行灰度化和二值化處理，采用反映不同疏密度的壹維濾波器組在水平方向對二值圖像進行濾波便可獲得車牌圖像的紋理特征向量，再對待定局部區域圖像進行濾波處理獲得其特征向量，將其與車牌特征描述向量進行比較就能得到該區域作為車牌區的可能性。
采用神經網絡實現車牌定位算法：可采用對灰度圖像直接感知的方法實現，即使用壹個滑動窗口作為采樣窗口(可根據車牌特征選擇長條形或狹長形滑動窗口)，在灰度圖像上依次移動，將窗口覆蓋下的圖像塊作為神經網絡的輸入，所采用的BP網絡是3層全連接前饋網絡，其輸入層神經元數日為滑動窗口的尺寸，其輸出層神經元數日為l。當輸出接近二分之壹時，表示滑動窗口下的圖像塊屬於車牌區域：當輸出接近二分之壹時，表示滑動窗口下的圖像塊屬於背景區域。此算法的樣本集的選擇和搜索策略都是很重要的，這都會對定位效果有影響，因此首先要對車牌和北京交替反復采樣，並且要在所選圖像中盡量包括各種不同光照條件、背景復雜度和牌照顏色，以有利於網絡實現泛化，這樣可以加強網絡的容錯性；而對於搜索策略而言，由於車牌壹般位於圖像的中下方，因此壹般采取白下而上遍歷，這樣不容易誤將車型標誌處定位為車牌區域，並且當遍歷圖像後出現不止壹個候選車牌區域的時候，也應優先考慮最下的候選車牌區域。另外，由於神經網絡具有壹定的容錯性，對於傾斜角度較大的車牌，要在神經網絡處理之前先進行水平校正。
字符分割方法的研究
字符分割的任務是把多行或多字符圖像中的每個字符從整個圖像中切割出來成為單個字符。字符分割的算法很多，通常根據處理對象的不同采用不同的算法。常見的方法主要有：模板匹配法、水平投影法、聚類分析法、基於自適應退化形態特征的圖像分割法等，在這裏我們詳細闡述前三種方法。
模板匹配法：此方法先在二值圖像上計算豎直積分投影的平滑曲線，搜索平滑曲線的局部最小值得到壹個波谷位置序列；再將相鄰兩個波谷分別作為左右邊界提取出壹組矩形區域；最後，根據壹定的規則對矩形區域進行刪除、分裂、合並及調整大小，從而實現對車牌區域的單字符分割。
水平投影法：此方法先自下而上再白上而下對車牌區域圖像進行逐行掃描，找到並分別記錄下掃描到的第1個白色像素點位置，確定圖像大致的高度範圍；在此高度範圍之內再自左向右逐行掃描，遇到第1個白色像素時認為是字符分割的起始位置，然後繼續掃描，直至遇到沒有白色像素的列，則認為是這個字符分割結果。重復上述過程，直至圖像的最右端，得到每個字符比較精確的寬度範圍：在已知的每個字符比較精確的寬度範圍內，再分別進行自上而下和白下而上的逐行掃描來確定每個字符精確的高度範圍。
聚類分析法：此方法是按照屬於同壹個字符的像素構成壹個連通域的原則，再結合先驗知識，字符的高度、間距的固定比例關系等，來逐個分割車牌區域中的字符的。