摘 要
车牌识别（License Plate Recognition，LPR）系统是智能交通的重要组成部分，主要应用在电子计费领域，例如高速公路不停车收费、停车场管理、多用途收费系统。虽然LPR系统已发展多年，但由于光照变化范围大、图像背景复杂等原因，仍有许多技术难点未能解决。本文对LPR系统中的车牌定位、颜色分类、字符分割和字符识别四个方面的内容进行了系统的研究，设计并实现了相应的算法，以期解决LPR系统的技术难点，主要研究成果与创新如下：
本文从车牌纹理的分形特征出发，提出了基于有向分形参数的车牌定位算法。对定位算法的鲁棒性进行了深入的分析，讨论了模板尺寸和相对像素距离这两个重要参数的选择原则。实验结果表明，该算法效果良好。
将HSV彩色模型引入车牌颜色分类研究，分析了各类车牌H图和S图灰度分布的特点，在此基础之上，结合直方图特征分析方法，提出了基于HSV模型和直方图特征值的车牌颜色分类方法，通过算法的设计实现了车牌颜色分类。
利用旋转投影法寻找车牌倾斜角度，然后用双线性插值进行车牌图像倾斜校正。对校正后的图像进行二值化以及垂直投影，利用车牌几何特征从投影图中寻找各个字符的位置以实现字符分割。
研究了提取字符旋转不变特征的Zernike矩字符识别方法，以及利用扩展模板模拟字符平移的字符识别方法。分析了两种方法的优缺点，并根据具体情况给出了改进方案。在此基础之上，采用以Zernike矩和扩展模板匹配为主，传统模板匹配为辅的多分类器融合的字符识别算法，实现了车牌字符识别。
关键词： 分形参数 颜色模型 倾斜校正 Zernike矩 车牌识别