部分，软件则包含了图像预处理、车牌获取、字符分割以及字符识别四个主要模块。一个完整的车牌识别系统主要结构如图1.1所示：
图 1.1 车牌识别系统结构图
1.3 车牌分割和数字识别的发展历史和现状
自1988年提出车牌识别（License Plate Recognition，LPR）技术以来，人们己经对其进行了广泛的研究，而近些年来，车牌识别的技术发展迅速，就识别基础而言，主要可以分为基于IC(即无线电频率鉴别（REID）)或是基于条码识别的间接法和基于图像车牌识别的直接法。原始的图像采集，由于受到外界环境中光线差异、光路中灰尘密度差异、季节环境变化的影响，以及车牌本身比较模糊等诸多客观因素影响，使得LPR技术的发展受到一定的限制。为了解决图像的恶化等问题，国内外的许多研究机构、高校以及公司企业采取的主要采用的方法是主动红外照明摄像或使用特殊的传感器来提高图像的质量，从而提高识别率，但这种做法的同时也使得投资的成本加大了不少，且减小了应用领域，不并适合普遍的推广及工业生产。国外己有不少关于车牌数字识别的文章发表，有相当一部分比较成熟，并已经投入实际生产使用中。早在70年代，国外就已经存在自动车牌检测系统，且应用于检查被盗车辆的情况，车牌识别系统发展到今天，已经达到较高的应用水平。
在车牌识别发展的过程中，也出现了许多不同的技术方法，例如英国IPI公司研发了RTVNPR 系统，新加坡Optasia公司的VLPRS 产品，以色列Hi-Tech公司的See Car
System系列产品，HSTOL公司开发的LPR系统，以及中国香港Asia VisionTechnology公司的VECON产品等较为实用[3]。由于VECON系统和VLPRS系统都只是适合于当地的车牌，摒弃See Car System 对我国的汉字识别较低，加上我国车牌自动识别的研究起步较晚，且我国的车牌并不规范，多样化，不同的车型车牌规格、大小、颜色也不同，这也就造成了对车牌识别相当大的困难。目前，比较适合我国的产品主要有中科院自动化研究所汉王公司的“汉王眼”、川大智胜软件的ZT2000车牌自动别系统等。与此同时，国内许多研究机构和高等院校也开始对车牌识别系统进行理论研究与实际开发。
1.4 车牌分割和数字识别在车牌识别中的作用
车牌识别系统的核心是微处理器，它基于图像处理、数字识别等技术的高智能电子系统，该系统主要由摄像头、视频采集接口、辅助照明装置、计算机以及识别软件等组成。基本过程是摄像头所拍摄的原始图像通过视频采集接口输入计算机，通过所预设的识别软件进行识别并输出。因此，在车牌识别中，车牌分割和数字识别占有主要的作用。
在车牌识别系统中，车牌分割需要完成的任务是将原始图像中的车牌区域分割出来，并将车牌字符准确的切分出来。在正式识别前，我们要做的仅仅是字符的分割，字符分割的好坏，直接影响着字符识别的准确率。也就是说，一个好的车牌识别系统的前提是有一个好的车牌分割模块，无法将字符很好的从原始图像中分割出来，意味着字符无法被准确的识别，也就意味着该车牌自动识别系统无法投入实际中应用。
经过图像预处理、车牌定位、字符分割并校正后，才可以进行字符识别。车牌识别中最关键的步骤就是字符识别。字符识别模块是目前最难处理的部分，却也是车牌识别技术中最关键的部分。字符的识别率和识别时间是字符识别性能的主要技术指标。快速、准确以及具备较强的鲁棒性是字符识别的目标。一个好的车牌自动识别系统，关键就看其字符识别的性能。由此可知，车牌分割和数字识别是车牌识别技术中的两大主要技术指标。其中最关键的是数字识别技术。
1.5 本文的主要内容与结构安排
本文研究的内容包括了车牌识别系统的五个主要组成部分的算法，提出了有效的解决策略，进行了测试，并完成了车牌识别系统的开发。本文的主要内容共分为五章，内
容安排如下：第一节绪论，概述了车牌识别技术，总结了国内外车牌识别系统的发展历史和现状，介绍了车牌分割和数字识别在车牌识别中的作用，最后简述了本文的主要内容与结构安排；第二节车牌分割方法的研究，首先介绍了车牌获取的方法，接下来简述了车牌预处理的基本算法，包括灰度话、二值化、滤波、增强、边缘检测等，然后是车牌分割的基本步骤，最后介绍了归一化处理。第三节车牌数字识别方法的研究，概述了数字识别的现状，简述了车牌数字特点，最后介绍了基于BP神经网络的车牌数字识别的算法。第四节主要介绍的是基于MATLAB的算法设计与实现，主要介绍MATLAB概述、车牌分割算法设计、车牌字符识别算法设计三个方面，包括系统的算法流程、程序设计，并给出了设计的仿真结果与分析。最后一部分是结论，总结了本文的研究成果，并做出了分析和评价，同时对未来提出了展望。
2 车牌分割方法
2.1 车牌获取
车牌获取即图像采集部分，大体分为检测和成像两个部分。车辆检测即使用传感器技术，检测目标区域有无车辆。当机动车辆在路过预先设置好的摄像头并达到触发条件，摄像头即可拍摄出原始图像，图像采集卡将所拍摄的图像从视频信号转化为数字信号传输到计算机中，这就完成了车牌的获取过程。其中车牌获取流程图如图2.1所示
数字图像图像采集图像预处理电子眼 图 2.1车牌获取流程图
实质上，车牌获取就是指在实际拍摄的图像中确定车牌区域、位置，以便提取、分割车牌区域。受自然等客观条件的影响，需要对车牌进行预处理，以便提高车牌的识别率。车牌识别主要包括三个步骤：（1）对拍摄的图片进行格式识别、灰度化、二值化、滤波、边缘检测等图片预处理；（2）利用各种算法将已通过预处理的图片准确定位其车牌的位置，并将车牌所处的位置分割出来，为接下来的字符切割做好相关准备；（3）对切割出来的字符进行归一化和识别。
2.2 车牌预处理
照片拍摄的好坏受许多外界因素决定， 例如光照强度因素，晴天与阴天所拍摄的照片质量是不一样，白天和晚上所拍摄的照片质量更是不同；再比如说，车辆行驶速度因素，行驶慢的原始图像会比行驶快的原始图像质量要好一些，此外，过快的车速，会导致照片的字迹模糊不清，这也就必定在一定程度上影响着字符识别率。 这也就是为什么要对原始图像进行灰度化、二值化、滤波等预处理的原因[4]。
2.2.1 灰度化
目前，我国车牌的原始图像采集，由于基本上都是通过摄像机、数码相机等拍摄设备拍摄获取，所以一般情况下，原始图像为彩色图像。由于彩色图像包含着大量的颜色信息，且每个像素都具有R、G、B三种不同颜色分量，所以在对其进行处理时，浪费许多系统资源的同时也会降低系统的执行速度。因而，我们需要对原始图像进行灰度化，以便减小图像占用的存储空间。
最基本的灰度化是直接取彩色图像R、G、B三个分量中最大值或平均值代替各分量。由于灰度化后，每一个像素的三个分量都是均等的，解决可彩色图像中颜色差异的问题，只存在亮度上的差异。灰度图像存在256个亮度级，其中白色的灰度值为255，黑色的亮度级为0[5]。另外，我们也可以采用加权系数对图像进行灰度化，常用到的灰度化公式：
I?0.229*R?0.587*G?0.114*B （2-1）
其中I为灰度化之后的像素值，R、G、B分别为红、绿、蓝的像素。 2.2.2 增强
拍摄车牌图像时往往受到许多条件的限制和干扰，这使得图像的灰度值与实际景物不完全相同。成像系统有它一定的亮度范围，亮度最大值与其最小值之比称为对比度。因为成像系统的有限亮度，常使得对比度不足，导致图像视觉效果很差，这也就直接影响了图像的后续处理。因此，研究者常常通过灰度变换和直方图均衡化来增强对比度，以改善视觉效果。
造成对比度不足的原因主要有：（1）目标的远近不同导致的图像中央区域和边缘区域的灰度失衡；（2）摄像头扫描时各点的灵敏度差异产生的灰度失真；（3）曝光不足或过度而导致灰度值限定在较小的范围。这时可以采取灰度变换增强灰度变化范围，丰富灰度层次，以达到增强图像对比度的目的。用线性单值函数，对图像内各像素点作线性扩充，从而有效的改善图像的视觉效果。
为了克服上述问题，本文采用灰度信息与背景信息相结合的局部灰度修正增强方法，其基本原理是将原图像的灰度和背景图像区域相减，实现图像的增强，即所谓的形态学top- 变换的校正算法。用二维函数G(x,y)表示原始图像坐标为（x,y）的像素值，