基于自適應閥值邊緣檢測和機器學習的車牌識別算法研究.pdf

1、車牌自動識別技術在智能交通領域扮演了越來越重要的角色，是目前智能交通管理的重要研究方向。隨著社會對于車輛管理系統(tǒng)性能要求的日益提高和交通環(huán)境的日益復雜，現(xiàn)有的車牌自動識別技術已不能滿足用戶的需求，所以如何在復雜的環(huán)境下準確、實時地識別車牌仍然是智能交通研究人員研究的重點。本文分為車牌定位、車牌字符分割和字符識別三個研究部分。
　　車牌定位研究怎樣從一幅圖片中找出車牌的位置并分割出來。整幅圖像受不同時間點，不同天氣等的影響會有顏色、

2、亮度上的差異。如何去除信號采集過程中的噪點和圖像中廣告文字的干擾也是一個難點。本文使用邊緣檢測和形態(tài)學處理結合的方法定位車牌，并提出根據定位效果自適應地調整邊緣加權梯度值和二值化閥值定位候選區(qū)域的方法，然后結合其他車牌特征遴選候選區(qū)域。這種方法使定位更加準確。
　　字符分割的難點在于如何排除車牌邊框的干擾，和如何克服字符間的連接現(xiàn)象。本文使用Radon變換和字符筆畫寬度信息進行傾斜校正，對于克服字符間連接則使用理論的字符寬度值預估