研究的目的及意义：
进入21 世纪以来，城市交通问题日益严峻． 智能交通监管系统的出现为我们带来了高效可行的解决方案，可以在大范围内高效、针对性地进行识别、监督，大幅度降低人力成本，提高监管效率．车牌识别技术是目前智能交通系统中的核心技术之一。通过计算机软件来处理车牌信息，还可以将这些车辆信息存储到相关部门的数据库，为后续其他的管理系统提供参考。车牌识别技术在节省人力物力的前提下有针对性地对车辆进行监测并且不会对车辆带来任何不便．现有的车牌识别系统没有良好的通用性，在遇到复杂条件，例如暗光、多车牌、角度倾斜等情况时，不能有效地定位并识别车牌。课题是汽车牌照自动识别系统的一部分，将建立一个由软件实现的汽车牌照字符识别系统。本系统将输入的车牌彩色图像通过识别处理，输出可编辑的字符串。
国内外同类研究概况：
自20 世纪80 年代提出车牌识别技术以来，人们己经对其进行了广泛的研究，其主要途径就是对车牌的图像进行分析，自动提取车牌信息，确定汽车牌号。这个阶段的研究并没有形成完整的系统体系，而是就车牌识别中的某一个具体问题进行讨论，并且通常是采用简单的
图像处理技术来解决。识别过程是使用工业电视摄像机拍下汽车的正前方图像，然后交给计算机进行简单处理，并且最终仍需要人工干预。进入20 世纪90 年代后， 随着计算机视觉(ComputerVisionTchnology)的发展和计算机性能的提高，开始出现车牌识别的系统化研究。中国、美国、日本、法国等国家相继投入大量的人力、物力进行应用研究。近几年以来，计算机及其相关技术发达的一些国家开始探讨用人工神经网络技术和遗传算法解决车牌的自
动识别问题。同时开始研究车牌识别的实时性要求，使得车牌识别系统进入实用化阶段[6]。
汽车牌照识别技术(Lieense Plate Recognition，LRP)在国外起步较早，一些实用的LRP 系统也开始应用于车流监控，出入控制，电子收费等场合。ARGUS 英国Alphatech 公司的图像部于80 年代中期开始研制名为RGUS 的车牌自动识别系统。可处理黑白或彩色图像，ARGUS 的车牌识别时约为100 毫秒，通过ARGUS 的车速可达每小时100 英里；新加坡的Optasia 公司研制的VLPRS 系统，适合于新加坡的车牌；香港的亚洲视觉公司的车牌识别产品VECON 适用于香港制式的车牌。另外日本、加拿大、德国、意大利、英国等发达国家也都有适用本国车牌的车牌识别系统。从识别原理上有模板匹配，支持向量机的分类器，基于特征的分类器，人工神经网络分类器，粗糙集分类器，聚类分析等方法。国内不少学者也在进行车牌识别方面的研究，实验室方面，西安交通大学的图像处理和识别研究室、上海交通大学的计算机科学和工程系、清华大学人工智能国家重点实验室、浙江大学的自动化系等在车牌识别方面有各自独立的研究，并取得了一定的成绩。中国科学院自动化所的刘智勇等发表文章，他们在一个3180 的样本集中，车牌定位准确率为99.4%，切分准确率为94.5%。北航的胡爱明等利用模板匹配技术开发了一种应用于收费站的车牌识别系统，其识别正确率能达到97%以上。华南理工大学的骆雪超、刘桂雄等提出了一种基于车牌特征信息的二值化方法，该系统对效果较好的车牌的识别率能够达到96 %。清华大学的冯文毅等利用一种光电混合系统进行车牌识别，系统能够通过硬件来完成车牌识别的全过程。黄志斌等将基于串行分类器的字符识别应用于车牌识别系统中，对车牌识别系统中的分类器进行了详细的研究
研究内容及计划：
研究内容： 本课题是汽车牌照自动识别系统的一部分，将建立一个由软件实现的汽车牌照字符识别系统。本系统将输入的车牌彩色图像通过识别处理，输出可编辑的字符串。整个处理过程基本分为图像预处理、牌照的倾斜校正、字符分割和字符识别四部分。 图像预处理阶段主要是研究图像的灰度化处理、去噪处理以及图像的二值化操作。倾斜矫正阶段主要是先检测那些由于拍摄角度等问题造成的车牌图像的倾斜角度，然后采用相应方法对图像进行矫正处理。在字符分割阶段，将分割好的 字符图像做归一化处理，统一大小。最后的字符识别部分会利用成熟的算法来进行识别字符。
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。
