车牌识别技术研究现状

车牌识别系统的组成一般至少包括两个部分：(1)电子标签;(2)阅读器。

电子标签中一般保存有约定格式的电子数据，在实际应用中，电子标签附着在待识别物体的表面。

阅读器又称为读出装置，可无接触地读取并识别电子标签中所保存的电子数据，从而达到自动识别物体的目的。

进一步通过计算机及计算机网络实现对物体识别信息的采集、处理及远程传送等管理功能。

科立德车牌识别系统关键在于以下三部分：车牌定位、字符分割和宁符识别，下面就从这三个方面对车牌识别技术的发展和现状进行简单介绍：
1.车牌定位方法
车牌图像往往是在复杂的环境中拍摄得到的，车牌由于与复杂的车身背景融为一体，由于车牌在使用中磨损与灰尘及拍摄仪器的影响以及由于于自摄角度的小同，车牌在图像中往往有很大的形变，如何在复杂背景巾准确、快速找出车牌的位置成为车牌识别中的难点。

目前已有不少学者在这方面进行了研究，总结起来主要有如下几类方法：
(1)基于水平灰度变化特征的方法，这种方法主要在车牌定位以前，需要对图像进行预处理，将彩色图像转换为灰度图像，利用车牌区域水平方向的纹理特征进行车牌定位;
(2)基于边缘枪测的定位方法，这种方法是利用车牌区域丰富的边缘特征进行车牌定位，能够进行检测的方法有多种，如Roberts边缘算子、Prewitt算子、Sobel算子以及拉普拉斯边缘检测;
(3)基于车牌颜色特征的定位方法，这种方法主要是应用车牌的纹理特征、形状特征和颜色特征即利用牟牌字符和车牌底色具有明显的反差特征来排除干扰进行车牌的定位;
(4)基于Housh变换的车牌定位方法，这种方法是利用车牌边框的几何特征，采取寻找车牌边框直线的方法进行车牌定位;
(5)基于变换域的车牌定位方法，这种方法是将图像从空域变换到频域进行分析，例如，采用小波变换等;
(6)基于数学形态学的车牌定位方法，这种方法是利用数学形态学图像处理的基本思想，利用一个结构元素来探测一个图像，看是否能将这个结构元素很好的填放在图像内部，同时验证填放元素的方法足否有效。

腐蚀、膨胀、开启和关闭是数学形态学的基本运算。

2.车牌字符分割方法
车牌字符的正确分割足进行下一步车牌字符识别的基础，目前常用的方法有如下几种：
(1)车牌区域纹理特征的方法，这种方法是利用车牌区域字符和底色具有不同的灰度特征从而进行边框去除和字符分割的方法;
(2)基于数学形态学的方法，这种方法是利用形态学的腐蚀和膨胀，将车牌字符区域组成连通域的方法去除边框，冉进一步采用字符连通域的形式进行字符切分;
(3)基于Hough变换的字符分割方法，这种方法是利用Hough变换，寻找车牌字符的上下边界，再结合车牌字符的排列特征进行字符的分割。

3.车牌字符识别方法：
车牌字符识别方法基于模式识别理论，主要有：
(1)统计识别;
(2)结构识别;
(3)基于神经网络的字符识别;
(4)基于模板匹配的字符识别。

由于汽车车牌图像所处成像环境复杂多变很难采集到一个完整的有代表性原始图像集作为统计分析的基础，因此统计方法难于实现。

另外车牌字符常发生变形、断缺等情况，使字符结构受损，则依赖于字体结构完整性的结构识别方法所提取的特征会不准确，识别结果的误识率也高。

因此实际用于车牌识别的方法主要是后两类。

基于神经网络的字符识别方法，具有良好的容错能力，分类能力和并行处理能力及自我学习能力，应用神经网络实现模式识别，运行速度快，自适应好，分辨率高。

对信息复杂、背景不清楚、推理不明确的问题尤为有利。

但人工神经网络为了保证系统高识别率也需要大量样本，通过学习获取知识并改进自身性能。

当学习系统所处环境平稳时(统计特性不随时间变化)，神经网络可以学到这些环境统计特性，作为经验记住。

如果环境是非平稳时(统计特性随时间改变)，神经网络很难适应学习环境特性，因此难以保证识别系统的两个要求。

基于模板匹配的字符识别方法，相对算法简单，速度较快，得到了广泛应用。

基于模板匹配的字符识别方法主要有：简单模板匹配，外围轮廓匹配，投影序列特征匹
配，外围轮廓投影匹配，基于HmLsdorff 距离的模板匹配等等。