车牌的定位与校正

本章主要描述的是对已有车牌定位方法的研究，了解它们的算法原理及其优缺点，并提出了一种效果更好适用范围更广的车牌识别系统方法，即将Mean Shift算法运用到车牌识别系统，然后在此基础上对车牌进行校正。

图像的对比度不足是图像处理的过程中经常会遇到的问题。主要的原因是在获取车牌图像时受外界环境的影响。对比度不足的图像会影响到图像的后续处理效果，所以，一般情况下，在进行图像处理前会使用灰度变换的方法来对图像进行对比度增强处理，以达到改善视觉效果的目的。可见，在实际交通管理应用中，基于PC机平台的车牌识别系统具有很多限制与缺陷。 

随着社会的发展进步，车牌识别已经逐渐的发展成为智能交通系统中较为重要的组成部分，也是收费系统防止作bi的重要手段，更是高速系统自动化收费系统必须解决的关键问题，主要的目的是可以从图像中自动提取出车牌的图像，分割字符图像，实现对车牌信息的识别和比对。它不仅仅是计算机视觉与模式识别技术重要的研究话题，更是交通管理智能化的关键技术之一。目前，国内外都致力于这方面的研究，如模版匹配，神经网络，小波变换等，也都取得了较好的研究成果。因为算法简单所以算法的速度较快，只要在前期的预处理中降噪做得比较好，这种算法的识别率也相对较高，是一种简单、快速、有效的字符识别技术，商用价值较高。

识别的方法，可以选择的有神经网络法和模块匹配法等。在这里，对车牌定位的精度要求是很高的，这也关乎我们后期对图片的处理结果。车牌包含的信息是多个字符，想要对车牌进行识别，首先我们需要将车牌的多个字符进行分割处理。字符分割技术将车牌的多个字符分割为单一字符，我们利用识别技术对字符进行识别。主要的识别技术有神经网络法和模块匹配法等。目前重要的是必须提高系统的识别率。字符识别中对特征值的选取是非常重要的，特征值选取的好坏直接关系到识别的准确度。

字符分割：使汽车牌照区域图像在直立方向上完成投影，然后得出汽车牌照图像的直方图，筛选出适合的阈值，挑选出字符及其背景。

车牌定位在选出该范围之后，通过边缘处理、灰度拉伸、二值化处理等等过程，进一步准确字符区域，然后依照字符的尺寸特性选出样板，再完成字符的分割，并对字符的大小实现化处理。濮阳正大电动门业有限公司