文档介绍：摘要
随着我国经济与科技的快速发展，交通运输业取得了巨大的进步，汽车拥有
量不断增长，这极大改变了人们的生活方式，但汽车在给我们生活带来便利的同
时，也给城市的交通管理带来了巨大压力。在这个背景下产生的智能交通系统充
分利用数字图像处理、自动控制和通信等技术，对整个交通运输状况进行全天候
的自动管理和控制，成为了解决交通拥堵等问题的主要手段之一，其中的关键技
术—车牌识别系统更是扮演着重要的角色。车牌识别系统在道路交通监控，高速
公路自动收费，智能园区管理等方面有着广泛应用。这些具体的应用有效缓解了
交通的拥堵，起到了节省人力成本，提高管理效率的作用。
车牌识别算法主要包括三个部分：车牌定位算法，车牌字符分割算法，车牌
字符识别算法。本文主要对其中的车牌定位算法和车牌字符识别算法进行研究。
1. 车牌定位算法。本文根据现有的来自于多个不同场景的车牌图像，研究设
计出了一种车牌定位方法：基于多特征与多方法筛选的车牌定位方法。该方法是
基于车牌丰富的垂直边缘和颜色并结合一系列严密的边缘点清除算法、车牌先验
信息的车牌定位方法。首先使用 Prewitt 算子提取出图像的垂直边缘，接着利用车
牌的颜色信息即车牌字符和背景固定的颜色搭配去除非车牌区域干扰点，然后再
根据车牌区域横向边缘排列紧密且个数在一定范围内这个特点，清除掉了大量的
干扰点。通过这两个紧密结合的边缘点清除方法之后，本文创新性地使用了一种
边缘点连接法对边缘点进行融合，接下来本文对融合完毕的二值图像进行区域标
记找出连通区域，然后根据车牌的形状大小，面积及车牌的周边信息、车牌的垂
直投影特征等先验信息和 AdaBoost 算法筛选定位出车牌。最后对使用 Hough 变换
对倾斜的车牌进行校正，精确定位出车牌的上下左右边界。
2. 车牌字符识别算法。本文尝试性地采用了决策树和随机树分类器、并根据
它们的缺点使用了 Bagging 和 Boosting 算法进行分类器组合进行车牌字符的识别。
本文根据车牌的字符排列布局特点设计训练了四个分类器，分别是识别第一个字
符的汉字分类器、识别第二个字符的大写英文字母分类器、识别第三到第六个字
符的数字和字母混合分类器以及识别第七个字符的数字、字母和特殊汉字的混合
分类器，囊括了所有种类的车牌字符。
本文所研究的算法都在 MATLAB 上进行了仿真实验，并使用多个不同的场合
I
得到的图像进行了测试，取得了良好的效果。
关键字：车牌定位，AdaBoost，车牌字符识别，决策树，随机树.
II
ABSTRACT
With the rapid development of China's economic and technology,
communications and transportation in our country has made great progress, and car
ownership is growing, which has greatly changed the way people can make our
lives more convenient, but at the same time it also has brought enormous pressure to the
city's traffic management. Under the circumstances,the intelligent transportation system
begain to be applied in our lives,it make full use of digital image processing, automatic
control and communications technology to manage and control the entire traffic and
transport situation automatically at all-weather, now it has become one of the primary
means of resolving the traffic congestion