车牌识别系统作为智能交通系统的重要研究课题,它主要包括三个关键模块:车牌定位、字符分割和字符识别。其中,车牌定位和字符分割的好坏直接决定后续字符识别的准确率。本文在研究和分析国内外学者在车牌定位和字符分割部分最新研究成果的基础上,主要针对车牌定位和字符分割算法进行研究。主要的工作及研究成果如下:1.在车牌定位算法中,结合我国汽车牌照自身特征,本文提出一种基于简化脉冲耦合神经网络(PCNN)和车牌综合特征的车牌定位算法。算法分为图像预处理、车牌区域粗定位和车牌区域精确定位三个步骤。针对彩色图像数据量大和光照不足时图像对比度较小的问题,对采集的图像进行灰度化、顶帽变换和灰度拉伸等预处理,再利用车牌区域具有密集边缘的特征,使用Sobel算子对图像进行边缘检测,达到突出车牌区域的目的。在对车牌进行粗定位过程中,对图像进行数学形态学处理来得到车牌候选区域,然后利用车牌的结构、颜色和纹理特征来对候选区域进行过滤,克服单一特征定位算法的不足。在精确定位前,针对汽车高速运动带来的图像模糊,利用简化PCNN对车牌进行二值化,并对车牌进行倾斜检测和校正;最后利用车牌区域的纹理跳变特征,采用行扫描和垂直投影结合颜色特征的方法来精确定位车牌。2.在车牌字符分割算法中,首先对定位后的牌照进行预处理,包括车牌图像归一化和灰度增强,提出了一种基于车牌颜色的归一化方法。为了进一步提高字符分割准确率和克服现有算法的不足,本文提出一种基于连通域、垂直投影、识别反馈和先验知识的车牌字符分割算法。由于车牌分隔符区域具有区别其他区域的特有特征,首先定位出分隔符区域,然后以分割符区域为参考并结合车牌字符特征,对分割符区域后面的五个字符采用基于连通域、垂直投影和识别反馈相结合的字符分割方法,在得到标准字符宽度后,对前面的两个字符采用垂直投影结合先验知识的方法进行分割;为了满足识别的需要,最后对分割后的字符进行归一化处理。本文的算法在MATLAB2013编程环境下进行了实验,并与其他文献中的算法在相同的实验平台和数据集上做对比分析,实验结果表明,本文提出的定位和分割算法在不同环境下都能取得较高的准确率,能够满足实际应用需求。