2.1.5 数字图像处理的方法    11
2.2  MATLAB 概述   12
2.3  车牌定位算法综述  .  12
2.3.1 基于彩色信息的车牌定位算法  12
2.3.2 基于纹理的车牌定位方法 .  13
3  车牌图像预处理 .  15
3.1  灰度处理  .  15
3.2  图像增强  .  16
3.4  边缘检测  .  18
3.5  本章小结  .  20
4  车牌定位与提取 .  21
4.1  数学形态学概述  .  21
4.1.1 膨胀和腐蚀  .  21
4.1.2 开运算和闭运算 .  21
4.2  车牌的定位与提取  .  22
4.2.1 二值图像区域提取 .  23
4.2.2 水平投影谷峰分析 .  23
4.2.3 车牌校正并计算旋转角度 .  24
4.3  算法验证    25
4.4  本章小结    25
结论  .  26
致谢  .  27
参考文献  .  28
 1  绪论 1.1  研究背景及现实意义 近年来，伴随着经济和科技的发展，在人民经济收入上升的同时汽车的价格也在不断降低。据国家统计局数据显示：近五年，我国的机动车数量每年增长1500 多万；截至2014 年年底，国内的机动车数量已达到 2.64 亿辆，其中汽车占比58.4%。由于汽车数量的猛增，给交通运输、车辆监管以及众多相关行业带来巨大压力，并直接影响到了人民的日常生活。如何完善车辆管理系统，实现车辆管理的智能化成为一个亟待解决的问题。 为了解决交通拥堵等一系列问题，智能交通系统（ITS）应运而生。该系统涉到模式识别、图像处理、人工智能、信息论、计算机等多个领域，是一门综合性的应用技术[1]。 智能交通系统包括以下几个子系统：车辆运行管理系统（MOCS）、交通信息提供系统（AMIS）、公共车辆优化系统（PTPS）、安全驾驶辅助系统（DSSS）、紧急状况通报系统（HELP）、行人信息通信系统（PICS）、紧急车辆优先系统（FAST）、动态路径诱导系统（DRGS）、综合智能图像系统（IIIS）、环境保护系统（EPMS）[2]。车牌识别技术（VLPR，Vehicle License Plate Recognition）是智能交通系统中的一项核心技术，是一种以计算机视觉、数字图像处理和模式识别为基础的综合化技术。目前，针对不同的应用环境，已有多种定位算法被提出并验证。本文主要是针对复杂背景下的汽车车牌的定位，以交通摄像头采集的视频图像为素材，高速公路为应用背景，设计合理的研究方案。 车牌识别技术能够在不影响车辆运动状态的情况下，利用计算机视频图像处理，自动的识别出车辆的车牌号从而达到识别车辆的目的。车牌识别技术分为三个主要步骤：车牌定位、字符分割和字符识别[3]。车牌识别流程示意图如 1.1 所示： 基于sobel算子Matlab的车牌定位算法研究(2):http://www.751com.cn/tongxin/lunwen_27170.html