主要研究内容

车辆车牌号码自动识别,对车牌照的二值化处理，对车牌的字符分割提取，研究BP网络如何学习训练，基于BP神经网络的车牌照识别，对车辆的局部特征提取。

本设计系统在生活的应用很广泛，例如，应用在高速违章查处，停车场车辆管理进出等范围；当前，图片识别技术的快速发展，已经应用到生活的各个方面，为人们的出行大大提高了方便。所以，对本系统的研究并进一步的拓展非常有必要，且有较高实用价值。本设计除了对照片提高成像速度还有对照片的识别准确率采用各种方法使之得到提高。在本设计研究中，除了简单的方法对图片的进行识别外，还采用段时间内多张图片的重复查看和多张图片的合成来提高准确率。现象说明，现在最科学最准确的方法就是车牌照字符识别，还有构造出一个汽车车型。第一把收获到的汽车的照片进行整合处理，用各种方法来消除干扰信息，这就提升优化了照片像素。第二，采集照片的重要部分特点，然后逐渐将图片呈现出明显的黑白效果，通过后处理，进一步提高识别效果，跟车辆的重要部分特征融合起来识别车辆信息。

本论文是对车辆的车牌号码识别进行了相关研究和探索，重点从汽车牌照定位、倾斜角矫正，汽车牌照字符分割、汽车牌照字符识别等几个研究方向进行探讨。在通过对算法的结构分析和相关资料的收集总结归纳，最后设计出的车辆车牌号码的算法，再拍摄了将近百张高清汽车的图片，然后以MATLAB进行实验仿真，收获了较为圆满的成果。因此，作出的归纳如下：

首先先收集了车辆车牌识别系统相关技术的理论资料，如图像定位、倾斜角矫正、图像分割与图像识别等要点技术，同时考察了我国对于此领域下的相关政策，探讨出了一套以高清晰度图片识别车辆车牌号码的前期管理技术系统，然后以MATLAB对收集到的图片进行灰度化，二值化，降噪等相关预处理操作，以此来进行仿真测试然后查看并分析测试的结果。于车辆车牌照识别系统的技术中就采取了对图片的相关优化操作作为预处理手段，然后通过BP神经网络系统进行字符的切割识别，以MATLAB实现仿真并呈现出仿真结果，经过研究发现，BP神经网络系统拥有极好的识别效果，识别准确率高达96%。当进行车辆的类型种类分析上，结合了实际车辆的使用现状，以车辆的顶长做中垂线分下底长的前后比的权威数据进行数据输入然后进行判断出是轿车、货车还是客车。本文的主要内容和立异点在于：

（1）在车型识别中使用了序列差分法，让车辆所在的背景对车辆车型的识别影响降低至较少的程度，能够充分的识别各背景下的车辆车型。其中它主要工作原理是，采取两张在连续瞬间内拍摄的照片，然后消除这两张照片中的一样的车辆，这样就形成了车辆的轮廓图片。因此，即使是在不一样的时间和地点、极其恶劣的天气情况下。也能够充分对车辆车型进行识别

（2）在使用拉普拉斯边缘检测后，对从背景下分离出的车辆的图片进行全方位的填充，同时通过扫描的手段对图片进行降噪处理，重点处理离散降噪。这样就使车辆种类的识别变得十分的简捷并准确。