常用的車牌定位的方法有基于顏色的方法、基于紋理特征的方法、基于數(shù)學(xué)形態(tài)學(xué)的方法、基于小波變換的方法等。這些車牌定位方法，都各自具有不同的局限性。使用Mean Shift算法進(jìn)行車牌定位可以獲得比較好的效果。對(duì)于圖像空間的所有像素點(diǎn)，在經(jīng)過Mean Shift算法迭代后，如果終收斂于同一點(diǎn)，則停止迭代。用同樣的方法對(duì)圖像空間中的所有像素點(diǎn)進(jìn)行迭代遍歷，得出的結(jié)果根據(jù)收斂點(diǎn)的不同可以把整個(gè)空間分成幾個(gè)區(qū)域。這些區(qū)域即為可能的車牌區(qū)域，再通過上述特征在可能的車牌區(qū)域中進(jìn)行對(duì)照分析，就可以得到車牌區(qū)域。本文采用識(shí)別方法是神經(jīng)網(wǎng)絡(luò)，通過構(gòu)造一個(gè)三層的神經(jīng)網(wǎng)絡(luò)對(duì)分割的字符進(jìn)行識(shí)別。

車牌定位

車牌定位是指根據(jù)車牌圖像的區(qū)域特征來將車牌在圖像中的部分從背景圖像中分離開來，由于車牌區(qū)域在圖像特征主要包括顏色和形狀，車牌區(qū)域的顏色一般為藍(lán)色、黃色或白色，它們與圖像的背景顏色存在較大的差異。車牌的形狀一般為矩形。而車牌號(hào)在外形和排列上都存在規(guī)律性。車牌定位技術(shù)就是將上述特征經(jīng)過一定的變換與處理后，使之能作為車牌定位的依據(jù)。為了進(jìn)一步提高車牌識(shí)別的準(zhǔn)確性，有必要確保在正常情況下可以平穩(wěn)地提升和釋放注冊(cè)車輛，以避免因識(shí)別錯(cuò)誤而對(duì)臨時(shí)停車收費(fèi)或減少費(fèi)用。

目前針對(duì)車牌識(shí)別系統(tǒng)的研究主要可分為基于嵌入式平臺(tái)和基于PC機(jī)平臺(tái)兩種研究方向。傳統(tǒng)的基于PC平臺(tái)的車牌識(shí)別系統(tǒng)除在在信息處理應(yīng)用實(shí)時(shí)性方面難以滿足人們的日常需求， 同時(shí)，在網(wǎng)絡(luò)管理應(yīng)用方面也存在帶寬的壓力，信息采集終端方面的成本也過高。可見，在實(shí)際交通管理應(yīng)用中，基于PC機(jī)平臺(tái)的車牌識(shí)別系統(tǒng)具有很多限制與缺陷。對(duì)比度不足的圖像會(huì)影響到圖像的后續(xù)處理效果，所以，一般情況下，在進(jìn)行圖像處理前會(huì)使用灰度變換的方法來對(duì)圖像進(jìn)行對(duì)比度增強(qiáng)處理，以達(dá)到改善視覺效果的目的。鑒于傳統(tǒng)基于PC平臺(tái)的車牌識(shí)別系統(tǒng)存在的缺點(diǎn)和不足，本文提出了基于MCS-51單片機(jī)的車牌識(shí)別系統(tǒng)。