1. 研究目的与意义
近些年，随着国家经济和科技的飞速发展，人们的生活也随之发生了巨大的变化。汽车在日常生活中越来越普及，与之同时，道路拥挤变得越来越严重，因此，道路交通管理系统不断向智能化的方向持续发展,我们也可以从监控摄像头的录像中提取车辆牌照,从而了解车辆各种信息。如今，汽车牌照的自动识别技术已经得到了广泛应用。车牌识别系统作为智能交通管理必不可缺的一子系统，它的系统主要分为四个重要部分：图像的预处理、车牌定位、字符分割和字符识别。车牌信息的获取也成为社会管理的热门研究对象。目前，车牌识别技术在十字路口、高速公路、居民小区、停车场、交通事故处理、交通违章记录与处罚、刑事侦查等众多领域中已经得到了广泛应用，具有广阔的应用前景。因此我们有必要对车牌识别进行研究。
2. 课题关键问题和重难点
本次课题主要研究目标是实现车牌的识别，分为图像的预处理，车牌定位，字符分割和字符识别这几个大块，在获取车牌图像的过程中，图像获取主要在室外完成，系统会受到很多影响：车牌特征具有多样性，我国车牌根据车型和用途的不同一共分为10种，并且，车牌颜色，字符大小也分为很多种，使用的文字中还包括50多个汉字，字符分割和字符识别难度很大；光照环境有很大的影响，白天夜晚、晴天阴天下雨天，不同的天气光照强度相差很大会引起车牌失真，对比度下降，颜色失真等问题；车牌识别的背景环境也具有一定的影响，背景环境对于车牌的定位有很大的干扰，尤其是当背景颜色与车牌颜色相近时干扰非常大；车牌受损，车牌常年经受风吹雨打，，容易出现褪色、磨损、污渍、变形等问题，字符识别会受到很大的影响；车牌识别系统是一个实时系统，需要有较高的采集和处理速度，对于算高的效率有很高的要求；图像质量较低。这是车牌识别中不可控的关键难点。
3. 国内外研究现状（文献综述）
1970 年之后，国外运用图像处理技术来实现对车牌进行自动识别的研究就已经开始，但此阶段并未形成系统研究体系，英国一个研究小组早在1982年就研制了一种应用于安全监测的车牌识别系统，用于对被盗车辆或失效车牌进行监控，一旦发现就可直接通知警方，但该系统的识别率只有50%左右。与此同时，其他发达国家也针对其本国车牌开发了自己的车牌识别系统。九十年代后发达国家的高新技术产业发展迅速，在交通领域对于该技术的研究投入不断增加，车牌识别系统的逐渐形成体系。随着计算机性能的不断提高，给图像的识别处理提供了有利的硬件基础，进而形成了一个完整的车牌识别系统，其过程主要包括:摄像头采集车牌图像、计算机对所拍摄的图像进行预处理、计算机精准定位出车牌位置、对所定位的车牌图像字符进行逐一分割、利用字符特征识别车牌字符、计算机屏幕显示识别结果。至此，车牌识别技术逐渐成熟。比如Eun Ryung提出了三种方法，采用基于颜色分量的方式，对车牌进行了定位识别，三种识别方法分别是：①以哈夫变换为基础的边缘检测定位识别；②以灰度值变换为基础的识别算法；③以基于亮度，饱和度和色调的色彩模式为基础的车牌识别系统。日本也开发了自己的车牌识别系统。Luis 公司研制的车牌识别的系统在实际道路上运用，白天的车牌识别率超过了 90%，在下雨的情况下也超过了 70%。HI-Tech公司和Optasia公司也分别开发了各自的系统对分别对以色列和新加坡的车牌进行识别，See/Car System系统能够识别字母和数字。
相对于国外而言，国内针对车牌识别技术的应用开发进程缓慢，因为国内实际情况有所不同，国外先前研究的技术手段并不完全适用于识别国内汽车车牌。国外车牌比较规范统一，大多使用字母和数字，识别难度较低，而国内汽车车牌种类繁多，规格、尺寸、颜色都有一定的差异，再加上对汉字的识别难度较高，各方面因素导致国外车牌识别技术的应用和普及时间在一定程度上领先于国内。从 1980 年代末开始，识别系统在我国自主研发的速度得到了加快。中科院自动化所的刘智勇等开发的了一套车牌识别系统，其车牌定位准确率为超过了 99%，字符分割的准确率为超过了 94%，南京大学的熊军利用字符纹理特征进行定位，准确率超过 95%。华中科技大学的陈振学提出了一种算法，使用一维循环清零法，对车牌的投影图进行一次扫描，该算法能够有效去除干扰，在车牌的分割阶段，正确率超过了 96%。针对我国的车牌模型，还有研究人员提出使用隐形马尔科夫链模型，但算法过于复杂且运行耗时较长。
4. 研究方案
课题实现需要学习车牌识别的常用算法；采用matlab读取图片的方式，进行车牌识别；完成matlab车牌识别软件。该课题由4个重要部分即图像的预处理、车牌定位、字符分割和字符识别组成。
车牌识别以数字图像处理、模式识别、计算机视觉等技术为基础，对摄像机拍到的图片进行分析，得到车辆的车牌号码，进而完成识别功能。
根据车牌特点，一般采用的车牌定位算法有：1、边缘检测定位算法；2、利用哈夫变换进行车牌定位；3、色彩分割提取车牌等。我将采用的是边缘检测。
5. 工作计划
第15-16周，完成选题，查阅相关中英文资料，进行相关技术的学习
第17-19周，搭建开发环境，撰写开题报告
2023第1-2周，进行课题的需求分析，提交开题报告
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
