郭燚平，张 桦，武二永

(杭州电子科技大学计算机应用技术研究所，浙江杭州310018)

0 引言

车牌识别是智能交通系统中的关键技术之一，已广泛应用于各级公路和城市道路交通管理，具有巨大的经济价值和现实意义。目前常用的字符识别技术有OCR［1］，神经网络［2］和形状上下文［3］。文献1提出的OCR光学字符识别，对于在字符倾斜，以及粘连断裂干扰下的识别正确率有明显下降。文献2的识别法对字符的清晰度要求比较高。本文在文献3的基础上进行改进，对车牌字符进行预处理，均匀采样轮廓点，由数极坐标直方图计算形状匹配代价进行识别。结果表明，该算法使车牌字符识别总体性能得到改进。

1 算法实现

目标轮廓信息在人类感知中非常重要，即使在复杂环境下，目标轮廓也能显得突出和稳定。形状上下文是以统计学角度提出的，它是基于轮廓的点集表示建立的一种强形状描述子，能够利用点与点之间的距离、点在形状中的相对位置关系等字符的轮廓信息用于识别［3－5］。根据对数极坐标变换的二维不变性，在二维目标经过比例、旋转和平移变换后，仍能有效地进行形状匹配。

1.1 前期准备

(1)对分割字符进行预处理

对车牌字符大小归一化，采用双线性插值算法对字符进行归一化大小为20×40;利用阈值迭代法，对归一化后的灰度字符进行二值化;二值化后图像存在部分噪音，会影响后续的处理，利用中值滤波能在衰减随机噪声的同时不使边界模糊，从而较好地保护原始信号，在灰度值变化较小的情况下可得到很好的平滑处理效果。……