谢永祥，董兰芳

(中国科学技术大学计算机科学与技术学院，安徽 合肥 230027)

车牌识别系统在智能交通中有广泛的应用，它能从一幅图像中自动定位出车牌区域，并分割字符图像，对字符进行识别。车牌识别系统的主要组成部分如图1所示，有车牌定位、车牌校正、车牌字符分割和车牌字符识别4个部分[1]。

图1 程序总体流程图

目前的车牌定位主要有基于灰度图像的定位方法和基于彩色图像的定位方法[2]。

其中，基于灰度图像的方法计算量小，但在复杂背景下，存在稳定性差、准确率不高的缺点；在基于彩色图像的方法中，存在速度慢、实时性差的缺点。

一般的车牌校正算法有Hough变换法、Radon变换法、旋转投影变换3种方法[2]。其中，Hough变换法抗噪性能较好，但计算量大，且对于无车牌边框的图像效果不理想；Radon变换能快速检测到车牌的倾斜角度，但对无边框的车牌图像同样不理想；而旋转投影变换校正效果较好，却需对车牌图像多次旋转，计算量较大。

常见的车牌字符分割方法主要是对单行车牌进行分割，在分割中常会将双行车牌误认成单行车牌，对双行车牌的分割效果不理想[3]。在车牌字符识别算法中，常用的有神经网络和支持向量机的方法[4]。

在车牌定位中，由于一般的定位算法只是在交通道路和停车场管理等较为简单的背景有很好的效果，但在相对复杂的场景中，运行效果还有待改善。所以根据我国车牌的纹理特征和颜色特征，本文提出了一种通过在HSV空间中两次颜色标记和纹理特征相结合的车牌定位方法。……