程 茜

（西安欧亚学院 金融学院，陕西 西安 710065）

1 引言

城市智能交通的发展，使得汽车牌照的自动识别成为研究热点，而随着车流量的不断增加，对车牌自动识别提出了越来越高的应用需求。车牌自动识别的实现通常由四个部分完成，其中车牌字符的自动识别为整个系统的核心，直接影响车牌识别系统的性能，因此高性能高效率的车牌自动识别算法对城市智能交通具有重要的研究和应用价值。

为此，学者提出各种有效算法，文献[1]提出高斯金字塔与HOG特征相结合算法，提取细节特征和主体特征，通过提取HOG特征拓展特征维数，并采用BP神经网络进行识别；文献[2]提取二值化车牌图像的字符结构特征和像素特征，采用SVM对降维特征初始分类，并通过二次识别相似字符。文献[3]采用参数优化改进的BP神经网络进行识别，以改善字符识别效率；文献[4]综合模板匹配及车牌字符集特征，改进模板匹配方法并结合分级思想，克服单一模板识别率低的缺陷；文献[5]针对形似字符的错分类问题，提出由粗到精的多层车牌字符识别方法；文献[6]提取字符的弯曲度、凹凸等形状特征进行车牌识别。

我国车牌字符中汉字笔画繁多特征提取难，当受天气、光照影响及车牌存在污染时，汉字的识别尤为困难，比较成功的已有算法可分为基于笔画结构和基于统计特征[7-8]，但结构特征对行车环境及字符污损等干扰敏感，而统计特征具有平移和旋转等的不变性，对……