苏康友

（广东白云学院 电气与信息工程学院，广东 广州 510450）

0 引 言

随着经济的快速发展，汽车拥有量不断上升，导致了交通堵塞、城市停车紧张、交通事故等问题不断发生。因此，国内外相继提出了适应运输要求的智能交通系统（Intelligent Traffic System, 简称ITS），其中汽车车牌识别系统是智能交通系统的核心，它的发展决定了智能交通系统的广泛应用[1]。车牌识别大致分三个阶段：第一阶段为图片处理阶段，80年代，首次提出车牌识别的理念，采用传统的摄像机拍下车牌，人工对图片加工处理和分类，并没有一个智能的系统；第二阶段为传统模式识别阶段，90年代，Johnson等采用CV和图像处理技术识别车牌，摆脱了人工识别车牌的过程[2]；第三阶段为人工神经网络技术发展阶段，1980年，Fukushima提出了神经认知机（neocognitron）。神经网络在图像分类[3-4]、图像特征提取[5-6]、图像分割[7]、图像融合[8]、目标识别与追踪[9-10]方面得到了很大的运用，因此车牌识别系统也应运而生。

90年代开始，我国引入国外的算法中对ITS技术进行研究，但是国外不少算法被应用于我国的车牌识别时存在识别率低的问题。因为我国的车牌具有特殊性，包含了汉字、字母、数字，其中汉字识别是个技术难题，所以本文提出了基于改进型BP神经网络的车牌识别系统，对图像进行预处理，对车牌定位分割，再进入BP神经网络从而实现字符识别。

1 车牌图像预处理

1.1 车牌灰度化

图像处理中，采用RGB中的三个分量（R：Red，G：Green，B：Blue）来表示真彩色；本文采用平均法对图像进行灰度化，即取三种变量R、G、B的平均值作为其灰度变量，减少彩色图像过多的信息干扰量。……