车牌识别系统作为智能交通系统的关键技术之一,目前已经成为一个热门的研究课题,而且在国内外得到了较大的发展。车牌识别技术在处理肇事车辆逃逸及违章事件、解决高速公路税款流失等问题方面应用广泛,因此对车牌识别技术深入研究有着重要的现实意义。车牌识别系统主要由车牌的定位、倾斜校正、字符分割、字符识别四个部分组成。本文分别对这四个关键环节进行了深入研究:车牌定位部分,本文对传统的定位算法进行了改进,采用基于HSV(Hue,Saturation,Value)颜色模型和车牌先验知识相结合的方法,该方法能有效地排除如广告语等非车牌区域的干扰,而且当图像中含有多个车牌时,能够将多车牌区域准确地定位出来。车牌的倾斜校正部分,针对以往车牌倾斜校正算法的校正准确率低问题,本文提出了特征点提取和惯性主轴相结合的方法对上一步定位出的车牌区域进行倾斜校正。即首先对定位出的车牌区域灰度化,并采用双边滤波去除噪声,然后利用Harris角点检测算法提取车牌区域的特征点,根据这些特征点求惯性主轴,最后根据惯性主轴与水平或垂直方向的夹角旋转车牌,从而实现车牌的校正。该方法提高了校正的准确率,为后续字符分割和识别准确性提供了保证。车牌的字符分割部分,本文主要采用水平投影和字符的结构特征结合的方法实现字符的分割。即首先通过水平投影将车牌区域分为上下两行,然后再结合字符的结构特征进行单个字符的分割,该方法能有效提高双行车牌字符分割效果。车牌的字符识别部分,本文采用基于混合核函数的支持向量机法识别字符。首先对字符进行特征提取,然后针对字符的结构规则设计训练汉字分类器、字母分类器以及数字字母混合分类器。混合核函数兼顾了单个核函数的优点,提高了支持向量机的性能以及字符识别率。采用上述算法在MATLAB平台上进行大量仿真实验,实验结果证明,通过采用改进的系统各部分算法,能使整个车牌识别系统的效率以及车牌识别的正确率得到很大提高。