摘要：針對智能交通管理系統(tǒng)中的車牌識別問題，提出應(yīng)用圖像處理技術(shù)對汽車的牌照進行識別。車牌定位（LPL， License Plate Location）、車牌分割（LPS， License Plate Segmentation）、車牌識別（LPR， License Plate Recognition）是實現(xiàn)車牌識別系統(tǒng)的最主要的三個部分。先采用HSV模型和RGB模型識別與分割彩色圖像，并初步定位車牌圖像；再采用radon變換實現(xiàn)車牌的傾斜校正，用投影法對車牌進行定位和分割；最后通過語音讀出識別到的車牌信息。通過MATLAB編程進行實驗仿真，結(jié)果表明利用圖像處理技術(shù)能夠快速地識別出汽車牌照，是一種研究車牌識別的有效方法。

關(guān)鍵詞：圖像處理；車牌定位；車牌定位；車牌分割；傾斜校正

中圖分類號：TP18 文獻標(biāo)識碼：A 文章編號：1009-3044（2014）19-4541-03

License Plate Recognition Based on Image Processing

ZHENG Xue

（Nanjing University of Finances and Economics， Department of Information Engineering， Nanjing 241000，China）

Abstract： The application of image processing technique was put forward to identify the license plate aiming at solving the problem of license plate recognition in the intelligent traffic management system. License plate location， character segmentation， and license plate recognition are the most important three parts， which constitute the license plate recognition system. First， using HSV model and RGB model to identify and segment the color image， and preliminary positioning for the license plate image. Then license plate tilt correction was processed by Radon transform， and using the projection method for license plate location and segmentation. At last， read the result of license information recognized. Simulation by MATLAB programming and experiment， the results show that using image processing technology can quickly identify the license plate， and is an effective method to study the license plate recognition.

Key words： image processing； license plate location； license plate segmentation； license plate recognition； tilt correction

近年來，我國的經(jīng)濟發(fā)展迅速，人們的生活水平不斷提高，私家車數(shù)量越來越多，公路交通事業(yè)迅速發(fā)展，交通擁堵和交通事故日益嚴(yán)重，傳統(tǒng)的人工管理方式已經(jīng)越來越無法滿足人們對交通控制和安全管理的要求。因此，智能交通系統(tǒng)（ITS，Intelligent Transport System）[1]逐漸興起，并成為當(dāng)前交通管理的主要方式，這是現(xiàn)代信息智能化的結(jié)果。智能交通系統(tǒng)運用先進的計算機等技術(shù)將人、車、路有機地聯(lián)接起來，形成有序的系統(tǒng)，該系統(tǒng)的投入使用，在一定程度上改善了交通質(zhì)量，保障了交通安全，極大地提高了交通運輸?shù)男б妗?/p>

LPR（License Plate Recognition，車牌自動識別）技術(shù)是智能交通系統(tǒng)中最關(guān)鍵、最核心的技術(shù)。車牌自動識別系統(tǒng)要求在不影響汽車狀態(tài)的情況下，通過計算機自動采集汽車圖片，對采集的汽車圖片進行圖像處理以及智能算法研究，提取汽車牌照的字符特征，完成汽車車牌的識別。隨著圖像處理技術(shù)、模式識別技術(shù)等相關(guān)技術(shù)的發(fā)展，車牌自動識別系統(tǒng)技術(shù)逐漸成為現(xiàn)代交通領(lǐng)域研究的重點和熱點課題之一，它在城市交通、停車場和高速公路收費管理系統(tǒng)中有著廣泛的應(yīng)用。

1 車牌識別關(guān)鍵技術(shù)

車牌識別系統(tǒng)的主要組成部分包括：車牌圖像采集、車牌圖像預(yù)處理、車牌定位、車牌字符分割和車牌字符識別。

1） 車牌圖像采集：通過CCD攝像頭或攝像機拍攝含有車輛牌照的圖像。通過視頻卡輸入計算機等待處理。

2） 車牌預(yù)處理：對采集的車牌圖像輸入計算機進行預(yù)處理，突出車牌的主要特征，便于提取車牌信息。圖像預(yù)處理主要是對待處理圖像進行圖像格式的轉(zhuǎn)換和壓縮、圖像去噪、圖像增強等操作。

3） 車牌定位：對車牌圖像中的車牌字符區(qū)域進行定位，該過程主要利用車牌區(qū)域的特征信息。

4） 車牌字符分割：為得到車牌信息中的每個字符，需要對定位后的車牌區(qū)域中的字符進行分割。endprint

5） 車牌字符識別：對得到的單個車牌字符進行識別。

目前，常用的車牌定位算法有：基于數(shù)學(xué)形態(tài)學(xué)車牌定位[3] 、基于投影法的車牌定位[4]、基于字符紋理分析車牌定位[5]等。常用的車牌字符分割算法主要有：區(qū)域連通法[6]、投影分割法[7]、基于人工智能算法[8]。最常用的車牌字符識別方法：基于模板匹配[9][10]和基于人工智能方法[11-14]?；谌斯ぶ悄芊椒ㄓ职ɑ诮y(tǒng)計學(xué)習(xí)方法、前向神經(jīng)網(wǎng)絡(luò)等。其中基于統(tǒng)計學(xué)習(xí)理論的方法不適合大樣本字符的識別；而基于前向神經(jīng)網(wǎng)絡(luò)的識別方法比較耗時。該方法需要先提取字符的特征來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，然后對待識別的字符進行識別，傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)就是典型的基于前向神經(jīng)網(wǎng)絡(luò)識別方法。

現(xiàn)實中采用的車牌識別技術(shù)主要有以下兩大類：

1） 條形碼識別技術(shù)與射頻識別技術(shù)。這類車牌識別技術(shù)準(zhǔn)確可靠，但管理范圍有限。該技術(shù)通常提前在車輛上安裝裝置，建立后臺管理系統(tǒng)等，主要依靠被檢測車輛的主動參與。

2） 圖像處理技術(shù)。適用范圍廣，可以實時監(jiān)控所有通行車輛的信息，同時可以方便地實現(xiàn)圖像回放、檢索等工作?；趫D像處理的車牌識別系統(tǒng)，不需要在汽車上安裝任何裝置，即可智能化管理通行車輛。

本文提出采用基于圖像處理技術(shù)對汽車牌照進行特征提取和分割，實現(xiàn)車牌特征的識別。

2 基于圖像處理的車牌識別系統(tǒng)

數(shù)字圖像處理起源于20世紀(jì)20年代，人們?nèi)粘？吹降膱D像可以用數(shù)學(xué)模型表示為[f（x，y）]。現(xiàn)實生活中事物都可以對光進行反射，通過量度目標(biāo)物體反射的光，可以看到目標(biāo)物體的圖像。計算機只能處理數(shù)字化的圖像，因此采集設(shè)備所獲取的圖像必須經(jīng)過離散處理和量化處理。

運用數(shù)字圖像處理技術(shù)解決汽車車牌識別最早是在20世紀(jì)80年代，其主要過程就是對拍攝采集到的車牌圖像進行分析，有效地自動提取車牌信息，確定汽車車牌號。

本文采取的基于圖像處理技術(shù)的車牌識別系統(tǒng)原理框圖如圖1所示：

圖1 車牌識別系統(tǒng)原理圖

2.1 圖像采集

本文采用拍攝的含有汽車車牌的汽車圖片作為原始識別圖像，這類圖片受到車牌清晰、拍攝距離、拍攝角度的影響。特別注意的是，該文采集的主要是車牌底色為藍色、車牌信息為白色的汽車車牌圖片。采集結(jié)束后，通過量化過程將模擬圖像變換為便于計算機處理的數(shù)字形式。

2.2 汽車車牌的初步定位

由于采集到的汽車圖片通常不僅包含需要的車牌信息，還包含了很多其他信息，如汽車型號、汽車外形等特征，所以首先需要將待處理的車牌進行初步定位，剔除那些無用的信息，將車牌分割出來，便于進一步的操作。在處理車牌底色為藍色、車牌信息為白色的汽車車牌圖像時，采用HSV模型[15]識別藍色，用RGB模型[16]識別白色，分別掃描Y方向藍色像素點和X方向白色像素點，找出車牌區(qū)域，并以一定的長寬比進行裁剪，使用HSV彩圖提取圖像。

2.3 車牌圖像預(yù)處理

本文的預(yù)處理主要是將初步定位得到的彩色車牌圖像轉(zhuǎn)換成灰度車牌圖像，便于提取車牌特征。

2.4 車牌傾斜校正

提取灰度車牌圖像的邊緣，采用radon變換對車牌圖像進行傾斜校正處理[17]，變換角度為1°～180°，角度增量為1°，統(tǒng)計radon變換得到的最大值，記錄此時的傾斜角度，實現(xiàn)利用radon變換完成車牌圖像的傾斜校正。

2.5 車牌定位與分割

使用閉合運算，腐蝕擦除不是汽車車牌信息的部分，為了能夠更加容易觀察車牌信息，腐蝕擦除結(jié)果進行反色顯示。該文采用投影法[7]對車牌進行定位，對圖像分別往左邊和下面進行投影，找到圖像邊界，按一定長寬比裁剪出車牌圖像，完成車牌定位與分割。

2.6 單個字符修正與裁剪

對車牌上的漢字、字母和數(shù)字進行修正，裁剪出每個字符的具體的上下邊界，根據(jù)每個字符的邊界，對每個字符進行傾斜校正，然后把字符信息保存在數(shù)組里。

2.7 車牌識別結(jié)果

每個字符包含自身獨立的字符信息，我們通過語音形式逐一讀取識別待檢測識別的汽車車牌的每個字符，最后提示完成車牌檢測。

3 實驗結(jié)果與分析

3.1 實驗結(jié)果

選取采集到的汽車圖片作為實驗輸入?yún)⒘?，按照上述提出的汽車牌照識別方法進行仿真識別，實驗結(jié)果通過截圖如下面各圖所示。其中圖2是采集的汽車圖片與初步定位車牌，圖3是車牌處理過程，圖4是車牌分割過程，圖5是車牌識別過程。

（a） 采集的汽車圖片 （b） 車牌的初步定位

圖2 汽車圖片與初步定位車牌

（a） 車牌圖像預(yù)處理 （b） 傾斜校正

圖3 車牌圖像處理與校正

（a）腐蝕擦除 （b） 擦除反色 （c） Y方向處理

圖4 車牌定位與分割

（a） 單個字符修正與裁剪 （b） 語音識別車牌

圖5 車牌識別仿真結(jié)果

3.2 實驗結(jié)果分析

本文提出基于數(shù)字圖像處理技術(shù)的汽車牌照識別方法，針對采集到的彩色圖片，使用HSV模型和RGB模型識別藍色和白色，完成車牌圖像的初步定位，然后進行圖像格式轉(zhuǎn)換，在處理灰度車牌圖像過程中，運用radon變換進行車牌傾斜校正，運用投影法完成車牌定位，再對車牌圖像中的每個字符進行修正和分割，提取單個字符的特征信息并存儲，最后通過語音方式讀出檢測圖片的車牌信息，完成車牌檢索識別。此方法能夠有效地識別靜態(tài)汽車車牌，但是對動態(tài)的汽車車牌采集過程需要改進。

4 總結(jié)與展望

目前，高大高校、學(xué)者們都致力于研究車牌識別方法，也相繼提出一些可行的車牌識別系統(tǒng)。在實際生活中，隨著智能交通系統(tǒng)的構(gòu)建，智能車牌識別系統(tǒng)的應(yīng)用也正在逐漸擴大。但是，車牌識別技術(shù)的實際應(yīng)用仍存在一些難題。

顯然，車牌本身的污染、缺損也會影響識別率。而由于天氣或者路況不好，使得一些車輛的車牌被灰塵、泥土沾染，這就加大了車牌識別的難度；更有一些行駛時間較長的車輛，自身車牌字符已經(jīng)部分缺損或嚴(yán)重缺損至人眼都很難辨別了，這些情況都會影響車牌的自動識別，往往會導(dǎo)致誤識別。在車牌定位方面，采集的汽車車牌位置不固定、汽車圖片不清晰等都給車牌定位方法的選擇帶來了一定的困難。

在以后的研究中，如何提高車牌字符識別系統(tǒng)的自適應(yīng)性和魯棒性，將是一個技術(shù)改進與完善的目標(biāo)。為了能夠減輕車牌定位系統(tǒng)和字符分割系統(tǒng)的壓力，實現(xiàn)對有一定噪聲或變形的字符圖像的正確識別，設(shè)計一個抗干擾性能良好的車牌字符識別系統(tǒng)對整個車牌自動識別系統(tǒng)都是有益的。

參考文獻：

[1] 張紅英，彭啟琮.數(shù)字圖像修復(fù)技術(shù)綜述[J].中國圖像圖形學(xué)報，2007，12（1）：1-2. （下轉(zhuǎn)第4549頁）

（上接第4543頁）

[2] 胡小鋒，趙輝.Visual C++/MATLAB圖像處理與識別實用案例精選[M].北京：人民郵電出版社，2004.

[3] 焦蓬蓬，郭依正.一種基于數(shù)學(xué)形態(tài)學(xué)的車牌定位與分割方法[J].自動化技術(shù)與應(yīng)用，2013（06）：57-59.

[4] 王雨.車牌定位與字符分割技術(shù)研究[D].武漢：華中科技大學(xué)圖書館，2007.

[5] 萬燕，徐勤燕，黃蒙蒙.復(fù)雜背景中基于紋理和顏色的車牌定位研究[J].計算機應(yīng)用與軟件，2013，10：259-262+316.

[6] 甘玲，林小晶.基于連通域提取的車牌字符分割算法[J].計算機仿真，2011（4）：336-339.

[7] VOJTECH FRANE，VACLAV HLAVAC.License Plate Character Segmentation Using Hidden Markov Chains[J].DAGM，2005，2663：385-392.

[8] HALINA KWASNIEKA，BARTODZ WAWRZYNIAK.License Plate Localization and Recognition in Camera Pictures Artificial Intelligence Methods[J].2002，11：13-15.

[9] 魏武，張起森，王明俊，等.一種基于模板匹配的車牌識別方法[J].中國公路學(xué)報，2001，14（1）：104-106.

[10] 王欣，殷肖川，周翔翔.一種改進的模板匹配識別算法[J].計算機工程與應(yīng)用，2007，43（36）：238-240.

[11] DRAGHICI .A Neural Network Based Artificial Vision System for License Plate Recognition[J].Int.J.Neural Systems，vol. 8.pp. 113-126，1997.

[12] 劉志軍.基于神經(jīng)網(wǎng)絡(luò)的車牌識別技術(shù)研究[D].南京：南京郵電大學(xué)，2011.

[13] 丁偉.改進神經(jīng)網(wǎng)絡(luò)算法在車牌識別中的應(yīng)用[J].計算機仿真，2011，28（08） ：359-363.

[14] 黃衛(wèi)華.基于BP神經(jīng)網(wǎng)絡(luò)的車輛車牌識別系統(tǒng)的研究與實現(xiàn)[D].成都：電子科技大學(xué)，2008.

[15] 張麗靜，孫杰，殷曉宇.基于HSV顏色空間的車牌定位方法[J].微計算機信息，2008（7） ：247-248.

[16] 鄭成勇.一種RGB顏色空間中的車牌定位新方法[J].中國圖象圖形學(xué)報，2010，11：1623-1628.

[17] 賈曉丹，李文舉，王海姣.一種新的基于Radon變換的車牌傾斜校正方法[J].計算機工程與應(yīng)用，2008，44（3）：245-248.

（a）腐蝕擦除 （b） 擦除反色 （c） Y方向處理

圖4 車牌定位與分割

（a） 單個字符修正與裁剪 （b） 語音識別車牌

圖5 車牌識別仿真結(jié)果

3.2 實驗結(jié)果分析

本文提出基于數(shù)字圖像處理技術(shù)的汽車牌照識別方法，針對采集到的彩色圖片，使用HSV模型和RGB模型識別藍色和白色，完成車牌圖像的初步定位，然后進行圖像格式轉(zhuǎn)換，在處理灰度車牌圖像過程中，運用radon變換進行車牌傾斜校正，運用投影法完成車牌定位，再對車牌圖像中的每個字符進行修正和分割，提取單個字符的特征信息并存儲，最后通過語音方式讀出檢測圖片的車牌信息，完成車牌檢索識別。此方法能夠有效地識別靜態(tài)汽車車牌，但是對動態(tài)的汽車車牌采集過程需要改進。

4 總結(jié)與展望

目前，高大高校、學(xué)者們都致力于研究車牌識別方法，也相繼提出一些可行的車牌識別系統(tǒng)。在實際生活中，隨著智能交通系統(tǒng)的構(gòu)建，智能車牌識別系統(tǒng)的應(yīng)用也正在逐漸擴大。但是，車牌識別技術(shù)的實際應(yīng)用仍存在一些難題。

顯然，車牌本身的污染、缺損也會影響識別率。而由于天氣或者路況不好，使得一些車輛的車牌被灰塵、泥土沾染，這就加大了車牌識別的難度；更有一些行駛時間較長的車輛，自身車牌字符已經(jīng)部分缺損或嚴(yán)重缺損至人眼都很難辨別了，這些情況都會影響車牌的自動識別，往往會導(dǎo)致誤識別。在車牌定位方面，采集的汽車車牌位置不固定、汽車圖片不清晰等都給車牌定位方法的選擇帶來了一定的困難。

在以后的研究中，如何提高車牌字符識別系統(tǒng)的自適應(yīng)性和魯棒性，將是一個技術(shù)改進與完善的目標(biāo)。為了能夠減輕車牌定位系統(tǒng)和字符分割系統(tǒng)的壓力，實現(xiàn)對有一定噪聲或變形的字符圖像的正確識別，設(shè)計一個抗干擾性能良好的車牌字符識別系統(tǒng)對整個車牌自動識別系統(tǒng)都是有益的。

參考文獻：

[1] 張紅英，彭啟琮.數(shù)字圖像修復(fù)技術(shù)綜述[J].中國圖像圖形學(xué)報，2007，12（1）：1-2. （下轉(zhuǎn)第4549頁）

（上接第4543頁）

[2] 胡小鋒，趙輝.Visual C++/MATLAB圖像處理與識別實用案例精選[M].北京：人民郵電出版社，2004.

[3] 焦蓬蓬，郭依正.一種基于數(shù)學(xué)形態(tài)學(xué)的車牌定位與分割方法[J].自動化技術(shù)與應(yīng)用，2013（06）：57-59.

[4] 王雨.車牌定位與字符分割技術(shù)研究[D].武漢：華中科技大學(xué)圖書館，2007.

[5] 萬燕，徐勤燕，黃蒙蒙.復(fù)雜背景中基于紋理和顏色的車牌定位研究[J].計算機應(yīng)用與軟件，2013，10：259-262+316.

[6] 甘玲，林小晶.基于連通域提取的車牌字符分割算法[J].計算機仿真，2011（4）：336-339.

[7] VOJTECH FRANE，VACLAV HLAVAC.License Plate Character Segmentation Using Hidden Markov Chains[J].DAGM，2005，2663：385-392.

[8] HALINA KWASNIEKA，BARTODZ WAWRZYNIAK.License Plate Localization and Recognition in Camera Pictures Artificial Intelligence Methods[J].2002，11：13-15.

[9] 魏武，張起森，王明俊，等.一種基于模板匹配的車牌識別方法[J].中國公路學(xué)報，2001，14（1）：104-106.

[10] 王欣，殷肖川，周翔翔.一種改進的模板匹配識別算法[J].計算機工程與應(yīng)用，2007，43（36）：238-240.

[11] DRAGHICI .A Neural Network Based Artificial Vision System for License Plate Recognition[J].Int.J.Neural Systems，vol. 8.pp. 113-126，1997.

[12] 劉志軍.基于神經(jīng)網(wǎng)絡(luò)的車牌識別技術(shù)研究[D].南京：南京郵電大學(xué)，2011.

[13] 丁偉.改進神經(jīng)網(wǎng)絡(luò)算法在車牌識別中的應(yīng)用[J].計算機仿真，2011，28（08） ：359-363.

[14] 黃衛(wèi)華.基于BP神經(jīng)網(wǎng)絡(luò)的車輛車牌識別系統(tǒng)的研究與實現(xiàn)[D].成都：電子科技大學(xué)，2008.

[15] 張麗靜，孫杰，殷曉宇.基于HSV顏色空間的車牌定位方法[J].微計算機信息，2008（7） ：247-248.

[16] 鄭成勇.一種RGB顏色空間中的車牌定位新方法[J].中國圖象圖形學(xué)報，2010，11：1623-1628.

[17] 賈曉丹，李文舉，王海姣.一種新的基于Radon變換的車牌傾斜校正方法[J].計算機工程與應(yīng)用，2008，44（3）：245-248.

（a）腐蝕擦除 （b） 擦除反色 （c） Y方向處理

圖4 車牌定位與分割

（a） 單個字符修正與裁剪 （b） 語音識別車牌

圖5 車牌識別仿真結(jié)果

3.2 實驗結(jié)果分析

本文提出基于數(shù)字圖像處理技術(shù)的汽車牌照識別方法，針對采集到的彩色圖片，使用HSV模型和RGB模型識別藍色和白色，完成車牌圖像的初步定位，然后進行圖像格式轉(zhuǎn)換，在處理灰度車牌圖像過程中，運用radon變換進行車牌傾斜校正，運用投影法完成車牌定位，再對車牌圖像中的每個字符進行修正和分割，提取單個字符的特征信息并存儲，最后通過語音方式讀出檢測圖片的車牌信息，完成車牌檢索識別。此方法能夠有效地識別靜態(tài)汽車車牌，但是對動態(tài)的汽車車牌采集過程需要改進。

4 總結(jié)與展望

目前，高大高校、學(xué)者們都致力于研究車牌識別方法，也相繼提出一些可行的車牌識別系統(tǒng)。在實際生活中，隨著智能交通系統(tǒng)的構(gòu)建，智能車牌識別系統(tǒng)的應(yīng)用也正在逐漸擴大。但是，車牌識別技術(shù)的實際應(yīng)用仍存在一些難題。

顯然，車牌本身的污染、缺損也會影響識別率。而由于天氣或者路況不好，使得一些車輛的車牌被灰塵、泥土沾染，這就加大了車牌識別的難度；更有一些行駛時間較長的車輛，自身車牌字符已經(jīng)部分缺損或嚴(yán)重缺損至人眼都很難辨別了，這些情況都會影響車牌的自動識別，往往會導(dǎo)致誤識別。在車牌定位方面，采集的汽車車牌位置不固定、汽車圖片不清晰等都給車牌定位方法的選擇帶來了一定的困難。

在以后的研究中，如何提高車牌字符識別系統(tǒng)的自適應(yīng)性和魯棒性，將是一個技術(shù)改進與完善的目標(biāo)。為了能夠減輕車牌定位系統(tǒng)和字符分割系統(tǒng)的壓力，實現(xiàn)對有一定噪聲或變形的字符圖像的正確識別，設(shè)計一個抗干擾性能良好的車牌字符識別系統(tǒng)對整個車牌自動識別系統(tǒng)都是有益的。

參考文獻：

[1] 張紅英，彭啟琮.數(shù)字圖像修復(fù)技術(shù)綜述[J].中國圖像圖形學(xué)報，2007，12（1）：1-2. （下轉(zhuǎn)第4549頁）

（上接第4543頁）

[2] 胡小鋒，趙輝.Visual C++/MATLAB圖像處理與識別實用案例精選[M].北京：人民郵電出版社，2004.

[3] 焦蓬蓬，郭依正.一種基于數(shù)學(xué)形態(tài)學(xué)的車牌定位與分割方法[J].自動化技術(shù)與應(yīng)用，2013（06）：57-59.

[4] 王雨.車牌定位與字符分割技術(shù)研究[D].武漢：華中科技大學(xué)圖書館，2007.

[5] 萬燕，徐勤燕，黃蒙蒙.復(fù)雜背景中基于紋理和顏色的車牌定位研究[J].計算機應(yīng)用與軟件，2013，10：259-262+316.

[6] 甘玲，林小晶.基于連通域提取的車牌字符分割算法[J].計算機仿真，2011（4）：336-339.

[7] VOJTECH FRANE，VACLAV HLAVAC.License Plate Character Segmentation Using Hidden Markov Chains[J].DAGM，2005，2663：385-392.

[8] HALINA KWASNIEKA，BARTODZ WAWRZYNIAK.License Plate Localization and Recognition in Camera Pictures Artificial Intelligence Methods[J].2002，11：13-15.

[9] 魏武，張起森，王明俊，等.一種基于模板匹配的車牌識別方法[J].中國公路學(xué)報，2001，14（1）：104-106.

[10] 王欣，殷肖川，周翔翔.一種改進的模板匹配識別算法[J].計算機工程與應(yīng)用，2007，43（36）：238-240.

[11] DRAGHICI .A Neural Network Based Artificial Vision System for License Plate Recognition[J].Int.J.Neural Systems，vol. 8.pp. 113-126，1997.

[12] 劉志軍.基于神經(jīng)網(wǎng)絡(luò)的車牌識別技術(shù)研究[D].南京：南京郵電大學(xué)，2011.

[13] 丁偉.改進神經(jīng)網(wǎng)絡(luò)算法在車牌識別中的應(yīng)用[J].計算機仿真，2011，28（08） ：359-363.

[14] 黃衛(wèi)華.基于BP神經(jīng)網(wǎng)絡(luò)的車輛車牌識別系統(tǒng)的研究與實現(xiàn)[D].成都：電子科技大學(xué)，2008.

[15] 張麗靜，孫杰，殷曉宇.基于HSV顏色空間的車牌定位方法[J].微計算機信息，2008（7） ：247-248.

[16] 鄭成勇.一種RGB顏色空間中的車牌定位新方法[J].中國圖象圖形學(xué)報，2010，11：1623-1628.

[17] 賈曉丹，李文舉，王海姣.一種新的基于Radon變換的車牌傾斜校正方法[J].計算機工程與應(yīng)用，2008，44（3）：245-248.