摘要:完整的车牌识别系统由车牌定位、字符分割和字符识别三部分组成,针对车牌定位和字符分割两项核心技术。对传统算法进行了改进,提出了一种新的车牌定位和字符分割的算法,部分解决了传统算法易受噪声干扰且识别率不高的问题。该算法利用颜色特征和边缘检测技术实现对车牌的精准定位,并利用倾斜校正和垂直扫描技术实现了对字符的分割。许多研究人员提出了各种各样的边缘检测算法,并且根据所使用的导数的阶数将它们主要分为两种类型:基于梯度或基于拉普拉斯的算法。诸如Sobel,Laplacian之类的各种边缘检测算法无法满足低面积和减少延迟的要求。作为一种传统的边缘检测算法,Canny得到了广泛的应用和改进。在当前的边缘检测算法中,Canny边缘检测器是多年来的标准边缘检测算法。获取图像信息是图像处理的主要目标,并且在过去30年中越来越受欢迎。Canny Edge检测算法采用滞后阈值,阈值的不同对检测结果影响较大,但数量不能直观地反映检测结果。Canny Edge Detection算法提供了简单的边缘检测操作,从而减少了时间和内存消耗,是进行图像边缘检测是一种特殊的算法。[1]在本文中,我们提出的方法使用Canny边缘检测算法对图像中的车牌进行定位,并结合一些用于车牌识别的过滤方法,通过光学字符识别系统进行字符识别和提取。