基于数字图像处理的车牌识别技术研究
基于图像处理技术的车牌识别研究
基于图像处理技术的车牌识别研究随着社会的发展和技术的进步，车辆已经成为现代城市道路交通不可或缺的一部分。
无论是交通管理部门，还是普通司机，都需要对车辆进行有效的监控和识别。
而车牌作为车辆身份的唯一标识，是进行车辆识别的重要因素。
因此，基于图像处理技术的车牌识别成为近年来研究的热点之一。
一、图像处理技术在车牌识别中的应用图像处理技术是指对图像进行数字信号处理，利用计算机进行图像分析和处理的一种技术。
在车牌识别中，图像处理技术可以帮助我们提取出车牌上的信息，从而实现自动识别。
车牌识别的过程主要包括图像采集、预处理、特征提取和识别四个步骤。
图像采集：图像采集是车牌识别的第一步。
通过摄像机或者其他采集设备将车牌图像录入到计算机系统中。
在采集过程中需要注意摄像机的位置、角度以及采光等问题，确保采集到的图像清晰、完整。
预处理：预处理是车牌识别的重要环节。
对采集到的图像进行去噪、灰度化、二值化等处理，使车牌的边缘线条更清晰，方便后续的处理。
特征提取：通过对预处理后的图像进行特征提取，可以将车牌数字和字母等信息提取出来。
特征提取的方法有很多种，包括颜色、形状、纹理等。
在车牌识别中，一般采用字符分割的方法，将字符从车牌中分离出来，然后进行特征提取。
识别：最后一步是将分割出的字符进行比对，匹配出车牌号码。
在识别的过程中，涉及到机器学习和人工智能等技术的应用，可以大大提高识别的准确率。
二、车牌识别的发展与应用车牌识别技术的发展可以追溯到上世纪80年代，但是由于当时计算机硬件和软件水平的限制，识别的效果并不理想。
随着计算机硬件和软件技术的进步，车牌识别技术取得了长足的发展。
目前，车牌识别技术已经广泛应用于道路交通、停车场管理、车辆追踪等方面。
以下是一些实际应用场景：道路交通管理：道路交通管理部门可以利用车牌识别技术实现对车辆的自动监控、追踪和管理。
例如，在高速公路入口处设置车牌识别设备，可以自动抓拍车牌号码，实现对车辆的自动分类，以及对违法行为的查询和处理。
基于图像处理技术的车牌自动识别研究
基于图像处理技术的车牌自动识别研究近年来，随着智能化技术的不断普及和发展，图像处理技术已经逐渐成为了一个十分热门的领域。
在其中，车牌自动识别技术具有着相当高的应用价值和广泛的应用场景。
本文主要对基于图像处理技术的车牌自动识别研究进行探讨。
一、车牌自动识别技术的原理车牌自动识别技术在识别过程中需要通过图像处理技术将车牌图像中的信息进行提取和分析。
在车牌自动识别技术中，当前主要采用的是基于深度学习的图像分析和处理算法。
首先通过图像采集设备采集到车牌图像，然后通过前端算法对车牌图像进行分析和处理，筛选出有效的信息区域。
接下来，将提取出来的车牌信息通过中间算法实现对车牌号码的分割和定位，最终通过后端算法进行识别处理，并将识别结果输出。
二、车牌自动识别技术的优点相比于传统的车牌识别方式，基于图像处理技术的车牌自动识别技术具有如下的优点：1. 准确性高。
传统的车牌识别方式容易受到环境干扰的影响，如光线、阴影、颜色等多种因素，而基于图像处理技术的车牌自动识别技术能够更加准确地识别车牌信息。
2. 自动化程度高。
车牌自动识别技术可以实现对车辆的自动监控和识别，省去了传统人工监控需要花费的时间和人力成本。
3. 应用场景广泛。
基于图像处理技术的车牌自动识别技术可以应用于多种场景，例如停车场、交通监控、公安执法等方面。
三、车牌自动识别技术的应用场景基于图像处理技术的车牌自动识别技术已经成功应用于多种场景，其中主要包括以下几个应用场景：1. 停车场管理。
车牌自动识别技术可以自动识别进出停车场的车辆信息，实现对车辆的管理和收费等功能。
2. 短程巡逻。
公安部门可以利用车牌自动识别技术，对车辆信息进行识别和管理，实现对区域内车辆的自动监控和管理。
3. 交通流量监测。
车牌自动识别技术可以实现对车辆行驶的速度、车型等多种信息的监测和分析，提高交通管理的效率。
四、车牌自动识别技术的研究现状当前，车牌自动识别技术已经成为了一个相当成熟的技术领域，已经被广泛应用于实际生产和生活中。
基于图像处理的车牌号码识别技术研究
基于图像处理的车牌号码识别技术研究近年来，随着科技的发展和进步，图像处理技术在各个领域都有着广泛的应用。
其中，基于图像处理的车牌号码识别技术在交通管理、公安安防等方面起到了重要的作用。
本文将就基于图像处理的车牌号码识别技术展开研究和讨论。
一、车牌号码识别技术的意义与作用现如今，车辆数量快速增加，交通管理变得越来越重要。
而车牌号码作为唯一的车辆标识，可以方便交通管理部门进行车辆追踪和管理，提高交通管理的效率。
因此，开发一种快速、准确的车牌号码识别技术对于交通管理有着重要的意义。
基于图像处理的车牌号码识别技术主要从图像获取、图像预处理、车牌定位、字符分割和字符识别等几个方面组成。
下面将对这几个方面分别进行介绍。
二、图像获取与图像预处理车牌号码识别的第一步是获取车辆图像。
传统的方法是使用摄像机对车辆进行拍摄，然后将图像传输到计算机进行处理。
近年来，随着智能手机的普及，也可以使用手机进行车牌图像的获取。
不过，对于智能手机拍摄的车牌图像，会受到图像质量、光照条件等因素的影响。
在获取车牌图像后，还需要进行图像预处理。
图像预处理的目的是增强车牌图像的对比度，去除噪声、模糊等干扰，以方便后续的处理。
常用的图像预处理方法包括灰度化、二值化、滤波等。
三、车牌定位与字符分割车牌定位是车牌号码识别的关键步骤之一。
其目的是从整个图像中准确定位出车牌的区域。
常用的车牌定位方法包括基于颜色信息的车牌定位和基于边缘信息的车牌定位。
基于颜色信息的车牌定位方法通过车牌区域的颜色特征进行检测，而基于边缘信息的车牌定位方法则通过检测图像中的边缘来实现。
在车牌定位后，需要进行字符分割。
字符分割的目的是将车牌号码中的字符单独分离出来，便于后续的字符识别。
字符分割的难度在于车牌号码的字符数量和字符之间的粘连程度。
四、字符识别字符识别是车牌号码识别的最后一步，也是最为关键的步骤。
常见的字符识别方法有基于模板匹配、基于神经网络、基于支持向量机等。
基于数字图像处理的车牌识别技术研究
基于数字图像处理的车牌识别技术研究数字图像处理技术的发展，推动了很多生活领域的发展，其中一个应用领域就是车牌识别技术。
随着机器视觉技术的不断进步和成熟，车牌识别技术也得到了广泛应用，从而改变了人们的生活和工作方式。
本文将从车牌识别技术的发展历程、技术原理和应用领域三个方面进行分析和探讨。
一、车牌识别技术的发展历程车牌识别技术起初主要应用在警务、交通违法处理、停车场管理等方面。
但随着技术的不断进步和应用需求的增加，车牌识别技术开始在一些商业领域得到广泛应用，如门禁系统、智慧停车场、道路收费系统等。
二、车牌识别技术的基本原理车牌识别技术是一项集成计算机视觉和数字图像处理技术的综合性技术，其基本原理为：通过采集、处理和识别车辆行驶过程中的数字图像信息，实现对车辆的追踪、预警、识别、管理、控制等功能。
车牌识别技术的核心技术包括图像采集和预处理、车牌定位和分割、字符识别和数字识别等三个方面。
图像采集和预处理是车牌识别技术中最基本的环节，直接影响后续处理的质量和精度。
采集过程需要保证光线的充足性和图像清晰度，同时要根据不同的场景和车速等因素调整采集参数，如曝光时间、快门速度等。
车牌定位和分割是车牌识别技术中比较重要的步骤，其主要任务是将图像中的车牌区域准确地划分出来。
车牌定位和分割方法主要有颜色阈值法、边缘检测法和形状检测法等。
其中，颜色阈值法是一种比较常用和简单的方法，其基本原理是设定一个基于颜色的阈值，将车牌区域和其他区域分割开来。
字符识别是车牌识别技术中最为核心的环节，其主要任务是对车牌上的字符进行识别。
车牌上的字符由数字和字母组成，因此字符识别主要分为数字识别和字母识别两种类型。
字符识别的主要技术包括模式匹配、神经网络、支持向量机、卷积神经网络等方法。
三、车牌识别技术的应用领域车牌识别技术广泛应用于智慧交通、安防监控、金融服务、互联网营销、智慧城市建设等多个领域。
其中，智慧交通是车牌识别技术的主要应用领域之一。
基于图像处理的车牌识别技术研究与应用
基于图像处理的车牌识别技术研究与应用1. 引言车牌识别技术是一种通过图像处理和模式识别技术实现对车辆车牌信息的自动获取的方法。
随着交通管理的发展和车辆数量的快速增长，传统的人工识别方法已经无法满足快速、准确、高效的需求，因此基于图像处理的车牌识别技术应运而生。
本文将介绍该技术的研究进展、基本原理和应用领域。
2. 车牌识别技术的基本原理车牌识别技术的基本原理是通过获取车辆图像，提取图像中的车牌区域，然后对车牌进行字符分割和识别，最终输出车辆的车牌信息。
其主要包含以下几个关键步骤：2.1 车牌区域检测车牌区域检测是车牌识别的第一步，目的是在整个图像中定位并框选出包含车牌的区域。
常用的方法有颜色特征法、边缘检测法和形态学变换法等。
2.2 车牌字符分割车牌字符分割是指将车牌图像中的字符分离成单个字符，以便进行后续的字符识别。
该步骤的难点在于车牌上字符的形状和大小差异较大，并且字符之间可能存在重叠或接触的情况。
常用的方法有基于垂直投影法、基于连通区域法和基于特征点检测法等。
2.3 车牌字符识别车牌字符识别是指通过图像处理和模式识别技术将分割后的字符转化为文字信息。
常用的方法包括基于模板匹配法、基于神经网络法和基于支持向量机法等。
3. 车牌识别技术的研究进展随着计算机视觉和模式识别技术的飞速发展，车牌识别技术在准确率和实时性方面取得了显著的提高。
下面介绍一些目前研究较为热门的车牌识别技术。
3.1 基于深度学习的车牌识别近年来，深度学习技术在计算机视觉领域取得了巨大的成功，也被广泛应用于车牌识别领域。
通过使用深度神经网络模型，可以自动学习车牌图像中的特征，并实现高准确率的字符识别。
3.2 基于卷积神经网络的车牌检测卷积神经网络（CNN）在图像处理中具有很好的特征学习能力，因此被广泛应用于车牌检测。
通过训练一个卷积神经网络模型，可以自动识别图像中的车牌区域，从而减轻了车牌区域检测的工作量。
3.3 基于逆透视变换的车牌字符分割在车牌字符分割方面，逆透视变换技术可以有效消除车牌的透视畸变，使得字符分割更加准确。
基于图像处理的智能车牌识别系统研究
基于图像处理的智能车牌识别系统研究一、绪论智能交通系统是现代城市交通的一个重要方向，而车牌识别系统是智能交通系统的一个重要组成部分。
在现代社会，车辆数量的越来越大，交通拥堵日益严重，车牌识别系统的出现，可以有效地协助交警实现对交通秩序的监督，大大提高道路使用效率。
基于图像处理的智能车牌识别系统具备了高效性、准确性和自动化等优点，成为当前车牌识别技术的主流方向。
二、智能车牌识别系统实现原理智能车牌识别系统基于图像处理技术，主要分为车牌定位、图像增强、字符分割和字符识别四个基本模块。
1. 车牌定位车牌定位是智能车牌识别系统的第一个基本模块，其主要功能是在图像中准确定位并提取出车牌区域。
常用的车牌定位算法主要包括垂直投影法、颜色定位法、混合定位法、基于特征的定位法等。
2. 图像增强图像增强是智能车牌识别系统的第二个基本模块，其主要功能是对车牌图像进行处理，提高图像信噪比，增加图像的清晰度，减小车牌颜色、亮度等因素对识别的影响，为字符识别打下基础。
常用的图像增强方法主要包括灰度变换、平滑滤波、锐化滤波、边缘增强等。
3. 字符分割字符分割是智能车牌识别系统的第三个基本模块，其主要功能是将车牌中的字符进行分割，并提取出每个字符图像。
常用的字符分割方法主要包括基于垂直边缘投影法、基于水平波峰分割法、基于颜色灰度变换法等。
4. 字符识别字符识别是智能车牌识别系统的第四个基本模块，其主要功能是对车牌中分割出来的每个字符进行识别。
常用的字符识别方法主要包括基于模板匹配法、基于字符特征法、基于神经网络法等。
三、智能车牌识别系统存在的问题及解决方法1. 光照条件影响智能车牌识别系统在光照条件较差的情况下，识别率会明显降低。
解决方法常采用图像增强和自适应阈值技术，对车牌图像进行处理，提高图像的清晰度。
2. 多行车牌识别目前大部分的智能车牌识别系统只能识别单行车牌，对于多行车牌的识别则较为困难。
解决方法常采用基于几何形态、基于特征分析的多行车牌判断算法等。
基于数字图像处理的车牌识别技术研究报告
基于数字图像处理的车牌识别技术研究报告随着计算机和视频技术的发展，车牌自动识别系统己成为智能交通系统的重要组成部分，并已广泛应用于车辆追查和跟踪、车辆出入控制、公路收费监控等领域。
完整的车牌自动识别系统由图像采集、图像处理、模糊识别等模块组成，其中对一幅已知车辆数字图像进行预处理、车牌定位、二值转换、车牌分类、车牌分割、字符识别、结果优化的过程简称车牌模糊识别。
目前国内已有众多单位开展了车牌识别技术研发，虽然各家都取得一定的成功，但车牌识别技术本身毕竟要符合实战要求，为此笔者综观各家实际车牌识别系统后提出了车牌识别系统的几点不足之处和改进方法，供该领域的专业人士和领导参考。
一、图像预处理根据三基色原理，世界上任何色彩都可以由红绿蓝(RGB)三色不同比例的混合来表示，如果红绿蓝(RGB)三个信号分别由一个字节表示，则该图像颜色位数就达到二十四位真彩，也就是说在二十四位真彩的数字图像中每个像素点由三个字节来表示，根据数字图像水平和垂直方向像素点数(即图像分辨率)可计算出一幅图像实际位图大小。
事实上，在车牌自动识别系统中车辆图像是通过图像采集卡将运动的车辆图像抓拍下来，并以位图的格式存放在系统内存中。
这时的车辆数字图像虽然没有被人为损伤过，但在实际道路上行驶的车辆常会因为各种各样的原因使得所拍摄的车辆图像效果不理想，如外界光线对车牌的不均匀反射、极强阳光形成的车牌处阴影、摄像机快门值设置过大而引起的车辆图像拖影、摄像头聚焦或后背焦没有调整到位而形成的车辆图像不清晰、由于视频传输线而引起的图像质量下降、所拍摄图像中存在的噪声干扰、所安装的车牌不规范或车辆行驶变形等等。
这些都给车牌的模糊识别增加了难度，在现有的技术条件下任何优秀、先进的车牌识别软件也是无法达到百分之百车牌正确识别率。
但我们可以对车辆图像根据不同应用特点进行识别前的预处理，尽最大可能提高车牌正确识别率，这些图像预处理包括图像平滑、倾斜校正、灰度修正等。
基于图像处理的车牌识别技术研究与应用
基于图像处理的车牌识别技术研究与应用随着人工智能技术的不断发展，图像处理技术已经广泛应用于各个领域。
其中，车牌识别技术是图像处理领域中一个非常重要的应用，它不仅能够提高车辆管理的工作效率，也能够有效地提高道路交通安全。
本文将介绍基于图像处理的车牌识别技术的研究和应用。
一、车牌识别技术的概述车牌识别技术是利用图像处理技术将车牌上的数字和字符转化为计算机可读取的信息，并对其进行识别和记录。
其中，车牌识别技术可以分为两类：一类是基于普通相机的车牌识别技术，另一类则是基于高清镜头和车载摄像头的车牌识别技术。
基于普通相机的车牌识别技术主要是通过后台算法对图像进行分析和处理，通过识别车牌上的数字和字符来完成车牌识别。
由于其操作简单且成本低廉，因此被广泛应用于停车场管理、交通管理等方面。
但是其对于光线、图像质量等条件都有一定的要求，因此其准确率并不是很高。
而基于高清镜头和车载摄像头的车牌识别技术，则是采用高分辨率的摄像头和先进的图像处理算法，可以实现对车辆的快速、准确的识别，并且可以适应各种天气和光照条件下的车牌扫描。
此种技术最常用的例子就是交警用于追踪车辆的摄像头。
但是由于该技术的成本较高，因此在民用方面的应用还比较少。
二、车牌识别技术的主要研究内容1.车牌定位车牌定位是车牌识别过程中的第一步，其目的是从原始图像中提取出车牌的位置。
车牌定位主要分为模板匹配法、颜色学方法和边缘检测方法。
模板匹配法是最基本的一种车牌定位方法，它通常使用的是人工制作的车牌模板，将其与原始图像进行匹配，从而得到车牌的位置。
但是这种方法对车牌的尺寸、角度等方面都有较高的要求，因此其准确率较低。
颜色学方法是通过单一颜色特征来完成车牌定位的方法，当车牌颜色与周围其他物体的颜色存在明显差异时，可以通过这种方法实现车牌位置的准确识别。
但是由于车牌颜色的多样化，因此这种方法并不是很稳定。
边缘检测方法则是通过检测车牌周围的边缘来完成车牌定位的方法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于数字图像处理的车牌识别技术研究
摘要:随着我国经济的日益增长,人们生活节奏的加快,汽车的数量也变得越来越多,随之人们对交通控制以及安全管理的要求也日益提高。
现在,交通管理正朝着智能交通系统的方向发展,车牌识别系统作为智能交通系统的一个重要组成部分,已经在城市交通中占据中非常重要的作用。
车牌识别系统在不影响汽车状态的情况下,利用计算机自动完成车牌的识别,从而大大简化了交通管理工作。
目前解决车辆牌照识别技术主要有车牌定位技术、车牌校正技术、图像处理技术、车牌分割技术等,本文主要研究基于数字图像处理的车牌识别技术,本文首先介绍了数字图像处理的定义和车牌识别技术的原理,最后分析了车牌识别技术在实际应用中的相关问题。
关键词:数字图像处理车牌识别智能模式识别
最早运用数字图像处理技术解决汽车车牌识别是在20世纪80年代,当时在这个领域的研究只停留在讨论车牌识别中的某一个具体问题,通常是采用简单的图像处理技术,并没有形成比较完整的系统体系。
随着现代计算机技术以及视频技术的不断发展,基于数字图像处理的车牌识别技术已经广泛应用于车辆追查和跟踪、公路收费监控等领域。
目前,国内外已经有众多企业进行了车牌识别技术的研发,虽然取得了一定的成功,但是仍然存在着若干缺陷。
本文首先介绍了数字图像处理的相关理论知识,然后以车牌识别技术的原理为出发点,分析了车牌识别技术的相关应用问题。
1 数字图像处理的相关理论知识
数字图像处理就是运用计算机技术,来处理由图像转来的数字信号,来满足人们对其信息的需求。
数字图像技术最早起源于20世纪20年代初,至今为止已经八十几年了,这期间随着计算机技术和信息技术的飞速发展,特别是网络技术的高速发展,数字图像凭借其传输速度快、可远程服务、使用工具简单以及信息量非常丰富等优势已经成为人们获取信息的重要源泉。
而数字图像处理凭借其处理内容丰富、处理精度高以及可处理复杂的非线性运算等优点更加促进了其自身在各个领域中的发展。
一般来说,数字图像处理系统大致可以分为输入部分的图像数字化设备、用作处理的计算机设备以及输出的图像显示设备等三个部分。
而一个较为完整的图像处理工作周期主要包括图像信息的获取、图像信息的存储、图像信息的传输、图像信息的处理以及图像信息的输出和显示等五个时期。
2 基于数字图像处理的车牌识别技术的原理
大多数情况下,基于数字图像处理的车牌识别过程可以分为五个部分,分别是图像预处理、车牌区域定位、车牌校正、车牌分割以及
车牌识别等,以下对这五个过程进行一一分析。
2.1 图像预处理
之所以要进行图像预处理,是因为在整个的车牌识别系统中,采集进来的图像是真彩图,还有其他因素的影响,例如采集环境因素、硬件设备等原因,图像比较模糊,其背景和噪声会严重影响字符的准确分割和识别,经过图像预处理后,可以大大提高图像质量。
2.2 车牌区域定位
对经过预处理后的车牌的二值图片运用形态学进行滤波,使得车牌区域能够形成一个连通区域,然后以车牌的先验知识为依据筛选所得到的连通区域,进而获得车牌区域的准确位置,最后完成从图片中提取车牌的任务。
2.3 车牌校正
由于摄像头与车身之间存在着一定的角度,使得得到的车牌图片呈非水平形态。
但是为了能够顺利地对车牌进行分割和识别,必须对车牌的角度进行校正,通常情况下是使用Radon变换来完成车牌的校正。
2.4 车牌分割
车牌分割的过程首先对车牌图片进行水平方向的投影,去除水平
边框,然后再进行垂直方向的投影。
通过分析车牌投影可以得知,投影中最大值峰所对应的是车牌中的第二个字符和第三个字符之间的间隔,第二大峰中心距离对应的是车牌字符的宽度,以此类推就可以对车牌进行分割。
2.5 车牌识别和显示
字符识别的方法有很多种,一般来讲模板匹配方法是应用最广泛的。
在进行识别的过程中,要先建立标准字库,然后将分割所得到的字符进行分类,将分类后的字符与标准字库中的字符进行比较,最后以误差最小的字符作为结果显示出来。
3 车牌识别技术在实际应用中的问题
3.1 破旧车牌识别难度较大
车牌经过长时间的使用,不可避免会出现磨损现象,再加上路面上行驶的车辆不可能都是标准干净的车牌。
所以,在实际的车辆监控中,如何提高破旧车牌的车牌识别系统的识别能力是实际生活中急需解决的问题。
3.2 摄像机技术有待进一步提高
在道路监控中,由于摄像机收到环境因素的影响比较大,并且长期
在室外,因此车牌识别系统中的摄像机不仅要求清晰度高,还要求适应性强。
例如省道、国道以及县道对车辆行驶速度要求不同,这就要求摄像机的快门速度设计有所不同,不仅要方便使用者安装调试,还要求快门速度设定更加精准,以满足不同使用场所的要求。
另外,在北方冬天的雨雪或大雾天气,就会严重影响监控摄像机的清晰度,针对这种情况,不少厂家在摄像机上设计了透雾功能,针对有雾的图片进行独特的处理,实时调整图像的动态曲线范围,提供更为清晰的监控画面。
3.3 由高清晰所产生的其他问题
现在,智能交通系统已经从过去的标清系统逐渐被现在的高清系统所取代,因为高清系统的优势不言而喻,但是高清晰的图片也会产生其他问题。
高清图片的图片覆盖范围广,可能会产生在同一图片中同时出现多个车牌的识别问题。
更重要的是,高清产生过大的数据量,不仅占据过多的资源,并且使得计算机的处理速度过慢,这样就难以实现高清视频流识别,这些都是由高清晰所产生的问题。
综上所述,基于数字图像处理的车牌识别技术的核心是车牌定位和字符识别技术,它在交通管理系统等方面已经得到越来越广泛的运用。
虽然这种技术也日趋成熟,但是车牌识别技术毕竟要以实战为重心,针对车牌识别技术在应用方面存在的问题,只有通过业内专业人士不断的努力,以追求更高的车牌识别正确率为己任,我坚信,运用数字图像处理的车牌识别技术将得到空前的发展,为我国日益繁忙的交通做出更大的贡献。
参考文献
[1] 刘阳,尹铁源,葛震,等.数字图像处理应用于车辆牌照识别的研究[J].辽宁大学学报(自然科学版),2004(1).
[2] 李文举.智能交通中图像处理技术应用的研究[D].大连海事大学,2005.
[3] 胡永杰,郭书军.车辆牌照自动识别系统的研究[A].2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集(上册)[C],2007.
[4] 石晓瑛,许智榜.车牌自动识别系统设计与实现[J].华东交通大学学报,2009.
[5] 胡桂珍.基于数字图像处理的车牌识别系统研究[D].西南交通大学,2010.。