选题的背景及意义
近年来，随着科技的进步与中国经济的高速发展，人民生活水平不断提高的同时，私家车的数量也在不断的上升。新型大型购物场所、写字楼等各种大型停车场都出现了“停车难”、“找车难”等社会问题。传统的停车场大多采用近距离刷卡方式，通行速度慢，进出高峰期易拥堵，刷卡过程容易造成碰撞等交通事故等，使用十分不方便。因此如何利用先进的计算机技术创建具有现代化水平的车辆检测与识别系统以顺应时代发展的要求已成为十分紧迫的问题。
车牌识别系统正是在这种应用背景下提出来的。该系统是在监控的基础上，引入了数字摄像技术和计算机信息管理技术，采用先进的图像处理、模式识别和人工智能技术，通过对视频图像的采集处理，获得更多的信息，从而达到更高的智能化管理程度。车牌识别也是智能交通的一个重要组成部分，在社会生活中、治安管理等方面有很大作用。车牌识别技术的运用使得“大输入小输出”成为了一种可能--输入一幅大存储量的图像，输出仅仅是很小量的数字，这必然使得其在大量存储和管理数据库相连等方面有无可替代的优越性。由于车辆牌照是车辆的唯一标识，包含着车辆的重要信息。掌握车辆牌照号码，就可以对车辆进行管理、跟踪，从而提高交通管理的智能化、现代化水平。因此课题的研究对于提高城市交通管理水平，加强社会治安管理也具有进一步的实际意义。
国内外本领域的发展现状
车辆检测与识别技术研究在国外起步比较早，早在20世纪80年代，便有一些零零散散的图像处理方法用于车辆识别的某些具体应用。在这个阶段，车辆检测与识别技术的研究还没有形成完整的体系，一般采用简单的图像处理方法来解决具体问题，并且最终结果需要人工干预。
进入20世纪90年代后，车辆检测与识别技术的系统化研究开始起步，典型的如A.S.Johnson等提出车辆牌照的识别系统分为图像分割、特征提取、字符识别等三部分，完成车牌的识别。R.A.Lotufo使用视觉字符识别技术分析所获得的图像，首先在二值化图像中找到车牌，然后利用边界跟踪技术提取字符特征，再利用统计最邻分类器与字符库中的字符比较，得出一个或几个车牌候选号码，再对这些号码起进行核实，确定是否为车牌号码，最终确定车牌号码。这个时期的应用在识别正确率方面有所突破，但没有考虑识别实时性的要求，识别速度有待进一步提高。从80年代中期开始，ARGUS英国Alphatech公司就开始了名为RAUS的车牌识别系统的研制。ARGUS的车牌识别系统的识别时间为100户毫秒。另外日本、美国、加拿大、德国等发达国家都有适用于本国的车牌识别系统。
20世纪90年代后期，随着我国汽车数量的急剧增加，车辆检测与识别技术应用的范围越来越广，车辆检测与识别技术已经成为一个热门的研究课题，人们对其进行了广泛而深入的研究，目前比较成熟的产品中有中科院自动化研究所汉王公司的“汉王眼”。另外西安交通大学的图像处理和识别实验室、上海交通大学的计算机科学和工程系、清华大学人工智能国家重点实验室等都做过类似的研究。
虽然这些车牌识别系统的识别率大多都比较高，但是这些车牌识别系统的检测与识别结果大多数是在简单受限制的场景下取得的，而在实际的交通场合以及更加复杂的背景环境下，这些车牌识别系统的识别率往往很低。所以车牌识别技术将来的发展趋势是能在实际的交通场合以及更加复杂的背景环境的情况下，提高车牌识别系统的识别率。
当前国外的学者对车牌识别的研究大都有以下这么几个方面：
1）着力于研究图像融合技术。所谓图像融合技术，即综合多个源图像的信息，以获取对同一场景或同一目标的更为精确、更为全面、更为可靠的图像，融合后的图像应该更符合人或者机器的视觉特性，更有利于对源图像的进一步分析、理解以及目标检测、识别，图像融合充分利用了多个被融合图像中包含的冗余信息和互补信息，但是它又不同于一般意义上的图像增强，它是计算机视觉、图像理解领域的一项新技术。融合图像有利于进一步的图像处理任务，如分割，特征提取以及识别物体等，最简单的图像融合方法只需要达到源图像的像素灰度的平均水平，然而，这往往容易导致不良的副作用，如降低对比。
2）提出了应用软件设计的汽车牌照识别。首先，我们提取车牌的位置，然后我们分隔板字符个别细分和最终应用的模板匹配的车牌识别使用的相关字符。这种提出的算法是基于提取板区域，板块字符分割字符识别。
3）在恶劣的环境条件下，采用神经网络的方法来进行车牌的识别提取。寻找边缘使用所产生的灰度图像的分割索贝尔平滑图像过滤器用来减少连接组件，然后用来计算连接组件和最后，检测单个字符。结果表明，所提出的方法取得了98％的准确度通过优化各种参数，具有较高的识别率比传统的方法。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
