下载文档原格式
【关键字】方法1 绪论1.1问题的提出和研究背景车辆牌自动识别(Automated License Plate Recognition,ALPR)技术作为交通管理自动化的重要手段，其任务是分析、处理汽车监控图像，自动识别汽牌照号，并进行相关智能化数据库管理。
ALPR 系统可以广泛应用于高速公路电子收费站、出入控制、公路流量监控、失窃车辆查询、停车场车辆管理、公路稽查入监测黑牌机动车、监控违章车辆的电子警察等需要牌照认证的重要场合。
尤其在高速公路收费系统中，实现不停车收费技术可提高公路系统的运行效率。
人们一般将车牌识别系统划分为三大部分[1],首先将车牌从经过预处理的图像中定位出来,然后对车牌中的字符进行准确的切分,最后对分割好的字符进行识别"如何从复杂图像中将待识别的信息进行准确有效的定位与分割就是自动识别的关键1.2 ALPR系统简介车辆牌自动识别系统，总体来说是图像处理技术与牌照本身特点的有机结合，也包括小波分析、神经网络、数学形态学、模糊理论等数学知识的有效运用。
一个车牌自动识别系统基本包括:图像预处理、牌照定位、牌照校正、牌照字符分割、字符识别及结果输出等。
图1-1为系统的流程框图：图1-1 车辆牌照自动识别流程1.3 ALPR关键技术：1.图像采集：用一个摄像机摄取车辆前视图或后视图。
2.图像处理：对采集到的图像进行增强，恢复，变换。
目的是突出车牌的特征，以便更好的提取车牌。
3.车牌定位：在采样的图像中找到车牌的位置。
4.车牌字符分割：对获得的车牌分离出单个字符（包括汉字、字母和数字等）5.字符识别：对分割得到的字符进行归一化处理，转化为文本存入到数据库或直接显示出来。
由此可见，车牌识别系统在硬件上一般包含一台PC机，摄像头，图像采集设备，相应的图像处理软件，以及汽车到来的检测装置。
1.4国内外研究现状和发展趋势牌照识别技术自1988年以来，人们就对它进行了广泛的研究，目前国内外己经有众多的算法，一些实用的ALPR技术也开始用于车流监控、出入控制、电子收费、移动稽查等场合。
车牌的定位与分割实验报告一实验目的针对交通智能系统所拍摄的汽车图片，利用设定的算法流程，完成对汽车车牌部分的定位，分割车牌部分，并完成字符的分割，以便于系统的后续分析及处理。
二实验原理详见《车牌的定位与字符分割》论文。
三概述1一般流程车牌自动识别技术大体可分为四个步骤：图像预处理、车牌定位与分割、车牌字符的分割和车牌字符识别。
而这四个步骤又可归结为两大部分：车牌分割和车牌字符识别。
图1-1为车牌自动识别技术的一般流程图。
2本实验的流程（1）图像预处理：图像去噪（2）车牌的定位：垂直边缘检测（多次）形态学处理的粗定位合并邻近区域结合车牌先验知识的精确定位（3）车牌预处理：车牌直方图均衡化倾斜校正判定（蓝底白字或者黄底黑字）归一化、二值化（4）字符的分割：垂直投影取分割阈值确定各个字符的左右界限（结合字符宽度、间隔等先验知识）分割字符四实验过程4.1图像预处理4.1.1图像去噪一般的去噪方法有：空间域上的均值滤波和中值滤波；频率域上的巴特沃斯滤波器。
图4-1是各滤波器处理椒盐噪声的效果。
a．被椒盐噪声污染的图片 b.均值滤波的效果图 c.中值滤波的效果图 d.BLPF的效果图图4-1 各滤波器处理椒盐噪声的仿真可见，中值滤波对椒盐噪声的处理效果极好，而一般所拍摄的图片上最多的便是孤立的污点，所以此处以中值滤波为主进行去噪。
图4-2是采用中值滤波处理实际汽车图片的效果。
a.原始图像b.灰度图像c.中值滤波后的图像图4-2 中值滤波处理实际汽车图片的效果很显然，经过中值滤波后去除了原图上的部分污点。
4.1.2图像复原由于通常情况下都不知道点扩展函数，所以我们采用基于盲解卷积的图像复原策略。
图4-3~4-7图是函数进行盲解卷积的实验结果，其中图4-3是图像cameraman 的模糊图像。
图4-3 模糊图像在盲解卷积处理中，选择适当大小的矩阵对恢复图像的效果很重要。
PSF的大小比PSF的值更重要，所以首先指定一个有代表性的全1矩阵作为初始PSF。
安徽大学硕士学位论文车牌识别系统中的字符分割与识别姓名：高勇申请学位级别：硕士专业：计算机应用技术指导教师：张燕平20070401丘嘲ｊ、’’，慨Ｉ。
毕¨硷上第卓系统的具体雌｜卜－Ｊ其啦别率，【圣ｊ５即为拍摄到的个车图。
因此，必须采取车牌图像顾处理印Ｊ｝＃施以提高Ｕｉ别率。
同时，由于车牌不可避免地存在噪声，而且由于车牌识别系统任室外２４小时工作，光照度大范【嗣变化，也存在光照不均，亮度太低对比度太小等情况，这蝗都会降低系统的字符识别率，因此需采取滤噪、光照不均校Ｊ下和对比度增强等图像增强措施１２１Ｉ。
预处理是整个车牌识别系统的第一步，它的有效与否直接关系到下一步定位的成功率高低。
预处理的主要目的是增强图像中的目标的信息，减少或者消除非目标信息，以有利于下一步的图像进一步处理。
对于含有车牌的图像来说，预处理主要是为了让目标字符的信息加强，并且消除干扰信息，从而便于系统进行下面的车牌区域的定位工作。
一般来说，预处理的方法主要分为空域法和频域法两大类【２ｌＪ。
空域法主要是利用图像中各点之间的位置关系与颜色信息来进行处理，用于其中预处理的空域法主要有图像的点运算、图像增强等；频域法则是将图像变换到频域然后再进行处理，一般采用的变换方式都是线性正交变换、傅立叶变换、离散余弦变换等，然后根据目标信息的特征进行相应的滤波处理。
一般来说，利用空域法比较直接方便，理解上直观；利用频域法则有计算量小、易于消除噪声等特点。
３．３．３车牌定位图５：拍摄到的车图Ｆｉｇｕｒｅ５：ａＶｅｈｉｃｌｅＰｌａｔｅ车牌定位是车牌识别系统中的关键之一，如何在复杂的背景下克服干扰准确定位出含有车牌字符区域直接关系到车牌识别系统后续识别部分的正确率。
到目前为止，有关车牌定位的研究很多，其中主要的方法有下面几种吲：基于边缘的。
车牌识别系统中车牌定位与字符分割的研究一、本文概述随着科技的发展和智能交通系统的普及，车牌识别系统已经成为了现代交通管理的重要组成部分。
车牌识别系统的核心在于准确、快速地实现车牌的定位与字符分割。
本文旨在深入探讨车牌识别系统中车牌定位与字符分割的关键技术，并分析其在实际应用中的挑战与解决方案。
本文将对车牌识别系统的基本框架进行概述，介绍车牌定位与字符分割在其中的地位和作用。
接着，本文将详细阐述车牌定位技术的发展历程和现状，包括基于颜色、纹理、形状等特征的定位方法，以及近年来兴起的深度学习技术在车牌定位中的应用。
同时，本文还将对字符分割技术的研究现状进行梳理，包括基于投影分析、边缘检测、形态学处理等方法的字符分割算法。
在此基础上，本文将重点分析车牌定位与字符分割在实际应用中面临的挑战，如复杂背景下的车牌定位不准确、字符粘连或断裂导致的分割失败等问题。
针对这些问题，本文将提出相应的解决方案，如通过改进算法提高定位精度、采用多特征融合的方法提高字符分割的鲁棒性等。
本文将通过实验验证所提方法的有效性，并对实验结果进行分析和讨论。
本文还将展望车牌识别系统的未来发展趋势，探讨新技术在车牌定位与字符分割中的应用前景。
通过本文的研究，旨在为车牌识别系统的优化和改进提供有益的参考和借鉴。
二、车牌定位技术研究车牌定位技术是车牌识别系统的关键环节，它涉及从复杂的背景中准确提取出车牌区域。
随着计算机视觉和图像处理技术的不断发展，车牌定位技术也取得了显著的进步。
早期的车牌定位主要基于车牌的颜色和边缘特征。
由于中国车牌通常为蓝底白字，因此可以通过颜色过滤来初步提取出可能的车牌区域。
随后，利用边缘检测算法（如Canny边缘检测）来进一步细化车牌的轮廓，从而实现车牌的粗定位。
然而，这种方法受光照条件、车牌污损等因素影响较大，定位准确性有待提高。
为了克服颜色和边缘特征方法的局限性，研究人员开始尝试基于纹理和形状特征的车牌定位方法。
《数字图像处理》研究报告——车牌定位与分割方法研究（2008/2009学年第二学期）车牌定位与分割方法研究1、前言随着公路逐渐普及，我国的公路交通事业发展迅速，所以人工管理方式已经不能满着实际的需要，微电子、通信和计算机技术在交通领域的应用极大地提高了交通管理效率。
汽车牌照的自动识别技术已经得到了广泛应用。
汽车牌照自动识别整个处理过程分为预处理、边缘提取、车牌定位、字符分割、字符识别五大模块，其中字符识别过程主要由以下3个部分组成：①正确地分割文字图像区域；②正确的分离单个文字；③正确识别单个字符。
用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照。
在研究的同时对其中出现的问题进行了具体分析，处理。
作为现代社会的主要交通工具之一的汽车, 在人们的生产、生活的各个领域得大量使用, 为快速、高效地进行车辆的管理和监控,实现交通管理的自动化、智能化,车牌识别技术在智能交通系统中成为核心技术之一,而图像处理技术能将输入的车辆图像通过处理和识别,转换为车牌号的字符串形式,为车牌识别的后续计算机处理奠定了基础,在其中起着关键性的作用。
数字图像处理已经成为一门独立的新学科,并有着广泛的应用,正在空间、时间和功能上的扩展人类视觉。
2、图像预处理先对视频采集的车牌图像进行必要的预处理,有助于进一步的识别。
图像预处理包括:图像的复原和图像的变换等。
2.1 图像的复原在一些场合输入的图像很有可能是模糊不清的, 也就是说存在噪声的影响,通常存在影响的因素是多方面的,如光线和天气条件的变化、角度不合适、同类型的车牌字符和车牌背景的细微差别等都有可能使图像模糊不清。
因此要对图像进行复原。
在不同的环境下对具体的图像的复原方法也不同, 例如由于均匀直线运动而引起的复原,几何畸变复原等等。
2.2 图像的变换原始图像的数据一般比较大,对其进行处理的时间一般也较长,而由于实时性的要求,车牌的提取需要一次处理性就能把绝大多数特征提取出来,而尽可能的不要利用后面的结果来调整这一步的工作。
车牌字符分割及识别算法研究的开题报告一、选题背景与意义随着车辆数量的增多，交通管理越来越复杂，车牌识别技术已成为现代交通管理中不可或缺的手段。
目前，车牌识别技术已广泛应用于智能交通系统、停车场管理等领域，尤其在车辆安全检测和追踪、交通违法行为的识别等方面具有非常重要的应用价值。
车牌识别技术的关键就是字符分割和识别，因此本课题将重点研究车牌字符分割及识别算法。
通过对车牌进行有效的字符分割，能够准确快速地识别车辆信息，提高交通管理效率，确保道路畅通，维护公共安全。
二、研究内容及思路1. 车牌字符分割算法研究车牌字符分割是车牌识别的重要步骤，其目的是将车牌图像中的字符区域分割出来。
车牌字符分割算法的研究是本课题的重点之一。
在此基础上，我们将探讨如何对分割出的字符进行有效的识别和匹配，以保证车牌信息的准确性和可靠性。
2. 车牌字符识别算法研究车牌字符识别技术是车牌图像处理的核心问题之一，其目的是将车牌图像中的字符信息自动识别出来。
本课题将通过深入研究神经网络算法、模式识别算法等相关技术，构建有效的字符识别模型。
通过训练这个模型，能够快速而准确地识别出车牌中的字符信息。
三、研究方法1. 数据采集本课题将采用公开数据集进行研究，如CCPD、车牌字符数据集等。
同时，还将根据实际情况采集一些本地车牌图像进行测试和验证。
2. 图像处理技术本课题将应用多种图像处理技术，包括图像增强、二值化、边缘检测、形态学处理等，以有效处理车牌图像。
3. 算法开发本课题将基于Python平台，运用相关算法对车牌图像进行处理、字符分割和字符识别，在此基础上通过对实验结果进行分析，优化算法传统算法的表现，提高算法的准确率和稳定性。
四、预期研究成果1. 建立车牌字符分割及识别算法本课题将建立车牌字符分割算法和字符识别算法。
通过完整的实验流程，优化相关算法，建立出相应的模型以及算法，实现车牌字符的准确分割和识别，并进行实验验证。
2. 测试和结果分析本课题将基于实际数据和公开数据集进行测试，在此基础上对模型进行优化，并对结果进行分析和总结，得出相关结论，为实际应用提供参考。
1 绪论1.1 背景简介为了实现车牌字符辨认，普通要通过车牌位置检测、车牌字符分割和字符辨认三个核心环节。
车牌位置检测是依照车牌字符目的区域特点，寻找出最符合车牌特性区域。
车牌字符分割就是在车牌图像中找出所有字符上下左右边界，进而分割出每个车牌字符。
在实际应用中，车牌字符分割效果对车牌字符辨认对的率会产生很大影响，由于车牌图像亮度不均、尺度变化、透视失真、字符不完整等因素，使图像质量存在较大差别，进而影响图像分割效果，因而车牌字符分割这一技术依然具备很大研究意义。
在实际监控场景中，车牌图像透视失真普通是由于拍摄视角变化或车辆位置移动，相机光轴偏离车牌平面法线方向导致。
由于车牌图像在整幅图像中占有较小比例，因此车牌图像几何校正重要工作是校正车牌图像旋转和剪切失真。
旋转投影法和直线拟合法是两种重要偏斜校正办法。
旋转投影法是为了获取垂直倾斜角，即将车牌图像穷举逐个角度进行剪切变换，然后记录垂直投影数值为0点数，得到最大值相应角度。
这种办法受背景区域干扰比较大。
另一种办法是直线拟合车牌字符左边界点从而获得垂直倾斜角，该办法为直线拟合法。
该办法并没有逐个角度对车牌图像进行剪切变换，从左边界点拟合出直线普通不能真正用来代表车牌垂直倾斜方向，检测出角度存在较大误差，且字符左侧噪声对角度检测干扰太大，鲁棒性较差。
因而找到一种更精确和迅速车牌垂直倾斜矫正办法是十分重要。
通过得到最小字符投影点坐标方差，得到另一种车牌垂直矫正办法。
一方面将车牌字符图像进行水平校正，依照字符区域上下边界，将车牌字符进行粗分割。
然后将剪切变换后字符点进行垂直偷用。
当得到投影点最想左边方差时，便能导出两类剪切角闭合表达是，最后便是拟定垂直投影倾斜角并对此进行校正。
投影法是当前最惯用车牌分割算法之一，其算法简朴并且计算复杂度低。
该办法核心思想是将车牌图像进行水平投影和垂直投影，运用峰谷特性来定位车牌字符上下左右边界。
但是车牌噪声、边框等因素容易影响到投影峰谷位置，并且对于存在较严重质量退化图像解决困难。
为了进一步改进字符分割效果，普通将形态学分析、连通体分析和投影法三者相结合，并应用到车牌字符分割。
Anagnostopoulos等人提出用SCW办法对车牌图像进行分割，并通过在水平方向和垂直方向投影曲线原则差对车牌字符进行分割。
张云刚等人运用车牌先验知识并结合Hough 变换提出了一种新车牌字符分割算法，该办法特点是为了消除噪声影响提出了一种全新图像预解决办法。
其重要环节为一方面进行分段，另一方面水平分割办法运用是Hough 变换拟合，该办法可以有效消除上下车牌边框影响，当图像中车牌旋转角度较大并且存在光照不均影响时其分割效果也都较好。
然后将车牌先验知识应用于垂直投影法字符左右边界拟定中。
该办法长处是可以消除字符间隔区域和垂直边框影响。
但是车牌噪声等干扰因素容易影响到投影峰谷位置，并且对于存在较严重质量退化图像解决困难。
因而，普通将形态学分析、连通体分析和投影法三者相结合，并应用到车牌字符分割。
Nomura等人为了解决断裂车牌字符碎片，通过竖直投影将其检测出来并合并属于同一种字符碎片，运用形态学粗化和细化办法将重叠和粘连字符连通体分离。
Chang等人为使车牌字符切分更有效，运用连通体组合规则验证所有也许字符集合，并获得了非常好效果。
近年来，更多新颖车牌字符分割算法问世。
Jiao为了验证与否得到真正车牌把预定义车牌格式和待选字符进行匹配，使用动态规划办法来进一步验证匹配效果。
Fan等人以对垂直投影水平投影分析为基本，将车牌字符分割与辨认两个环节作为一种整体记录推断问题。
可以将车牌字符分割与辨认同步进行，车牌字符辨认模块设计性能很大限度地影响字符分割效果。
Franc和Hlavac通过隐马尔可夫链将车牌图像与相应车牌字符分割建立起随机关系，把车牌字符分割表达为最大后验预计问题。
Naito等人提出了假设检查办法，并以置信度为根据对也许字符组合进行排队。
王兴玲运用车牌规定字符组合方式和大小比例关系，提出了基于模板匹配最大类间方差车牌字符分割算法。
并将设计字符模板与车牌区域滑动匹配并进行分类，车牌最佳匹配位置和字符分割边界是通过最大类间方差判决准则进行拟定。
中华人民共和国大陆车牌有统一制定规则，所有车牌字符所相应高度和宽度是相等(可将字符“1”以为与其他字符宽度是相似)，并且字符间距与字符大小比例关系是拟定不变。
为此，本文以投影分析法为基本，通过设计变长模板与车牌区域滑动匹配，从而完毕车牌字符分割。
一方面依照车牌边框和字符排列规则将车牌图像进行旋转和剪切校正。
为了拟定车牌图像中字符上下边界，将车牌图像沿水平方向进行投影，运用预先设计好不同长度方波模板对其进行匹配，依照有关系数得到最佳匹配方波。
最后，将车牌图像沿垂直方向进行投影，依照车牌字符宽度与字符间隔长度比例关系，设计一组长度不同方波模板。
为了获取字符左右边界，可以将该模板与垂直投影进行匹配。
该办法以车牌字符水平和垂直投影特性为根据，可以自适应地解决光线照射不均匀、透视失真、尺度变化、以及背景干扰等问题，具备较好稳定性，抗干扰能力较强。
1.2 车牌字符格式根据国家对机动车号牌有关规定，可以总结出车牌特点。
按照车牌颜色特点，有白字蓝底白边框、黑字黄底黑边框、红字或者黑字白底黑边框三种类型车牌。
也可以从字符排列角度进行分类，涉及但单行七字符车牌和上下两行字符车牌。
为了对车牌照进行辨认，研究人员总结出车牌辨认先验知识，涉及车牌尺寸、字符大小、构造特性等。
车牌样本图像如图1-1所示图1-1 车牌样本图像车牌照先验知识具备如下内容：（1）车牌是一种高度为409mm，宽度为90mm长方形，其高宽比例为4.45:1。
（2）车牌字符高度为90mm，宽度为45mm，宽高比为2:1。
（3）车牌边框宽度为1.5mm，字符间隙是12mm。
车牌边框线宽度和字符家具之比是1:8。
（4）车牌第二个字符和第三个字符间有一种“•”，其他字符之间宽度和字符宽度比为10mm:45mm＝1:4.5，若删除“•”话，车牌第二个和第三个字符间距和其他字符间距比为34mm:12mm＝2.83:1；（5）车牌字符之间中心距离长度为51mm，高度为90mm，其比例是1:1.76；（6）车牌字符和背景具备较大对比度，车牌区域是纵向小边沿密集区域。
（7）车牌区域有五种固定颜色搭配，涉及红黑、蓝白、白黑、红白、黄黑。
在车牌照连通体分析，投影方波模板设计都需要以车牌照先验知识为根据，真正对字符分割算法设计起作用是参数设立，这个过程是整个算法设计难点。
在实际车牌字符辨认过程中用到车牌先验知识和实验成果如下：（1）车牌字符高度和宽度之比在1~3之间(字符“1”高度和宽度之比在3~10之外)。
（2）对于车辆照片，字符像素聚类面积取值范畴是10~5000。
字符高度范畴和宽度范畴分别是10~200之间和5~100之间。
（3）由实验成果可得，包围单个车牌字符最小矩形中，字符像素所占矩形面积比例不不大于10%。
（4）实验成果表白，包围单个车牌字符最小凸边形中，车牌字符像素所占凸多边形面积比例不不大于10%。
（5）车牌区域总体像素聚类面积，不不大于数值50。
（6）车牌垂直投影分布具备脉冲波分布特性：其中占空比例关系满足region:gap:key = 45:12:34。
1.3 匹配滤波在数字通信系统中，为了增强有用信号)(t s，同步抑制噪声信号)(tn可以通过设计滤波器来实现。
当混有噪声信号进入滤波器时，可以使信号分量在某一瞬间浮现峰值，同步抑制噪声成分。
当信号)(t s在某段时刻存在时，在相应瞬间滤波器输出会呈现出强大峰值，如果信号)(t s不存在，那么峰值将不会浮现。
运用这种滤波器能使判断脉冲)(t s有无出错概率最低。
咱们将具备这种功能滤波器称为“匹配滤波器”。
当信号)(t s特性与设计滤波器性能获得某种一致时，输出端信号功率与噪声功率之比最大时，这便称之为匹配。
在实际应用中，匹配滤波器普通是依照信号特性来设计。
匹配滤波器可以有用信号分量增强同步使噪声分量削弱，使得在某一瞬间滤波器输出端信号幅度与噪声幅度之比达到最大。
根据车牌照先验知识，可以得到车牌投影分布，即输入信号具备脉冲波分布特性。
咱们可以根据这个特点，设计一组方波模板当做系统函数，对车牌投影进行匹配滤波解决，便可以得到车牌字符边界参数。
1.4 本文内容论文一共分为三章，每一章重要内容如下：第一章是绪论。
简介了车牌字符分割研究背景，以及车牌字符格式。
还补充了匹配滤波器有关知识，最后初步简介了本文内容。
第二章是车牌图像预解决。
共涉及车牌图像几何校正、灰度化、图像增强、二值化四某些，此某些工作目是为了得到质量改进、便于字符分割车牌图像。
第三章是车牌字符分割。
分别简介了水平投影方波匹配和垂直投影方波匹配，并展示了最后字符分割效果。
最后是结论。
将本文对车牌图像所做工作进行了总结。
2 车牌图像预解决2.1 本章引言在实际车牌辨认系统中，图像普通由CCD摄像机获得，由于光线明暗，拍摄角度等因素影响，所获得车牌图像质量差别较大，存在图像模糊，目的与背景对比度低，车牌旋转和剪切失真等现象等现象，不利于后续车牌字符定位和辨认工作。
因而有必要对车牌图像进行几何校正、图像灰度化、图像增强和图像二值化等预解决，从而改进图像质量，提高车牌字符分割效率与精确率。
2.2 车牌图像几何校正在车辆监控场景中，相机光轴与车牌法线方向发生偏离，普通是由车辆位置和拍摄角度发生变化，进而在车牌图像中引入透视失真。
由于车牌图像在整幅图像中占有较小比例，透视失真限度较弱，车牌字符尺寸参数变化较小，对字符分割效果影响可以忽视。
因此，车牌图像进行几何校最重要工作是将车牌旋转和剪切失真。
图像旋转角度可以根据车牌区域存在较长边框来拟定，在实际环境中，锈迹和污迹会对车牌边框产生影响，同步边框也也许发生形变，从而导致车牌边框缺失或者断裂，从而对旋转校正精度产生影响。
此外车牌字符边沿特性丰富，为旋转角度求解提供了重要根据。
为了使预计旋转角度办法对各种质量车牌图像具备普遍合用性，本文以字符边沿特性和车牌边框为根据，提出了一种边沿投影差分办法。
一方面将车牌图像在一定角度范畴内旋转，运用Canny边沿检测对每幅e i jα表达旋转角度为α时得到边沿图像，对其沿水平方向图像进行解决。
用(,;)计算差分绝对值，并进行求和可得：(;)(,;)(,1;)j y ie i j e i jααα=--∑(2-1)用1()Mα和2()Mα分别表达(;)y iα沿行方向差分最大值和最小值，即：12()max[(;)(1;)]()min[(;)(1;)]iiM y i y iM y i y iαααααα=--=--对于车牌边框破损严重状况，该投影在行方向差分数据在车牌字符上下边界位置有比较大峰值或谷值，因而，求解车牌旋转角度α目的函数可以表达为：{}12arg max()()M Mααα-(2-2) 该旋转校正办法可以消除车牌边框质量退化影响，具备精度高和适应范畴宽等特点。
