1. 研究目的与意义
智能交通系统的概念提出由来已久，其用智能技术来解决交通拥挤、紧急事故处理等交通管理问题。
在其中，车牌号码是唯一确定一辆车的标志号码，是智能交通系统中需要获取的及其关键的信息，车牌识别是智能交通系统中的重要组成部分，但是由于车牌受光照不均、字符阴影、背景纹理等干扰的影响，字符分割和识别的精度不高。
因此，对车牌图像进行预处理是非常必要的。
2. 课题关键问题和重难点
难点1： 实际情况中，道路上汽车种类繁多，周围环境复杂，如光照条件、噪声干扰、天气情况、拍摄角度、图像清晰度等影响，需要非常准确的找到车牌区域。
难点2：图像预处理中，模糊、梯度、形态学操作等阈值的调节，以便接下来的分割车牌。
难点3：图像分割与车牌ROI定位，利用算法对分割后的图片筛选，选取真正的车牌区域。
3. 国内外研究现状（文献综述）
引言：基于车牌识别前期的区域定位工作, 对字符进行提取的 传统边缘检测算子主要有 Robert算子、Sobel算子和Prewitt算子等, 这些算子由于引入了各种微分运算, 故对噪声敏感, 抗噪性能差; 近年来提出的Log和Canny等边缘检测算子。
利用高斯函数对原始图像作平滑或卷积运算, 计算量较大, 而数学形态学作为一种非线性滤波方法可以克服以上缺陷。
在数学形态学的基础上, 文中提出了一种灰度图像车牌字符提取算法, 其构造4种结构元素, 依次从4个方向上求出形态学梯度对字符的边缘进行检测, 并结合迭代阈值的方法对图像进行分割, 最后采用形态学的区域填充方法弥合字符中的隙。
4. 研究方案
四、方案（设计方案、研制方案、研究方案）论证（不少于100字）参考了文献，对毕设章节做了如下规划：(一)绪论(二)预处理算法，包括对图像进行模糊，求梯度，二值化，形态学操作等操作。
(三)车牌的定位，筛选出真正的车牌ROI区域。
(四)车牌中的字符分割，对寻找到车牌的ROI区域处理，准确分割字符。
5. 工作计划
五、工作计划（不少于300字）工作进度安排12周：完成绪论的编写以及每一章节的大纲；35周：完成预处理算法68周：完成车牌的定位912周：完成车牌中的字符分割1314周：完成总结与展望
以上是毕业论文开题报告，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。
